我发现了我认为的解决方案，并且代码应该是：
%%bash
git clone https://github.com/my_repository/folder1
%cd folder1
run -i file1.py
以防万一旅游文件已经在过去的提交中已经跟踪了，请尝试过滤。
- （基于Python）
- 删除您的历史记录中的任何大文件：
git filter-repo-strip-blobs-bigger-bigger-比2M。 （基于内容的过滤） - 力推动（
git push-mirror：确保在该存储库上通知任何合作者）
如果我添加了
console.log（部分）我获得{}
这可能是因为您执行此输出作为同步执行的一部分，并且不要等待Promise解决。简而言之，您仅在 a a 中然后回调时只能打印节，因为只有在填充对象时才能执行。
不是您的问题，但是当您已经拥有一个时，您不应创建新的Promise - 它不会带来任何其他值。
同样，在函数内部突变全局变量（）是不好的做法。相反，让您的parsemd更加独立，然后将其解析为您所需的信息 input string（id> id和<代码> value ），并将其留给该承诺的用户，将这些信息对组合到对象e节中。
所以这样做：
const parseMD = (val) => unified()
.use(remarkParse)
.use(remarkRehype)
.use(rehypeStringify)
.process(val.body)
.then(str => [val.id, str.value]); // No access to `sections` here! Just the pair
Promise.all(contents.map(parseMD)) // Wait for ALL those little promises to resolve
.then(Object.fromEntries) // Collect the pairs into an object
.then(sections => { // This is the accumulated object we need
// Do all you wish to do with sections here (not in global scope)
console.log(sections);
})
.catch(console.log);
您可以尝试一下：
for url in all_urls.split('\n'):
print(url)
我认为您有一个字符串而不是列表，因此，当您循环到变量的所有元素时，它只会打印单个字符。
这样，split（'\ n'）将允许通过在新行上拆分来生成列表，每个元素将是单个URL。
from pandas.io.json import json_normalize
data = [{"column1" : "value1", "column2" : {"key1" : "kvalue1", "key2" : "kvalue2" } },
{"column1" : "value2", "column2" : {"key1" : "kvalue3", "key2" : "kvalue4" } },
{"column1" : "value3", "column2" : {"key1" : "kvalue5", "key2" : "kvalue6" } }]
# Generate the dataframe for the array items in
dataframe = pd.DataFrame()
record = pd.json_normalize(data)
# Append it to the dataframe
dataframe = pd.concat([dataframe,record], ignore_index=True)
# Renaming columns of the dataframe
col = {"column1":"column1","column2.key1":"key1","column2.key2":"key2"}
df = dataframe.rename(columns = col)[[*col.values()]]
df
OUTPUT: column1 key1 key2
0 value1 kvalue1 kvalue2
1 value2 kvalue3 kvalue4
2 value3 kvalue5 kvalue6
另外，如果您希望直接转换JSON文件，即使您可以使用以下函数：
import json
def read_json(filename: str) -> dict:
try:
with open(filename, "r") as f:
data = json.loads(f.read())
except:
raise Exception(f"Reading {filename} file encountered an error")
return data
def create_dataframe(data: list) -> pd.DataFrame:
# Declare an empty dataframe to append records
dataframe = pd.DataFrame()
# Looping through each record
for d in data:
# Normalize the column levels
record = pd.json_normalize(d)
# Append it to the dataframe
dataframe = pd.concat([dataframe,record], ignore_index=True)
return dataframe
# Read the JSON file as python dictionary
data = read_json(filename="./demo.json")
#*data=data[insert parameter according to your json data]*
dataframe = create_dataframe(data=data['data'])
# Renaming columns of the dataframe
col = {"column1":"column1","column2.key1":"key1","column2.key2":"key2"}
df = dataframe.rename(columns = col)[[*col.values()]]
df
我已经使用了示例API，并能够使用Azure Data Factory中的数据流动活动将JSON数据从BLOB存储发布到其余端点。
来源数据集：
- 将源连接到JSON数据集。
- 将水槽连接到休息端点。
嗨，团队，对于此问题，我正在附上您的参考文档，以便如何在GCP控制台上创建警报策略。这将为所有GCP人员提供帮助。
在测试和产品环境上为云数据patoc工作失败创建警报策略指标：
•第一步，我们需要进入“ Google Cloud Console”并选择灵活的环境。
•转到云记录页面查看错误日志。根据错误日志，我们需要创建度量标准。
•在这里，我们需要选择集群名称，服务名称和错误消息。对于您的参考，我将附加下面的快照。
•在上面的快照中，将创建衡量标准选项。选择公制选项后，我们需要一次选择该度量选项，它将显示如下快照。
•选择创建度量标准后，它将显示详细信息，过滤器选择＆amp;我们也可以添加标签。
注意：我们正在根据错误日志创建此自定义指标。在这里，我们需要填写强制性字段，例如基于日志的名称，描述和过滤器选择。填写详细信息后一次。单击创建集群。
重要：根据您的过滤器部分，您可以检查日志。顶部过滤器选择上有预览日志选项。此预览日志仅显示一小时的持续时间日志。这意味着，如果假设您在上午10:30的工作失败，则最多显示到上午11:30。之后，它不会显示任何日志。
笔记：
如果您想创建一个自定义指标，我建议检查工作失败时间并创建自定义指标。如果当时创建，您也可以应用正则表达式，并且可以从此错误日志中选择所需的标签。
•创建自定义公制后，我们需要导航到公制资源管理器页面。
•在这里，我们需要选择我们创建的公制名称表格公制下降选项。选择公制名称后，我们可以选择适合您创建阈值值的图表。
•选择此值后，它将根据您的自定义过滤器显示错误日志。
注意：对于您的参考，我正在选择该自定义度量标准的自定义度量标准，我正在DataProc群集作业失败名称上应用过滤器，然后单击“应用”按钮。
•根据群集名称选择之后，它将在图形上显示群集作业失败日志。uppo在这里我们只是创建度量标准。
•现在，我们需要从控制台左侧的导航菜单中选择“中路”选项。
•选择警报选项后，它将显示如下快照。
•单击创建策略选项。将使用警报策略创建页面，然后选择您的自定义度量名称，然后单击其上的应用按钮。
•选择您的度量标准后，它将根据“快照”中的群集名称显示错误图，然后单击“下一个”按钮，它将输入变更详细信息。
•在这里，我们需要根据我们的工作失败给出阈值，然后单击下一个按钮。
•在这里，我们需要使用您的电子邮件ID或团队邮件组名称填充通知频道。我们需要提及警报通知的主题。根据您的严重性，您需要选择策略严重性级别并为您的警报策略提供唯一的名称。
•创建警报策略后，您将根据您的严重性收到警报通知。
•这是为了创建自定义警报指标和策略。
blob不是有效的 jdl 字段类型，尝试> Blob而不是（资本化很重要）。
有关更多信息，您可以检查“ nofollow noreferrer”> field类型和验证 。
您创建的初始迁移可能生成的约束“ FK_Books_users_userid”。由于您尚未执行它，但是手动添加了表（如您所说），因此该约束从未在数据库中创建。
现在，当您添加了类（ES）的配置时，您将在类书籍中具有属性“用户ID”，该账簿将生成称为“ FK_Books_users_userid”的外键（请在用户ID中注意UserID中的小写u，而不是用户ID中的uppercase u）。
当您的新迁移试图在数据库中删除“ fk_books_users_userid”时，它会失败，因为它从未创建。
一种解决方案是简单地从您的新迁移中删除这种代码的平静：
migrationBuilder.DropForeignKey(
name: "FK_Books_Users_UserId",
table: "Books");
这只会留下此部分：
migrationBuilder.AddForeignKey(
name: "FK_books_Users_userid",
table: "books",
column: "userid",
principalTable: "Users",
principalColumn: "Id",
onDelete: ReferentialAction.Cascade);
我不建议这样做，但它将适用于该数据库。
第二个解决方案是清除数据库，删除这两个创建的迁移，然后创建新的迁移并执行它。这将为您提供干净的起点，而无需将来错误。
while true do
...
elseif not IsPedInAnyPoliceVehicle(playerPed) and not IsPauseMenuActive() then
TriggerServerEvent("mdt:hotKeyOpen")
end
一个循环没有其他/Elseif分支。
想象一下，在基本十足的基础上工作，例如8位准确性。您检查是否
1/3 + 2 / 3 == 1
并了解此返回false。为什么？好吧，作为实数，我们有
1/3 = 0.333 .... 和 2/3 = 0.666 ....
在八个小数位置上截断，我们得到
0.33333333 + 0.66666666 = 0.99999999
的是，当然，与1.00000000不同，0.00000001。
具有固定数量的二进制数字的情况完全相似。作为实际数字，我们有
1/10 = 0.0001100110011001100 ...（基数2）
和
1/5 = 0.00110011001100110011001 ...（基本2）
如果我们将其截断为，例如，七个位，
0.0001100 + 0.0011001 = 0.0100101
另一方面，
我们会得到 3/10 = 0.01001100110011 ...（基本2）
，截断为七个位，是0.0100110 ，这些与0.0000001完全不同。
确切的情况稍微更细微，因为这些数字通常存储在科学符号中。因此，例如，我们可以将其存储为0.0001100我们可以将其存储为1.10011 * 2^-4，具体取决于我们分配了多少位对于指数和曼蒂萨。这会影响您获得的计算精确度数字。
结果是，由于这些舍入错误，因此本质上不想在浮点数上使用==。相反，您可以检查其差异的绝对值是否小于一些固定的小数。
第一点，因为您尚未给出考虑log_message的索引映射，定义为文本在没有任何分析器的情况下键入字段。因此，它将考虑log_message字段的默认标准分析仪。
在这里，您的正则模式/[az]*/在索引时将所有令牌转换为standard分析仪将所有令牌转换为plowsect。您可以阅读有关标准分析仪。您可以替换图案，例如`/[az]*/
point，匹配查询不支持REGEX模式。您可以使用query_string Elasticsearch的查询类型，如下所示：
{
"query": {
"bool": {
"must": [
{
"query_string": {
"default_field": "log_message",
"query": "The application node /[a-z]*/ is down",
"default_operator": "AND"
}
}
],
"filter": [
{
"term": {
"application": "XYZ"
}
}
]
}
}
}
Regex查询将影响您的搜索性能，因此要谨慎使用。
最佳解决方案：
如果您的用例与节点名称和应用程序名称的查询匹配，则可以使用node或down等节点的状态，则可以使用 grok pattern with ingest管道并将其存储为单独的值并将其用于查询。
以下是日志消息的示例grok模式（您可以根据各种日志模式进行修改）：
The application node %{WORD:node_name} is %{WORD:node_status}
上面，grok模式将给出以下结果：
{
"node_name": "ABC",
"node_status": "down"
}
示例摄入管道：
PUT _ingest/pipeline/my-pipeline
{
"processors": [
{
"grok": {
"field": "log_message",
"patterns": [
"The application node %{WORD:node_name} is %{WORD:node_status}"
]
}
}
]
}
您可以在索引文档时使用以下管道：
POST index_name/_doc?pipeline=my-pipeline
{
"log_message":"The application node XXX is down"
}
输出文档：
"hits" : [
{
"_index" : "index_name",
"_type" : "_doc",
"_id" : "bZuMkoABMUDAwut6pbnf",
"_score" : 1.0,
"_source" : {
"node_status" : "down",
"node_name" : "XXX",
"log_message" : "The application node XXX is down"
}
}
]
您可以使用：您可以使用以下查询以获取有关特定节点的数据，该节点已下降：
{
"query": {
"bool": {
"must": [
{
"match": {
"node_name": "XXX"
}
},
{
"match": {
"node_status": "down"
}
}
],
"filter": [
{
"term": {
"application": "XYZ"
}
}
]
}
}
}
通过此链接
https://reactrouter.com/docs/docs/docs/en/en/en/v6/getting-started/概述
go through this link
https://reactrouter.com/docs/en/v6/getting-started/overview
使用browserrouter v6，未显示网页未找到错误