分类
发现
榜单
服务器优惠
AI论文
免费AI编程助手
搜索
注册
登录
分类
发现
榜单
服务器优惠
AI论文
免费AI编程助手
搜索
注册
登录
搜索
书栈网 · BookStack
本次搜索耗时
0.007
秒,为您找到
1913
个相关结果.
搜书籍
搜文档
Nebula Graph v2.5.0 图数据库使用手册
275
122247
12
2021-08-29
Nebula Graph是一款开源的、分布式的、易扩展的原生图数据库,能够承载数千亿个点和数万亿条边的超大规模数据集,并且提供毫秒级查询。
松果时序数据库PinusDB使用手册 v1.4
58
30148
9
2020-03-28
松果时序数据库PinusDB,开源、高性能的时序数据库,简单易用、功能强大、性能优越、安全稳定,轻松处理海量物联网数据
Apache IoTDB(物联网数据库)用户手册 (v0.10.x)
52
43188
33
2020-07-01
Apache IoTDB(孵化中)(物联网数据库)是一个集成数据专为时间序列数据设计的管理引擎。 它为用户提供以下服务数据收集,存储和分析。 由于其轻巧的结构,高性能和丰富的功能集,以及与Apache的深度集成Hadoop、Spark和Flink,Apache IoTDB(孵化中)可以满足海量需求物联网中的数据存储,高速数据提取和复杂数据分析工业领域。
松果时序数据库PinusDB使用手册 v2.0
53
24856
4
2020-08-11
开源、高性能的时序数据库。简单易用、功能强大、性能优越、安全稳定,轻松处理海量物联网数据
Apache IoTDB(物联网数据库)用户手册 (v0.11.x)
51
34188
16
2020-12-19
Apache IoTDB(物联网数据库)是一体化收集、存储、管理与分析物联网时序数据的软件系统。 Apache IoTDB 采用轻量式架构,具有高性能和丰富的功能,并与Apache Hadoop、Spark和Flink等进行了深度集成,可以满足工业物联网领域的海量数据存储、高速数据读取和复杂数据分析需求。
HugeGraph 开源图数据库系统 v0.10 使用手册
59
56641
17
2019-11-26
HugeGraph是一款易用、高效、通用的开源图数据库系统, 实现了Apache TinkerPop3框架及完全兼容Gremlin查询语言, 具备完善的工具链组件,助力用户轻松构建基于图数据库之上的应用和产品。HugeGraph支持百亿以上的顶点和边快速导入,并提供毫秒级的关联关系查询能力(OLTP), 并可与Hadoop、Spark等大数据平台集成以进行离...
HugeGraph 开源图数据库系统 v0.9 使用手册
58
57124
5
2019-11-26
HugeGraph是一款易用、高效、通用的开源图数据库系统, 实现了Apache TinkerPop3框架及完全兼容Gremlin查询语言, 具备完善的工具链组件,助力用户轻松构建基于图数据库之上的应用和产品。HugeGraph支持百亿以上的顶点和边快速导入,并提供毫秒级的关联关系查询能力(OLTP), 并可与Hadoop、Spark等大数据平台集成以进行离...
Pandas Cookbook 带注释源码
109
135631
329
2018-10-27
Python Data Analysis Library 或 pandas 是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现,它是使Python成为强大而高效的数据分析环境的重要...
Presto 0.257 Documentation
398
105812
2
2021-07-21
Presto是Facebook最新研发的数据查询引擎,可对250PB以上的数据进行快速地交互式分析。据称该引擎的性能是 Hive 的 10 倍以上。 PrestoDB 是 Facebook 推出的一个大数据的分布式 SQL 查询引擎。可对从数 G 到数 P 的大数据进行交互式的查询,查询的速度达到商业数据仓库的级别。Presto 可以查询包括 Hive、Ca...
Python 数据结构与算法(Problem Solving in Data Structures & Algorithms Using Python 中文版)
121
162933
672
2019-08-06
数据结构作为计算机从业人员的必备基础,Java, c 之类的语言有很多这方面的书籍,Python 相对较少,其中比较著名的一本 problem solving with algorithms and data structure using python
1..
«
5
6
7
8
»
..100