从零开发短视频电商 OpenSearch/Elasticsearch 查询总结

2023-12-15 05:04
文章标签 视频 总结 查询 开发 elasticsearch 电商 opensearch

本文主要是介绍从零开发短视频电商 OpenSearch/Elasticsearch 查询总结，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

文章目录

    • Match Queries（全文查询）
    • Term Queries（词项查询）
    • Range Queries（范围查询）
    • Wildcard Queries（通配符查询）
    • Fuzzy Queries（模糊查询）
    • Prefix Queries（前缀查询）
    • Nested Queries（嵌套查询）
    • Exists Queries（存在查询）
    • Boolean Queries（布尔/组合查询)
    • Filter Queries（过滤查询）
    • Aggregation（聚合查询）
      • 1. Terms Aggregation（词条聚合）
      • 2. Range Aggregation（范围聚合）
      • 3. Date Histogram Aggregation（日期直方图聚合）
    • Script Query（脚本查询）
    • Search results （搜索结果）
      • 分页
      • 排序
      • 高亮

OpenSearch 和 Elasticsearch 都是搜索和分析引擎，它们使用相似的查询语言。查询可以分为不同的类型，通常包括以下几类：

查询语言一般用DSL和DQL

  • 查询特定领域语言 (DSL)：主要的 OpenSearch 查询语言，支持创建复杂的、完全可定制的查询。
  • 仪表板查询语言 (DQL)：一种简单的基于文本的查询语言，用于过滤 OpenSearch 仪表板中的数据。

Match Queries（全文查询）

Match Queries (匹配查询): 这是最简单的查询类型之一，用于在文本字段中匹配指定的词语。有两种主要的匹配查询：match和match_phrase。

match查询会匹配文档中包含任意一个查询词的文档，而match_phrase查询要求文档中的词语必须按照查询的顺序完全匹配。

  • Match: 用于执行全文本搜索。

  • Match Phrase: 用于匹配短语。

  • Match Phrase Prefix: 用于匹配以给定短语开头的文档。

  • Match All: 匹配所有文档。

GET /my_index/_search
{"query": {"match": { // 基本的match查询"content": "Elasticsearch"}}
}
// 约等于 LIKE '%Elasticsearch is%'
{"query": {"match_phrase": { // 用于确保匹配的词汇以相同的顺序出现在文本字段中。"title": "Elasticsearch is"}}
}
// 约等于 LIKE 'Elastic%'
{"query": {"match_phrase_prefix": { // 类似于match_phrase，但允许在词汇的后面包含通配符。"title": "Elastic"}}
}
// 约等于  OR
{"query": {"multi_match": { // 在多个字段中执行match查询。"query": "Elasticsearch","fields": ["title", "content"]}}
}// 相当于SQL中的SELECT * FROM index
{"query": {"match_all": {} // 返回所有文档}
}// mappings 如下
{"mappings": {"properties": {"content": {"type": "text","analyzer": "standard"},"title": {"type": "text"}}}
}

Term Queries（词项查询）

Term Queries (词项查询): 词项查询用于精确匹配字段中的词项。它适用于关键字字段。例如，如果你想匹配一个确切的词语而不是文本中的部分内容，可以使用term查询。

GET /my_index/_search
// SQL类比 SELECT * FROM my_index WHERE typeCode = 'software';
{"query": {"term": {"typeCode": "software"}}
}
// typeCode IN ('technology', 'software')
{"query": {"terms": { // 多值查询"typeCode": ["technology", "software"]}}
}// mappings 如下
{"mappings": {"properties": {"typeCode": {"type": "keyword"}}}
}

match_phrase 和 term区别？

  • term查询： 主要用于关键字字段，它执行精确匹配。对于关键字字段而言，词项是不会被分词的，整个字段值作为一个单独的词项。
  • match_phrase查询： 主要用于文本字段，它要求文本字段按照查询的顺序完全匹配。它考虑了分词器的影响，确保匹配的词语在文本中是相邻的。
  • term查询： 不考虑分词器，直接匹配整个关键字字段的值。
  • term查询： 用于进行精确匹配，通常用于关键字字段。
  • match_phrase查询： 用于匹配文本字段中按顺序出现的一组词语，通常用于全文搜索和短语匹配。

Range Queries（范围查询）

Range Queries（范围查询）：用于匹配在指定范围内的值。例如，你可以使用 range 查询来查找在一定范围内的日期或数字。

// BETWEEN 25 AND 40
{"query": {"range": {"create_date": {"gte": "2022-01-01","lte": "2022-12-31"}}}
}{"mappings": {"properties": {"create_date": {"type": "date"}}}
}

Wildcard Queries（通配符查询）

Wildcard Query: 允许使用通配符（*和?）进行模糊匹配。

// LIKE 'elast*'
{"query": {"wildcard": {"title": "elast*"}}
}
// LIKE 'jo%hn'
GET /my_index/_search
{"query": {"wildcard": {"username": "jo*hn"}}
}
//  LIKE 'john.d_e@example.com'
GET /my_index/_search
{"query": {"wildcard": {"email": "john.d?e@example.com"}}
}

Fuzzy Queries（模糊查询）

Fuzzy Query: 用于执行模糊匹配，允许一定程度的拼写错误或相似性。

{"query": {"fuzzy": {"name": {"value": "elasticserch","fuzziness": "AUTO"}}}
}

fuzziness参数用于定义模糊匹配的容忍度，即允许搜索词条与文档中的词条之间存在一定程度的编辑距离（编辑操作包括插入、删除、替换字符）。fuzziness值表示最大允许的编辑距离。

具体来说，fuzziness的值可以是以下之一：

  • 0: 完全匹配，不允许任何编辑操作。
  • 1: 允许一个编辑操作。
  • 2: 允许两个编辑操作。
  • 以此类推…

通过调整fuzziness参数，你可以控制模糊查询的严格程度，使其能够匹配在一定编辑距离内的相似词条。

Prefix Queries（前缀查询）

Prefix Query: 匹配字段中以指定前缀开头的文档。

// LIKE 'jo%'
{"query": {"prefix": {"tag": "tech"}}
}

Nested Queries（嵌套查询）

Nested Query: 在嵌套文档中执行查询。

// 创建索引与示例数据：
PUT /my_index
{"mappings": {"properties": {"people": {"type": "nested","properties": {"name": {"type": "text"},"age": {"type": "integer"}}}}}
}POST /my_index/_doc/1
{"people": [{"name": "John", "age": 30},{"name": "Alice", "age": 25}]
}POST /my_index/_doc/2
{"people": [{"name": "Bob", "age": 35},{"name": "Eve", "age": 28}]
} 
//嵌套查询
// SELECT *
//	FROM my_index
//        JOIN unnest(people) AS person ON true
//  WHERE person.name = 'John' AND person.age >= 30;GET /my_index/_search
{"query": {"nested": {"path": "people","query": {"bool": {"must": [{ "match": { "people.name": "John" }},{ "range": { "people.age": { "gte": 30 }}}]}}}}
}

Exists Queries（存在查询）

Exists Query: 匹配包含指定字段的文档。

// age IS NOT NULL
{"query": {"exists": {"field": "age"}}
}

Boolean Queries（布尔/组合查询)

Boolean Queries（布尔查询）：用于将多个查询组合在一起，以实现更复杂的查询逻辑。包括 must （与）、should（或）、must_not （非）等子句。

{"query": {"bool": {"must": [{ "match": { "field1": "value1" } },{ "range": { "field2": { "gte": 10, "lte": 20 } } }],"must_not": [{ "term": { "field3": "value3" } }],"should": [{ "term": { "field4": "value4" } }]}}
}

Filter Queries（过滤查询）

Filter Queries（过滤查询）：类似于布尔查询，但主要用于过滤文档而不会影响打分。它们通常用于精确匹配或范围过滤。

{"query": {"bool": {"filter": [{ "term": { "field1": "value1" } },{ "range": { "field2": { "gte": 10, "lte": 20 } } }]}}
}

Aggregation（聚合查询）

Aggregation Query（聚合查询）：用于对数据执行聚合操作，例如计算平均值、总和、最小值、最大值等。

假设我们有一个商品的文档集合，每个文档包含商品的信息，如商品名称（name）、商品类别（category）、价格（price）和销售时间戳（timestamp）等。

索引映射 (Index Mapping):

PUT /products
{"mappings": {"properties": {"name": {"type": "text"},"category": {"type": "keyword"},"price": {"type": "float"},"timestamp": {"type": "date"}}}
}

样本文档 (Sample Documents):

POST /products/_bulk
{"index":{}}
{"name": "Laptop", "category": "Electronics", "price": 1200.00, "timestamp": "2023-01-01T08:00:00"}
{"index":{}}
{"name": "Camera", "category": "Electronics", "price": 500.00, "timestamp": "2023-01-01T09:30:00"}
{"index":{}}
{"name": "Backpack", "category": "Fashion", "price": 50.00, "timestamp": "2023-01-02T12:45:00"}
{"index":{}}
{"name": "Headphones", "category": "Electronics", "price": 100.00, "timestamp": "2023-01-02T14:15:00"}
{"index":{}}
{"name": "Jacket", "category": "Fashion", "price": 150.00, "timestamp": "2023-01-03T16:30:00"}

1. Terms Aggregation（词条聚合）

商品按类别分组

GET /products/_search
{"size": 0,"aggs": {"categories": {"terms": {"field": "category"}}}
}

结果：

{"aggregations": {"categories": {"buckets": [{"key": "Electronics", "doc_count": 3},{"key": "Fashion", "doc_count": 2}]}}
}

2. Range Aggregation（范围聚合）

商品价格范围

GET /products/_search
{"size": 0,"aggs": {"price_ranges": {"range": {"field": "price","ranges": [{"from": 0, "to": 100},{"from": 100, "to": 200},{"from": 200, "to": 1000}]}}}
}

结果：

{"aggregations": {"price_ranges": {"buckets": [{"key": "0.0-100.0", "doc_count": 3},{"key": "100.0-200.0", "doc_count": 1},{"key": "200.0-1000.0", "doc_count": 1}]}}
}

3. Date Histogram Aggregation（日期直方图聚合）

商品按月份分组

GET /products/_search
{"size": 0,"aggs": {"monthly_activity": {"date_histogram": {"field": "timestamp","calendar_interval": "month","format": "yyyy-MM-dd"}}}
}

结果：

{"aggregations": {"monthly_activity": {"buckets": [{"key_as_string": "2023-01-01", "key": 1640995200000, "doc_count": 2},{"key_as_string": "2023-02-01", "key": 1643673600000, "doc_count": 2},{"key_as_string": "2023-03-01", "key": 1646140800000, "doc_count": 1}]}}
}

Script Query（脚本查询）

Script Query（脚本查询）：允许使用脚本来执行自定义查询逻辑。

{"query": {"script": {"script": {"source": "doc['popularity'].value > params.threshold","params": {"threshold": 1000}}}}
}

Search results （搜索结果）

分页

有几种方式可以进行搜索结果的分页，每种方式都有其优缺点。以下是一些常见的分页方式：

1.From/Size:

from参数是要从哪个文档开始显示结果的文档编号。

size参数是要显示的结果数量，它们共同允许你返回搜索结果的子集。

使用from和size参数时，对深度分页可能有性能影响，OpenSearch限制这种方法最多返回10,000个结果。

  • 优点： 简单明了，适用于小型数据集的分页。
  • 缺点： 对于大型数据集，性能可能下降，因为 Elasticsearch 需要跳过大量文档来获取所需的页。

2.Scroll API:

scroll操作在一定时间内保持搜索上下文，不受数据变化的影响。

  • 优点： Scroll API 允许在持续的时间内保持搜索上下文，允许客户端按需检索更多结果。适用于大型数据集的分页。
  • 缺点： 需要消耗服务器资源，因为服务器需要维护搜索上下文，可能不适合高并发的应用。

3.Search After:

Search After 分页是一种基于上一页结果中的最后一个文档的排序值（sort value）来获取下一页结果的分页方式。

与scroll操作不同，search_after参数是无状态的，因此文档的顺序可能会因为文档的添加或删除而改变。

  • 优点： 使用游标的方式，允许在结果集中移动到下一页，不需要保持搜索上下文，适用于分布式搜索。
  • 缺点： 需要客户端维护上一页的最后一个文档的排序值。
  • Point in Time（PIT）与search_after结合是OpenSearch中首选的分页方法，尤其适用于深度分页。
  • PIT在一个冻结的时间点上操作，不受查询的限制，支持一致的前后翻页。

PIT时间点介绍

  • PIT允许你对一个固定时间点的数据集运行不同的查询。
  • 正常情况下，多次在索引上运行相同的查询可能返回不同的结果，因为文档不断地被索引、更新和删除。
  • 使用PIT，你可以保留数据的状态，即使数据在查询期间被修改。
  • 主要用途是与search_after功能结合，用于深度分页搜索结果。

限制：

  1. Scroll API：
    • 搜索结果在请求时的时间点被冻结，但与特定查询绑定。
    • Scroll只能在搜索中向前滚动，如果请求某页失败，后续请求将跳过该页，返回下一页。
  2. from和size参数：
    • 搜索结果的时间点不被冻结，可能因为文档的索引或删除而不一致。
    • 不推荐用于深度分页，因为每个页面请求需要处理所有结果并过滤它们以获取请求的页面。
  3. search_after：
    • 搜索结果的时间点不被冻结，可能因为并发文档的索引或删除而不一致。

推荐方式：

在大多数情况下，推荐使用 Search After 或 From/Size。选择哪种方式通常取决于你的具体需求和性能考虑。

  • 如果数据集较小，且性能没有太大问题，可以考虑使用 From/Size。
  • 如果数据集较大，或者需要支持高并发的搜索，可以考虑使用 Search After，这样可以更好地处理大量数据，并且不会对服务器资源产生过大的压力。

需要注意的是，对于大型数据集的分页，最好考虑使用游标式的分页（如 Search After 或 Scroll），以避免性能问题。而对于小型数据集，简单的 From/Size 方式可能更为方便。

1. Search After 分页 示例

// 第一次请求
GET /your_index/_search
{"query": {"match_all": {}},"size": 3,"sort": [{"_uid": "asc"}  // 使用 _uid 排序确保唯一性]
}{"hits": {"total": {"value": 10,"relation": "eq"},"hits": [{"_source": {"title": "Document 1"}, "sort": ["_uid:1"]},{"_source": {"title": "Document 2"}, "sort": ["_uid:2"]},{"_source": {"title": "Document 3"}, "sort": ["_uid:3"]}]}
}
// 第二次请求
GET /your_index/_search
{"query": {"match_all": {}},"size": 3,"sort": [{"_uid": "asc"}],"search_after": ["_uid:3"]  // 上一页结果中最后一个文档的排序值
}{"hits": {"total": {"value": 10,"relation": "eq"},"hits": [{"_source": {"title": "Document 4"}, "sort": ["_uid:4"]},{"_source": {"title": "Document 5"}, "sort": ["_uid:5"]},{"_source": {"title": "Document 6"}, "sort": ["_uid:6"]}]}
}

使用 Search After 分页时，需要在每个请求中提供上一页结果中最后一个文档的排序值。这个值是一个数组，包含了用于排序的字段值。在上述示例中，使用 _uid 字段作为排序字段确保了唯一性。

请注意，使用 Search After 分页通常比 Scroll API 更为高效，尤其对于大数据集。

2. from size 分页 示例

// 第一次请求
GET /your_index/_search
{"query": {"match_all": {}},"from": 0,"size": 3
}{"hits": {"total": {"value": 10,"relation": "eq"},"hits": [{"_source": {"title": "Document 1"}},{"_source": {"title": "Document 2"}},{"_source": {"title": "Document 3"}}]}
}// 第二次请求
GET /your_index/_search
{"query": {"match_all": {}},"from": 3,"size": 3
}{"hits": {"total": {"value": 10,"relation": "eq"},"hits": [{"_source": {"title": "Document 4"}},{"_source": {"title": "Document 5"}},{"_source": {"title": "Document 6"}}]}
}

3. Scroll 分页 示例

// 第一次请求
POST /your_index/_search?scroll=1m
{"query": {"match_all": {}},"size": 3
}{"_scroll_id": "your_scroll_id", // OpenSearch返回一个scroll ID，通过该ID可以按批次获取结果。"hits": {"total": {"value": 10,"relation": "eq"},"hits": [{"_source": {"title": "Document 1"}},{"_source": {"title": "Document 2"}},{"_source": {"title": "Document 3"}}]}
}// 第二次请求
POST /_search/scroll
{"scroll": "1m","scroll_id": "your_scroll_id"
}{"_scroll_id": "your_new_scroll_id","hits": {"total": {"value": 10,"relation": "eq"},"hits": [{"_source": {"title": "Document 4"}},{"_source": {"title": "Document 5"}},{"_source": {"title": "Document 6"}}]}
}

排序

默认情况下，全文查询按相关性分数对结果进行排序。可以通过设置order参数为asc或desc，按升序或降序对任何字段值进行排序。

例如，通过以下查询以Henry IV剧名为条件，按line_id字段值降序排序：

GET shakespeare/_search
{"query": {"term": {"play_name": {"value": "Henry IV"}}},"sort": [{"line_id": {"order": "desc"}}]
}

排序参数是一个数组，可以按优先级指定多个字段值。

如果有两个字段对于line_id具有相同的值，OpenSearch将使用speech_number进行第二次排序：

GET shakespeare/_search
{"query": {"term": {"play_name": {"value": "Henry IV"}}},"sort": [{"line_id": {"order": "desc"}},{"speech_number": {"order": "desc"}}]
}

可以继续按任意数量的字段值进行排序，不仅限于数值字段，还可以按照日期或时间戳字段进行排序。

如果要排序文本字段，需要使用关键字类型的文本字段的原始版本。例如，通过play_name.keyword进行排序：

GET shakespeare/_search
{"query": {"term": {"play_name": {"value": "Henry IV"}}},"sort": [{"play_name.keyword": {"order": "desc"}}]
}

可以使用search_after参数结合sort参数进行更高效的滚动。确保search_after数组中的值与sort数组中的值相同且顺序一致。

排序模式(sort mode)适用于按数组或多值字段排序。它指定应选择哪个数组值来对文档进行排序。对于包含数字数组的数值字段，可以按照平均值(avg)、总和(sum)或中位数(median)模式进行排序。对于数字和字符串数据类型，可以使用最小值(min)或最大值(max)模式进行排序。

缺失值(missing values)参数指定对缺失值的处理方式。可以设置为_last（将缺失值的文档列在最后）或_first（将缺失值的文档列在最前）。默认值是_last。还可以指定用于缺失文档的自定义值作为排序值。

如果字段没有映射，可以使用unmapped_type参数，指示OpenSearch忽略该字段。这在处理未映射字段时很有用。

高亮

高亮（Highlighting）可以用于突出显示搜索结果中匹配查询条件的部分。

请注意，为了使高亮工作，字段需要被正确地映射为text类型，并且在创建索引时要启用高亮设置。

PUT /my_index
{"mappings": {"properties": {"content": {"type": "text", // content字段同时包含text类型和keyword类型，以便我们可以在查询中使用content.keyword来进行排序等操作。"fields": {"keyword": {"type": "keyword"}}}}}
}// 使用match查询来匹配包含关键词"Elasticsearch"的文档。然后，通过highlight参数指定了要高亮显示的字段，这里是content字段。
GET /my_index/_search
{"query": {"match": {"content": "Elasticsearch"}},"highlight": {"fields": {"content": {}}}
}{"hits": {"total": {"value": 2,"relation": "eq"},"hits": [{"_source": {"id": 1,"name": "John","content": "Elasticsearch is a powerful search engine."},"highlight": {"content": ["<em>Elasticsearch</em> is a powerful search engine."]}},{"_source": {"id": 3,"name": "Bob","content": "<em>Elasticsearch</em> is part of the ELK Stack."},"highlight": {"content": ["<em>Elasticsearch</em> is part of the ELK Stack."]}}]}
}

这篇关于从零开发短视频电商 OpenSearch/Elasticsearch 查询总结的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/495213。

相关文章

HarmonyOS学习(七)——UI（五）常用布局总结

HarmonyOS学习(七)——UI（五）常用布局总结

自适应布局 1.1、线性布局（LinearLayout） 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列，Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距，达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式，且在各类尺寸屏幕上表现一致，其中交叉轴为垂直时，取值为Vert
阅读更多...
流媒体平台/视频监控/安防视频汇聚EasyCVR播放暂停后视频画面黑屏是什么原因？

流媒体平台/视频监控/安防视频汇聚EasyCVR播放暂停后视频画面黑屏是什么原因？

视频智能分析/视频监控/安防监控综合管理系统EasyCVR视频汇聚融合平台，是TSINGSEE青犀视频垂直深耕音视频流媒体技术、AI智能技术领域的杰出成果。该平台以其强大的视频处理、汇聚与融合能力，在构建全栈视频监控系统中展现出了独特的优势。视频监控管理系统EasyCVR平台内置了强大的视频解码、转码、压缩等技术，能够处理多种视频流格式，并以多种格式（RTMP、RTSP、HTTP-FLV、WebS
阅读更多...
基于MySQL Binlog的Elasticsearch数据同步实践

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展，我们的业务数据越来越多，单纯使用 MySQL 已经不能满足我们的数据查询需求，例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后，随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步，我们目前的解决方案是建立数据中间表。把需要检索的业务数据，统一放到一张M
阅读更多...
这15个Vue指令，让你的项目开发爽到爆

这15个Vue指令，让你的项目开发爽到爆

1. V-Hotkey 仓库地址: github.com/Dafrok/v-ho… Demo: 戳这里 https://dafrok.github.io/v-hotkey 安装: npm install --save v-hotkey 这个指令可以给组件绑定一个或多个快捷键。你想要通过按下 Escape 键后隐藏某个组件，按住 Control 和回车键再显示它吗？小菜一碟： <template
阅读更多...
Hadoop企业开发案例调优场景

Hadoop企业开发案例调优场景

需求 （1）需求：从1G数据中，统计每个单词出现次数。服务器3台，每台配置4G内存，4核CPU，4线程。 （2）需求分析： 1G / 128m = 8个MapTask；1个ReduceTask；1个mrAppMaster 平均每个节点运行10个 / 3台 ≈ 3个任务（4    3    3） HDFS参数调优 （1）修改：hadoop-env.sh export HDFS_NAMENOD
阅读更多...
学习hash总结

学习hash总结

2014/1/29/   最近刚开始学hash，名字很陌生，但是hash的思想却很熟悉，以前早就做过此类的题，但是不知道这就是hash思想而已，说白了hash就是一个映射，往往灵活利用数组的下标来实现算法，hash的作用：1、判重；2、统计次数；
阅读更多...
综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动，这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升：减少抖动，提高图像的清晰度和细节表现力，使得监控画面更加真实可信。 - 细节增强：在低光条件下，抖
阅读更多...
嵌入式QT开发：构建高效智能的嵌入式系统

嵌入式QT开发：构建高效智能的嵌入式系统

摘要： 本文深入探讨了嵌入式 QT 相关的各个方面。从 QT 框架的基础架构和核心概念出发，详细阐述了其在嵌入式环境中的优势与特点。文中分析了嵌入式 QT 的开发环境搭建过程，包括交叉编译工具链的配置等关键步骤。进一步探讨了嵌入式 QT 的界面设计与开发，涵盖了从基本控件的使用到复杂界面布局的构建。同时也深入研究了信号与槽机制在嵌入式系统中的应用，以及嵌入式 QT 与硬件设备的交互，包括输入输出设
阅读更多...
OpenHarmony鸿蒙开发（ Beta5.0）无感配网详解

OpenHarmony鸿蒙开发（ Beta5.0）无感配网详解

1、简介 无感配网是指在设备联网过程中无需输入热点相关账号信息，即可快速实现设备配网，是一种兼顾高效性、可靠性和安全性的配网方式。 2、配网原理 2.1 通信原理 手机和智能设备之间的信息传递，利用特有的NAN协议实现。利用手机和智能设备之间的WiFi 感知订阅、发布能力，实现了数字管家应用和设备之间的发现。在完成设备间的认证和响应后，即可发送相关配网数据。同时还支持与常规Sof
阅读更多...
活用c4d官方开发文档查询代码

活用c4d官方开发文档查询代码

当你问AI助手比如豆包，如何用python禁止掉xpresso标签时候，它会提示到 这时候要用到两个东西。https://developers.maxon.net/论坛搜索和开发文档 比如这里我就在官方找到正确的id描述 然后我就把参数标签换过来
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2