整合營(yíng)銷(xiāo)服務(wù)商
電腦端+手機(jī)端+微信端=數(shù)據(jù)同步管理
免費(fèi)咨詢熱線：
電腦端+手機(jī)端+微信端=數(shù)據(jù)同步管理
免費(fèi)咨詢熱線：
需要在WEB端實(shí)時(shí)查看現(xiàn)場(chǎng)的視頻監(jiān)控（公司選型的是大華攝像機(jī)）
11. ffmpeg通過(guò)rtsp協(xié)議拉取視頻流
2. 使用vlc media player 組件拉取視頻流，在web端顯示
3. 使用h5Stream在線對(duì)視頻流拉取
123局域網(wǎng)內(nèi)攝像頭配置
公司選型的大華攝像機(jī)，所有攝像機(jī)出廠統(tǒng)一IP是192.168.1.108
這個(gè)IP是可變的，可配置，但是前提這個(gè)IP可以訪問(wèn)到攝像頭才允許更改
12在地址欄輸入192.168.1.108，第一次登陸默認(rèn)賬號(hào)密碼都為admin，默認(rèn)端口37777，第一次登陸會(huì)提醒你更改賬號(hào)密碼，記得不要忘記，后面視頻拉取的需要用到，進(jìn)入攝像頭更具自己需要做個(gè)性化的配置。相關(guān)協(xié)議端口開(kāi)放如下：
攝像頭的ip地址穿刺
使用路由器映射的方法，需要拿到路由器的賬號(hào)密碼，這個(gè)得跟公司的運(yùn)維溝通下。
用花生殼做穿刺，會(huì)免費(fèi)贈(zèng)送一個(gè)域名，但是端口是不固定的，如果配置固定的端口，花生殼需要免費(fèi)收費(fèi)
在百度上輸入本地IP會(huì)出現(xiàn)公司路由的外網(wǎng)IP。測(cè)試下兩種方式是否可以通過(guò)外網(wǎng)IP來(lái)訪問(wèn)。
拉取視頻流
我選用的的是rtsp協(xié)議來(lái)拉取視頻流，大華攝像機(jī)的rtsp地址格式如下：
rtsp://[賬號(hào)]:[密碼]@[IP]:[端口]/cam/realmonitor?channel=1&subtype=0channel=1，此屬性值對(duì)應(yīng)渠道。subtype=0對(duì)應(yīng)使用主碼流還是輔碼流
不管大華攝像機(jī)也好，還是海康威視攝像機(jī)，他們官網(wǎng)都提供本地局域網(wǎng)內(nèi)的攝像頭管理軟件。進(jìn)入官網(wǎng)，導(dǎo)航找到技術(shù)支持，里面有工具軟件。比如大華的可以用smartPss，海康威視的有iVMS，視頻流通過(guò)可以通過(guò)多個(gè)渠道來(lái)傳輸，所以channel要和本地軟件中輸出通道一致
比如的本地地址：rtsp://admin:Aa517518@192.168.0.108:554/cam/realmonitor?channel=1&subtype=0本地?cái)z像頭IP地址做穿刺后，把賬號(hào)密碼換成公網(wǎng)的ip和端口即可。
使用h5Stream拉取視頻流
h5Stream網(wǎng)上的配置文檔很多，不做一一贅述，其主要配置文件為：conf目錄下的h5ss.conf文件。
我這里用的是rtsp協(xié)議，根據(jù)自己的需要配置，一般配置一個(gè)空閑的端口即可。
在web端的顯示，在h5stream安裝目錄里, www目錄下有相關(guān)的使用樣例。
優(yōu)點(diǎn)：配置簡(jiǎn)單，實(shí)時(shí)視頻同步延遲小，畫(huà)面清晰。firefox,chrom,ie都可以使用缺點(diǎn)：web頁(yè)面操作相對(duì)復(fù)雜，在使用多個(gè)攝像頭，配置清單駁長(zhǎng)，h5stream為收費(fèi)軟件，h5stream為收費(fèi)軟件，h5stream為收費(fèi)軟件，重要的事情說(shuō)三遍原免費(fèi)版，會(huì)在實(shí)時(shí)視頻流播放一個(gè)小時(shí)后斷流，且當(dāng)前暫時(shí)沒(méi)有找到破解版。我在官網(wǎng)找到電話，打電話過(guò)去咨詢，收費(fèi)是100塊錢(qián)一個(gè)攝像頭，具體的價(jià)格可以再談。
vlc media player 拉取
省事兒的話先下載vlc media player安裝，也可以單獨(dú)下載相應(yīng)的控件。下載完成后：
把rtsp地址copy進(jìn)地址欄，測(cè)試是否可正常顯示，若不正常請(qǐng)檢查網(wǎng)絡(luò)是否通暢，賬號(hào)密碼是否正確，ip端口是否正確，通道是否一致而在web端是根據(jù)相關(guān)的標(biāo)簽來(lái)的：實(shí)例如下：
<object classid="clsid:9BE31822-FDAD-461B-AD51-BE1D1C159921" codebase="http://download.videolan.org/pub/videolan/vlc/last/win32/axvlc.cab">
<param name="autostart" value="true" />
<param name="allowfullscreen" value="false" />
</object>
1234鏈接: vlc使用操作文檔.
優(yōu)點(diǎn)：測(cè)試簡(jiǎn)單，操作簡(jiǎn)單，WEB頁(yè)面操作最簡(jiǎn)單，視頻清晰度無(wú)損，延遲級(jí)小。缺點(diǎn)：谷歌只支持43版本及其更早，現(xiàn)在都70+版本了。火狐更直接，直接提示不支持。現(xiàn)在通過(guò)安裝谷歌應(yīng)用程序可以解決，但是面向客戶的時(shí)候，客戶不會(huì)使用體驗(yàn)版，所以注定就不會(huì)使用面就不會(huì)廣
ffmpeg拉取視頻流
首先f(wàn)fmpeg是十分強(qiáng)大，且無(wú)比靈活，使用命令行來(lái)操作，相對(duì)來(lái)說(shuō)就復(fù)雜得多，網(wǎng)上有很多安裝ffmpeg介紹和ffmpeg命令介紹，這里就不做一一贅述。ffmpeg對(duì)視頻流進(jìn)行拉取，轉(zhuǎn)成我們需要的視頻碼流，比如我們使用的rtsp協(xié)議，可以轉(zhuǎn)成rtmp協(xié)議或者HLS(m3u8)協(xié)議。本文著重介紹此兩種，其它的協(xié)議格式，原理上相同，只是轉(zhuǎn)碼后頁(yè)面顯示的細(xì)節(jié)不同。ffmpeg允許截圖：
NGINX并不是一定要用，只要能讀取到此今天文件即可。我是通過(guò)nginx吧request請(qǐng)求，定向到此文件，當(dāng)然web項(xiàng)目比較靈活，可以通過(guò)web來(lái)做訪問(wèn)。生成的文件如下：
靜態(tài)資源只要支持hls協(xié)議，使用今天資源，訪問(wèn)test.m38u文件即可引入video.js,我使用的是7.4.1
<video id="test_video" class="video-js vjs-default-skin vjs-big-play-centered" controls autoplay width="960" height="400">
<source src="http://192.168.0.118:1935/hls/test.m38u" type='rtmp/flv'>
</video>
123缺點(diǎn)：此方法對(duì)網(wǎng)絡(luò)依賴要求比較高，延遲高，容易卡頓
使用ffmpeg優(yōu)缺點(diǎn)：優(yōu)點(diǎn)：谷歌火狐IE都可以用。缺點(diǎn)： ffmpeg很強(qiáng)大，使用命令很靈活，很多細(xì)節(jié)問(wèn)題需要琢磨，比如清晰度的問(wèn)題，比如幀數(shù)的問(wèn)題。ffmpeg比h5stream和vlc使用上確實(shí)麻煩許多，而且清晰度不如以上兩種，延遲相對(duì)也高一下。需要建立相對(duì)完善的管理機(jī)制，因?yàn)槿渴褂妹睿诳蛻繇?yè)面關(guān)閉視頻流時(shí)，后臺(tái)還在不停的拉取視頻流，造成極大的資源浪費(fèi)。
器之心報(bào)道
機(jī)器之心編輯部
在讀取語(yǔ)言之后，腦機(jī)接口也可以實(shí)時(shí)讀取人類(lèi)腦中的畫(huà)面了。
由俄羅斯腦機(jī)接口公司 Neurobotics、莫斯科物理技術(shù)學(xué)院（MIPT）研發(fā)的一種全新腦機(jī)接口算法最近被公之于眾，它可以利用人工神經(jīng)網(wǎng)絡(luò)和腦電圖將人類(lèi)大腦中的圖像實(shí)時(shí)顯示在計(jì)算機(jī)屏幕上。而且，與馬斯克腦機(jī)接口公司研發(fā)的「大腦縫紉機(jī) 」不同，這種腦機(jī)接口無(wú)需開(kāi)顱植入電極，在臨床和日常生活中應(yīng)用更加廣泛。
一位被試正在使用該腦機(jī)接口。右下角是被試觀看實(shí)時(shí)畫(huà)面，右上角是通過(guò)腦機(jī)接口重建的畫(huà)面。
今年 7 月，F(xiàn)acebook 與加州大學(xué)舊金山分校（UCSF）有關(guān)腦機(jī)接口實(shí)時(shí)讀取人類(lèi)語(yǔ)言的研究剛剛登上《Nature》子刊，其快速解碼的機(jī)器學(xué)習(xí)算法效果令人驚嘆。
現(xiàn)在看來(lái)，我們不僅有望實(shí)現(xiàn)「意念打字」，或許還可以使用人眼這一「精度超高」的攝像頭來(lái)進(jìn)行錄像，實(shí)現(xiàn)科幻影視作品描繪的圖景。不過(guò)，這篇莫斯科物理技術(shù)學(xué)院的論文還沒(méi)有經(jīng)過(guò)同行評(píng)審。
英劇《黑鏡》一集中的男主角過(guò)海關(guān)時(shí)被要求回放自己通過(guò)某種設(shè)備肉眼錄下的視覺(jué)記憶。
對(duì)于研究者來(lái)說(shuō)，新成果使得構(gòu)建由腦信號(hào)控制的中風(fēng)后康復(fù)裝置成為可能。研究團(tuán)隊(duì)在 bioRxiv 上發(fā)表了相關(guān)研究論文，還發(fā)布了一段他們「讀心」系統(tǒng)的效果視頻。雖然畫(huà)面比較模糊，但我們依然可以分辨出畫(huà)面中的大致場(chǎng)景類(lèi)別（如人、瀑布、車(chē)景）。
視頻中原始圖像和神經(jīng)網(wǎng)絡(luò)處理 EEG 信號(hào)重建的圖像對(duì)比（由于版權(quán)原因，人像原圖被替換了）。
為了構(gòu)建這一設(shè)備，神經(jīng)生物學(xué)家需要理解大腦如何編碼信息。其中一個(gè)關(guān)鍵方面是，研究人們?cè)谟^看視頻時(shí)感知視覺(jué)信息的大腦活動(dòng)過(guò)程。
現(xiàn)有的解決方案是，要么使用功能磁共振成像來(lái)提取觀察到的圖像，要么通過(guò)植入物直接分析來(lái)自神經(jīng)元的信號(hào)。兩種方法在臨床和日常生活中的應(yīng)用都非常有限。
俄羅斯研究者開(kāi)發(fā)的這種腦機(jī)接口依賴的是人工神經(jīng)網(wǎng)絡(luò)和腦電圖（EEG），后者是一種可以通過(guò)非侵入式電極（無(wú)需手術(shù)植入）記錄腦電波的技術(shù)。通過(guò)分析大腦活動(dòng)，該系統(tǒng)可以實(shí)時(shí)重現(xiàn)人類(lèi)看到的圖像。
「我們正在進(jìn)行國(guó)家技術(shù)計(jì)劃（National Technology Initiative）神經(jīng)網(wǎng)絡(luò)輔助技術(shù)項(xiàng)目，該項(xiàng)目致力于構(gòu)建一種腦機(jī)接口，讓中風(fēng)患者控制手臂外骨骼、癱瘓患者駕駛電動(dòng)輪椅等，最終目標(biāo)是讓健康的人也能提高神經(jīng)控制的準(zhǔn)確率，」MIPT Neurorobotics 實(shí)驗(yàn)室負(fù)責(zé)人 Vladimir Konyshev 表示。
技術(shù)細(xì)節(jié)
該腦機(jī)接口的構(gòu)建實(shí)驗(yàn)共分為兩個(gè)階段。
在第一階段，神經(jīng)生物學(xué)家讓健康的人觀看一些 10 秒的 YouTube 視頻片段，總共 20 分鐘。研究團(tuán)隊(duì)隨機(jī)選擇了 5 個(gè)視頻類(lèi)別：抽象形態(tài)、瀑布、人臉、移動(dòng)的裝置和汽車(chē)運(yùn)動(dòng)。
通過(guò)分析腦電圖數(shù)據(jù)，研究者發(fā)現(xiàn)，每一類(lèi)視頻的腦電波是不同的。這使得研究小組能夠?qū)崟r(shí)分析大腦對(duì)于視頻的反應(yīng)。
在實(shí)驗(yàn)的第二階段，研究者從五個(gè)類(lèi)別中隨機(jī)選擇了三個(gè)類(lèi)別并開(kāi)發(fā)了一個(gè)本地反饋（native feedback）模型，反饋模型的核心思想是將腦機(jī)接口分類(lèi)器的預(yù)測(cè)結(jié)果以自然圖像的形式呈現(xiàn)出來(lái)，而且要盡可能與實(shí)際觀察到的圖像接近。
該模型分為兩個(gè)神經(jīng)網(wǎng)絡(luò)：一個(gè)用于從「噪聲」中生成隨機(jī)特定類(lèi)別圖像，另一個(gè)根據(jù)腦電圖生成類(lèi)似的「噪聲」。接下來(lái)，該團(tuán)隊(duì)訓(xùn)練這兩個(gè)網(wǎng)絡(luò)協(xié)同工作，將腦電圖信號(hào)轉(zhuǎn)換為與被試觀看內(nèi)容相似的實(shí)際圖像。
論文中提到的本地反饋模型如下圖所示。
圖 2：本地反饋模型的總體方案。
將降維后得到的 20 維腦電圖特征向量映射到預(yù)先訓(xùn)練好的圖像自編碼器的潛在空間中，這個(gè)自編碼器能夠重建幾個(gè)預(yù)學(xué)習(xí)類(lèi)別的自然圖像。圖像解碼器不依賴于任何神經(jīng)生理學(xué)數(shù)據(jù)，僅考慮一組刺激圖像即可進(jìn)行預(yù)訓(xùn)練。特征映射器是單獨(dú)訓(xùn)練的，因?yàn)樗刃枰X電圖特征庫(kù)，也需要一個(gè)訓(xùn)練好的圖像解碼器。
圖像解碼器
圖像解碼器（ID）是圖像到圖像卷積自編碼器模型的一部分。編碼器部分基于預(yù)訓(xùn)練的 VGG-11 模型。解碼器部分由全連接輸入層組成，用于維度增強(qiáng)，然后是 5 個(gè)解卷積塊，每個(gè)解卷積塊包含一個(gè)解卷積層，然后是 ReLU 激活。最后的解卷積塊包含雙曲正切激活層。解碼器生成 192×192×3 維的彩色圖像（見(jiàn)圖 3a）。
圖 3. 圖像解碼器.a）模型結(jié)構(gòu)；b）常規(guī)訓(xùn)練
除了圖像重建之外，解碼器還有一個(gè)特定的潛在空間分布。他們通過(guò)引入一個(gè)圖 3（b）所示的訓(xùn)練過(guò)程來(lái)解決這個(gè)問(wèn)題。
腦電圖特征映射器
腦電圖特征映射器的目標(biāo)是將腦電圖特征域的數(shù)據(jù)轉(zhuǎn)換成圖像解碼器潛在空間域。在理想狀態(tài)下，觀察到的圖像和此時(shí)的腦電圖記錄最終會(huì)轉(zhuǎn)換為同一個(gè)潛在空間矢量圖，因此解碼器能夠根據(jù)剛才看到或想象的場(chǎng)景去生成一個(gè)正確的視覺(jué)圖像。
另一個(gè)問(wèn)題是如何應(yīng)對(duì)嘈雜的數(shù)據(jù)：由于存在未檢測(cè)到的偽像，或者被攝對(duì)象分散注意力，實(shí)時(shí)記錄場(chǎng)景中的腦電圖信號(hào)屬性可能會(huì)發(fā)生顯著變化。此時(shí)反饋系統(tǒng)應(yīng)避免出現(xiàn)混亂的圖像切換，以免給觀察對(duì)象太多的壓力。
人類(lèi)腦中的圖像是連續(xù)數(shù)據(jù)，所以使用循環(huán)神經(jīng)網(wǎng)絡(luò)就變得順理成章了——新的算法使用了 LSTM 組件作為循環(huán)單元。此外，研究人員還整合了注意力機(jī)制。
圖 4，腦電圖特征映射。a）模型結(jié)構(gòu)；b）訓(xùn)練方法。
測(cè)試結(jié)果
為了測(cè)試該系統(tǒng)呈現(xiàn)頭腦活動(dòng)的能力，研究者選了一些同一類(lèi)的以前看過(guò)的視頻。正如他們看到的那樣，腦電圖被記錄下來(lái)，然后反饋給神經(jīng)網(wǎng)絡(luò)。系統(tǒng)通過(guò)了測(cè)試，生成了具有可信度的圖像，90% 都可以很輕松地進(jìn)行分類(lèi)。
和大多數(shù) AI 算法一樣，研究人員提出的神經(jīng)網(wǎng)絡(luò)模型是用 Python 實(shí)現(xiàn)的，運(yùn)行的計(jì)算機(jī)也只需普通臺(tái)式機(jī)：英特爾 i7 處理器，英偉達(dá) GeForce 1050Ti 顯卡。在讀取的過(guò)程中，算法可以處理每秒 3 幀圖像。通常，在分類(lèi)上約有 90% 的重建圖像是可識(shí)別的程度。
「此外，我們可以把這個(gè)當(dāng)作實(shí)時(shí)腦機(jī)接口的基礎(chǔ)。在當(dāng)前的技術(shù)條件下，Elon Musk 那樣的侵入式接口存在手術(shù)性質(zhì)復(fù)雜和快速退化的問(wèn)題——基本上幾個(gè)月內(nèi)就失效了。我們希望可以最終設(shè)計(jì)出更實(shí)用也不需要植入的神經(jīng)接口。」研究者補(bǔ)充道。
論文：https://www.biorxiv.org/content/10.1101/787101v2
參考內(nèi)容：https://techxplore.com/news/2019-10-neural-network-reconstructs-human-thoughts.html
交易數(shù)據(jù)的實(shí)時(shí)統(tǒng)計(jì)是電商網(wǎng)站一個(gè)核心功能，可以幫助用戶實(shí)時(shí)統(tǒng)計(jì)網(wǎng)站的整體銷(xiāo)售情況，快速驗(yàn)證“新銷(xiāo)售策略”的效果。我們今天介紹一個(gè)基于表格存儲(chǔ)(Tablestore)實(shí)現(xiàn)交易數(shù)據(jù)的實(shí)時(shí)計(jì)算，給大家提供一個(gè)新使用方式。
Tablestore作為在線的結(jié)構(gòu)化數(shù)據(jù)庫(kù)，提供了毫秒級(jí)的訪問(wèn)延時(shí)和豐富的查詢方式，能高效的支撐交易數(shù)據(jù)的存儲(chǔ)和查詢，同時(shí)Tablestore已經(jīng)原生支持阿里云的流計(jì)算框架Flink/Blink，可以實(shí)現(xiàn)數(shù)據(jù)的實(shí)時(shí)計(jì)算。
基本場(chǎng)景
注意：示例是模擬一個(gè)電商網(wǎng)站的交易數(shù)據(jù)的存儲(chǔ)和實(shí)時(shí)計(jì)算，目的是為了展示Tablestore + Blink的使用流程。
用戶通過(guò)SDK將網(wǎng)站交易數(shù)據(jù)實(shí)時(shí)的存儲(chǔ)(PutRow/BatchWrite/TableStoreWriter)到Tablestore的source_order表中，Tablestore通過(guò)Tunnel服務(wù)，將實(shí)時(shí)增量的數(shù)據(jù)流入到Flink/Blink中，每5秒進(jìn)行一次聚合計(jì)算，并將計(jì)算的結(jié)果重新寫(xiě)回Tablestore的sink_order表中。最后提供給“大屏”實(shí)時(shí)讀取(GetRange)展示。
Source表（源表）- source_order
source表是原始數(shù)據(jù)表，存儲(chǔ)了所有交易記錄。
Sink表（結(jié)果表）- sink_order
Flink SQL
DDL參考
https://help.aliyun.com/document_detail/62515.html
注意：當(dāng)前Blink在支持Tablestore source上還有些限制，只能運(yùn)行ProcessingTime的方式，未來(lái)會(huì)支持EventTime模式，按照用戶數(shù)據(jù)參數(shù)的時(shí)間進(jìn)行計(jì)算。
-- Source 源表創(chuàng)建 CREATE TABLE ots_input ( metering VARCHAR, orderid VARCHAR, price DOUBLE, byerid BIGINT, sellerid BIGINT, productid BIGINT, primary key(metering,orderid), ts AS PROCTIME() ) WITH ( type = 'ots', instanceName = 'ordertest', tableName = 'source_order', accessId = '******************', accessKey = '******************', endpoint = 'http://ordertest.cn-zhangjiakou.vpc.tablestore.aliyuncs.com', tunnelName = 'blink_agg' ); -- Sink 結(jié)果表創(chuàng)建 CREATE TABLE ots_output ( metering VARCHAR, ts BIGINT, price DOUBLE, ordercount BIGINT, primary key(metering,ts) ) WITH ( type = 'ots', instanceName = 'ordertest', tableName = 'sink_order', accessId = '******************', accessKey = '******************', endpoint = 'http://ordertest.cn-zhangjiakou.vpc.tablestore.aliyuncs.com', valueColumns = 'price,ordercount' ); -- 計(jì)算 INSERT INTO ots_output SELECT DISTINCT metering as metering, CAST(TUMBLE_START(ots_input.ts, INTERVAL '5' SECOND) AS BIGINT) AS ts, SUM(price) as price, COUNT(orderid) as ordercount FROM ots_input GROUP BY TUMBLE(ts, INTERVAL '5' SECOND),metering;
第一步：準(zhǔn)備賬戶與開(kāi)服
準(zhǔn)備表格存儲(chǔ)實(shí)例，可以參考《表格存儲(chǔ)實(shí)例創(chuàng)建》
https://help.aliyun.com/document_detail/55211.html
準(zhǔn)備Flink/Blink項(xiàng)目，可以參考《Blink如何購(gòu)買(mǎi)》
https://help.aliyun.com/document_detail/62458.html
第二步：創(chuàng)建資源
表格存儲(chǔ)資源
表格存儲(chǔ)控制臺(tái)入口，創(chuàng)建表格存儲(chǔ)實(shí)例ordertest (用戶自定義即可，下面對(duì)于參數(shù)位置更換為自定義的實(shí)例名)，并記錄實(shí)例的VPC地址
同時(shí)在控制臺(tái)創(chuàng)建Source表和Sink表， 并為Source表（source_order）開(kāi)啟一個(gè)Tunnel服務(wù)blink_agg
圖三 Source表（source_order）
圖四 Sink表（sink_order）
圖五 源表和目標(biāo)表
圖六 創(chuàng)建通道
Blink資源
Blink控制臺(tái)入口，創(chuàng)建一個(gè)Blink項(xiàng)目（獨(dú)享模式要?jiǎng)?chuàng)建集群之后才能創(chuàng)建項(xiàng)目），分別創(chuàng)建一個(gè)作業(yè)，agg_order，并將上面的Flink SQL粘貼到窗口中，上線服務(wù)
在運(yùn)維窗口中啟動(dòng)該任務(wù)
第三步：壓入數(shù)據(jù) 并 實(shí)時(shí)獲取結(jié)算結(jié)果
1 準(zhǔn)備配置文件
程序默認(rèn)會(huì)從'~/tablestoreConf.json'獲取配置
vim ~/tablestoreConf.json
# 內(nèi)容
{
"endpoint":"http://ordertest.cn-zhangjiakou.ots.aliyuncs.com",
"accessId":"************",
"accessKey":"************",
"instanceName":"ordertest"
}
2 構(gòu)建源碼
mvn install cd target tar xzvf stream-compute-1.0-SNAPSHOT-release.tar.gz
3 啟動(dòng)壓力器和模擬大屏
可以直接下載工具包：stream-compute-1.0-SNAPSHOT-release.tar.gz
# 窗口1 ./bin/mock_order_generator # 窗口2 ./bin/data_show_screen
4 效果
源碼：https://github.com/aliyun/tablestore-examples/tree/master/demos/StreamCompute
附件下載：https//:yq.aliyun.com/attachment/download/?id=6940?
作者：chen1255
*請(qǐng)認(rèn)真填寫(xiě)需求信息，我們會(huì)在24小時(shí)內(nèi)與您取得聯(lián)系。
