百度360必应搜狗淘宝本站头条
mqtt服务器xftp6mybatiscollectionkeyerrorc#var
当前位置：网站首页 > 热门文章 > 正文

大数据框架开发基础之Sqoop入门

bigegpt 2024-09-14 00:15 10 浏览

Sqoop是一款开源的工具，主要用于在Hadoop(Hive)与传统的数据库(mysql、postgresql...)间进行数据的传递，可以将一个关系型数据库（例如 ： MySQL ,Oracle ,Postgres等）中的数据导进到Hadoop的HDFS中，也可以将HDFS的数据导进到关系型数据库中。

Sqoop的基本认知

原理将导入或导出命令翻译成mapreduce程序来实现。在翻译出的mapreduce中主要是对inputformat和outputformat进行定制。安装Sqoop的安装也很简单，首先我们需要有有一个https://gitee.com/sun-iot/sun-iot-source/blob/master/img/bigdata/sqoop/sqoop-1.4.7.bin__hadoop-2.6.0.tar.gz，这个包老夫也提供了。我们在如下目录中:

drwxr-xr-x 2 corp corp    4096 Dec 19  2017 bin
-rw-rw-r-- 1 corp corp   55089 Dec 19  2017 build.xml
-rw-rw-r-- 1 corp corp   47426 Dec 19  2017 CHANGELOG.txt
-rw-rw-r-- 1 corp corp    9880 Dec 19  2017 COMPILING.txt
drwxr-xr-x 2 corp corp    4096 Dec 19  2017 conf
drwxr-xr-x 5 corp corp    4096 Dec 19  2017 docs
drwxr-xr-x 2 corp corp    4096 Dec 19  2017 ivy
-rw-rw-r-- 1 corp corp   11163 Dec 19  2017 ivy.xml
drwxr-xr-x 2 corp corp    4096 Dec 19  2017 lib
-rw-rw-r-- 1 corp corp   15419 Dec 19  2017 LICENSE.txt
-rw-rw-r-- 1 corp corp     505 Dec 19  2017 NOTICE.txt
-rw-rw-r-- 1 corp corp   18772 Dec 19  2017 pom-old.xml
-rw-rw-r-- 1 corp corp    1096 Dec 19  2017 README.txt
-rw-rw-r-- 1 corp corp 1108073 Dec 19  2017 sqoop-1.4.7.jar
-rw-rw-r-- 1 corp corp    6554 Dec 19  2017 sqoop-patch-review.py
-rw-rw-r-- 1 corp corp  765184 Dec 19  2017 sqoop-test-1.4.7.jar
drwxr-xr-x 7 corp corp    4096 Dec 19  2017 src
drwxr-xr-x 4 corp corp    4096 Dec 19  2017 testdata

我们进入到 conf/ 目录下，先修改文件 sqoop-env.sh

export HADOOP_COMMON_HOME=/opt/module/hadoop-2.7.2
export HADOOP_MAPRED_HOME=/opt/module/hadoop-2.7.2
export HIVE_HOME=/opt/module/apache-hive-1.2.1
export ZOOKEEPER_HOME=/opt/module/zookeeper-3.4.10
export ZOOCFGDIR=/opt/module/zookeeper-3.4.10
export HBASE_HOME=/opt/module/hbase-1.1.2

再将我们的JDBC的驱动拷贝到 sqoop的 lib/ 下

cp mysql-connector-java-5.1.27-bin.jar /opt/module/sqoop-1.4.7/lib/

我们可以通过某一个command来验证sqoop配置是否正确：

bin/sqoop help

Available commands:
  codegen            Generate code to interact with database records
  create-hive-table  Import a table definition into Hive
  eval               Evaluate a SQL statement and display the results
  export             Export an HDFS directory to a database table
  help               List available commands
  import             Import a table from a database to HDFS
  import-all-tables  Import tables from a database to HDFS
  import-mainframe   Import datasets from a mainframe server to HDFS
  job                Work with saved jobs
  list-databases     List available databases on a server
  list-tables        List available tables in a database
  merge              Merge results of incremental imports
  metastore          Run a standalone Sqoop metastore
  version            Display version information

测试Sqoop能否连接到MySQL

bin/sqoop list-databases --connect jdbc:mysql://hadoop101:3306/ --username root --password 000000

# 出现下面的标识连接成功了
information_schema
amon
azkaban
cm
corp-ci
hive
hue
metastore
mysql
oozie
performance_schema
telecom-customer-service
test


Sqoop的连接案例


导入数据

Note: 在Sqoop中，“导入”概念指：从非大数据集群（RDBMS）向大数据集群（HDFS，HIVE，HBASE）中传输数据，叫做：导入，即使用import关键字。

RDBMS到HDFS

1) 确定Mysql服务开启正常2) 在Mysql中新建一张表并插入一些数据下面是老夫之前在数据库中就已经存在的数据，在140W+

全部导入


bin/sqoop import \
--connect jdbc:mysql://hadoop101:3306/sun-iot \
--username root \
--password 000000 \
--table telecom-customer-service \
--target-dir /user/telecom-customer-service \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t"
查询导入


bin/sqoop import \
--connect jdbc:mysql://hadoop101:3306/sun-iot \
--username root \
--password 000000 \
--target-dir /user/telecom-customer-service \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--query 'select call1,call2,date_time,duration from telecom-customer-service where id <=1 and $CONDITIONS;'

Note:

提示：must contain '$CONDITIONS' in WHERE clause.

如果query后使用的是双引号，则$CONDITIONS前必须加转移符，防止shell识别为自己的变量。

导入指定列


bin/sqoop import \
--connect jdbc:mysql://hadoop101:3306/sun-iot \
--username root \
--password 000000 \
--target-dir /user/sun-iot \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--columns id,call1,calla_name,call2,call2_name,date_time,duration \
--table telecom-customer-service
删选关键字导入


bin/sqoop import \
--connect jdbc:mysql://hadoop101:3306/sun-iot \
--username root \
--password 000000 \
--target-dir /user/sun-iot \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--table telecom-customer-service \
--where "id=1"

RDBMS到Hive


bin/sqoop import \
--connect jdbc:mysql://hadoop101:3306/sun-iot \
--username root \
--password 000000 \
--table telecom-customer-service \
--num-mappers 1 \
--hive-import \
--fields-terminated-by "\t" \
--hive-overwrite \
--hive-table sun_iot.telecom_customer_service

Note: 提示：该过程分为两步，第一步将数据导入到HDFS，第二步将导入到HDFS的数据迁移到Hive仓库，第一步默认的临时目录是/user/corp/表名

RDBMS到Hbase


bin/sqoop import \
--connect jdbc:mysql://hadoop101:3306/sun-iot \
--username root \
--password 000000 \
--table telecom-customer-service \
--columns "id,call1,call1_name,call2,call2_name,date_time,date_time_ts,duration" \
--column-family "info" \
--hbase-create-table \
--hbase-row-key "id,call1,call2" \
--hbase-table "telecom_customer_service" \
--num-mappers 1


导出

在Sqoop中，“导出”概念指：从大数据集群（HDFS，HIVE，HBASE）向非大数据集群（RDBMS）中传输数据，叫做：导出，即使用export关键字。

bin/sqoop export \
--connect jdbc:mysql://hadoop101:3306/sun-iot \
--username root \
--password 000000 \
--table telecom-customer-service \
--num-mappers 1 \
--export-dir /user/hive/warehouse/telecom-customer-service \
--input-fields-terminated-by "\t"


Sqoop一些常用命令及参数


常用命令列举

这里给大家列出来了一部分Sqoop操作时的常用参数，以供参考，需要深入学习的可以参看对应类的源代码。

序号 命令
类
说明
1
import
ImportTool
将数据导入到集群
2
export
ExportTool
将集群数据导出
3
codegen
CodeGenTool
获取数据库中某张表数据生成Java并打包Jar
4
create-hive-table CreateHiveTableTool 创建Hive表
5
eval
EvalSqlTool
查看SQL执行结果
6
import-all-tables ImportAllTablesTool 导入某个数据库下所有表到HDFS中
7
job
JobTool
用来生成一个sqoop的任务，生成后，该任务并不执行，除非使用命令执行该任务。 8
list-databases
ListDatabasesTool
列出所有数据库名
9
list-tables
ListTablesTool
列出某个数据库下所有表
10
merge
MergeTool
将HDFS中不同目录下面的数据合在一起，并存放在指定的目录中
11
metastore
MetastoreTool
记录sqoop job的元数据信息，如果不启动metastore实例，则默认的元数据存储目录为：~/.sqoop，如果要更改存储目录，可以在配置文件sqoop-site.xml中进行更改。 12
help
HelpTool
打印sqoop帮助信息
13
version
VersionTool
打印sqoop版本信息


命令&参数详解

刚才列举了一些Sqoop的常用命令，对于不同的命令，有不同的参数，让我们来一一列举说明。

首先来我们来介绍一下公用的参数，所谓公用参数，就是大多数命令都支持的参数。

公用参数：数据库连接


序号 参数
说明
1
--connect
连接关系型数据库的URL
2
--connection-manager 指定要使用的连接管理类 3
--driver
Hadoop根目录
4
--help
打印帮助信息
5
--password
连接数据库的密码
6
--username
连接数据库的用户名
7
--verbose
在控制台打印出详细信息


公用参数：import


序号 参数
说明
1
--enclosed-by
给字段值前加上指定的字符
2
--escaped-by
对字段中的双引号加转义符
3
--fields-terminated-by
设定每个字段是以什么符号作为结束，默认为逗号
4
--lines-terminated-by
设定每行记录之间的分隔符，默认是n
5
--mysql-delimiters
Mysql默认的分隔符设置，字段之间以逗号分隔，行之间以n分隔，默认转义符是，字段值以单引号包裹。 6
--optionally-enclosed-by 给带有双引号或单引号的字段值前后加上指定字符。


公用参数：export


序号 参数
说明
1
--input-enclosed-by
对字段值前后加上指定字符
2
--input-escaped-by
对含有转移符的字段做转义处理
3
--input-fields-terminated-by
字段之间的分隔符
4
--input-lines-terminated-by
行之间的分隔符
5
--input-optionally-enclosed-by 给带有双引号或单引号的字段前后加上指定字符


公用参数：hive


序号 参数
说明
1
--hive-delims-replacement 用自定义的字符串替换掉数据中的rn和013 010等字符
2
--hive-drop-import-delims
在导入数据到hive时，去掉数据中的rn013010这样的字符
3
--map-column-hive
生成hive表时，可以更改生成字段的数据类型
4
--hive-partition-key
创建分区，后面直接跟分区名，分区字段的默认类型为string
5
--hive-partition-value
导入数据时，指定某个分区的值
6
--hive-home
hive的安装目录，可以通过该参数覆盖之前默认配置的目录
7
--hive-import
将数据从关系数据库中导入到hive表中
8
--hive-overwrite
覆盖掉在hive表中已经存在的数据
9
--create-hive-table
默认是false，即，如果目标表已经存在了，那么创建任务失败。 10
--hive-table
后面接要创建的hive表,默认使用MySQL的表名
11
--table
指定关系数据库的表名

公用参数介绍完之后，我们来按照命令介绍命令对应的特有参数。

命令&参数：import

将关系型数据库中的数据导入到HDFS（包括Hive，HBase）中，如果导入的是Hive，那么当Hive中没有对应表时，则自动创建。

1) 命令：

如：导入数据到hive中

bin/sqoop import \
--connect jdbc:mysql://hadoop101:3306/sun-iot \
--username root \
--password 000000 \
--table staff \
--hive-import

如：增量导入数据到hive中，mode=append

 bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff \
--num-mappers 1 \
--fields-terminated-by "\t" \
--target-dir /user/hive/warehouse/staff_hive \
--check-column id \
--incremental append \
--last-value 3

尖叫提示： append不能与--hive-等参数同时使用（Append mode for hive imports is not yet supported. Please remove the parameter --append-mode）

如：增量导入数据到hdfs中，mode=lastmodified

# 先在mysql中建表并插入几条数据：
mysql> create table company.staff_timestamp(id int(4), name varchar(255), sex varchar(255), last_modified timestamp DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP);
mysql> insert into company.staff_timestamp (id, name, sex) values(1, 'AAA', 'female');
mysql> insert into company.staff_timestamp (id, name, sex) values(2, 'BBB', 'female');

# 先导入一部分数据：
$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff_timestamp \
--delete-target-dir \
--m 1

# 再增量导入一部分数据：
mysql> insert into company.staff_timestamp (id, name, sex) values(3, 'CCC', 'female');

$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff_timestamp \
--check-column last_modified \
--incremental lastmodified \
--last-value "2017-09-28 22:20:38" \
--m 1 \
--append

尖叫提示：使用lastmodified方式导入数据要指定增量数据是要--append（追加）还是要--merge-key（合并）尖叫提示：last-value指定的值是会包含于增量导入的数据中

2) 参数：


序号 参数
说明
1
--append
将数据追加到HDFS中已经存在的DataSet中，如果使用该参数，sqoop会把数据先导入到临时文件目录，再合并。 2
--as-avrodatafile
将数据导入到一个Avro数据文件中
3
--as-sequencefile
将数据导入到一个sequence文件中
4
--as-textfile
将数据导入到一个普通文本文件中
5
--boundary-query
边界查询，导入的数据为该参数的值（一条sql语句）所执行的结果区间内的数据。 6
--columns
指定要导入的字段
7
--direct
直接导入模式，使用的是关系数据库自带的导入导出工具，以便加快导入导出过程。 8
--direct-split-size
在使用上面direct直接导入的基础上，对导入的流按字节分块，即达到该阈值就产生一个新的文件 9
--inline-lob-limit
设定大对象数据类型的最大值
10
--m或–num-mappers
启动N个map来并行导入数据，默认4个。
11
--query或--e
将查询结果的数据导入，使用时必须伴随参--target-dir，--hive-table，如果查询中有where条件，则条件后必须加上$CONDITIONS关键字 12
--split-by
按照某一列来切分表的工作单元，不能与--autoreset-to-one-mapper连用（请参考官方文档） 13
--table
关系数据库的表名
14
--target-dir
指定HDFS路径
15
--warehouse-dir
与14参数不能同时使用，导入数据到HDFS时指定的目录
16
--where
从关系数据库导入数据时的查询条件
17
--z或--compress
允许压缩
18
--compression-codec
指定hadoop压缩编码类，默认为gzip(Use Hadoop codec default gzip) 19
--null-string
string类型的列如果null，替换为指定字符串
20
--null-non-string 非string类型的列如果null，替换为指定字符串
21
--check-column 作为增量导入判断的列名
22
--incremental
mode：append或lastmodified
23
--last-value
指定某一个值，用于标记增量导入的位置


命令&参数：export

从HDFS（包括Hive和HBase）中奖数据导出到关系型数据库中。

1) 命令：

如：

$ bin/sqoop export \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff \
--export-dir /user/company \
--input-fields-terminated-by "\t" \
--num-mappers 1

2) 参数：

序号 参数
说明
1
--direct
利用数据库自带的导入导出工具，以便于提高效率
2
--export-dir
存放数据的HDFS的源目录
3
-m或--num-mappers
启动N个map来并行导入数据，默认4个
4
--table
指定导出到哪个RDBMS中的表
5
--update-key
对某一列的字段进行更新操作
6
--update-mode
updateonly allowinsert(默认)
7
--input-null-string
请参考import该类似参数说明
8
--input-null-non-string 请参考import该类似参数说明
9
--staging-table
创建一张临时表，用于存放所有事务的结果，然后将所有事务结果一次性导入到目标表中，防止错误。 10
--clear-staging-table
如果第9个参数非空，则可以在导出操作执行前，清空临时事务结果表


命令&参数：codegen

将关系型数据库中的表映射为一个Java类，在该类中有各列对应的各个字段。如：

$ bin/sqoop codegen \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff \
--bindir /home/admin/Desktop/staff \
--class-name Staff \
--fields-terminated-by "\t"


序号 参数
说明
1
--bindir
指定生成的Java文件、编译成的class文件及将生成文件打包为jar的文件输出路径 2
--class-name
设定生成的Java文件指定的名称
3
--outdir
生成Java文件存放的路径
4
--package-name
包名，如com.z，就会生成com和z两级目录
5
--input-null-non-string 在生成的Java文件中，可以将null字符串或者不存在的字符串设置为想要设定的值（例如空字符串） 6
--input-null-string
将null字符串替换成想要替换的值（一般与5同时使用）
7
--map-column-java
数据库字段在生成的Java文件中会映射成各种属性，且默认的数据类型与数据库类型保持对应关系。该参数可以改变默认类型，例如：--map-column-java id=long, name=String 8
--null-non-string
在生成Java文件时，可以将不存在或者null的字符串设置为其他值
9
--null-string
在生成Java文件时，将null字符串设置为其他值（一般与8同时使用） 10
--table
对应关系数据库中的表名，生成的Java文件中的各个属性与该表的各个字段一一对应


5.2.8 命令&参数：create-hive-table

生成与关系数据库表结构对应的hive表结构。

命令：如：

bin/sqoop create-hive-table \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff \
--hive-table hive_staff

参数：

序号 参数
说明
1
--hive-home Hive的安装目录，可以通过该参数覆盖掉默认的Hive目录
2
--hive-overwrite
覆盖掉在Hive表中已经存在的数据
3
--create-hive-table 默认是false，如果目标表已经存在了，那么创建任务会失败 4
--hive-table
后面接要创建的hive表
5
--table
指定关系数据库的表名


命令&参数：eval

可以快速的使用SQL语句对关系型数据库进行操作，经常用于在import数据之前，了解一下SQL语句是否正确，数据是否正常，并可以将结果显示在控制台。

命令：

如：

bin/sqoop eval \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--query "SELECT * FROM staff"

参数：

序号 参数
说明
1
--query或--e 后跟查询的SQL语句


命令&参数：import-all-tables

可以将RDBMS中的所有表导入到HDFS中，每一个表都对应一个HDFS目录

命令：

如：

bin/sqoop import-all-tables \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--warehouse-dir /all_tables

参数：

序号 参数
说明
1
--as-avrodatafile
这些参数的含义均和import对应的含义一致 2
--as-sequencefile

3
--as-textfile

4
--direct

5
--direct-split-size
6
--inline-lob-limit

7
--m或—num-mappers

8
--warehouse-dir

9
-z或--compress

10
--compression-codec


命令&参数：job

用来生成一个sqoop任务，生成后不会立即执行，需要手动执行。命令：

如：

bin/sqoop job \
 --create myjob -- import-all-tables \
 --connect jdbc:mysql://hadoop102:3306/company \
 --username root \
 --password 000000
$ bin/sqoop job \
--list
$ bin/sqoop job \
--exec myjob

尖叫提示： 注意import-all-tables和它左边的--之间有一个空格

尖叫提示： 如果需要连接metastore，则--meta-connect jdbc:hsqldb:hsql://linux01:16000/sqoop

参数：

序号 参数
说明
1
--create
创建job参数
2
--delete
删除一个job
3
--exec
执行一个job
4
--help
显示job帮助
5
--list
显示job列表
6
--meta-connect 用来连接metastore服务
7
--show
显示一个job的信息
8
--verbose
打印命令运行时的详细信息

尖叫提示： 在执行一个job时，如果需要手动输入数据库密码，可以做如下优化

<property>
    <name>sqoop.metastore.client.record.password</name>
    <value>true</value>
    <description>If true, allow saved passwords in the metastore.</description>
</property>


命令&参数：list-databases

命令：

如：

bin/sqoop list-databases \
--connect jdbc:mysql://hadoop102:3306/ \
--username root \
--password 000000

参数：与公用参数一样

命令&参数：list-tables

命令：

如：

bin/sqoop list-tables \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000

参数：与公用参数一样

5.2.14 命令&参数：merge

将HDFS中不同目录下面的数据合并在一起并放入指定目录中

数据环境：

new_staff
1       AAA     male
2       BBB     male
3       CCC     male
4       DDD     male
old_staff
1       AAA     female
2       CCC     female
3       BBB     female
6       DDD     female

尖叫提示： 上边数据的列之间的分隔符应该为t，行与行之间的分割符为n，如果直接复制，请检查之。

命令：

如：

创建JavaBean：
$ bin/sqoop codegen \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff \
--bindir /home/admin/Desktop/staff \
--class-name Staff \
--fields-terminated-by "\t"

开始合并：
$ bin/sqoop merge \
--new-data /test/new/ \
--onto /test/old/ \
--target-dir /test/merged \
--jar-file /home/admin/Desktop/staff/Staff.jar \
--class-name Staff \
--merge-key id
结果：
1    AAA    MALE
2    BBB    MALE
3    CCC    MALE
4    DDD    MALE
6    DDD    FEMALE

参数：


序号 参数
说明
1
--new-data
HDFS 待合并的数据目录，合并后在新的数据集中保留
2
--onto
HDFS合并后，重复的部分在新的数据集中被覆盖
3
--merge-key 合并键，一般是主键ID
4
--jar-file
合并时引入的jar包，该jar包是通过Codegen工具生成的jar包 5
--class-name 对应的表名或对象名，该class类是包含在jar包中的
6
--target-dir
合并后的数据在HDFS里存放的目录


命令&参数：metastore

记录了Sqoop job的元数据信息，如果不启动该服务，那么默认job元数据的存储目录为~/.sqoop，可在sqoop-site.xml中修改。

命令：

如：启动sqoop的metastore服务

bin/sqoop metastore

参数：

序号 参数
说明

1 --shutdown 关闭metastore

相关推荐

或者这些Joplin插件也可以帮助你的笔记应用再一次强大

写在前面距离上次分享《搭建私有全平台多端同步笔记，群晖NAS自建JoplinServer服务》已过去一段时间，大家是否开始使用起来了呢？如果你和我一样已经使用过Joplin有一段时间了，那或许你也会...

Three.JS教程4 threejs中的辅助类

一、辅助类简介Three.js提供了一些辅助类（Helpers）以帮助我们更容易地调试、可视化场景中的元素。ArrowHelepr：创建箭头辅助器；AxisHelper：创建坐标轴辅助器；BoxH...

第2章 还记得点、线、面吗(二)（第二章还能敲钟吗）

glbgltf模型(webvrmodel)-gltf模型下载定制,glb模型下载定制,三维项目电商网站在线三维展示,usdz格式,vr模型网,网页VR模型下载,三维模型下载,webgl网页模型下载我...

如何检查Linux系统硬件信息?从CPU到显卡，一网打尽!

你可能会问：“我为什么要关心硬件信息？”答案很简单：硬件是Linux系统的根基，了解它可以帮你解决很多实际问题。比如：性能调优：知道CPU核心数和内存大小，才能更好地调整程序运行参数。故障排查：系统卡...

SpriteJS:图形库造轮子的那些事儿

从2017年到2020年，我花了大约4年的时间，从零到一，实现了一个可切换WebGL和Canvas2D渲染的，跨平台支持浏览器、SSR、小程序，基于DOM结构和支持响应式的，高...

平时积累的FPGA知识点(6)（fpga经典应用100例）

平时在FPGA群聊等积累的FPGA知识点，第六期：1万兆网接口，发三十万包，会出现掉几包的情况，为什么？原因：没做时钟约束，万兆网接口的实现，本质上都是高速serdes，用IP的话，IP会自带约束。...

芯片逻辑调度框架设计 都需要那些那些软件工具

设计芯片逻辑调度框架通常需要使用以下软件工具：1.逻辑设计工具：例如Vivado、Quartus、SynopsysDesignCompiler等，用于设计和实现逻辑电路。2.仿真工具：例如Mo...

ZYNQ与DSP之间EMIF16通信（正点原子领航者zynq之fpga开发指南v3）

本文主要介绍说明XQ6657Z35-EVM高速数据处理评估板ZYNQ与DSP之间EMIF16通信的功能、使用步骤以及各个例程的运行效果。[基于TIKeyStone架构C6000系列TMS320C6...

好课推荐:从零开始大战FPGA（从零开始的冒险4399）

从零开始大战FPGA引子：本课程为“从零开始大战FPGA”系列课程的基础篇。课程通俗易懂、逻辑性强、示例丰富，课程中尤其强调在设计过程中对“时序”和“逻辑”的把控，以及硬件描述语言与硬件电路相对应的“...

业界第一个真正意义上开源100 Gbps NIC Corundum介绍

来源：内容由「网络交换FPGA」编译自「FCCM2020」，谢谢。FCCM2020在5月4日开始线上举行，对外免费。我们有幸聆听了其中一个有关100G开源NIC的介绍，我们对该文章进行了翻译，并对其中...

高层次综合:解锁FPGA广阔应用的最后一块拼图

我们为什么需要高层次综合高层次综合（High-levelSynthesis）简称HLS，指的是将高层次语言描述的逻辑结构，自动转换成低抽象级语言描述的电路模型的过程。所谓的高层次语言，包括C、C++...

Xilinx文档编号及其内容索引(部分)

Xilinx文档的数量非常多。即使全职从事FPGA相关工作，没有几年时间不可能对器件特性、应用、注意事项等等有较为全面的了解。本文记录了我自使用Xilinx系列FPGA以来或精读、或翻阅、或查询过的文...

Xilinx Vivado联合Modelsim软件仿真

引言：Xilinx公司Vivado开发软件自带仿真工具，可以实现一般性能的FPGA软件仿真测试，其测试执行效率以及性能都不如第三方专用仿真软件Modelsim强。本文我们介绍下如何进行Vivado20...

体育动画直播是怎么做出来的?从数据到虚拟赛场的科技魔法!

你是否见过这样的比赛直播？没有真实球员，却能看梅西带球突破？足球比赛变成动画版，但数据100%真实？电竞比赛用虚拟形象直播，选手操作实时同步？这就是体育动画直播——一种融合实时数据、游戏引擎和AI的...

Dialogue between CPC and political parties of neighboring countries held in Beijing

BEIJING,May26(Xinhua)--TheCommunistPartyofChina(CPC)inDialoguewithPoliticalPartiesof...

一周热门
最近发表
标签列表