⑴ web項目，地址欄適合傳大數據量的數據嗎

html">看下面的話，就明白了

get和post的區別
2.1安全性
如果用get提交一個驗證用戶名和密碼的form，"一般"認為是不安全的。因為用戶名和密碼將出現在URL上

，進而出現在瀏覽器的歷史記錄中。
顯然，在對安全性有要求的情況下，應該使用post。

2.2編碼
HTML4.01specification(規范)指出，get只能向伺服器發送ASCII字元;
而post則可以發送整個ISO10646中的字元;
（如果指定enctype="multipart/form-data"的話）。

注意get和post對應的enctype屬性有區別。enctype有兩個值，默認值為application/x-www-form-

urlencoded，
而另一個值multipart/form-data只能用於post。

2.3提交的數據的長度
HTTPspecification並沒有對URL長度進行限制，但是IE將請求的URL長度限制為2083個字元，從而限制了

get提交的數據長度。
測試表明如果URL超出這個限制，提交form時IE不會有任何響應。
其它瀏覽器則沒有URL的長度限制，因此其它瀏覽器能通過get提交的數據長度僅受限於伺服器的設置。

IE的url最大長度是2083個字元,可以用於GET傳遞數據的長度是2048個字元,這個數字不小,遠超過256這個

曾經認為無比正確的數字.
另外POST方式傳遞的數據不受這個長度影響,它的值通過瀏覽器header傳輸而不是url.

而對於post，因為提交的數據不在url中，所以通常可以簡單地認為數據長度限制僅受限於伺服器的設置。

2.4緩存
由於一個get得到的結果直接對應到一個URL，所以get的結果頁面有可能被瀏覽器緩存。而post一般則不能

，參考5。

2.5引用和SEO
出於和上面相同的原因，我們可以用一個URL引用一個get的結果頁面，而post的結果則不能，所以必然不

能被搜索引擎搜到。

⑵ elasticsearch 在大數據中能實現哪些功能

由於需要提升項目的搜索質量，最近研究了一下Elasticsearch，一款非常優秀的分布式搜索程序。最開始的一些筆記放到github，這里只是歸納總結一下。
首先，為什麼要使用Elasticsearch？最開始的時候，我們的項目僅僅使用MySQL進行簡單的搜索，然後一個不能索引的like語句，直接拉低MySQL的性能。後來，我們曾考慮過sphinx，並且sphinx也在之前的項目中成功實施過，但想想現在的數據量級，多台MySQL，以及搜索服務本身HA，還有後續擴容的問題，我們覺得sphinx並不是一個最優的選擇。於是自然將目光放到了Elasticsearch上面。
根據官網自己的介紹，Elasticsearch是一個分布式搜索服務，提供Restful API，底層基於Lucene，採用多shard的方式保證數據安全，並且提供自動resharding的功能，加之github等大型的站點也採用 Elasticsearch作為其搜索服務，我們決定在項目中使用Elasticsearch。
對於Elasticsearch，如果要在項目中使用，需要解決如下問題：
索引，對於需要搜索的數據，如何建立合適的索引，還需要根據特定的語言使用不同的analyzer等。
搜索，Elasticsearch提供了非常強大的搜索功能，如何寫出高效的搜索語句？
數據源，我們所有的數據是存放到MySQL的，MySQL是唯一數據源，如何將MySQL的數據導入到Elasticsearch？
對於1和2，因為我們的數據都是從MySQL生成，index的field是固定的，主要做的工作就是根據業務場景設計好對應的mapping以及search語句就可以了，當然實際不可能這么簡單，需要我們不斷的調優。
而對於3，則是需要一個工具將MySQL的數據導入Elasticsearch，因為我們對搜索實時性要求很高，所以需要將MySQL的增量數據實時導入，筆者唯一能想到的就是通過row based binlog來完成。而近段時間的工作，也就是實現一個MySQL增量同步到Elasticsearch的服務。
Lucene
Elasticsearch底層是基於Lucene的，Lucene是一款優秀的搜索lib，當然，筆者以前仍然沒有接觸使用過。:-)
Lucene關鍵概念：
Document：用來索引和搜索的主要數據源，包含一個或者多個Field，而這些Field則包含我們跟Lucene交互的數據。
Field：Document的一個組成部分，有兩個部分組成，name和value。
Term：不可分割的單詞，搜索最小單元。
Token：一個Term呈現方式，包含這個Term的內容，在文檔中的起始位置，以及類型。
Lucene使用Inverted index來存儲term在document中位置的映射關系。
譬如如下文檔：
Elasticsearch Server 1.0 （document 1）
Mastring Elasticsearch （document 2）
Apache Solr 4 Cookbook （document 3）
使用inverted index存儲，一個簡單地映射關系：
Term
Count
Docuemnt

1.0 1 <1>
4 1 <3>
Apache 1 <3>
Cookbook 1 <3>
Elasticsearch 2 <1>.<2>
Mastering 1 <2>
Server 1 <1>
Solr 1 <3>
對於上面例子，我們首先通過分詞演算法將一個文檔切分成一個一個的token，再得到該token與document的映射關系，並記錄token出現的總次數。這樣就得到了一個簡單的inverted index。
Elasticsearch關鍵概念
要使用Elasticsearch，筆者認為，只需要理解幾個基本概念就可以了。
在數據層面，主要有：
Index：Elasticsearch用來存儲數據的邏輯區域，它類似於關系型資料庫中的db概念。一個index可以在一個或者多個shard上面，同時一個shard也可能會有多個replicas。
Document：Elasticsearch裡面存儲的實體數據，類似於關系數據中一個table裡面的一行數據。
document由多個field組成，不同的document裡面同名的field一定具有相同的類型。document裡面field可以重復出現，也就是一個field會有多個值，即multivalued。
Document type：為了查詢需要，一個index可能會有多種document，也就是document type，但需要注意，不同document裡面同名的field一定要是相同類型的。
Mapping：存儲field的相關映射信息，不同document type會有不同的mapping。
對於熟悉MySQL的童鞋，我們只需要大概認為Index就是一個db，document就是一行數據，field就是table的column，mapping就是table的定義，而document type就是一個table就可以了。
Document type這個概念其實最開始也把筆者給弄糊塗了，其實它就是為了更好的查詢，舉個簡單的例子，一個index，可能一部分數據我們想使用一種查詢方式，而另一部分數據我們想使用另一種查詢方式，於是就有了兩種type了。不過這種情況應該在我們的項目中不會出現，所以通常一個index下面僅會有一個 type。
在服務層面，主要有：
Node: 一個server實例。
Cluster：多個node組成cluster。
Shard：數據分片，一個index可能會存在於多個shards，不同shards可能在不同nodes。
Replica：shard的備份，有一個primary shard，其餘的叫做replica shards。
Elasticsearch之所以能動態resharding，主要在於它最開始就預先分配了多個shards（貌似是1024），然後以shard為單位進行數據遷移。這個做法其實在分布式領域非常的普遍，codis就是使用了1024個slot來進行數據遷移。
因為任意一個index都可配置多個replica，通過冗餘備份的方式保證了數據的安全性，同時replica也能分擔讀壓力，類似於MySQL中的slave。
Restful API
Elasticsearch提供了Restful API，使用json格式，這使得它非常利於與外部交互，雖然Elasticsearch的客戶端很多，但筆者仍然很容易的就寫出了一個簡易客戶端用於項目中，再次印證了Elasticsearch的使用真心很容易。
Restful的介面很簡單，一個url表示一個特定的資源，譬如/blog/article/1，就表示一個index為blog，type為aritcle，id為1的document。
而我們使用http標准method來操作這些資源，POST新增，PUT更新，GET獲取，DELETE刪除，HEAD判斷是否存在。
這里，友情推薦httpie，一個非常強大的http工具，個人感覺比curl還用，幾乎是命令行調試Elasticsearch的絕配。
一些使用httpie的例子:
# create
http POST :9200/blog/article/1 title="hello elasticsearch" tags:='["elasticsearch"]'

# get
http GET :9200/blog/article/1

# update
http PUT :9200/blog/article/1 title="hello elasticsearch" tags:='["elasticsearch", "hello"]'

# delete
http DELETE :9200/blog/article/1

# exists
http HEAD :9200/blog/article/1
索引和搜索
雖然Elasticsearch能自動判斷field類型並建立合適的索引，但筆者仍然推薦自己設置相關索引規則，這樣才能更好為後續的搜索服務。
我們通過定製mapping的方式來設置不同field的索引規則。
而對於搜索，Elasticsearch提供了太多的搜索選項，就不一一概述了。
索引和搜索是Elasticsearch非常重要的兩個方面，直接關繫到產品的搜索體驗，但筆者現階段也僅僅是大概了解了一點，後續在詳細介紹。
同步MySQL數據
Elasticsearch是很強大，但要建立在有足量數據情況下面。我們的數據都在MySQL上面，所以如何將MySQL的數據導入Elasticsearch就是筆者最近研究的東西了。
雖然現在有一些實現，譬如elasticsearch-river-jdbc，或者elasticsearch-river-mysql，但筆者並不打算使用。
elasticsearch-river-jdbc的功能是很強大，但並沒有很好的支持增量數據更新的問題，它需要對應的表只增不減，而這個幾乎在項目中是不可能辦到的。
elasticsearch-river-mysql倒是做的很不錯，採用了python-mysql-replication來通過binlog獲取變更的數據，進行增量更新，但它貌似處理MySQL mp數據導入的問題，不過這個筆者真的好好確認一下？話說，python-mysql-replication筆者還提交過pull解決了minimal row image的問題，所以對elasticsearch-river-mysql這個項目很有好感。只是筆者決定自己寫一個出來。
為什麼筆者決定自己寫一個，不是因為筆者喜歡造輪子，主要原因在於對於這種MySQL syncer服務（增量獲取MySQL數據更新到相關系統），我們不光可以用到Elasticsearch上面，而且還能用到其他服務，譬如cache上面。所以筆者其實想實現的是一個通用MySQL syncer組件，只是現在主要關注Elasticsearch罷了。
項目代碼在這里go-mysql-elasticsearch，現已完成第一階段開發，內部對接測試中。
go-mysql-elasticsearch的原理很簡單，首先使用mysqlmp獲取當前MySQL的數據，然後在通過此時binlog的name和position獲取增量數據。
一些限制：
binlog一定要變成row-based format格式，其實我們並不需要擔心這種格式的binlog佔用太多的硬碟空間，MySQL 5.6之後GTID模式都推薦使用row-based format了，而且通常我們都會把控SQL語句質量，不允許一次性更改過多行數據的。
需要同步的table最好是innodb引擎，這樣mysqlmp的時候才不會阻礙寫操作。
需要同步的table一定要有主鍵，好吧，如果一個table沒有主鍵，筆者真心會懷疑設計這個table的同學編程水平了。多列主鍵也是不推薦的，筆者現階段不打算支持。
一定別動態更改需要同步的table結構，Elasticsearch只能支持動態增加field，並不支持動態刪除和更改field。通常來說，如果涉及到alter table，很多時候已經證明前期設計的不合理以及對於未來擴展的預估不足了。
更詳細的說明，等到筆者完成了go-mysql-elasticsearch的開發，並通過生產環境中測試了，再進行補充。
總結
最近一周，筆者花了不少時間在Elasticsearch上面，現在算是基本入門了。其實筆者覺得，對於一門不懂的技術，找一份靠譜的資料（官方文檔或者入門書籍），蛋疼的對著資料敲一遍代碼，不懂的再問google，最後在將其用到實際項目，這門技術就算是初步掌握了，當然精通還得在下點功夫。
現在筆者只是覺得Elasticsearch很美好，上線之後鐵定會有坑的，那時候只能慢慢填了。話說，筆者是不是要學習下java了，省的到時候看不懂代碼就慘了。:-)

⑶ C# webservie 傳遞一個大型byte數據,服務報錯

就伺服器給出的錯誤提示，可能原因如下：
1. h**p://****:6941/UploadData.asmx 的服務斷開了
2. 基礎連接已經關閉
檢查如下：
1. 在IE直接打開這個服務地址
2. 如果能打開，用數據測試下能否成功
3. 如果成功，那麼請檢查你在程序中所傳遞的byte數據，看是否符合web服務的參數規則

⑷ 計算機說的NA和IE證書是什麼

你說的是cisco（思科）的證書主要是交換機和路由器的網路工程師！ H3C是華為的，華為是國產的網路硬體大廠商。基本上就cisco和h3c 2大網路廠商！h3c便宜！

⑸ 什麼是IT與IE行業

信息技術（Information Technology，簡稱IT），是主要用於管理和處理信息所採用的各種技術的總稱。它主要是應用計算機科學和通信技術來設計、開發、安裝和實施信息系統及應用軟體。它也常被稱為信息和通信技術（Information and Communications Technology, ICT）。主要包括感測技術、計算機技術和通信技術。
IE行業是技術與管理的一體化，它融工程和管理於一體，對工業發達國家的經濟與社會發展起了巨大推動作用。它是一門以系統效率和效益為目標的、獨立的工程學科。IE起源於美國，是在泰勒科學原基礎上發展起來的一門應用性工程技術學科，強調綜合地提高生產率，降低生產成本，保證產品質量，而使系統處於最佳運行狀態而獲得巨大整體效益。

IE（工業工程Instrial Engineering）起源於美國，是在泰勒科學原基礎上發展起來的一門應用性工程技術學科，強調綜合地提高生產率，降低生產成本，保證產品質量，而使系統處於最佳運行狀態而獲得巨大整體效益。它是一門輔助企業經營的主流科學，從方法工程、工作衡量、工作評價、薪酬制度以及工廠設計，一直到作業研究、決策分析等，甚至 吸收了統計方法與信息科技的發展、網路規劃技術與行為科學等方面的研究和實踐經驗。 IE的目標是改善工廠的生產管理基礎結構、提高勞動生產率，使學理與實務相得益彰、保證管理效果，降低成本、改善經濟效益，以工程技術為基礎配合科學管理的技巧來發現問題、解決問題、預防問題。
使大家能夠把技術與管理有機結合，對企業進行工業簡化(Simplification)、專業化(Specialization)和標准化(Standardization)的IE管理，從制定做出工序操作標准，勞動定額工時，工藝、流程現場管理乃至全公司生產管理系統優化、改善都能發揮IE技術管理的作用。
很多人把IE與企業管理混為一談，這是極端錯誤的，它實際上是技術與管理的一體化，我們知道最早的手錶為機械表，利用彈簧驅動計時系統，後來大概在上個世紀70年代出現了電子表，再後來電子與機械融為一體形成了今天的電子機械表，這是最簡單的「機電一體化」例子，工業工程的「技術—管理一體化」（「技管一體化」）也是同樣的道理。
工業工程在國外已經有一百多年的歷史，是美國七大工程學科之一。它融工程和管理於一體，對工業發達國家的經濟與社會發展起了巨大推動作用。工業工 程是關於復雜系統有效運作的科學，它將工程技術與管理科學相結合，從系統的角度對製造業、服務業等企業或組織中的實際工程與管理問題進行定量的分析、優化 與設計。它是一門以系統效率和效益為目標的、獨立的工程學科。

⑹ ie如何推進改善工作

個人覺得這里涉及到軟體應用，因為現在企業很多已經處於一個發展瓶頸，如果要真正發展下去就要去做一個智能化，科技化的轉型，這里也叫作是精益改善，而精益改善必定是依靠大數據智能軟體進行，才會有真正的效果。vioovi ECRS工時分析軟體就較為不錯的

⑺ ie改善四大原則是什麼該怎麼做

四大原則即ecrs原則，這個我們IE都懂，這里就不做詳細解釋了，做法的話，現在都是大數據時代，大家都在做智能化工廠轉型，這方面數據分析也是可以考慮依靠軟體進行，如vioovi ECRS工時分析軟體，要知道軟體的精準程度和能效是人工不能比的，並不是說替代人工，只是說並存的情況下，能產生更大效益。

⑻ 大數據存儲需要具備什麼

大數據之大大是相對而言的概念。例如，對於像SAPHANA那樣的內存資料庫來說，2TB可能回就已經是大容量答了；而對於像谷歌這樣的搜索引擎，EB的數據量才能稱得上是大數據。大也是一個迅速變化的概念。HDS在2004年發布的USP存儲虛擬化平台具備管理32PB大數據存儲需要具備什麼？