51CTO博客开发
Global.asax 文件，有时候叫做 ASP.NET 应用程序文件，提供了一种在一个中心位置响应应用程序级或模块级事件的方法。你可以使用这个文件实现应用程序安全性以及其它一些任务。下面让我们详细看一下如何在应用程序开发工作中使用这个文件。 概述 Global.asax 位于应用程序根目录下。虽然 Visual Studio .NET 会自动插入这
先说说Form身份验证思路：假设用户要浏览需要权限的页面，此时，安全机制先启动，检查当前用户请求是否持有用户票据的Cookie如此Cookie存在：解析Cookie中的票据信息，获得用户角色，创建用户标识否则：认为用户无权浏览该页面，跳转至登入页面，登入成功后重定向到所请求页面^-^ 解释下我的文件目录：-> Admin文件(该文件目录下内容用户必登入且角色为"Admin"才可浏览
在数据库市场中，微软的SQL Server是最受关注的产品之一。在数据库知识网站DB-Engines每月公布的数据库流行度排行榜中，SQL Server几乎稳占第二名的位置。但从这个榜单每月的变化中也可以看出，大量NoSQL数据库的排名不断上升，已经开始威胁到传统数据库的地位。 “以不变应万变”不再是大数据时代应有的策略，老牌数据库厂商在保持传统市场领先的基础上，不断拓展新市场，微软就是其中的一
在当将数据写到文件上时，通常该数据先由内核复制到缓存中，如果该缓存尚未写满，则并不将其排入输出队列，而是等待其写满或者当内核需要重用该缓存以便存放其他磁盘块数据时，再将该缓存排入输出队列，然后待其到达队首时，才进行实际的I / O操作。这种输出方式被称之为延迟写。延迟写减少了磁盘读写次数，但是却降低了文件内容的更新速度，使得欲写到文件中的数据在一段时间内并没有写到磁盘上。当系统发生故障时，这种延迟
SSRS中基本所有的聚合函数都有scope参数，它表示计算聚合所基于的上下文。比如我现在有一DataSet1，它包含两列：FullName与Role；然后拖一个Matrix到界面上，其中ROWS上拖ROLE列，然后在Data的一个Cell中应用下面的COUNT函数，不过scope不一样： 就可以得到该Role所有的用户数与总的用户数之比： &
一、红黑树的介绍先来看下算法导论对R-B Tree的介绍：红黑树，一种二叉查找树，但在每个结点上增加一个存储位表示结点的颜色，可以是Red或Black。通过对任何一条从根到叶子的路径上各个结点着色方式的限制，红黑树确保没有一条路径会比其他路径长出俩倍，因而是接近平衡的。红黑树，作为一棵二叉查找树，满足二叉查找树的一般性质。下面，来了解下 二叉查找树的一般性质。二叉查找树二叉查找树，也称有序二叉树（
T检验，亦称student t检验（Student'st test），主要用于①样本含量较小（例如n<30），②总体标准差σ未知的③正态分布资料。t检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。它与z检验、卡方检验并列。T检验分为三种方法：单一样本t检验（One-samplet test），是用来比较一组数据的平均值和一个数值有无差异。例如，你选取了5个人，测定了
在分类资料统计分析中我们常会遇到这样的资料，如两组大白鼠在不同致癌剂作用下的发癌率如下表，问两组发癌率有无差别？ 处理 发癌数 未发癌数 合计 &nbs
三角函数是数学中属于初等函数中的超越函数的一类函数。它们的本质是任意角的集合与一个比值的集合的变量之间的映射。通常的三角函数是在平面直角坐标系中定义的，其定义域为整个实数域。另一种定义是在直角三角形中，但并不完全。现代数学把它们描述成无穷数列的极限和微分方程的解，将其定义扩展到复数系。正弦与正弦函数在直角三角形中，任意一锐角∠A的对边与斜边的比叫做∠A的正弦，记作sinA（由英语sine一词简写得
正如前面文章说道的，SQLServer 2008提供了两种实现变更追踪的功能，本部分主要讨论的是Change Tracking功能。激活ChangeTracking我们可以通过如下的步骤来激活和使用ChangeTracking功能：1. 在数据库级别激活Change Tracking使用下面的语句在数据库上激活该功能(或者在SSMS的属性弹出框中激活)，它的两个参数分别表示变更信息的存活时间以及是
某些应用程序(比如数据仓库系统)十分依赖于源系统的变更数据识别功能，它们期望源系统能够提供一种高效低识别变更数据的能力。在SQLServer 2008之前并没有原生态的解决方案，开发人员不得不通过使用触发器、时间戳以及额外的表来实现该功能，在SQL Server2008之后，数据库提供了两种原生态的特性：Change Tracking(变更追踪)及Change Data Capture(变更数据捕
我们知道所谓ETL步骤其实就是把数据从源系统加载到数据仓库或数据集市的操作，并在此过程中实现数据的清洗及转换。除了数据的清洗转换之外，一次ETL的过程中另一个十分重要的部分就是：本次抽取能不能直接定位到上次数据处理后变动的数据，即增量抽取(IncrementalLoad)。取决于源系统的结构，增量抽取有多种实现方式：1. 源系统
对于任何事物而言，监督都是提高自身的有效手段，BI也是如此。从我个人的经验而言，BI的监督可以分为两类(欢迎拍砖讨论)：运行时监督(Runtime Monitoring)与数据仓库健康状况的监督(DW Healthy Monitoring)：1. 运行时监督所谓运行时监督是指监督数据从数据源到流到数据仓库的过程，通俗来讲就是监督ETL的执行过程。我相信绝大多数的BI系统都具有该功能，区别只在于实现
问题的提出：在对均值进行假设检验时，一般有两种参数检验方法，即t检验与方差分析t检验仅用在单因素(变量)两水平设计（包括配对设计和成组设计）和单组设计（给出一组数据和一个标准值的资料）的定量资料的均值检验场合而方差分析用在单因素k水平设计（k≥3）和多因素设计的定量资料的均值检验场合。应当进一步说明的是，方差分析有十几种，不同的方差分析取决于不同的设计类型值得指出的是有一种不好的倾向，即大多数医学
In statistics, a Contingency Table(also referred to as Cross Tabulationor cross tab) is a type of table in a matrix format that displays the(multivariate) frequency distribution of the categorical var
频数表是将数据集按照某个特定列分类(分组)时观察每个类/组中数据出现次数的表；列联表也是频数表，只不过它会分析的是将数据集按两个或两个以上类别变量联合分组时观察数据在每个分组中出现频数的表，所以又称交叉分类表。简介特殊地，如果我们使用样本数据的两个属性构建列联表，而且每个属性只有两个等级，那么我们会得到两行两列的的列联表，又称2 × 2表或四格表。例如对随机抽取的1000个人按照性别(男/女)及色
独立性检验(Testfor Independence)是根据频数来判断两类因子是彼此独立还是彼此相关的一种假设检验。假如对某一个数据集有X（值域为x1,x2）跟Y（值域为y1,y2）变量，下面是他们的频数表：x1x2汇总y1aba+by2cdc+d汇总a+cb+da+b+c+d我们可以使用独立性检验来了解变量x与y是否有关系，并且能较准确的给出这种判断的可靠程度。具体做法是由上面的频数表计算出随机
协方差分析是建立在方差分析和回归分析基础之上的一种统计分析方法。方差分析是从质量因子(qualitative)的角度探讨因素的不同水平对实验指标影响的差异。一般说来，质量因子是可以人为控制的。回归分析是从数量因子(quantitative)的角度出发，通过建立回归方程来研究实验指标与一个（或几个）因子之间的数量关系。但大多数情况下，数量因子是不可以人为加以控制的。定义在概率论和统计学中
在概率论中，两个随机变量 X 与 Y 之间相互关系，大致有下列3种情况：当 X, Y 的联合分布像上图那样时，我们可以看出，大致上有： X 越大 Y 也越大， X 越小 Y 也越小，这种情况，我们称为“正相关”。当X, Y 的联合分布像上图那样时，我们可以看出，大致上有：X 越大Y 反而越小，X 越小 Y 反而越大，这种情况，我们称为“负相关”。当X, Y 的联合分
科学讲究以简驭繁，它把个体差异定义为个体对群体平均值的距离：个体差异=式中的Xi表示一名个体的一项特质的表现程度，而是一项特质在一个群体里的平均表现程度，比如一个班级或一个年级的数学成绩或音乐成绩等等的平均值；相对于Xi而言，在数学上被假定为是每个Xi都达到的表现程度，因此是个体之间的共同性。于是上面的公式标示了特定个体的特质表现程度扣除了他（她）与别人的共同性后剩下的个人独特性，它在数学上叫作“
离均差平方和(SS - sum of squares of deviation from mean)是统计学中度量离散趋势的重要指标之一，SS越大说明总体的变异程度越大，说明数据离散程度越大。它的计算方式是计算每个观测值与均值的差，将其平方后相加。可以看出，离均差平方和与方差之间的关系，只要对离均差平方和再除以向本的数量，就会得到方差。
方差分析(Analysisof Variance，简称ANOVA)，又称“变异数分析”或“F检验”，是R.A.Fisher发明的，用于两个及两个以上样本均数差别的显著性检验。由于各种因素的影响，研究所得的数据呈现波动状。造成波动的原因可分成两类，一是不可控的随机因素，另一是研究中施加的对结果形成影响的可控因素。简介方差分析是用于两个及两个以上样本均数差别的显著性检验。由于各种因素的影响，研究所得的
在没有真正的数据仓库数据库之前，现在所有的数据仓库其实都只是一个基于维度模型创建的关系型数据库，但是数据仓库数据库本身有一些区别与比如OLTP数据库的独特特性，比如最显著的就是数据量最大的称为事实的表(一般都有百万甚至上亿的数据量)居于连接的中心，其周围是很多的基数比较小的称为维度的表(可能只有几百行数据)，然后居于中心的大数据量的事实表通过外键连接到十几甚至几十个小数据量的维度表。针对数据仓库的
在SSRS提供的众多控件中，最重要的控件是那些与数据集相关联的用于展示数据的控件，如表、矩阵、图形等，我们称这些可以关联到数据集的控件为数据区域(dataregion)。数据区域是可以嵌套的，最常见的是在矩阵中嵌套图表、数据条、火花图等。为了了解嵌套的数据区域是如何展示数据的，我们首先必须知道嵌套数据区域设计的可见数据范围问题，我们使用矩阵作为例子。假如数据集的结构如下，它具有4列，其
简介数据的可视化是数据分析最直观的方式，所以所有的BI系统在其展示层产品上都自带了多重图形控件以方便开发人员以图形的方式展示数据。比如使用折线图展示随时间变化的销售数据，使用柱状图展示2012年不同部门的销售量等，以上的需求都有一个共同的特点，就是一个报表上只会需要一个或两个图表，然后我们在报表更关注的是图表自身所携带的细粒度的数据(比如对于2012年，部门1销售量为1000，部门2销
回归分析（regression analysis)是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，一般地其目标变量是数值型的连续变量。运用十分广泛，回归分析按照涉及的自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一
Sparkline是描述单向趋势的小型嵌入式谱线图，它们通常不包括轴和标记，而仅仅用最简介的方式显示一种变化、变动趋势/形状。它足够的小从而通常是嵌入在文本、单元格或其他图形中。传统的Chart一般会尽量显示尽量多的数据，并且不会跟文本混在一块。而Sparkline的定位是足够简洁、给人印象深刻并且被放置在所讨论的地方而不管是文本还是表格。 通常来说，当报告中包含图形，读者的
Pareto图来自于Pareto定律，该定律认为绝大多数的问题或缺陷产生于相对有限的起因。就是常说的80/20定律，即20%的原因造成80%的问题。它由柱状图和线形图组成，其中柱状图以降序的形式显示一个个的度量值，而线性图则展示累计汇总的值。如下图所示，左侧的垂直数轴表示事件发生的频数、投入或其他度量，右侧的百分比表示度量的累计汇总占总数的百分比。帕累托图的目的是在一系列的因素中突出显示最主要的因
相关分析（correlationanalysis），相关分析是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向以及相关程度，是研究随机变量之间的相关关系的一种统计方法。相关关系是一种非确定性的关系，例如，以X和Y分别记一个人的身高和体重，或分别记每公顷施肥量与每公顷小麦产量，则X与Y显然有关系，而又没有确切到可由其中的一个去精确地决定另一个的程度，这就是相关关系。相关分析与
Copyright © 2005-2025 51CTO.COM 版权所有 京ICP证060544号
