讲师中心 微信公众号
首页
文章
后端开发 web前端 数据库 开发工具 php框架 常见问题 科技 Java 系统教程 电脑教程 硬件教程 手机教程 软件教程 游戏教程 自媒体 新闻
专题
后端开发 web前端 数据库 开发工具 php框架 科技 Java 系统教程 电脑教程 硬件教程 手机教程 软件教程 游戏教程 新闻
AI工具
AI 聊天问答 Agent智能体 AI 文本写作 AI 绘画作图 AI 设计工具 AI 视频创作 AI 音频制作 AI 办公学习 AI 编程开发 Prompt指令
学习
大前端 后端开发 数据库 移动端 运维开发 计算机基础
编程手册
大前端 后端开发 数据库 移动端 运维开发 计算机基础
下载
js特效 网站源码 工具下载 类库下载 网站素材 学习资源 插件扩展 手机游戏
最近更新
当前位置：首页 > 系统教程 > Windows系列 >

正文

0

0

2021年最新最全Flink系列教程_Flink原理初探和流批一体API(二)

看不見的法師

看不見的法師

发布时间：2025-09-17 08:09:01

|

347人浏览过

|

来源于php中文网

原创

今天我们将深入探讨flink的流处理概念和流批一体的api，了解如何使用flink进行数据处理。以下是今天的学习目标：

  • 流处理概念（理解）：我们将学习流处理的基本概念，包括数据的时效性以及流处理和批处理的区别。
  • 程序结构之数据源Source（掌握）：掌握如何从不同数据源读取数据，包括文件和数据库。
  • 程序结构之数据转换Transformation（掌握）：学习如何对数据进行转换操作，如过滤、映射和聚合。
  • 程序结构之数据落地Sink（掌握）：了解如何将处理后的数据输出到不同的存储介质。
  • Flink连接器Connectors（理解）：了解Flink如何与外部系统如Kafka和Redis进行集成。

流处理概念

流处理强调数据处理的及时性，适合处理如网站数据访问、被爬虫爬取等实时数据。流处理数据是无界的，通过窗口操作可以划分数据的边界进行计算。相比之下，批处理数据是有界的。Flink在1.12版本时开始支持流批一体，既可以处理流数据也可以处理批数据。

2021年最新最全Flink系列教程_Flink原理初探和流批一体API(二)

程序结构

Flink的编程模型包括三个主要部分：Source、Transformation和Sink。

2021年最新最全Flink系列教程_Flink原理初探和流批一体API(二)

  • Source

    Source是数据的入口，Flink支持从文件、数据库等多种数据源读取数据。以下是基于文件和数据集合的Source示例：

    package cn.itcast.sz22.day02;
import org.apache.flink.streaming.api.datastream.DataStreamSource;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
/** 
 * Author itcast 
 * Date 2021/5/5 9:50 
 * env.readTextFile(本地/HDFS文件/文件夹);//压缩文件也可以 
 */
public class FileSourceDemo {
    public static void main(String[] args) throws Exception {
        //创建执行环境
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        //读取文件 hdfs://node1:8020/user/root/xxx.txt
        //读取通过 gzip 压缩的 gz 文件
        DataStreamSource source1 = env.readTextFile("data/hello.txt");
        DataStreamSource source2 = env.readTextFile("D:\\_java_workspace\\sz22\\data\\hello.txt.gz");
        //打印文本
        source1.print();
        source2.print("source2：");
        //执行流环境
        env.execute();
    }
}

    基于数据集合的Source：

    package cn.itcast.sz22.day02;
import lombok.AllArgsConstructor;
import lombok.Data;
import lombok.NoArgsConstructor;
import org.apache.flink.configuration.Configuration;
import org.apache.flink.streaming.api.datastream.DataStreamSource;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.functions.source.RichSourceFunction;
import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.PreparedStatement;
import java.sql.ResultSet;
/** 
 * Author itcast 
 * Date 2021/5/5 10:32 
 * Desc TODO 
 */
public class MySQLSourceDemo {
    public static void main(String[] args) throws Exception {
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        //1.env 设置并行度为 1
        env.setParallelism(1);
        //2.source，创建连接MySQL数据源 数据源，每2秒钟生成一条数据
        DataStreamSource source = env.addSource(new RichSourceFunction() {
            Connection conn;
            PreparedStatement ps;
            boolean flag = true;
            @Override
            public void open(Configuration parameters) throws Exception {
                //连接数据源
                conn = DriverManager.getConnection("jdbc:mysql://192.168.88.100:3306/bigdata?useSSL=false"
                        , "root", "123456");
                //编写读取数据表的sql
                String sql = "select `id`,`name`,age from t_student";
                //准备 preparestatement SQL
                ps = conn.prepareStatement(sql);
            }
            @Override
            public void run(SourceContext ctx) throws Exception {
                while (flag) {
                    ResultSet rs = ps.executeQuery();
                    while (rs.next()) {
                        int id = rs.getInt("id");
                        String name = rs.getString("name");
                        int age = rs.getInt("age");
                        Student student = new Student(id, name, age);
                        ctx.collect(student);
                    }
                }
            }
            @Override
            public void cancel() {
                flag = false;
            }
            @Override
            public void close() throws Exception {
                ps.close();
                conn.close();
            }
        });
        //3.打印数据源
        //4.执行
        //创建静态内部类 Student ，字段为 id name age
        //创建静态内部类 MySQLSource 继承RichParallelSourceFunction
        // 实现 open 方法
        // 获取数据库连接 mysql5.7版本  jdbc:mysql://192.168.88.100:3306/bigdata?useSSL=false
        // 实现 run 方法
        source.print();
        env.execute();
    }
    @Data
    @AllArgsConstructor
    @NoArgsConstructor
    public static class Student {
        private int id;
        private String name;
        private int age;
    }
}

  • Transformation

    Transformation是数据处理的核心，Flink提供了多种转换操作，如map、filter、reduce等。以下是一个示例，展示如何对流数据中的单词进行统计并排除敏感词：

    LobeHub
    LobeHub

    LobeChat brings you the best user experience of ChatGPT, OLLaMA, Gemini, Claude

    下载 
    package cn.itcast.sz22.day02;
import org.apache.flink.api.common.typeinfo.Types;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.streaming.api.datastream.DataStreamSource;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.util.Collector;
import java.util.Arrays;
/** 
 * Author itcast 
 * Date 2021/5/5 9:59 
 * 1.filter过滤 将单词中  heihei 单词过滤掉 
 * 2.reduce聚合 
 */
public class SocketSourceFilterDemo {
    public static void main(String[] args) throws Exception {
        //1.env
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        //2.source socketSource
        DataStreamSource source = env.socketTextStream("192.168.88.100", 9998);
        //3.处理数据-transformation
        SingleOutputStreamOperator> result = source
                .flatMap((String value, Collector out) -> Arrays
                        .stream(value.split(" ")).forEach(out::collect))
                .returns(Types.STRING)
                //过滤掉 包含 heihei 单词的所有信息 boolean filter(T value)
                .filter(word-> !word.equals("heihei"))
                .map(value -> Tuple2.of(value, 1))
                .returns(Types.TUPLE(Types.STRING, Types.INT))
                .keyBy(t -> t.f0)
                //.sum(1);
                //T reduce(T value1, T value2)
                // hadoop,1 hadoop,1 => hadoop,1+1
        .reduce((Tuple2 a,Tuple2 b)->Tuple2.of(a.f0,a.f1+b.f1));
        //3.1每一行数据按照空格切分成一个个的单词组成一个集合
        //3.2对集合中的每个单词记为1
        //3.3对数据按照单词(key)进行分组
        //3.4对各个组内的数据按照数量(value)进行聚合就是求sum
        //4.输出结果-sink
        result.print();
        //5.触发执行-execute
        env.execute();
    }
}

    合并和拆分操作也是Transformation的一部分：

    import org.apache.flink.api.common.RuntimeExecutionMode;
import org.apache.flink.streaming.api.datastream.ConnectedStreams;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.functions.co.CoMapFunction;
/** 
 * Author itcast 
 * Date 2021/5/5 11:24 
 * 将两个String类型的流进行union 
 * 将一个String类型和一个Long类型的流进行connect 
 * */
public class UnionAndConnectDemo {
    public static void main(String[] args) throws Exception {
        //1.env
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        env.setRuntimeMode(RuntimeExecutionMode.AUTOMATIC);
        env.setParallelism(1);
        //2.Source
        DataStream ds1 = env.fromElements("hadoop", "spark", "flink");
        DataStream ds2 = env.fromElements("hadoop", "spark", "flink");
        DataStream ds3 = env.fromElements(1L, 2L, 3L);
        //3. transformation
        //3.1 union
        DataStream union = ds1.union(ds2);
        union.print("union:");
        //3.2 connect
        ConnectedStreams connect = ds1.connect(ds3);
        SingleOutputStreamOperator source2 = connect.map(new CoMapFunction() {
            @Override
            public String map1(String value) throws Exception {
                return "string->string:" + value;
            }
            @Override
            public String map2(Long value) throws Exception {
                return "Long->Long:" + value;
            }
        });
        //打印输出
        source2.print("connect:");
        env.execute();
    }
}

    拆分数据流的示例：

    package cn.itcast.sz22.day02;
import org.apache.flink.api.common.RuntimeExecutionMode;
import org.apache.flink.api.common.typeinfo.TypeInformation;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.datastream.DataStreamSource;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.functions.ProcessFunction;
import org.apache.flink.util.Collector;
import org.apache.flink.util.OutputTag;
/** 
 * Author itcast 
 * Date 2021/5/5 11:35 
 * 对流中的数据按照奇数和偶数进行分流，并获取分流后的数据 
 */
public class SplitStreamDemo {
    public static void main(String[] args) throws Exception {
        //1.env
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        env.setRuntimeMode(RuntimeExecutionMode.AUTOMATIC);
        env.setParallelism(1);
        //2.Source 比如 1-20之间的数字
        DataStreamSource source = env.fromSequence(1, 20);
        //定义两个输出tag 一个奇数 一个偶数,指定类型为Long
        OutputTag odd = new OutputTag("odd", TypeInformation.of(Long.class));
        OutputTag even = new OutputTag("even", TypeInformation.of(Long.class));
        //对source的数据进行process处理区分奇偶数
        SingleOutputStreamOperator processDS = source.process(new ProcessFunction() {
            @Override
            public void processElement(Long value, Context ctx, Collector out) throws Exception {
                if (value % 2 == 0) {
                    ctx.output(even, value);
                } else {
                    ctx.output(odd, value);
                }
            }
        });
        //3.获取两个侧输出流
        DataStream evenDS = processDS.getSideOutput(even);
        DataStream oddDS = processDS.getSideOutput(odd);
        //4.sink打印输出
        evenDS.printToErr("even");
        oddDS.print("odd");
        //5.execute
        env.execute();
    }
}

  • Sink

    Sink是数据的出口，Flink支持将数据输出到控制台、文件、数据库等多种存储介质。以下是将数据sink到MySQL的示例：

    package cn.itcast.sz22.day02;
import lombok.AllArgsConstructor;
import lombok.Data;
import lombok.NoArgsConstructor;
import org.apache.flink.configuration.Configuration;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.functions.sink.RichSinkFunction;
import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.PreparedStatement;
/** 
 * Author itcast 
 * Date 2021/5/5 16:00 
 * 将 Student 集合数据sink到MySQL数据库中 
 */
public class SinkMySQLDemo01 {
    public static void main(String[] args) throws Exception {
        //1.env
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        //2.Source 定义 Student 对象
        DataStream studentDS = env.fromElements(new Student(null, "tonyma", 18));
        studentDS.addSink(new RichSinkFunction() {
            Connection conn;
            PreparedStatement ps;
            boolean flag = true;
            @Override
            public void open(Configuration parameters) throws Exception {
                //初始化操作，添加连接MySQL
                conn = DriverManager.getConnection("jdbc:mysql://192.168.88.100:3306/bigdata?useSSL=false"
                        , "root", "123456");
                String sql="INSERT INTO t_student(`id`,`name`,`age`) values(null,?,?)";
                ps = conn.prepareStatement(sql);
            }
            @Override
            public void invoke(Student value, Context context) throws Exception {
                ps.setString(1,value.getName());
                ps.setInt(2,value.getAge());
                ps.executeUpdate();
            }
            @Override
            public void close() throws Exception {
                ps.close();
                conn.close();
            }
        });
        //3.Transformation 暂时不需要
        //4.Sink 实现自定义 MySQL sink
        //5.execute
        //创建 Student 类，包含3个字段 id name age
        //创建 MySQLSink 类继承 RichSinkFunction
        //实现 open invoke close 方法
        env.execute();
    }
    @Data
    @AllArgsConstructor
    @NoArgsConstructor
    public static class Student {
        private String id;
        private String name;
        private int age;
    }
}

Flink连接器Connectors

Flink提供了多种连接器，可以与外部系统如JDBC、Kafka、Redis等进行集成。以下是使用Kafka和Redis的示例：

  • Kafka

    package cn.itcast.sz22.day02;
import org.apache.flink.api.common.serialization.SimpleStringSchema;
import org.apache.flink.streaming.api.datastream.DataStreamSource;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.connectors.kafka.FlinkKafkaConsumer;
import java.util.Properties;
/** 
 * Author itcast 
 * Date 2021/5/5 17:23 
 * 需求:使用flink-connector-kafka_2.12中的FlinkKafkaConsumer消费Kafka中的数据做WordCount 
 * 需要设置如下参数: 
 * 1.订阅的主题 
 * 2.反序列化规则 
 * 3.消费者属性-集群地址 
 * 4.消费者属性-消费者组id(如果不设置,会有默认的,但是默认的不方便管理) 
 * 5.消费者属性-offset重置规则,如earliest/latest... 
 * 6.动态分区检测(当kafka的分区数变化/增加时,Flink能够检测到!) 
 * 7.如果没有设置Checkpoint,那么可以设置自动提交offset,后续学习了Checkpoint会把offset随着做Checkpoint的时候提交到Checkpoint和默认主题中 
 */
public class FlinkKafkaConsumerDemo {
    public static void main(String[] args) throws Exception {
        //1.env
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        //开启checkpoint
        env.enableCheckpointing(5000);
        //2.Source
        Properties props  = new Properties();
        props.setProperty("bootstrap.servers", "node1:9092");
        props.setProperty("group.id", "flink");
        props.setProperty("auto.offset.reset","latest");
        props.setProperty("flink.partition-discovery.interval-millis","5000");//会开启一个后台线程每隔5s检测一下Kafka的分区情况
        props.setProperty("enable.auto.commit", "true");
        props.setProperty("auto.commit.interval.ms", "2000");
        FlinkKafkaConsumer consumer = new FlinkKafkaConsumer("flink_kafka"
                , new SimpleStringSchema(), props);
        consumer.setStartFromEarliest();
        DataStreamSource source = env.addSource(consumer).setParallelism(1);
        source.print();
        env.execute();
    }
}

  • Redis

    //-1.创建RedisSink之前需要创建RedisConfig
//连接单机版Redis
FlinkJedisPoolConfig config = new FlinkJedisPoolConfig.Builder()
        .setHost("node1").build();
result.addSink(new RedisSink<>(config, new RedisMapperEx()));
env.execute();
// * 最后将结果保存到Redis 实现 FlinkJedisPoolConfig
// * 注意:存储到Redis的数据结构:使用hash也就是map
// * key value
// * WordCount (单词,数量)

    public static class RedisMapperEx implements RedisMapper> {
@Override
public RedisCommandDescription getCommandDescription() {
return new RedisCommandDescription(RedisCommand.HSET, "hashOpt");
}
@Override
public String getKeyFromData(Tuple2 data) {
return data.f0;
}
@Override
public String getValueFromData(Tuple2 data) {
return data.f1 + "";
}
}

通过以上内容的学习，您将能够掌握Flink的基本使用方法，并能够利用Flink进行流处理和批处理的开发。

相关文章

服务器上安装Mysql8.0

通过脚本在Docker环境中一键安装mysql主从环境

文档数据库 MongoDB

《WEB渗透一.信息收集》

电脑如何开启计算机云服务功能

相关标签:

mysql word java redis bootstrap node apache app ssl ai amd mysql kafka Filter map redis flink 数据库

本站声明：本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系admin@php.cn

上一篇：python安装教程（Windows系统,python3.7为例） 下一篇：Win7系统如何打开隐藏文件夹？

作者最新文章

苹果手机互传语音备忘录咋弄_用AirDrop或iCloud同步【步骤】

2026-01-20 08:48

苹果16怎么设置闹钟同步到日历_苹果16闹钟日历同步方法【方法】

2026-01-20 08:49

年终总结怎么写跨多项目整合_多岗位轮岗者年度工作梳理技巧【汇总】

2026-01-20 08:53

高德地图AR找车怎么使用_高德地图AR找车使用方法【教程】

2026-01-20 08:57

蚂蚁新村小课堂今日答案1月19日 非遗小知识以下哪个书院有梁祝书院之称

2026-01-20 08:59

电脑IP被追踪能发现吗_发现IP被追踪法【察觉】

2026-01-20 09:13

文档文件打不开权限_文档打不开权限修改【赋权】

2026-01-20 09:15

共享单车怎样跨城还车规则 主流单车异地归还政策说明【速看】

2026-01-20 09:19

蚂蚁庄园小鸡答题今日答案 1月20日蚂蚁庄园答案是什么

2026-01-20 09:30

通常来说 在相同厚度下 海冰不如淡水冰坚硬吗 神奇海洋1月19日答案

2026-01-20 09:38

热门AI工具

更多
DeepSeek

DeepSeek

幻方量化公司旗下的开源大模型平台

AI大模型

开放平台
豆包大模型

豆包大模型

字节跳动自主研发的一系列大型语言模型

AI大模型
通义千问

通义千问

阿里巴巴推出的全能AI助手

AI大模型
腾讯元宝

腾讯元宝

腾讯混元平台推出的AI助手

文档处理

Excel 表格
文心一言

文心一言

文心一言是百度开发的AI聊天机器人，通过对话可以生成各种形式的内容。

AI大模型

中文写作
讯飞写作

讯飞写作

基于讯飞星火大模型的AI写作工具，可以快速生成新闻稿件、品宣文案、工作总结、心得体会等各种文文稿

中文写作

写作工具
即梦AI

即梦AI

一站式AI创作平台，免费AI图片和视频生成。

图片拼接

图画生成
ChatGPT

ChatGPT

最最强大的AI聊天机器人程序，ChatGPT不单是聊天机器人，还能进行撰写邮件、视频脚本、文案、翻译、代码等任务。

AI大模型

中文写作
智谱清言 - 免费全能的AI助手

智谱清言 - 免费全能的AI助手

智谱清言 - 免费全能的AI助手

AI大模型

PDF 文档

相关专题

更多
mysql修改数据表名
mysql修改数据表名

MySQL修改数据表：1、首先查看数据库中所有的表，代码为：‘SHOW TABLES；’；2、修改表名，代码为：‘ALTER TABLE 旧表名 RENAME [TO] 新表名；’。php中文网还提供MySQL的相关下载、相关课程等内容，供大家免费下载使用。

664

2023.06.20

MySQL创建存储过程
MySQL创建存储过程

存储程序可以分为存储过程和函数，MySQL中创建存储过程和函数使用的语句分别为CREATE PROCEDURE和CREATE FUNCTION。使用CALL语句调用存储过程智能用输出变量返回值。函数可以从语句外调用(通过引用函数名)，也能返回标量值。存储过程也可以调用其他存储过程。php中文网还提供MySQL创建存储过程的相关下载、相关课程等内容，供大家免费下载使用。

246

2023.06.21

mongodb和mysql的区别
mongodb和mysql的区别

mongodb和mysql的区别：1、数据模型；2、查询语言；3、扩展性和性能；4、可靠性。本专题为大家提供mongodb和mysql的区别的相关的文章、下载、课程内容，供大家免费下载体验。

281

2023.07.18

mysql密码忘了怎么查看
mysql密码忘了怎么查看

MySQL是一个关系型数据库管理系统，由瑞典MySQL AB 公司开发，属于 Oracle 旗下产品。MySQL 是最流行的关系型数据库管理系统之一，在 WEB 应用方面，MySQL是最好的 RDBMS 应用软件之一。那么mysql密码忘了怎么办呢？php中文网给大家带来了相关的教程以及文章，欢迎大家前来阅读学习。

515

2023.07.19

mysql创建数据库
mysql创建数据库

MySQL是一个关系型数据库管理系统，由瑞典MySQL AB 公司开发，属于 Oracle 旗下产品。MySQL 是最流行的关系型数据库管理系统之一，在 WEB 应用方面，MySQL是最好的 RDBMS 应用软件之一。那么mysql怎么创建数据库呢？php中文网给大家带来了相关的教程以及文章，欢迎大家前来阅读学习。

255

2023.07.25

mysql默认事务隔离级别
mysql默认事务隔离级别

MySQL是一种广泛使用的关系型数据库管理系统，它支持事务处理。事务是一组数据库操作，它们作为一个逻辑单元被一起执行。为了保证事务的一致性和隔离性，MySQL提供了不同的事务隔离级别。php中文网给大家带来了相关的教程以及文章欢迎大家前来学习阅读。

386

2023.08.08

sqlserver和mysql区别
sqlserver和mysql区别

SQL Server和MySQL是两种广泛使用的关系型数据库管理系统。它们具有相似的功能和用途，但在某些方面存在一些显著的区别。php中文网给大家带来了相关的教程以及文章，欢迎大家前来学习阅读。

530

2023.08.11

mysql忘记密码
mysql忘记密码

MySQL是一种关系型数据库管理系统，关系数据库将数据保存在不同的表中，而不是将所有数据放在一个大仓库内，这样就增加了速度并提高了灵活性。那么忘记mysql密码我们该怎么解决呢？php中文网给大家带来了相关的教程以及其他关于mysql的文章，欢迎大家前来学习阅读。

599

2023.08.14

Java编译相关教程合集
Java编译相关教程合集

本专题整合了Java编译相关教程，阅读专题下面的文章了解更多详细内容。

9

2026.01.21

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

相关下载

更多
php商城系统
淘源码商城PHP淘宝查信誉
PHP房产程序[BBWPS]
PHP简约自动发卡平台个人版
ERMEB域名PHP离线网络授权系统
Difeye-敏捷的轻量级PHP框架
大泉州汽车网PHP整站程序

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
MySQL 教程
MySQL 教程

共48课时 | 1.8万人学习

MySQL 初学入门（mosh老师）
MySQL 初学入门（mosh老师）

共3课时 | 0.3万人学习

简单聊聊mysql8与网络通信
简单聊聊mysql8与网络通信

共1课时 | 805人学习

最新文章

更多
Win10怎么开启HDR模式 Windows10显示器HDR设置及优化方法
Win11怎么设置语音识别输入 Windows11自带语音转文字方法
Win11命令激活环境准备_win11cmd激活前置条件【教程】
电脑右下角图标不见了怎么办 Windows系统图标显示设置方法
Win10怎么开启DLNA投屏 Windows10电脑流媒体开启方法
Windows如何设置定时关机 Win10/Win11自动关机指令方法
Win10系统怎么永久激活 Win10系统永久激活方法【教程】
Win11系统声音有杂音怎么办 Windows11声卡驱动修复教程
Windows怎么查看硬盘是固态还是机械 Win10/Win11辨别硬盘类型方法
Win10怎样用命令快速激活_win10cmd激活实操案例【教程】
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网：公益在线php培训，帮助PHP学习者快速成长！
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号

  • PHP学习

  • 技术支持

  • 返回顶部