检索结果-内蒙古大学图书馆

作者：叶圣洁华中科技大学

学位级别：硕士

近年以来,移动互联网产业和物联网产业得到的长足的发展和爆炸式的增长。在诸如通信,物流运输,金融,工业物联网和互联网领域中,种类繁多终端设备在时刻产生着大量的结构化数据。随着这些海量数据的产生,传统的软件技术框架已经难以满足... 详细信息

近年以来,移动互联网产业和物联网产业得到的长足的发展和爆炸式的增长。在诸如通信,物流运输,金融,工业物联网和互联网领域中,种类繁多终端设备在时刻产生着大量的结构化数据。随着这些海量数据的产生,传统的软件技术框架已经难以满足大数据应用的需求,因此HDFS,MapReduce,HBase,Hive和其他多种Hadoop技术应运而生。spark是一套基于Hadoop和MapReduce的开源并行架构,其工作中间结果可以存储在内存当中,而不需要像其他Hadoop系统一样存储读写HDFS。因此spark对多种算法有更高的计算效率,获得了较为广泛的使用。spark sql是spark平台中的重要组成部分,负责提供DataFrame的API接口来对内外部数据源进行关系操作,同时spark sql还提供了Catalyst优化器用来对诸如机器学习等领域的应用添加专用的优化策略。Catalyst优化器将使用基于规则优化或基于代价优化策略对spark sql语句进行逻辑计划优化和物理计划优化。其中,在基于代价优化策略中,需要使用spark操作的统计信息估计操作的计算成本,统计信息的准确性将直接影响代价优化的结果。总所周知,连接操作是spark sql中最为复杂的关系操作之一,其中连接基数估计是连接操作代价优化中最难统计的信息。当前spark sql中通用的连接基数估计方法在数据均匀分布的情况下有较佳效果,但在数据分布不均匀情况下无法刻画数据本身的特性,导致估计结果相较真实值常有量级上的差异,影响代价优化的结果。本文针对目前spark sql Catalyst中连接基数估计准确率较低的问题,设计了对数据源连接操作历史情况进行滑窗采样策略,抽取特征参数并分别使用多层感知器和多项式回归两种方式抽取数据源本身的特性,同时对连接基数进行更为精准的估计。最后,本文使用了两类合成数据集和一个来自物联网生产环境的真实数据集对设计的两种连接基数估计算法进行评估,实验表明在对真实数据集的连接基数估计中,两种算法相较默认算法分别有6.03倍和7.17倍的相对误差率提升。

关键词： spark sql Catalyst 连接基数多层感知器多项式回归

来源：评论

学校读者我要写书评

暂无评论

健康数据库存储架构及高效数据访问关键技术研究

健康数据库存储架构及高效数据访问关键技术研究

引用

作者：张曼国防科技大学

学位级别：硕士

健康数据库是居民医疗健康相关的动态档案信息,对完善居民医疗就诊、健康保健服务及对社会的医疗卫生事业发展具有重要的意义。医疗健康数据由于其本身的模式自由与半结构特性,同时,管理居民健康档案将面临海量数据的处理,如何对这些信... 详细信息

健康数据库是居民医疗健康相关的动态档案信息,对完善居民医疗就诊、健康保健服务及对社会的医疗卫生事业发展具有重要的意义。医疗健康数据由于其本身的模式自由与半结构特性,同时,管理居民健康档案将面临海量数据的处理,如何对这些信息进行存储设计及满足不同用户的高效数据访问需求,这些因素都对全民健康档案数据库的发展带来了巨大的挑战,因此,对健康数据库存储架构及高效数据访问的研究具有重要意义。本文主要内容是设计实现以MongoDB数据库作为数据源,进行日常业务处理,以Hive作为目标数据存储,并结合spark sql进行上层统计分析的健康数据库存储架构,及为了获得更加高效的数据访问及统计分析性能而进行的基于负载驱动的性能优化。为了构建健康数据库的整体存储架构,完成ETL过程的实现与优化,设计实现了增量数据捕获方法,并利用混合高斯模型(GMM)进行异常数据的检测,借助PDI(Pehtaho Data Integration)工具实现了ETL自动化的过程。同时,设计实现了一种数据解析方法,优化PDI默认解析效率;改变了原来的轮询分区,增加了一种自定义的数据分区方式。另一方面,对Hive与spark sql进行了基于统计分析功能的性能比较与优化,以实现更高效的数据访问。本文的研究内容是包含以下几点:(1)健康数据库存储架构的设计。分析与测试了MongoDB数据库的运行机制、存储架构及同步机制,及其对不同场景的适用情况,同时对MongoDB连接spark sql进行性能测试分析,并与Hive进行比较,通过上述测试分析,设计并确定健康数据库的整体存储架构。(2)健康数据库存储架构的实现。设计并实现了MongoDB增量数据捕获方法OBMCDC,其基于MongoDB的操作日志(oplog)实现增量数据捕获,避免了增量数据捕获步骤中对源数据的改变或者对源数据的特定格式的要求,同时不会对原生业务造成干扰;实现了利用高斯混合模型进行异常数据检测的方法,及利用PDI工具实现了ETL自动化过程。设计实现了DataParse数据解析方式及UDM分区方法。DataParse数据解析方式对MongoDB的数据查询结果进行序列化,对所需各个字段的路径进行分析,减少数据解析过程中的按字段解析再重组成行的重组过程,从而实现对PDI默认解析过程的优化;PDI默认只支持轮询的分区方式,增加一种新的分区方法UDM分区方法,按照用户定义的方式让逻辑相邻的数据分到一个分区,这样使得统计查询时减少分区之间的数据分化,优化了性能。(3)健康数据库高效数据访问的实现。设计实现了对Hive、spark sql的数据访问及统计分析的性能优化。设计实现了对数据倾斜现象的处理方案,并从join策略,MapReduce数目设置等方面进行了优化,对Hive、spark sql不同场景的性能进行了比较,采用不同的查询请求(聚合、指定字段查询、连接),分别从文件格式、压缩方法等方面,分析了各种文件存储形式及压缩选择的应用场景。

关键词： ETL MongoDB Hive spark sql 增量数据捕获分区

来源：评论

学校读者我要写书评

暂无评论

广告投放数据管理平台的设计与实现

广告投放数据管理平台的设计与实现

引用

作者：石路遥北京交通大学

学位级别：硕士

在互联网广告产业,大数据对广告企业的影响越来越大。数据管理平台是互联网广告体系中非常重要的一部分,营销者通过大数据分析消费者的采购行为,可以将广告更有针对性地传达给“刚需客户”。网站管理者能弄清网站用户的访问行为和喜好,... 详细信息

在互联网广告产业,大数据对广告企业的影响越来越大。数据管理平台是互联网广告体系中非常重要的一部分,营销者通过大数据分析消费者的采购行为,可以将广告更有针对性地传达给“刚需客户”。网站管理者能弄清网站用户的访问行为和喜好,将内容更有针对性地推送给用户,提高用户访问的粘性,增大网站的流量。此外,数据管理平台提供了多维度的查询接口,让广告主和运营人员能够实时的查看数据效果展示。论文选题来源于亚信科技有限公司大数据部门的实际应用,设计和实现了广告投放数据管理平台。本文根据现有的业务状况对平台进行了详细的需求分析,包括功能点的划分、功能性和非功能性需求分析；从平台架构,平台拓扑和平台构建三个角度进行了概要设计,详细说明了平台本身的三层架构和对其他服务的依赖情况以及线上的服务器部署情况;针对各个功能模块进行详细设计,对其中重要的模块做了流程说明和类设计,并明确了各个功能点在实现中方法的调用关系；为了提供更好的灵活性和可维护性,平台采用了商业系统传统的B/S架构,并使用JavaEE进行开发；数据库使用了Mysql数据库：前端使用了j Query框架进行开发。为了支持海量日志的快速收集和统计,平台采用了Hadoop、spark等分布式并行计算框架。为了提高查询效率,平台大量的使用了Hive、spark sql和缓存等方式提高性能。本人在项目中完成了从需求分析到设计开发,再到项目部署上线的全过程,其中主要工作包括：多种任务调度、日志收集、日志处理、数据查询展示、人群管理、人群洞察、动态素材各个模块的功能设计、开发,以及性能的优化。数据管理平台采用敏捷开发的方式,已经开发并上线了八个版本,数据管理平台的现阶段需求提出的所有功能均已经上线。在这八个版本中除了功能的增加,性能方面也逐步的提高,最新版本目前已经稳定运行了近两个月,为进行广告投放的需求方平台提供了重要的数据支持。从数据角度来看,通过数据管理平台,需求方平台的广告投放的效果得到增强,并通过直观的数据展示,也让更多的广告主认可了广告投放平台,通过数据的应用为广告主和公司创造了收益。

关键词：广告数据管理平台 spark Hadoop spark sql Hive JavaEE

来源：评论

学校读者我要写书评

暂无评论

基于spark的电网大数据统计中等值连接问题的优化及其应用

基于Spark的电网大数据统计中等值连接问题的优化及其应用

引用

作者：皮兴杰重庆大学

学位级别：硕士

随着互联网技术飞速发展,在电子商务、科学研究、社交平台等诸多领域,数据规模、数据种类正在极速增长,大数据的时代已然来临。在电网领域,随着物联网的发展,传感器的大量应用,监控采集到的数据也越来越庞大。由于数据规模大,数据类型多... 详细信息

随着互联网技术飞速发展,在电子商务、科学研究、社交平台等诸多领域,数据规模、数据种类正在极速增长,大数据的时代已然来临。在电网领域,随着物联网的发展,传感器的大量应用,监控采集到的数据也越来越庞大。由于数据规模大,数据类型多,数据处理时效性高,传统的数据处理技术无法满足技术要求。针对电网大数据的统计分析,急需大数据技术的支持。spark是一个新兴、高效的大数据计算框架,它提供有丰富的组件及API,支持流式数据的处理、图计算、机器学习及sql查询。在电网大数据的统计分析中,涉及大表之间的关联操作。spark中采用join操作对两表进行关联,关联过程中会有大量不符合条件的数据与Shuffle操作,导致join的效率不高。本文针对spark中join操作的低效问题和电网大数据统计分析的实际应用问题,首先,提出一种基于BloomFilter过滤再分区的算法,通过这种方式预先过滤掉大部分不符合条件的连接数据,然后针对数据倾斜的问题进行再分区,充分发挥各节点的计算资源,最大程序上优化join过程,从而提高程序的整体效率。最后,本文在国家电网重庆供电公司调控中心的统计业务需求背景下,结合spark及spark sql提出了一个电网数据处理模型,通过与J2EE Web技术整合,实现了电网数据的采集、计算分析和展示。

关键词： spark spark sql 等值连接电网大数据

来源：评论

学校读者我要写书评

暂无评论

汽车行业大数据分析系统设计与实现

汽车行业大数据分析系统设计与实现

引用

作者：董亚博北京交通大学

学位级别：硕士

随着我国的经济发展,汽车行业也在蓬勃发展,各大车企在广告投入上日益增长,经过对互联网汽车营销行业的深入调研,我们发现传统的4A广告公司的商业咨询通过线下问卷调查、访谈等方式进行,投入高产出低,费力、费时、费财。为了迅速深入了... 详细信息

随着我国的经济发展,汽车行业也在蓬勃发展,各大车企在广告投入上日益增长,经过对互联网汽车营销行业的深入调研,我们发现传统的4A广告公司的商业咨询通过线下问卷调查、访谈等方式进行,投入高产出低,费力、费时、费财。为了迅速深入了解市场的需要,掌握品牌在市场中的声量及品牌形象,了解竞品销售价格及优惠策略,为车企提供实时的营销数据,汽车营销行业需要更为高效的商业咨询,所以传统的商业咨询方式越来越不满足现在的需求了。汽车行业大数据分析系统的研发打破了传统车企商业咨询的模式,为车企提供实时的市场信息、品牌形象、以及用户画像,目前平台涵盖市场分析、产品分析、受众分析三大模块,市场分析模块包含销量分析、竞争分析、价格及促销四个功能,快速掌握市场声量变化,市场占有表现,竞争态势及其变化,本竞品价格走势及不同地区价格监测。产品分析模块包含产品评价、产品形象、购买与放弃原因三个功能,真实反馈用户对产品的理性评分、感性评价、满意点、抱怨点,定位用户心目中的车型形象,还原购买决策场景中的购买原因及放弃原因。受众分析模块包含用户画像、移动触媒两个功能,可实现快速获得受众基本信息画像、地域分析;深入了解用户使用应用软件的习惯从而助力营销渠道选择。首先,本文阐述了项目的背景及意义,发现将大数据分析应用于汽车营销是一个未被深入研究的领域。其次,介绍了系统实现过程中主要使用到的各项计算机科学和软件工程的技术,包括spark sql、自然语言处理、SpringMVC、Mybatis等。再次笔者收集并分析车企需求,对系统进行了需求分析,将系统划分为市场、产品、受众三个模块,最后,根据需求文档设计系统整体架构,同时进行详细设计,数据库设计。经过编码实现后,对系统进行功能测试、性能测试。目前,本系统以通过全面测试并以上线交付用户使用。切实解决了车企实时准确的获取市场营销数据的需求。

关键词：自然语言处理汽车营销数据分析 spark sql

来源：评论

学校读者我要写书评

暂无评论

基于spark系统的查询分析及优化研究

基于Spark系统的查询分析及优化研究

引用

作者：张雷北京交通大学

学位级别：硕士

当前,我们正处在大数据时代,信息的爆炸式增长使得传统的技术架构无法满足海量数据的处理需求,大数据平台的研究与发展在这种环境下应运而生。Hadoop的诞生使人们开始关注MapReduce这一计算模式,并且去寻找性能更加好的大数据平台。Spar... 详细信息

当前,我们正处在大数据时代,信息的爆炸式增长使得传统的技术架构无法满足海量数据的处理需求,大数据平台的研究与发展在这种环境下应运而生。Hadoop的诞生使人们开始关注MapReduce这一计算模式,并且去寻找性能更加好的大数据平台。spark计算框架通过引入RDD(弹性分布式数据集)数据模型和基于内存的运算模式,使其与Hadoop相比有更好的适用性。spark大数据平台在关系查询的性能方面远远高于MapReduce集群,这是因为spark sql模块集成了关系处理和spark的功能编程API,在MapReduce集群中无法执行的sql语句和数据实时分析在spark sql中可以得到很好的执行。但伴随着用户量和数据量的不断增大,spark sql在表间关联查询中的Join操作性能较差,严重影响了spark的应用。首先,本文重点研究基于spark系统的spark sql模块中的优化器Catalyst,探讨了优化器Catalyst的运行机制,分析了优化器Catalyst处理查询语句的整个过程,并对查询语句的解析、绑定、优化和生成物理计划等方面进行深入全面的解析。其次,在吸取其他研究者的优秀策略以及spark sql自身提供的Broadcast Join和Hash Join的基础之上,针对spark系统的大表间等值连接操作提出一种基于Partial Bloom Filter的spark Join优化方案,该spark Join优化方案能较好的预先过滤掉表中大部分不符合连接条件的记录,使Shuffle阶段的数据量明显降低,从而有效地提高大表间等值连接的性能。最后,对本文提出的基于Partial Bloom Filter的spark Join优化方案与sparksql自身提供的Hash Join连接操作进行了实验测试,并对两种方案的网络通信开销,磁盘I/O开销,时间消耗等数据指标进行了分析。实验结果表明,本文提出的基于Partial Bloom Filter的spark Join优化方案,通过在Shuffle阶段前进行数据表的预过滤操作,降低了大表间连接操作的网络通信开销、磁盘I/O开销以及时间消耗,提高了大表间等值连接操作的效率。

关键词： spark spark sql 优化器Catalyst 等值连接 Partial Bloom Filter Shuffle Hash Join

来源：评论

学校读者我要写书评

暂无评论

基于高速网络的数据倾斜性能优化研究

基于高速网络的数据倾斜性能优化研究

引用

作者：贺泽宇华东师范大学

学位级别：硕士

硬件技术的不断发展推动了数据处理系统的更新迭代。在计算方面,现代CPU多核、众核技术的成熟让大多数据处理系统选择采用数据分区的方式实现并行计算,从而充分发挥CPU的性能。在存储方面,大容量内存集群让数据处理系统可以在处理数据前... 详细信息

硬件技术的不断发展推动了数据处理系统的更新迭代。在计算方面,现代CPU多核、众核技术的成熟让大多数据处理系统选择采用数据分区的方式实现并行计算,从而充分发挥CPU的性能。在存储方面,大容量内存集群让数据处理系统可以在处理数据前,通过提前将数据集导入内存的方式,避免传统磁盘带来的I/O瓶颈,大幅提高了处理的性能。在网络方面,随着RDMA技术的成熟,它在现代的数据中心逐渐普及,利用其高带宽低时延的特性可以有效地解决分布式系统中经典的网络瓶颈难题。数据倾斜问题一直是影响系统执行性能的重要因素之一,因此在当前硬件迅速发展的背景下,对数据倾斜问题进行重新分析研究,是一个值得探索的课题。当数据倾斜发生时,它会导致数据集在被系统导入内存后生成的数据分区大小不一致,负责处理较大数据分区的执行任务往往会成为整个执行阶段的性能瓶颈,这降低了整个执行的性能。传统的数据倾斜解决方案大多基于采样和重新分区的方式,对于采样来说,很难在精确度和引入的计算开销中进行权衡,而重新分区的方式往往需要暂停整个执行阶段,然后对数据进行重新分布。这两种方式都会带来额外的开销,所以本文重新分析了数据倾斜状态下的分布式执行方式,并在Apache spark系统上实现了设计的优化方案,加速了spark sql库在数据倾斜状态下的执行性能,主要的工作和贡献如下:(1)本文提出了一种对上层用户透明并且轻量级的动态执行优化方案来处理节点内的数据倾斜问题。该优化的核心思想基于数据偷取,在数据倾斜状态下,令负责处理较小数据分区的执行任务处理完自己的分区数据后,主动从负责处理较大数据分区的执行任务中偷取数据并且进行处理。(2)在动态执行优化的基础上,本文对节点内和节点间的数据倾斜问题进行了进一步的分析,提出了两阶段数据偷取DS2来同时解决节点内和节点间的数据倾斜问题,基本思路是优先解决节点内的数据倾斜问题,然后再借助RDMA网络来解决节点间的数据倾斜问题。DS2一共包括三个阶段,分别是将数据从磁盘导入到内存的导入阶段,生成执行任务的任务生成阶段和开始处理数据的数据处理阶段。通过对这三个阶段的优化,DS2可以应对不同的执行算子以及不同数据倾斜程度导致的不同数据分布。(3)考虑到RDMA高速网络的特性和远端数据偷取的具体场景,本文设计了一个结合RDMA单边操作和双边操作的远端数据偷取方案,它充分利用了RDMA单边操作和双边操作的特点,提高了节点间数据偷取的执行效率。(4)本文在Apache spark的基础上实现了一个可以运行的系统原型spark-DS2,并通过在spark sql库上运行不同数据倾斜程度的负载,对其进行了全面的性能测试。综上所述,本文对分布式环境中节点内和节点间的数据倾斜问题进行了研究,并结合RDMA高速网络提出了两阶段数据偷取DS2,它从数据导入阶段,任务生成阶段和数据处理阶段对数据倾斜状态下的分布式数据处理进行了优化。本文在Apache spark系统中对DS2进行了实现,并通过实验证明了该方案可以有效提升spark sql库在数据倾斜负载下的执行性能。

关键词：数据倾斜 spark sql 数据偷取分布式计算 RDMA

来源：评论

学校读者我要写书评

暂无评论

基于spark的交通监控目标大数据分析系统的设计与实现

基于Spark的交通监控目标大数据分析系统的设计与实现

引用

作者：李妍北京邮电大学

学位级别：硕士

近年来,大数据出现的频率越来越高,很多行业和领域在大数据相关技术的帮助下取得了突破性的进展。交通作为人类行为的重要组成和重要条件之一,对于大数据的感知也是最急迫的。每日在城市中穿梭的车辆就隐藏着巨大的信息。然而目前来看... 详细信息

近年来,大数据出现的频率越来越高,很多行业和领域在大数据相关技术的帮助下取得了突破性的进展。交通作为人类行为的重要组成和重要条件之一,对于大数据的感知也是最急迫的。每日在城市中穿梭的车辆就隐藏着巨大的信息。然而目前来看智能交通的潜在价值还没有得到有效挖掘。在上述背景下,针对交通大数据分析系统的研究和应用应运而生。传统的数据分析系统在海量数据存储分析方面存在明显的性能瓶颈,并且单台计算机有限的内存与CPU已无法完成对大数据的处理。对比目前广泛运用于大数据分析的Hadoop的MapReduce分布式计算框架,本文采用的基于RDD(弹性分布式数据集)和内存计算模型的spark分布式计算框架具有更好的适用性。本文以交通监控目标信息数据为基础,完成了基于spark的交通监控目标大数据分析系统的设计与实现。本文首先对大数据的理论和关键技术进行了深入的研究,详细描述了系统的设计分析思路,包括系统架构和功能模块的设计。在功能模块的设计中主要考虑包括海量的数据的接入、存储、分析、展示等问题。然后在此基础上开发了基于spark的交通大数据分析系统,为交通领域的数据挖掘提供了系统支持。接着本文详细描述了系统在进行数据分析过程中遇到性能瓶颈的原因,同时提出了一个基于代价和Bloom Filter算法的关联优化方案。除此之外还针对分布式消息队列提出了一种优化的配置方案,使系统的吞吐量达到最大化。最后设计了相关实验,经过大量真实数据的实验,验证了本文所提方案的有效性,并在优化后取得了很好的效果。

关键词：大数据分析交通监控目标 Kafka spark sql 代价优化

来源：评论

学校读者我要写书评

暂无评论

基于sql模版的大数据批处理设计与实现

引用

沈阳工程学院学报（自然科学版） 2022年第2期18卷 90-96页

作者：曾姣艳高宋俤曾美艳福州外语外贸学院大数据学院福建福州350003 福州悟理妙信息科技有限公司福建福州350003 郴州职业技术学院湖南郴州423000

大数据的组件种类繁多,选择合适的组件及其调用方式能极大地降低大数据平台的使用成本。基于sql模版的大数据处理平台,让业务方仅需掌握sql语句就可以选择平台底层不同的计算引擎完成数据分析工作。平台选用了基于ANTLR解析sql的大数据... 详细信息

大数据的组件种类繁多,选择合适的组件及其调用方式能极大地降低大数据平台的使用成本。基于sql模版的大数据处理平台,让业务方仅需掌握sql语句就可以选择平台底层不同的计算引擎完成数据分析工作。平台选用了基于ANTLR解析sql的大数据组件——Hive、sparksql、Presto来作为底层批处理和即席查询的计算引擎,利用ANTLR工具实现了对sql语句二次解析和定制化开发工作,解决了业务方数据权限的难题。平台架构从上往下分为数据拉取层、sql语句解析路由层及底层计算引擎和分布式存储层,使用Airflow组件作为作业调度,利用sql语句模版完成了数据拉取、数据质量监控和业务方数据分析处理的工作,极大地降低了业务方的技术成本,简化了大数据平台搭建及二次开发的复杂度。

关键词：大数据平台 sql模版 Hive spark sql Presto ANTLR Airflow

来源：评论

学校读者我要写书评

暂无评论

CarbonData在网络安全日志分析场景下的性能评估

引用

科学技术创新 2024年第5期 99-105页

作者：黄必栋南京铁道职业技术学院智能工程学院江苏南京

本文针对企业网络安全日志分析场景,采用实际网络安全日志数据,设计建表和测试方法,使用大数据引擎spark sql和Presto对索引行列混合式数据格式CarbonData进行了性能评估。通过测试得出,基于spark sql+CarbonData方案的数据查询和统计... 详细信息

本文针对企业网络安全日志分析场景,采用实际网络安全日志数据,设计建表和测试方法,使用大数据引擎spark sql和Presto对索引行列混合式数据格式CarbonData进行了性能评估。通过测试得出,基于spark sql+CarbonData方案的数据查询和统计效率较高,能满足多种数据处理和分析要求,适用于网络安全日志分析应用。本文为企业网络安全日志分析方案的技术选型和设计提供参考。

关键词： CarbonData spark sql 性能评估安全日志分析

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：