準確 IP 查詢的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

網管大殺器：用Python精控企業IT架構

為了解決準確 IP 查詢的問題，作者王印 這樣論述：

為網路工程師量身打造的網路運行維護 帶領全世界數十萬頂尖IT網管工程師昇華為NetDevOps高手   　　本書內容基於思科裝置和技術，從網路工程師的角度出發，以截稿前最新的Python 3.8為主，從Python的安裝到基礎和進階知識，再到Python在網路運行維護中的實戰應用和網路工程師必須掌握的Python協力廠商模組，所有內容均為網路工程師量身打造，讓完全零基礎的網路工程師能夠快速上手並掌握Python這門程式設計語言，將網路運行維護自動化技術運用在日常工作中，在加強工作效率的同時，提升職場競爭力。本書所有內容均由作者精選，只說明對網路工程師有用的Python知識，讓讀者在網路運行

維護自動化技術學習的道路上少走一些彎路。   　　眾所皆知，Python這門程式設計語言的應用場景十分廣泛，人工智慧、資料分析、爬蟲、Web開發、遊戲製作等領域都能看到Python的身影。隨著近幾年Python的大熱，和上述Python應用場景相關的書籍、視訊、網站等教學資源隨處可見，而市面上Python的基礎入門教學更是多如牛毛。遺憾的是，在如此豐富的Python教學資源中，為網路工程師量身打造的電腦網路運行維護方面的教學書籍卻相當匱乏。此書完整運行思科的網路設備，用Python完整控制自動化的流程，說是網路設備中的Ansible都不為過！想成為帶兵的將軍而不是打仗的兵丁，這就是你要學習控制

大局的新武器，運籌帷幄在至高點，把整個企業命脈的IT一手掌握。   　　●適合讀者群 　　本書適用於熟練掌握了電腦網路技術基礎知識，並且希望學習以Python 為代表的網路運行維護自動化技術的網路工程師、網路安全工程師、網路顧問、網路架構師。

準確 IP 查詢進入發燒排行的影片

類比電路佈局人員任務指派系統之建置-以M公司為例

為了解決準確 IP 查詢的問題，作者伍峻毅 這樣論述：

隨著半導體製程的演進，電晶體通道長度已從早期微米等級進步到奈米等級，每顆IC所需光罩數量已從幾十道進展到上百道，每次的生產成本更由百萬上升至數億新台幣的規模，也因此，近代電路設計流程上的準確性，便顯得相當重要及謹慎。就類比電路佈局而言，傳統任務指派方式乃由類比電路設計工程師提出佈局需求後，類比電路佈局主管大都採直接指定類比電路佈局人員，或者安排閒置類比電路佈局人員參與計畫。此傳統指派方式對於特殊性較高之佈局需求(例如在時限內需快速完成佈局、電路對稱性講究之佈局，電路速度快以致佈局難度較高之需求)，在實務上較不能讓具有相關佈局經驗的人員適才適所。本研究提出一種任務指派系統，此系統可透過評估類比

電路佈局人員的經驗及其所長，利用重新規劃之類比電路佈局人員作業資訊，並以Excel VBA程式撰寫任務指派程式。在類比電路佈局工程進行前，透過此系統輸入佈局人員需求條件，系統可篩選出適合佈局需求的類比電路佈局人員，進行類比電路佈局工程。本研究從常見的類比電路佈局類型，挑選出六件案例作為測試。透過分析層級程序法給予不同重要性尺度，並計算出所個別的權重比例與通過一致性檢驗後，輸入相對應條件至系統內並判讀其輸出結果。測試結果顯示共有五件測試案例輸出符合條件需求，一件不符合，系統建置與判斷上已具備正確性，但仍有進一步的改善空間。

Hadoop大數據技術開發實戰

為了解決準確 IP 查詢的問題，作者張偉洋 這樣論述：

本書以Hadoop及其周邊框架為主線，介紹了整個Hadoop生態系統主流的大資料開發技術。全書共16章，第1章講解了VMware中CentOS 7作業系統的安裝；第2章講解了大資料開發之前對作業系統集群環境的配置；第3~16章講解了Hadoop生態系統各框架HDFS、MapReduce、YARN、ZooKeeper、HBase、Hive、Sqoop和資料即時處理系統Flume、Kafka、Storm、Spark以及分散式搜索系統Elasticsearch等的基礎知識、架構原理、集群環境搭建，同時包括常用的Shell命令、API操作、源碼剖析，並通過實際案例加深對各個框架的理解與應用。通過閱讀本

書，讀者即使沒有任何大資料基礎，也可以對照書中的步驟成功搭建屬於自己的大資料集群並獨立完成專案開發。 本書可作為Hadoop新手入門的指導書，也可作為大資料開發人員的隨身手冊以及大資料從業者的參考用書。 張偉洋 畢業于中國地質大學計算機科學與技術專業，先後就職于知名互聯網公司百度、慧聰網，任Java高級軟體工程師，互聯網旅遊公司任軟體研發事業部技術經理。目前供職于青島英穀教育科技股份有限公司，任大資料項目目講師，為數十所高校先後舉行多次大資料專題講座，對Hadoop及周邊框架ZooKeeper、Hive、HBase、Storm、Spark等有深入的研究。高等院校雲計算與大

資料專業課改教材《雲計算與大資料概論》《大資料開發與應用》的主要編寫者，百度文庫、百度閱讀簽約作者。 第1章  VMware中安裝CentOS 7 1 1.1  下載CENTOS 7鏡像文件 1 1.2  新建虛擬機器 5 1.3  安裝作業系統 9 第2章  CentOS 7集群環境配置 16 2.1  系統環境配置 16 2.1.1  新建用戶 17 2.1.2  修改用戶許可權 17 2.1.3  關閉防火牆 17 2.1.4  設置固定IP 18 2.1.5  修改主機名稱 22 2.1.6  新建資原始目錄 23 2.2  安裝JDK 23 2.3  克隆虛擬機

器 25 2.4  配置主機IP映射 29 第3章  Hadoop 31 3.1  HADOOP簡介 31 3.1.1  Hadoop生態系統架構 32 3.1.2  Hadoop 1.x與2.x的架構對比 33 3.2  YARN基本架構及組件 34 3.3  YARN工作流程 37 3.4  配置集群各節點SSH無金鑰登錄 38 3.4.1  無金鑰登錄原理 38 3.4.2  無金鑰登錄操作步驟 39 3.5  搭建HADOOP 2.X分散式集群 41 第4章  HDFS 48 4.1  HDFS簡介 48 4.1.1  設計目標 49 4.1.2  總體架構 49 4.1.3  主

要組件 50 4.1.4  文件讀寫 53 4.2  HDFS命令列操作 54 4.3  HDFS WEB介面操作 57 4.4  HDFS JAVA API操作 59 4.4.1  讀取數據 59 4.4.2  創建目錄 61 4.4.3  創建文件 62 4.4.4  刪除檔 63 4.4.5  遍歷檔和目錄 64 4.4.6  獲取檔或目錄的中繼資料 65 4.4.7  上傳本地檔 66 4.4.8  下載檔案到本地 66 第5章  MapReduce 68 5.1  MAPREDUCE簡介 68 5.1.1  設計思想 69 5.1.2  任務流程 70 5.1.3  工作原理 71

5.2  MAPREDUCE程式編寫步驟 74 5.3  案例分析：單詞計數 76 5.4  案例分析：數據去重 82 5.5  案例分析：求平均分 86 5.6  案例分析：二次排序 89 5.7  使用MRUNIT測試MAPREDUCE程式 97 第6章  ZooKeeper 100 6.1  ZOOKEEPER簡介 100 6.1.1  應用場景 101 6.1.2  架構原理 101 6.1.3  資料模型 102 6.1.4  節點類型 103 6.1.5  Watcher機制 103 6.1.6  分散式鎖 105 6.2  ZOOKEEPER安裝配置 106 6.2.1  單

機模式 106 6.2.2  偽分佈模式 108 6.2.3  集群模式 109 6.3  ZOOKEEPER命令列操作 112 6.4  ZOOKEEPER JAVA API操作 114 6.4.1  創建Java工程 114 6.4.2  創建節點 115 6.4.3  修改資料 118 6.4.4  獲取資料 118 6.4.5  刪除節點 123 6.5  案例分析：監聽伺服器動態上下線 124 第7章  HDFS與YARN HA 129 7.1  HDFS HA搭建 129 7.1.1  架構原理 130 7.1.2  搭建步驟 131 7.1.3  結合ZooKeeper進行HD

FS自動容錯移轉 137 7.2  YARN HA搭建 142 7.2.1  架構原理 142 7.2.2  搭建步驟 142 第8章  HBase 147 8.1  什麼是HBASE 147 8.2  HBASE基本結構 148 8.3  HBASE資料模型 149 8.4  HBASE集群架構 151 8.5  HBASE安裝配置 153 8.5.1  單機模式 153 8.5.2  偽分佈模式 155 8.5.3  集群模式 156 8.6  HBASE SHELL命令操作 160 8.7  HBASE JAVA API操作 164 8.7.1  創建Java工程 164 8.7.2

 創建表 164 8.7.3  添加數據 166 8.7.4  查詢資料 168 8.7.5  刪除資料 169 8.8  HBASE篩檢程式 170 8.9  案例分析：HBASE MAPREDUCE資料轉移 174 8.9.1  HBase不同表間資料轉移 174 8.9.2  HDFS資料轉移至HBase 180 8.10  案例分析：HBASE資料備份與恢復 183 第9章  Hive 185 9.1  什麼是HIVE 185 9.1.1  資料單元 186 9.1.2  資料類型 187 9.2  HIVE架構體系 189 9.3  HIVE三種運行模式 190 9.4  HIVE

安裝配置 191 9.4.1  內嵌模式 192 9.4.2  本地模式 195 9.4.3  遠端模式 198 9.5  HIVE常見屬性配置 200 9.6  BEELINE CLI的使用 201 9.7  HIVE資料庫操作 205 9.8  HIVE表操作 208 9.8.1  內部表 209 9.8.2  外部表 213 9.8.3  分區表 215 9.8.4  分桶表 219 9.9  HIVE查詢 223 9.9.1  SELECT子句查詢 224 9.9.2  JOIN連接查詢 230 9.10  其他HIVE命令 233 9.11  HIVE中繼資料表結構分析 235 9.

12  HIVE自訂函數 237 9.13  HIVE JDBC操作 239 9.14  案例分析：HIVE與HBASE整合 242 9.15  案例分析：HIVE分析搜狗使用者搜索日誌 246 第10章  Sqoop 251 10.1  什麼是SQOOP 251 10.1.1  Sqoop基本架構 252 10.1.2  Sqoop開發流程 252 10.2  使用SQOOP 253 10.3  資料導入工具 254 10.4  資料匯出工具 259 10.5  SQOOP安裝與配置 261 10.6  案例分析：將MYSQL表數據導入到HDFS中 262 10.7  案例分析：將HDFS

中的資料匯出到MYSQL中 263 10.8  案例分析：將MYSQL表數據導入到HBASE中 264 第11章  Kafka 267 11.1  什麼是KAFKA 267 11.2  KAFKA架構 268 11.3  主題與分區 269 11.4  分區副本 271 11.5  消費者組 273 11.6  資料存儲機制 274 11.7  集群環境搭建 276 11.8  命令列操作 278 11.8.1  創建主題 278 11.8.2  查詢主題 279 11.8.3  創建生產者 280 11.8.4  創建消費者 280 11.9  JAVA API操作 281 11.9.1

 創建Java工程 281 11.9.2  創建生產者 281 11.9.3  創建消費者 283 11.9.4  運行程式 285 11.10  案例分析：KAFKA生產者攔截器 287 第12章  Flume 294 12.1  什麼是FLUME 294 12.2  架構原理 295 12.2.1  單節點架構 295 12.2.2  組件介紹 296 12.2.3  多節點架構 297 12.3  安裝與簡單使用 299 12.4  案例分析：日誌監控（一） 302 12.5  案例分析：日誌監控（二） 304 12.6  攔截器 306 12.6.1  內置攔截器 307 12.6.

2  自訂攔截器 310 12.7  選擇器 313 12.8  案例分析：攔截器和選擇器的應用 315 12.9  案例分析：FLUME與KAFKA整合 319 第13章  Storm 322 13.1  什麼是STORM 322 13.2  STORM TOPOLOGY 323 13.3  STORM集群架構 324 13.4  STORM流分組 326 13.5  STORM集群環境搭建 329 13.6  案例分析：單詞計數 332 13.6.1  設計思路 332 13.6.2  代碼編寫 333 13.6.3  程式運行 339 13.7  案例分析：STORM與KAFKA整合

341 第14章  Elasticsearch 347 14.1  什麼是ELASTICSEARCH 347 14.2  基本概念 348 14.2.1  索引、類型和文檔 348 14.2.2  分片和副本 348 14.2.3  路由 349 14.3  集群架構 350 14.4  集群環境搭建 352 14.5  KIBANA安裝 355 14.6  REST API 357 14.6.1  集群狀態API 357 14.6.2  索引API 358 14.6.3  文檔API 360 14.6.4  搜索API 363 14.6.5  Query DSL 365 14.7  HEA

D外掛程式安裝 371 14.8  JAVA API操作：員工資訊 375 第15章  Scala 379 15.1  什麼是SCALA 379 15.2  安裝SCALA 380 15.2.1  Windows中安裝Scala 380 15.2.2  CentOS 7中安裝Scala 381 15.3  SCALA基礎 382 15.3.1  變數聲明 382 15.3.2  資料類型 383 15.3.3  運算式 385 15.3.4  迴圈 386 15.3.5  方法與函數 388 15.4  集合 391 15.4.1  陣列 391 15.4.2  List 393 15.4.

3  Map映射 394 15.4.4  元組 396 15.4.5  Set 396 15.5  類和對象 398 15.5.1  類的定義 398 15.5.2  單例對象 399 15.5.3  伴生對象 399 15.5.4  get和set方法 400 15.5.5  構造器 402 15.6  抽象類別和特質 404 15.6.1  抽象類別 404 15.6.2  特質 406 15.7  使用ECLIPSE創建SCALA專案 408 15.7.1  安裝Scala for Eclipse IDE 408 15.7.2  創建Scala項目 409 15.8  使用INTELLI

J IDEA創建SCALA專案 410 15.8.1  IDEA中安裝Scala外掛程式 410 15.8.2  創建Scala項目 414 第16章  Spark 416 16.1  SPARK概述 416 16.2  SPARK主要組件 417 16.3  SPARK運行時架構 419 16.3.1  Spark Standalone模式 419 16.3.2  Spark On YARN模式 421 16.4  SPARK集群環境搭建 423 16.4.1  Spark Standalone模式 423 16.4.2  Spark On YARN模式 425 16.5  SPARK H

A搭建 426 16.6  SPARK應用程式的提交 430 16.7  SPARK SHELL的使用 433 16.8  SPARK RDD 435 16.8.1  創建RDD 435 16.8.2  RDD運算元 436 16.9  案例分析：使用SPARK RDD實現單詞計數 441 16.10  SPARK SQL 448 16.10.1  DataFrame和Dataset 448 16.10.2  Spark SQL基本使用 449 16.11  案例分析：使用SPARK SQL實現單詞計數 452 16.12  案例分析：SPARK SQL與HIVE整合 454 16.13  案

例分析：SPARK SQL讀寫MYSQL 457 前言 當今互聯網已進入大資料時代，大資料技術已廣泛應用于金融、醫療、教育、電信、政府等領域。各行各業每天都在產生大量的資料，資料計量單位已從B、KB、MB、GB、TB發展到PB、EB、ZB、YB甚至BB、NB、DB。預計未來幾年，全球資料將呈爆炸式增長。谷歌、阿裡巴巴、百度、京東等互聯網公司都急需掌握大資料技術的人才，而大資料相關人才卻出現了供不應求的狀況。 Hadoop作為大資料生態系統中的核心框架，專為離線和大規模資料處理而設計。Hadoop的核心組成HDFS為海量資料提供了分散式存儲；MapReduce則為海量資料

提供了分散式運算。很多互聯網公司都使用Hadoop來實現公司的核心業務，例如華為的雲計算平臺、淘寶的推薦系統等，只要和海量資料相關的領域都有Hadoop的身影。 本書作為Hadoop及其周邊框架的入門書，知識面比較廣，涵蓋了當前整個Hadoop生態系統主流的大資料開發技術。內容全面，代碼可讀性強，以實操為主，理論為輔，一步一步手把手對常用的離線計算以及即時計算等系統進行了深入講解。 全書共16章，第1章講解了VMware中CentOS 7作業系統的安裝；第2章講解了大資料開發之前對作業系統集群環境的配置；第3~16章講解了Hadoop生態系統各框架HDFS、MapReduce、YARN、Z

ooKeeper、HBase、Hive、Sqoop和資料即時處理系統Flume、Kafka、Storm、Spark以及分散式搜索系統Elasticsearch等的基礎知識、架構原理、集群環境搭建，同時包括常用的Shell命令、API操作、源碼剖析，並通過實際案例加深對各個框架的理解與應用。 那麼如何學習本書呢？ 本書推薦的閱讀方式是按照章節順序從頭到尾完成閱讀，因為後面的很多章節是以前面的章節為基礎，而且這種一步一個腳印、由淺入深的方式將使你更加順利地掌握大資料的開發技能。 學習本書時，首先根據第1、2章搭建好開發環境，然後依次學習第3~16章，學習每一章時先瞭解該章的基礎知識和框架的架

構原理，然後再進行集群環境搭建、Shell命令操作等實操練習，這樣學習效果會更好。當書中的理論和實操知識都掌握後，可以進行舉一反三，自己開發一個大資料程式，或者將所學知識運用到自己的程式設計項目上，也可以到各種線上論壇與其他大資料愛好者進行討論，互幫互助。 本書可作為Hadoop新手入門的指導書籍或者大資料開發人員的參考用書，要求讀者具備一定的Java語言基礎和Linux系統基礎，即使沒有任何大資料基礎的讀者，也可以對照書中的步驟成功搭建屬於自己的大資料集群，是一本真正的提高讀者動手能力、以實操為主的入門書籍。通過對本書的學習，讀者能夠對大資料相關框架迅速理解並掌握，可以熟練使用Hadoop

集成環境進行大資料專案的開發。 讀者若對書中講解的知識有任何疑問，可關注下面的公眾號聯繫筆者，還可以在該公眾號中獲取大資料相關的學習教程和資源。   掃描下述二維碼可以下載本書原始程式碼：   由於時間原因，書中難免出現一些錯誤或不準確的地方，懇請讀者批評指正。 張偉洋 2019年5月於青島  

使用Wi-Fi Beacon對室內定位準確度影響研究

為了解決準確 IP 查詢的問題，作者傅宇祥 這樣論述：

在這個網路資訊發達的時代，Wi-Fi已經是個不可或缺的東西，Wi-Fi的需求以及在生活周遭的應用更是普遍，也因為智慧型行動通訊裝置普遍都有嵌入Wi-Fi模組，所以讓Wi-Fi AP的易取得性提升，加上其價格便宜，被廣泛應用於辦公室、商場、校園、工廠等場所；Wi-Fi Access Point (AP)的覆蓋環境也一年比一年的遞增，使用Wi-Fi訊號來作為室內定位系統的研究也漸漸受到重視。在架設Wi-Fi無線網路時，其主要考量的問題是訊號的覆蓋率以及電源與訊號線路的配置，使得Wi-Fi AP分布的狀況在不同環境中都有所差異。本論文的重點為透過安信可科技公司做的開發板，搭配樂鑫公司的ESP826

6 ESP12-F的WiFi模組在本實驗場地中原大學電學五樓教室與走廊放置，並發出Wi-Fi beacon的訊號，再使用ANDROID智慧型手持式裝置HTC One M8與ASUS ZenFone 5Z配合過去研究室所撰寫的程式IndoorPostionSampler來進行Wi-Fi訊號採集，使用移動採樣法MS (Moving sampling method)之方法採集訊號，透過Matlab進行後續的訊號處理，並利用Minimum Signal Distance with Relational factor (MSDR)演算法來估計使用者在場景中的位置，比較加入這塊晶片前後的定位準確度來進行討

論與分析。