當前位置:首頁 » 操作系統 » 紅黑資料庫

紅黑資料庫

發布時間: 2022-08-15 11:57:02

① 虛擬主機更改MYsql資料庫密碼後無法顯示,虛擬主機可以更改MYSQL密碼么,如果能更改的話如何更改呢

不同伺服器更改密碼不一樣的,像聯動天下的資料庫可以自己在後台更改類型,可以重設密碼,或是原密碼修改,
有一些地方又只能服務商改的,建議你還是聯系服務商那裡怎麼改才是最好的,因為改資料庫的密碼,在程序那裡還要一起更改的,不然網站就會出錯。

② 資料庫索引文件一般採用什麼數據結構

關於資料庫索引的數據結構,大多數資料庫都是採用B樹。

1、非主鍵索引需要在數據表本身的存儲空間外額外開銷存儲空間,所以在更新的時候可能不僅要更新數據表本身,還要更新非主鍵索引,更新內容更多了,所以導致速度降低。反過來,如果數據表中的數據按照主鍵索引的順序存儲,更新的時候就沒有額外的開銷。

2、非主鍵索引對提高查詢速度來講,主要的方面是:檢索的條件(where...)如果命中對應的非主鍵索引的話,就不需要對數據表做全表掃描,效率肯定是大大提高。(索引的創建和使用是資料庫設計和優化的重要部分,是一個資料庫程序員的必修課,不同資料庫系統的語法不同,但是原理基本相同)。

3、如果檢索結果的欄位包含在非主鍵索引中,即使對非主鍵索引做全掃描,也比對整表欄位做全掃描快,因為只有非主鍵索引本身的數據需要從存儲設備調入內存,節約了IO時間。

(2)紅黑資料庫擴展閱讀:

1、選擇唯一性索引 唯一性索引的值是唯一的,可以更快速的通過該索引來確定某條記錄。例如,學生表中學號是具有唯 一性的字 段。為該欄位建立唯一性索引可以很快的確定某個學生的信息。如果使用姓名的話,可能存 在同名現象, 從而降低查詢速度。

2、盡量使用數據量少的索引 如果索引的值很長,那麼查詢的速度會受到影響。例如,對一個CHAR(100)類型的欄位進行全文檢索 需要的時間肯定要比對CHAR(10)類型的欄位需要的時間要多。

3、盡量使用前綴來索引 如果索引欄位的值很長,最好使用值的前綴來索引。例如,TEXT和BLOG類型的欄位,進行全文檢 索會很浪費時 間。如果只檢索欄位的前面的若干個字元,這樣可以提高檢索速度。

③ 為什麼treeset使用紅黑樹而一些資料庫索引使用b樹和b+樹

為什麼treeset使用紅黑樹而一些資料庫索引使用b樹和b+樹
在C++
STL中,很多部分(目前包括set,
multiset,
map,
multimap)應用了紅黑樹的變體(SGI
STL中的紅黑樹有一些變化,這些修改提供了更好的性能,以及對set操作的支持)。紅黑樹是每個節點都帶有顏色屬性的二叉查找樹,顏色或紅色或黑色。

④ 如何查看mysql資料庫的引擎

一般情況下,mysql會默認提供多種存儲引擎,你可以通過下面的查看:

看你的mysql現在已提供什麼存儲引擎:
mysql> show engines;

看你的mysql當前默認的存儲引擎:
mysql> show variables like '%storage_engine%';

你要看某個表用了什麼引擎(在顯示結果里參數engine後面的就表示該表當前用的存儲引擎):
mysql> show create table 表名;

MySQL資料庫引擎詳解

作為Java程序員,MySQL資料庫大家平時應該都沒少使用吧,對MySQL資料庫的引擎應該也有所了解,這篇文章就讓我詳細的說說MySQL資料庫的Innodb和MyIASM兩種引擎以及其索引結構。也來鞏固一下自己對這塊知識的掌握。

Innodb引擎

Innodb引擎提供了對資料庫ACID事務的支持,並且實現了SQL標準的四種隔離級別,關於資料庫事務與其隔離級別的內容請見資料庫事務與其隔

離級別這篇文章。該引擎還提供了行級鎖和外鍵約束,它的設計目標是處理大容量資料庫系統,它本身其實就是基於MySQL後台的完整資料庫系統,MySQL
運行時Innodb會在內存中建立緩沖池,用於緩沖數據和索引。但是該引擎不支持FULLTEXT類型的索引,而且它沒有保存表的行數,當SELECT
COUNT(*) FROM
TABLE時需要掃描全表。當需要使用資料庫事務時,該引擎當然是首選。由於鎖的粒度更小,寫操作不會鎖定全表,所以在並發較高時,使用Innodb引擎
會提升效率。但是使用行級鎖也不是絕對的,如果在執行一個SQL語句時MySQL不能確定要掃描的范圍,InnoDB表同樣會鎖全表。

MyIASM引擎

MyIASM是MySQL默認的引擎,但是它沒有提供對資料庫事務的支持,也不支持行級鎖和外鍵,因此當INSERT(插入)或UPDATE(更
新)數據時即寫操作需要鎖定整個表,效率便會低一些。不過和Innodb不同,MyIASM中存儲了表的行數,於是SELECT COUNT(*)
FROM
TABLE時只需要直接讀取已經保存好的值而不需要進行全表掃描。如果表的讀操作遠遠多於寫操作且不需要資料庫事務的支持,那麼MyIASM也是很好的選
擇。

兩種引擎的選擇

大尺寸的數據集趨向於選擇InnoDB引擎,因為它支持事務處理和故障恢復。資料庫的大小決定了故障恢復的時間長短,InnoDB可以利用事務日誌

進行數據恢復,這會比較快。主鍵查詢在InnoDB引擎下也會相當快,不過需要注意的是如果主鍵太長也會導致性能問題,關於這個問題我會在下文中講到。大

批的INSERT語句(在每個INSERT語句中寫入多行,批量插入)在MyISAM下會快一些,但是UPDATE語句在InnoDB下則會更快一些,尤
其是在並發量大的時候。

Index——索引

索引(Index)是幫助MySQL高效獲取數據的數據結構。MyIASM和Innodb都使用了樹這種數據結構做為索引,關於樹我也曾經寫過一篇文章樹是一種偉大的數據結構,只是自己的理解,有興趣的朋友可以去閱讀。下面我接著講這兩種引擎使用的索引結構,講到這里,首先應該談一下B-Tree和B+Tree。

B-Tree和B+Tree

B+Tree是B-Tree的變種,那麼我就先講B-Tree吧,相信大家都知道紅黑樹,這是我前段時間學《演算法》一書時,實現的一顆紅黑樹,大家

可以參考。其實紅黑樹類似2,3-查找樹,這種樹既有2叉結點又有3叉結點。B-Tree也與之類似,它的每個結點做多可以有d個分支(叉),d稱為B-

Tree的度,如下圖所示,它的每個結點可以有4個元素,5個分支,於是它的度為5。B-Tree中的元素是有序的,比如圖中元素7左邊的指針指向的結點

中的元素都小於7,而元素7和16之間的指針指向的結點中的元素都處於7和16之間,正是滿足這樣的關系,才能高效的查找:首先從根節點進行二分查找,找
到就返回對應的值,否則就進入相應的區間結點遞歸的查找,直到找到對應的元素或找到null指針,找到null指針則表示查找失敗。這個查找是十分高效
的,其時間復雜度為O(logN)(以d為底,當d很大時,樹的高度就很低),因為每次檢索最多隻需要檢索樹高h個結點。

接下來就該講B+Tree了,它是B-Tree的變種,如下面兩張圖所示:

vcHLx/i85LLp0a/Qp8LKoaM8L3A+DQo8aDMgaWQ9"myisam引擎的索引結構">MyISAM引擎的索引結構

MyISAM引擎的索引結構為B+Tree,其中B+Tree的數據域存儲的內容為實際數據的地址,也就是說它的索引和實際的數據是分開的,只不過是用索引指向了實際的數據,這種索引就是所謂的非聚集索引。

Innodb引擎的索引結構

MyISAM引擎的索引結構同樣也是B+Tree,但是Innodb的索引文件本身就是數據文件,即B+Tree的數據域存儲的就是實際的數據,這種索引就是聚集索引。這個索引的key就是數據表的主鍵,因此InnoDB表數據文件本身就是主索引。

因為InnoDB的數據文件本身要按主鍵聚集,所以InnoDB要求表必須有主鍵(MyISAM可以沒有),如果沒有顯式指定,則MySQL系統會自動選擇一個可以唯一標識數據記錄的列作為主鍵,如果不存在這種列,則MySQL自動為InnoDB表生成一個隱含欄位作為主鍵,這個欄位長度為6個位元組,類型為長整形。

並且和MyISAM不同,InnoDB的輔助索引數據域存儲的也是相應記錄主鍵的值而不是地址,所以當以輔助索引查找時,會先根據輔助索引找到主
鍵,再根據主鍵索引找到實際的數據。所以Innodb不建議使用過長的主鍵,否則會使輔助索引變得過大。建議使用自增的欄位作為主鍵,這樣B+Tree的
每一個結點都會被順序的填滿,而不會頻繁的分裂調整,會有效的提升插入數據的效率。

⑤ 資料庫索引的實現原理

資料庫索引的實現原理
一、概述資料庫索引,是資料庫管理系統中一個排序的數據結構,以協助快速查詢、更新資料庫表中數據。索引的實現通常使用B樹及其變種B+樹。在數據之外,資料庫系統還維護著滿足特定查找演算法的數據結構,這些數據結構以某種方式引用(指向)數據,這樣就可以在這些數據結構上實現高級查找演算法。這種數據結構,就是索引。其實說穿了,索引問題就是一個查找問題。二、索引的原理當我們的業務產生了大量的數據時,查找數據的效率問題也就隨之而來,所以我們可以通過為表設置索引,而為表設置索引要付出代價的:一是增加了資料庫的存儲空間,二是在插入和修改數據時要花費較多的時間(因為索引也要隨之變動)。
上圖展示了一種可能的索引方式。左邊是數據表,一共有兩列七條記錄,最左邊的是數據記錄的物理地址(注意邏輯上相鄰的記錄在磁碟上也並不是一定物理相鄰的)。為了加快Col2的查找,可以維護一個右邊所示的二叉查找樹,每個節點分別包含索引鍵值和一個指向對應數據記錄物理地址的指針,這樣就可以運用二叉查找在O(log2n)的復雜度內獲取到相應數據。索引是建立在資料庫表中的某些列的上面。在創建索引的時候,應該考慮在哪些列上可以創建索引,在哪些列上不能創建索引。一般來說,應該在這些列上創建索引:在經常需要搜索的列上,可以加快搜索的速度;在作為主鍵的列上,強制該列的唯一性和組織表中數據的排列結構;在經常用在連接的列上,這些列主要是一些外鍵,可以加快連接的速度;在經常需要根據范圍進行搜索的列上創建索引,因為索引已經排序,其指定的范圍是連續的;在經常需要排序的列上創建索引,因為索引已經排序,這樣查詢可以利用索引的排序,加快排序查詢時間;在經常使用在WHERE子句中的列上面創建索引,加快條件的判斷速度。創建索引可以大大提高系統的性能第一,通過創建唯一性索引,可以保證資料庫表中每一行數據的唯一性。第二,可以大大加快數據的檢索速度,這也是創建索引的最主要的原因。第三,可以加速表和表之間的連接,特別是在實現數據的參考完整性方面特別有意義。第四,在使用分組和排序子句進行數據檢索時,同樣可以顯著減少查詢中分組和排序的時間。第五,通過使用索引,可以在查詢的過程中,使用優化隱藏器,提高系統的性能。也許會有人要問:增加索引有如此多的優點,為什麼不對表中的每一個列創建一個索引呢?因為,增加索引也有許多不利的方面。創建索引的弊端第一,創建索引和維護索引要耗費時間,這種時間隨著數據量的增加而增加。第二,索引需要佔物理空間,除了數據表占數據空間之外,每一個索引還要佔一定的物理空間,如果要建立聚簇索引,那麼需要的空間就會更大。第三,當對表中的數據進行增加、刪除和修改的時候,索引也要動態的維護,這樣就降低了數據的維護速度。同樣,對於有些列不應該創建索引。一般來說,不應該創建索引的的這些列具有下列特點:第一,對於那些在查詢中很少使用或者參考的列不應該創建索引。這是因為,既然這些列很少使用到,因此有索引或者無索引,並不能提高查詢速度。相反,由於增加了索引,反而降低了系統的維護速度和增大了空間需求。第二,對於那些只有很少數據值的列也不應該增加索引。這是因為,由於這些列的取值很少,例如人事表的性別列,在查詢的結果中,結果集的數據行佔了表中數據行的很大比例,即需要在表中搜索的數據行的比例很大。增加索引,並不能明顯加快檢索速度。第三,對於那些定義為text, image和bit數據類型的列不應該增加索引。這是因為,這些列的數據量要麼相當大,要麼取值很少。第四,當修改性能遠遠大於檢索性能時,不應該創建索引。這是因為,修改性能和檢索性能是互相矛盾的。當增加索引時,會提高檢索性能,但是會降低修改性能。當減少索引時,會提高修改性能,降低檢索性能。因此,當修改性能遠遠大於檢索性能時,不應該創建索引。三、索引的類型根據資料庫的功能,可以在資料庫設計器中創建三種索引:唯一索引、主鍵索引和聚集索引。唯一索引唯一索引是不允許其中任何兩行具有相同索引值的索引。當現有數據中存在重復的鍵值時,大多數資料庫不允許將新創建的唯一索引與表一起保存。資料庫還可能防止添加將在表中創建重復鍵值的新數據。例如,如果在employee表中職員的姓(lname)上創建了唯一索引,則任何兩個員工都不能同姓。主鍵索引資料庫表經常有一列或列組合,其值唯一標識表中的每一行。該列稱為表的主鍵。在資料庫關系圖中為表定義主鍵將自動創建主鍵索引,主鍵索引是唯一索引的特定類型。該索引要求主鍵中的每個值都唯一。當在查詢中使用主鍵索引時,它還允許對數據的快速訪問。聚集索引在聚集索引中,表中行的物理順序與鍵值的邏輯(索引)順序相同。一個表只能包含一個聚集索引。如果某索引不是聚集索引,則表中行的物理順序與鍵值的邏輯順序不匹配。與非聚集索引相比,聚集索引通常提供更快的數據訪問速度。四、局部性原理與磁碟預讀由於存儲介質的特性,磁碟本身存取就比主存慢很多,再加上機械運動耗費,磁碟的存取速度往往是主存的幾百分分之一,因此為了提高效率,要盡量減少磁碟I/O。為了達到這個目的,磁碟往往不是嚴格按需讀取,而是每次都會預讀,即使只需要一個位元組,磁碟也會從這個位置開始,順序向後讀取一定長度的數據放入內存。這樣做的理論依據是計算機科學中著名的局部性原理:當一個數據被用到時,其附近的數據也通常會馬上被使用。程序運行期間所需要的數據通常比較集中。由於磁碟順序讀取的效率很高(不需要尋道時間,只需很少的旋轉時間),因此對於具有局部性的程序來說,預讀可以提高I/O效率。預讀的長度一般為頁(page)的整倍數。頁是計算機管理存儲器的邏輯塊,硬體及操作系統往往將主存和磁碟存儲區分割為連續的大小相等的塊,每個存儲塊稱為一頁(在許多操作系統中,頁得大小通常為4k),主存和磁碟以頁為單位交換數據。當程序要讀取的數據不在主存中時,會觸發一個缺頁異常,此時系統會向磁碟發出讀盤信號,磁碟會找到數據的起始位置並向後連續讀取一頁或幾頁載入內存中,然後異常返回,程序繼續運行。五、B樹和B+樹數據結構1、B樹B樹中每個節點包含了鍵值和鍵值對於的數據對象存放地址指針,所以成功搜索一個對象可以不用到達樹的葉節點。成功搜索包括節點內搜索和沿某一路徑的搜索,成功搜索時間取決於關鍵碼所在的層次以及節點內關鍵碼的數量。在B樹中查找給定關鍵字的方法是:首先把根結點取來,在根結點所包含的關鍵字K1,…,kj查找給定的關鍵字(可用順序查找或二分查找法),若找到等於給定值的關鍵字,則查找成功;否則,一定可以確定要查的關鍵字在某個Ki或Ki+1之間,於是取Pi所指的下一層索引節點塊繼續查找,直到找到,或指針Pi為空時查找失敗。2、B+樹B+樹非葉節點中存放的關鍵碼並不指示數據對象的地址指針,非也節點只是索引部分。所有的葉節點在同一層上,包含了全部關鍵碼和相應數據對象的存放地址指針,且葉節點按關鍵碼從小到大順序鏈接。如果實際數據對象按加入的順序存儲而不是按關鍵碼次數存儲的話,葉節點的索引必須是稠密索引,若實際數據存儲按關鍵碼次序存放的話,葉節點索引時稀疏索引。B+樹有2個頭指針,一個是樹的根節點,一個是最小關鍵碼的葉節點。所以 B+樹有兩種搜索方法:一種是按葉節點自己拉起的鏈表順序搜索。一種是從根節點開始搜索,和B樹類似,不過如果非葉節點的關鍵碼等於給定值,搜索並不停止,而是繼續沿右指針,一直查到葉節點上的關鍵碼。所以無論搜索是否成功,都將走完樹的所有層。B+ 樹中,數據對象的插入和刪除僅在葉節點上進行。這兩種處理索引的數據結構的不同之處:1、B樹中同一鍵值不會出現多次,並且它有可能出現在葉結點,也有可能出現在非葉結點中。而B+樹的鍵一定會出現在葉結點中,並且有可能在非葉結點中也有可能重復出現,以維持B+樹的平衡。2、因為B樹鍵位置不定,且在整個樹結構中只出現一次,雖然可以節省存儲空間,但使得在插入、刪除操作復雜度明顯增加。B+樹相比來說是一種較好的折中。3、B樹的查詢效率與鍵在樹中的位置有關,最大時間復雜度與B+樹相同(在葉結點的時候),最小時間復雜度為1(在根結點的時候)。而B+樹的時候復雜度對某建成的樹是固定的。六、B/+Tree索引的性能分析到這里終於可以分析B-/+Tree索引的性能了。上文說過一般使用磁碟I/O次數評價索引結構的優劣。先從B-Tree分析,根據B-Tree的定義,可知檢索一次最多需要訪問h個節點。資料庫系統的設計者巧妙利用了磁碟預讀原理,將一個節點的大小設為等於一個頁,這樣每個節點只需要一次I/O就可以完全載入。為了達到這個目的,在實際實現B-Tree還需要使用如下技巧:每次新建節點時,直接申請一個頁的空間,這樣就保證一個節點物理上也存儲在一個頁里,加之計算機存儲分配都是按頁對齊的,就實現了一個node只需一次I/O。B-Tree中一次檢索最多需要h-1次I/O(根節點常駐內存),漸進復雜度為O(h)=O(logdN)。一般實際應用中,出度d是非常大的數字,通常超過100,因此h非常小(通常不超過3)。而紅黑樹這種結構,h明顯要深的多。由於邏輯上很近的節點(父子)物理上可能很遠,無法利用局部性,所以紅黑樹的I/O漸進復雜度也為O(h),效率明顯比B-Tree差很多。綜上所述,用B-Tree作為索引結構效率是非常高的。

⑥ 學習網路安全工程師有要求嗎

就國家【網路安全工程師職業資格證書】而言,報考的條件是:
首先要有2兩年以上的工作經驗,要考試
申報條件:(具備下列條件之一)
一、助理網路安全工程師:1、本科以上或同等學力學生;2、大專以上或同等學力應屆畢業生並有相關實踐經驗者;
二、網路安全工程師: 1、已通過助理網路安全工程師資格認證者; 2、研究生以上或同等學力應屆畢業生; 3、本科以上或同等學力並從事相關工作一年以上者; 4、大專以上或同等學力並從事相關工作兩年以上者。
三、高級網路安全工程師:1、已通過網路安全工程師資格認證者; 2、研究生以上或同等學力並從事相關工作一年以上者; 3、本科以上或同等學力並從事相關工作兩年以上者; 4、大專以上或同等學力並從事相關工作三年以上者。
其他的跟網路安全相關的認證有如下這些:
CIW網路安全認證
NISC國家信息化網路安全工程師
NSACE網路信息安全工程師認證體系
INSPC信息網路安全專業人員認證
國家信息化網路安全工程師認證
CCSP思科(CISCO)的安全認證
CISSP 國際注冊信息系統安全專家等

⑦ 資料庫索引的底層實現是什麼數據結構

關於資料庫索引的數據結構,大多數資料庫都是採用B樹。可參照文章:
http://blog.csdn.net/Ant_Yan/archive/2008/09/15/2932068.aspx

非主鍵索引需要在數據表本身的存儲空間外額外開銷存儲空間,所以在更新的時候可能不僅要更新數據表本身,還要更新非主鍵索引,更新內容更多了,所以導致速度降低。反過來,如果數據表中的數據按照主鍵索引的順序存儲,更新的時候就沒有額外的開銷。

非主鍵索引對提高查詢速度來講,主要的方面是:檢索的條件(where...)如果命中對應的非主鍵索引的話,就不需要對數據表做全表掃描,效率肯定是大大提高。(索引的創建和使用是資料庫設計和優化的重要部分,是一個資料庫程序員的必修課,不同資料庫系統的語法不同,但是原理基本相同);
另一方面,也有如下的可能:如果檢索結果的欄位包含在非主鍵索引中,即使對非主鍵索引做全掃描,也比對整表欄位做全掃描快,因為只有非主鍵索引本身的數據需要從存儲設備調入內存,節約了IO時間。
不過一般說索引對查詢速度的影響,主要指第一種情況。

⑧ 網站的空間與資料庫各有什麼用各有什麼不同

空間1GB——就相當於一個1G的優盤,你最多隻能存放1G的數據文件,你可以通過Ftp管理它,使用它;
資料庫150MB ——一般是說動態網站的數據記錄存放文件的大小,如Access資料庫的mdb文件,sql server 的mdf文件;相當於一個分類抽屜,可以存放有規律的文件。一般不能直接訪問,只能通過程序或軟體訪問。

————————————————
如需建站指導,請繼續追問……呵呵

⑨ 關於資料庫存儲鍵值對的問題

這是前端(應用端)和後端(服務端)的問題,這個應該是每個用戶的單獨配置,那麼應該放在前端而是不是放在後端,如果放在後端,那麼每個用戶都要讀取,那麼體驗一定不好。
對於前端來說,只要加一個「配置文件」(其實就是一段代碼)就可以,然後通過服務端的程序讀取這個「配置文件」,就知道相應的順序了,這樣總比,連通伺服器讀取相應的表,來的要快。
如果非要用資料庫解決,那我們做一個假設,有100項,某人將所有的項目變成了從後往前倒著寫的,也就是第100項與第1項位置互換,第99項與第2項位置互換,這樣,那麼最後是第50項與第51項調換,也就是100項完全變換了位置,那麼不管你怎麼存儲,怎麼讀取,這些項都必須全部保存起來,因為每一項的順序都變了,所以這個方案並不是十分好。
當然,如果非要這么做的話,那麼有一個稍微簡單一點的辦法,不過也需要前端的配合而且,很可能出現徵用的情況,使用效果也不一定能太好。
我的辦法是建立userid 10001 10002 10003 這樣一張表,說白了就是一張以默認順序MoleID(個人覺得這個可能是你的表頭代碼,如果不是不要介意)為欄位名的表,然後每條用戶id,對應一組編號比如(默認編號為1,2,3,4):
userid 10001 10002 10003 10004
1 4 3 1 2
2 2 1 4 3
3 1 2 3 4
類似於這樣就能直接得到用戶的編號順序了,不過這種還是不如在前端一個配置文件來的舒服(用戶修改配置文件後,服務端也會備份(類似於上表這種也可以作為一個客戶端配置的備份),但是這種備份比直接修改資料庫要要省事不少,至少節省了資料庫的資源),而且可能出現徵用的問題,比如兩個人或更多的人同時修改代碼,那麼一張表不可能讓這么多人同時update,肯定要出現徵用,那麼服務體驗就不會太好(備份的話,不用那麼及時,所以徵用的可能性不大,即使出現也是發生在後端,用戶的體驗並沒有什麼影響)。
以上均為個人理解,共同探討。

⑩ 為什麼treeset使用紅黑樹而一些資料庫索引使用b樹和b+樹

為什麼treeset使用紅黑樹而一些資料庫索引使用b樹和b+樹
在C++ STL中,很多部分(目前包括set, multiset, map, multimap)應用了紅黑樹的變體(SGI STL中的紅黑樹有一些變化,這些修改提供了更好的性能,以及對set操作的支持)。紅黑樹是每個節點都帶有顏色屬性的二叉查找樹,顏色或紅色或黑色。

熱點內容
如何用密碼鎖住並隱藏工作表 發布:2024-03-29 07:03:28 瀏覽:326
按鍵精靈滑鼠腳本 發布:2024-03-29 06:47:41 瀏覽:19
pythonhome 發布:2024-03-29 06:47:36 瀏覽:169
dns配置錯誤怎麼修理 發布:2024-03-29 06:36:15 瀏覽:980
電信客戶6位密碼是什麼 發布:2024-03-29 06:35:42 瀏覽:565
b星演算法找門 發布:2024-03-29 06:27:13 瀏覽:774
小數化分數c語言 發布:2024-03-29 06:20:16 瀏覽:561
如何搭建ai伺服器 發布:2024-03-29 06:20:10 瀏覽:493
用低配置手機玩游戲掉幀怎麼辦 發布:2024-03-29 06:20:06 瀏覽:588
安卓系統的微信如何安裝 發布:2024-03-29 05:48:45 瀏覽:993