nb代儲的問題，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

圖解IoT|物聯網的開發技術與原理

為了解決nb代儲的問題，作者坂東大輔 這樣論述：

　　兼具「淺顯易懂」與「豐富充實」，扎實的認清物聯網 　　「物聯網」一詞廣為人知，其定義、涵蓋範圍卻模糊不清，有時甚至被當成膚淺的流行用語。本書將會解說物聯網開發的各種相關知識，在一個萬物相連的物聯網時代，IoT已經變成產品開發必備的基礎知識，藉由本書的說明，您可以深刻了解物聯網的運作原理，學到各種物聯網的基礎知識，並從中獲得啟發，進而創造龐大的新商機。 　　藉由本書的說明，您將可以了解： 　　．何謂「物聯網」 　　．認識物聯網相關的裝置與感測器 　　．了解物聯網所應用的通訊技術 　　．了解如何處理與應用物聯網資料 　　．雲端技術與物聯網的整合應用 　　．物聯網的開發實

務  

nb代儲進入發燒排行的影片

二維材料於邏輯元件與記憶體內運算應用

為了解決nb代儲的問題，作者鍾昀晏 這樣論述：

半導體產業在過去半個世紀不斷地發展，塊材材料逐漸面臨電晶體微縮的物理極限，因此我們開始尋找替代方案。由於二維材料天生的原子級材料厚度與其可抑制短通道效應能力，被視為半導體產業極具未來發展性材料。此篇論文為研究二維材料二硫化鉬的N型通道元件之製作技術與其材料的特性與應用。首先，我們使用二階段硫化製程所製備的二硫化鉬沉積高介電材料並使用X-射線能譜儀（XPS）與光致發光譜（PL）進行分析，量測二硫化鉬與四種高介電材料的能帶對準，參考以往製程經驗，可結論二氧化鉿是有潛力介電層材料在二硫化鉬上，並作為我們後續元件的主要閘極介電層。接著使用二階段硫化法製作鈮（Nb）摻雜的二硫化鉬，Ｐ型的鈮摻雜可提升載

子摻雜濃度用以降低金半介面的接觸電阻，透過不同製程方式製作頂部接觸和邊緣接觸的兩種金半介面結構，傳輸線模型(TLM)分析顯示出，邊緣接觸結構比頂部接觸結構的接觸電阻率低了兩個數量級以上，並藉由數值疊代方式得知層間電阻率是導致頂部接觸結構有較高接觸電阻率主因，並指出邊緣接觸之金半介面在二維材料元件的潛在優勢。在電晶體研究上，我們使用化學氣相沉積（CVD）合成的二硫化鉬成功製作出單層Ｎ型通道元件，將此電晶體與記憶體元件相結合，用雙閘極結構將讀（read）與寫（write）分成上下兩個獨立控制的閘極，並輸入適當脈衝訊號以改變儲存在電荷儲存層的載子量，藉由本體效應（Body effect）獲得足夠大的

記憶區間（Memory window），可擁有高導電度比（GMAX/GMIN = 50）與低非線性度（Non-linearity= -0.8/-0.3）和非對稱性（Asymmetry = 0.5），展示出了二維材料在類神經突觸元件記憶體內運算應用上的可能性。除了與記憶體元件結合外，我們亦展示二維材料電晶體作為邏輯閘的應用，將需要至少兩個傳統矽基元件才可表現的邏輯閘特性，可於單一二維材料電晶體上展現出來，並在兩種邏輯閘（NAND/NOR）特性作切換，二維材料的可折疊特性亦具有潛力於電晶體密度提升。我們進一步使用電子束微影系統製作奈米等級短通道元件，首先使用金屬輔助化學氣相沉積 (Metal-as

sisted CVD)方式合成出高品質的二維材料二硫化鎢 (WS2)，並成功製作次臨界擺幅（Subthreshold Swing, S.S.）約為97 mV/dec.且高達106的電流開關比（ION/IOFF ratio）的40奈米通道長度二硫化鎢Ｐ型通道電晶體，其電特性與文獻上的二硫化鉬N型通道電晶體可說是相當，可作為互補式場效電晶體。另一方面，深入了解二維材料其材料特性後，可知在厚度縮薄仍可保持極高的機械強度，有潛力作為奈米片電晶體的通道材料。故於論文最後我們針對如何透過對元件製作優化提供了些許建議。

Hadoop大數據技術開發實戰

為了解決nb代儲的問題，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  

東台灣海岸山脈石梯坪凝灰岩及利吉層之年代學與地球化學研究

為了解決nb代儲的問題，作者卓伃蘊 這樣論述：

海岸山脈地層層序中都鑾山層為島弧火山層序，其最上層為石梯坪凝灰岩，屬於島弧火山演化末期的岩相，此層出露為中性至酸性的中酸性凝灰岩，而利吉層為大陸邊緣沉積物與海洋地殼蛇綠岩系之殘塊所組成，並於弧陸碰撞過程中堆積在海岸山脈地層層序中。本研究於月眉火山嶺頂地區上層的中酸凝灰岩層，以及下層的火山角礫岩層當中採集數個安山岩岩塊；於石梯坪地區的中酸凝灰岩層中採集一個輝長岩質包體，以及夾雜於岩層當中的安山岩岩塊，使用全岩地球化學與鋯石鈾鉛定年法分析，以討論其位於海岸山脈岩漿活動中的角色；在利吉地區以及電光地區利吉層的溪床上採集數顆蛇綠岩岩塊以及一顆沈積岩，透過定年以及地球化學特徵之結果，以討論其形成年代以

及物質可能的來源。本研究在嶺頂地區並未獲得來自呂宋島弧的岩漿鋯石年代可做後續討論，而位於石梯坪凝灰岩層中的玄武質安山岩（SiO2 ＝ 55.9 wt.%）以及石門火山角礫岩的安山岩（SiO2 ＝ 60.6 wt.%），兩個樣本皆為低鉀的鈣鹼序列，且呈現大離子半徑元素（如：銫、銣、鈾、釷、鉀、鋇、鍶等）富集以及高場力鍵結元素（如：鈮、鉭、鈦等）虧損，屬於島弧岩漿的訊號。石梯坪地區共存於中酸性凝灰岩當中的輝長岩包體與安山岩的年代皆為4百萬年，輝長岩質包體為低鉀的鈣鹼序列，二氧化矽含量為48.3 wt.%，四個安山岩岩塊為中鉀的鈣鹼序列，二氧化矽含量為53.0至58.0 wt.%，所有的微量元素皆

呈現大離子半徑元素富集以及高場力元素虧損。利吉層當中的蛇綠岩套年代為18百萬年，蛇綠岩套二氧化矽含量36.4至63.6 wt.%，岩性從基性到酸性都有，且微量元素含量變異很大，包括有銪正異常（18CWC01-1B）與負異常（18CWC01-2B）、MORB類型（18LC01-1B）以及E-MORB類型（18LC03-1B、18NSC01-1B）。而砂岩的年代結果呈現多峰值頻譜，包含火山活動期間所形成的岩漿鋯石年代，以及與華夏陸塊沈積物相似的訊號。全岩釹同位素的結果，在嶺頂地區釹值為+9.5及+9.8、石梯坪地區的安山岩質釹值為+1.3至+2.2，而輝長岩包體釹值為+0.8，利吉層的蛇綠岩套釹值

為+8.7至+11.1。綜合實驗結果，本研究在嶺頂地區的結果為與前人研究相同，都屬於島弧岩漿的產物，但無法在年代部分給予新的討論。石梯坪地區所發現之安山岩岩塊以及輝長岩包體，與前人研究中北呂宋島弧岩漿末期噴發之地球化學特性與年代相近，本輝長岩為同時期之岩漿侵入所形成，本研究並提出在奇美火山4百萬年以來的岩漿活動模式應為三個階段：第一階段經較高程度部分熔融產生的基性岩漿上升至淺層的儲存庫，並發生地殼混染作用；第二階段經較低程度部分熔融產生的岩漿再次注入先前形成的路徑，結晶分異後形成中性岩漿；第三階段因再次注入的岩漿引發原儲存庫中的安山岩質岩漿上湧噴發，並捕獲了已形成圍岩的輝長岩，噴發後形成中酸性

凝灰岩當中共存著輝長岩包體以及安山岩質的角礫岩。本研究分析的利吉層樣本，其中包含了東台灣蛇綠岩套以及沈積岩，蛇綠岩套中的岩石種類，地球化學數據因不同岩石來源而有差異，其年代分析結果指出，東台灣蛇綠岩年代為18-16百萬年，相較前人年代偏老，而在沈積岩中碎屑鋯石年代頻譜結果，則顯示其具有北呂宋島弧與華夏陸塊主要岩漿活動年代峰值的訊號。