服务器应用,提供了如何安装Centos7.9.2009和如何配置网络; C/C++的在线安装和在线转源为阿里云
2022-10-17 14:01:36 1.8MB 服务器 linux C/C++
1
简单集成了阿里点播相关服务的demo
2022-10-15 09:08:36 81.9MB 阿里云 阿里云点播
1
阿里云ACP笔记,包含阿里云产品体系、ECS、OSS、SLB、VPC专有网络、弹性伸缩 、云安全等,一起努力,奋战ACP认证
2022-10-13 18:54:20 10.8MB 阿里云ACP
1
电商商城-后台(图片库对接阿里云)-》sql
2022-10-03 09:04:04 64.67MB mysql
1
该源码主要是通过java StringBoot 项目编写的一个动态修改DDNS的工具类,每隔15秒回去网上获取一次外网IP。 使用时在ddns\src\main目录下找到application.yml配置文件然后更改成自己的信息 ddns: aliyun: domain: xxxxxxx.com #主域名 regionId: cn-shenzhen #地域信息 keyword: api #解析-主机记录 accessKeyId: L111r11111111111HyR11WZ accessKeySecret: 1111111111111dy1v1g11111M11Vah
2022-09-27 02:18:10 13KB DDNS动态修改 javaddns ddns 阿里云DDNS
1
大家好,今天跟大家介绍一款 Topling 的新产品——MyTopling。MyTopling 是基于 ToplingDB ,兼容 MySQL 的 云原生数据库,ToplingDB 和 MyTopling 的关系,相当于 InnoDB 和 MySQL 的关系。 MyTopling 是真正的云原生数据库,架构上基于存储计算分离,并且实现了前台计算与后台计算的分离,把耗费 CPU 最多的后台计算转移到了专门的计算集群中,这是 MyTopling 特有的一个优势,市面上的其它数据库都还没有做到这一点,例如亚马逊的 Aurora 和阿里云的 PolarDB。 同时,MyTopling 还拥有非常优异的压缩能力,相比原版 MySQL,能节省 5 倍以上的存储空间,并且提供更高的查询性能。MyTopling 还有很多其它的优势,具体详情可以看我们详细的测试报告。 现在,MyTopling 已经开放邀请内测,接下来,让我们一起来体验一下内测流程。
2022-09-22 14:04:25 220.97MB MySQL 阿里云 PolarDB Aurora
1
win10+VSCODE+ESP-IDF开发环境,ESP32 MQTT连接阿里云生活物联网平台。 图文手把手教程--ESP32 MQTT连接阿里云生活物联网平台配套源代码。
2022-09-20 22:14:30 3.64MB aliyun 阿里云MQTT smartlight
1
阿里云对于临时授权这块和OSS上传这块,已经如何配合php和前端js这块,没有个系统的帮助文档,让人一开始找起来很崩溃,特将需要用到的js和文档打包放在一起,减少以后开发者的开发负担!
2022-09-18 09:01:29 805KB oss sts 上传视频 browser.js
1
大赛以“地铁乘客流量预测”为赛题,参赛者可通过分析地铁站的历史刷卡数据,预测站点未来的客流量变化,帮助实现更合理的出行路线选择,规避交通堵塞,提前部署站点安保措施等,最终实现用大数据和人工智能等技术助力未来城市安全出行。 大赛开放了20190101至20190125共25天地铁刷卡数据记录,共涉及3条线路81个地铁站约7000万条数据作为训练数据(Metro_train.zip),供选手搭建地铁站点乘客流量预测模型。训练数据(Metro_train.zip)解压后可以得到25个csv文件,每天的刷卡数据均单独存在一个csv文件中,以record为前缀。如2019年1月1日的所有线路所有站点的刷卡数据记录存储在record_2019-01-01.csv文件中,以此类推。同时大赛提供了路网地图,即各地铁站之间的连接关系表,存储在文件Metro_roadMap.csv文件中供选手使用。 测试阶段,大赛将提供某天所有线路所有站点的刷卡数据记录,选手需预测未来一天00时至24时以10分钟为单位各时段各站点的进站和出站人次。 预选赛阶段,测试集A集上,大赛将提供2019年1月28日的刷卡数据
2022-09-14 18:09:12 496.87MB 地铁客流数据集
1
大赛以“地铁乘客流量预测”为赛题,参赛者可通过分析地铁站的历史刷卡数据,预测站点未来的客流量变化,帮助实现更合理的出行路线选择,规避交通堵塞,提前部署站点安保措施等,最终实现用大数据和人工智能等技术助力未来城市安全出行。 大赛开放了20190101至20190125共25天地铁刷卡数据记录,共涉及3条线路81个地铁站约7000万条数据作为训练数据(Metro_train.zip),供选手搭建地铁站点乘客流量预测模型。训练数据(Metro_train.zip)解压后可以得到25个csv文件,每天的刷卡数据均单独存在一个csv文件中,以record为前缀。如2019年1月1日的所有线路所有站点的刷卡数据记录存储在record_2019-01-01.csv文件中,以此类推。同时大赛提供了路网地图,即各地铁站之间的连接关系表,存储在文件Metro_roadMap.csv文件中供选手使用。 测试阶段,大赛将提供某天所有线路所有站点的刷卡数据记录,选手需预测未来一天00时至24时以10分钟为单位各时段各站点的进站和出站人次。 预选赛阶段,测试集A集上,大赛将提供2019年1月28日的刷卡数据
2022-09-14 18:09:11 508.94MB 地铁客流数据集
1