![image.png](/static/img/4e790c850eedf98fb9cbe5e862ab8f90.image.webp)

![image.png](/static/img/9b340d64a7189e0e3d16eff05d8a54c1.image.webp)

```sql

CREATE TABLE Activity (
  user_id INT,
  session_id INT,
  activity_date DATE,
  activity_type ENUM('open_session', 'end_session', 'scroll_down', 'send_message')
);


INSERT INTO Activity (user_id, session_id, activity_date, activity_type) VALUES
(1, 1, '2019-07-20', 'open_session'),
(1, 1, '2019-07-20', 'scroll_down'),
(1, 1, '2019-07-20', 'end_session'),
(2, 4, '2019-07-20', 'open_session'),
(2, 4, '2019-07-21', 'send_message'),
(2, 4, '2019-07-21', 'end_session'),
(3, 2, '2019-07-21', 'open_session'),
(3, 2, '2019-07-21', 'send_message'),
(3, 2, '2019-07-21', 'end_session'),
(4, 3, '2019-06-25', 'open_session'),
(4, 3, '2019-06-25', 'end_session');


SELECT activity_date AS day, COUNT(DISTINCT user_id) AS active_users
FROM Activity
WHERE activity_date >= DATE_SUB('2019-07-27', INTERVAL 30 DAY)
GROUP BY activity_date;
```
## 总结一
DISTINCT和GROUP BY都是用于对数据进行分组或去重的SQL语句。

共同点：
- 都可以用于对数据进行分组或去重。
- 都可以用于在查询结果中筛选出唯一的值。

区别：
- DISTINCT可以用于在SELECT语句中去除重复的行，而GROUP BY可以用于对数据进行分组并进行聚合计算。
- DISTINCT会对SELECT语句中所有的列进行去重，而GROUP BY只会对指定的列进行分组。
- DISTINCT返回的结果集是去重后的行，而GROUP BY返回的结果集是按照指定的列进行分组后的聚合结果。
- DISTINCT可以用于单个列或多个列，而GROUP BY只能用于多个列。
- DISTINCT不会改变查询结果的排序，而GROUP BY会按照指定的列进行排序。
- DISTINCT可以用于子查询，而GROUP BY不支持子查询。

总的来说，DISTINCT适用于去重，而GROUP BY适用于分组并进行聚合计算。根据具体的需求选择使用哪种语句。



![image.png](/static/img/f817a7ae2ef21e6be035c863c1cc71f4.image.webp)


![image.png](/static/img/fd056f2d07d2db0288db33737b68c903.image.webp)

```sql
CREATE TABLE RequestAccepted (
  requester_id INT,
  accepter_id INT,
  accept_date DATE,
  PRIMARY KEY (requester_id, accepter_id)
);


INSERT INTO RequestAccepted (requester_id, accepter_id, accept_date) VALUES
(1, 2, '2016-06-03'),
(1, 3, '2016-06-08'),
(2, 3, '2016-06-08'),
(3, 4, '2016-06-09');



SELECT id, COUNT(id) AS num
FROM (
SELECT requester_id AS id
FROM RequestAccepted
UNION ALL
SELECT accepter_id AS id
FROM RequestAccepted
) AS ids
GROUP BY id
ORDER BY num DESC
LIMIT 1;


SELECT requester_id AS id
FROM RequestAccepted
UNION ALL
SELECT accepter_id AS id
FROM RequestAccepted

```

## 总结二

UNION ALL是一条将两个查询结果合并为一个结果集的SQL语句。它与UNION的区别在于，UNION会将重复的记录去除，而UNION ALL会保留重复的记录。在这个语句中，我们需要保留重复的记录，因为好友关系是相互的，所以需要同时统计requester_id和accepter_id。

SQL语句练习（8）

***How much Python does one need to know to do a machine learning course?
The simple answer of this question is***



***Only you need to know the basics of python upto functions and then you start learning python libraries which are used in machine learning.***

***There are some specific libraries for machine learning for ex : Matplotlib, Numpy , Pandas , Scikit Learn and few more .***

***And after learning or practicing that stuff you can go and take some projects on machine learning and you will do the data pre processing part of Machine learning project.***

***And if you think my content is really helpful to you do follow my space***
:::info{title="中文翻译"}
学习机器学习课程需要掌握多少Python知识？

简单的答案是，你只需要了解Python的基础知识，包括函数，然后开始学习机器学习中使用的Python库。

在机器学习中有一些特定的库，例如Matplotlib、Numpy、Pandas、Scikit-Learn等。

在学习或实践这些库之后，你可以开始进行一些机器学习项目，并处理数据预处理部分。

如果你认为我的内容对你有帮助，请关注我的空间。
:::

- 
- machine learning course： 机器学习课程
- Python basics： Python基础
- functions： 函数
- python libraries： Python库
- Matplotlib： 数据可视化库
- Numpy： 多维数组和矩阵数据处理库
- Pandas： 数据分析库
- Scikit Learn： 机器学习库
- data preprocessing： 数据预处理
- machine learning project： 机器学习项目
- helpful content： 有帮助的内容
- follow my space： 关注我的空间

英语翻译13（Quora问题）

## spring项目分层



下面是一个简单的spring项目分层，大概有以下层
![image.png](/static/img/7b644e4f6fe2621f5433694144d093a9.image.webp)
- common-共通层
- controller-控制器层
- dao-数据持久层
- dto-数据传输对象层
- entity-实体层
- service-业务逻辑层

每一层的作用：


1. common-共通层：
   共通层主要包含一些通用的工具类、常量定义、异常处理等，用于提供项目中多个层共享的功能和代码片段。

2. controller-控制器层：
   控制器层负责接收用户请求，并根据请求调用相应的业务逻辑层的服务。它处理用户的输入，调度具体的业务逻辑，并将处理结果返回给用户。控制器层通常负责请求参数的验证、参数转换和响应的构建。

3. dao-数据持久层：
   数据持久层负责与数据库进行交互，执行数据的持久化和检索操作。它包含了对数据库的增删改查（CRUD）操作的具体实现。数据持久层通常使用ORM（对象关系映射）工具或原生SQL来操作数据库。

4. dto-数据传输对象层：
   数据传输对象层用于在不同层之间进行数据传输。它包含了与前端交互的数据模型，用于封装和传递数据。DTO通常与前端的数据交互格式一致，可以对数据进行转换和映射。

5. entity（model）-实体层：
   实体层表示持久化的数据对象，与数据库中的表相对应。它包含了与数据库表字段一一对应的属性，并提供了对数据的操作方法。实体层通常使用ORM工具来进行对象和数据库表之间的映射。

6. service-业务逻辑层：
   业务逻辑层包含了应用程序的核心业务逻辑，负责处理业务规则、业务流程和数据处理。它封装了对数据持久层和其他外部服务的调用，处理业务操作和业务规则的实现。业务逻辑层通常是控制器层和数据持久层之间的桥梁。

这些层的划分和职责分离可以使项目结构更加清晰，便于团队开发和维护。每个层都有自己的独立职责，便于单独测试和修改。同时，通过层与层之间的松散耦合，可以提高代码的可重用性和可扩展性。

下面是一个gin项目的分层，其实大差不差

![image.png](/static/img/3e0518bfbe7e3645faf8541e875ecaf0.image.webp)

gin项目分层

1. Pod（Pod）：Pod 是 Kubernetes 中最小的部署单元，可以包含一个或多个容器。Pod 是一组紧密关联的容器，它们共享相同的网络命名空间和存储卷。

2. Deployment（部署）：Deployment 对象用于定义应用程序的声明式部署。它描述了应用程序的期望状态，并通过创建和管理 ReplicaSet 对象来实现该状态。

3. ReplicaSet（副本集）：ReplicaSet 用于确保指定数量的 Pod 副本在集群中运行。它会根据定义的副本数量自动扩展或收缩 Pod 副本的数量。

4. StatefulSet（有状态副本集）：StatefulSet 用于管理具有唯一标识和稳定网络标识的有状态应用程序。它确保有状态应用程序的每个副本在重新调度或扩展时保持数据的稳定性。

5. Service（服务）：Service 定义了一组 Pod 的访问方式，并提供了一个稳定的网络端点（IP 地址和端口）。它可以是 ClusterIP（集群内部访问）、NodePort（公开节点端口）或 LoadBalancer（使用云提供商的负载均衡器）类型。

6. Volume（存储卷）：Volume 是用于在容器之间持久化存储数据的抽象。它可以将存储介质（如磁盘、网络存储等）挂载到 Pod 中的一个或多个容器。

7. Namespace（命名空间）：Namespace 是一种逻辑隔离机制，用于将集群划分为多个虚拟集群。每个 Namespace 中可以存在一组独立的对象，如 Pod、Service、Deployment 等。

8. ConfigMap（配置映射）：ConfigMap 用于存储应用程序的配置数据，如环境变量、配置文件等。它可以通过卷或环境变量的方式注入到容器中。

9. Secret（密钥）：Secret 用于存储敏感数据，如密码、API 密钥等。它可以通过卷或环境变量的方式注入到容器中，以便应用程序可以安全地访问这些敏感数据。

10. Job（作业）：Job 对象用于运行一次性任务，即运行到完成或失败为止的任务。

11. CronJob（定时作业）：CronJob 允许您按照预定的时间间隔或时间表来运行作业。

12. DaemonSet（守护进程集）：DaemonSet 用于确保在集群中的每个节点上运行一个副本的 Pod。它通常用于运行一些需要在每个节点上运行的系统级别的任务。

这只是 Kubernetes 中一小部分对象的例子。Kubernetes 还提供了许多其他对象类型，如 Ingress、HorizontalPodAutoscaler、PersistentVolume、Namespace 等，用于满足不同类型应用程序的需求。这些对象共同构成了 Kubernetes 的强大功能，可以实现高度可扩展、弹性和可靠的应用程序部署和管理。

kubernetes对象

![image.png](/static/img/6909b8f796b3b333b3b5f7e51c1f572b.image.webp)