指南：本文的首席执行官注释将向您介绍Django如何删除超级用户的相关内容。我希望这对每个人都会有所帮助。让我们来看看。
近年来，全球大数据进入了一段加速的发展时期，数据量显示了索引水平的爆炸性增长。在这些大量数据中，不同个体之间生成的数据以图形的形式表示。相关图形。使用无法用完正常关系数据的数据非常有效。与图数据的相关分析看起来非常有效。
在处理数据方面，我们首先考虑NetworkX。这是网络计算上常用的常见Python软件包，可以提供灵活的地图构建和分析功能。但是，当我们使用NetworkX运行大型图表数据时，我们不仅遇到不足的内存问题，而且还遇到分析速度非常慢。原因是NetworkX仅支持单机器操作。通过在线搜索，一个名为GraphScope的新系统不仅被称为与NetworkX兼容的API，而且还支持分布式部署操作并具有更好的性能。对于GraphScope和NetworkX的处理功能，我们指的是图计算中常用的测试框架的LDBC，并比较一组实验下两者的性能。
1.实验简介
为了比较两者的计算效率，首先使用阿里巴巴云来设置8核CPU，32GB的内存，并设计了三组比较实验，即网络单机器的计算性能，GraphScope Single -Machine多工人计算实验性能和计算性能分布式多工程学。
在数据上，我们选择了SNAP的开源数据集。Twitter，Datagen-7_5-FB，Datagen-7-ZF和Datagen-8_0-FB从LDBC数据集作为实验数据。以下是数据集的基本信息：
·Twitter：81,307个最高点，1,768,135个边缘
·Datagen-7_5-FB：633,432最高点，34,185,747边缘，密集地图
·Datagen-7_7-ZF：13,180,508顶部，32,791,267边缘，稀疏地图
·Datagen-8_0-FB：1,706,561顶部，107,507,376边。该数据集主要测试可以使用图形容量功能处理的两个系统。
在实验设计中，我根据图表时间，记忆占用时间和计算时间的三个指标选择了常用的SSSP，BFS，Pagerank，WCC算法和较高的复合物所有PAIRTEST PANGTH算法。
工人。
2.实验结果
首先，GraphScope的负载速度比NetworkX显着提高。
在前三个图中数据浓度，无论是GraphScope的支架 - 单位多工程模式还是GraphScope的分布式模式，负载速度都比NetworkX快：
GraphScope Stand-Olone模式负载速度比NetworkX快5倍，这是Datagen-7_5-FB上的NetworkX的最高记录-6倍。
在分布式模式下，GraphScope的负载时间比NetworkX快27倍，并且记录-63倍最高的63倍，比Datagen-7_7-ZF数据集中的NetworkX快。
在Datagen-8_0-FB数据集上，由于内存溢出，NetworkX无法加载图表。GraphScope独立多工厂和GraphScope分布式加载时间分别为142秒和13.6秒。
表1：图表时间的比较
图表时间
NetworkX
GraphScope单机器
GraphScope分布式
推特
11.2
3.1
1.8
datagen-7_5-fb
256
45.6
36.6
Datagen-7_7-ZF
316
71.3
50
datagen-8_0-fb
oom
142
13.6
其次，GraphScope的内存使用效率比NetworkX显着提高。
在Datagen-8_0-FB数据集上，无法在32G内存上加载NetworkX，并且GraphScope仅需要24G内存即可加载Datagen-8_0-FB数据集。
表2：记忆职业的比较
记忆职业
NetworkX
GraphScope
datagen-7_5-fb
14克
6G
Datagen-7_7-ZF
28克
18G
datagen-8_0-fb
oom
24克
第三，与NetworkX相比，GraphScope的计算速度已显着提高。
在SSSP算法上，GraphScope独立多工作者模式的速度比NetworkX快22倍，并且最快的datagen-7_7_7_7-ZF数据集的最快速度比NetworkX快103倍，并且是最快的Datagenen-7_5-FB数据集比NetworkX快182倍。
表3：SSSP计算时间比较（单位：第二个）
SSSP
NetworkX
GraphScope单机器
GraphScope分布式
推特
2.45
1.32
0.28
datagen-7_5-fb
37.9
1.21
0.31
Datagen-7_7-ZF
5.84
0.18
0.03
datagen-8_0-fb
oom
2.76
0.82
在BFS算法上，GraphScope独立多工程模式的速度比NetworkX快13倍，并且最快的DataGen-7_5-FB数据集的速度快22倍。在GraphScope分布式模式下，平均值比NetworkX快16倍，并且在Datagen-7_5-FB数据集上，最快的速度快28倍。
表4：BFS计算时间比较（单位：第二个）
BFS
NetworkX
GraphScope单机器
GraphScope分布式
推特
1.53
0.16
0.17
datagen-7_5-fb
44.68
2.52
1.56
Datagen-7_7-ZF
7.98
0.75
0.72
datagen-8_0-fb
oom
11.02
5.73
在Pagerank算法上，GraphScope Stand -Alone Multi -Worker模式的速度比NetworkX快62倍，并且最快的Twitter数据集的速度快80倍。在GraphScope分布式模式下，平均速度比NetworkX快65倍，并且最快的最快为71Twitter数据集上的速度更快。
此外，在Pagerararank计算过程中，NetworkX越过Datagen-7_7-ZF上的内存，并且未完成计算。
表5：Pagerank计算时间比较（单位：第二个）
打击
NetworkX
GraphScope单机器
GraphScope分布式
推特
24.01
0.37
0.33
datagen-7_5-fb
300
6.73
5.17
Datagen-7_7-ZF
oom
19.31
7.79
datagen-8_0-fb
oom
24.96
21.88
在WCC算法上，GraphScope独立多工厂模式的速度比NetworkX快44倍，并且最快的datagen-7_7_7_7-ZF数据集中最快的速度要快104倍。平均值比NetworkX快76倍，并且是最快的Datagenen-7_5-FB数据集比NetworkX快194倍。
表6：WCC计算时间比较（单位：第二个）
WCC
NetworkX
GraphScope单机器
GraphScope分布式
推特
0.6392
0.0296
0.0233
datagen-7_5-fb
26.03
0.25
0.13
Datagen-7_7-ZF
83.19
14.57
12.98
datagen-8_0-fb
oom
0.34
0.4991
在极高的复合物上，所有对最短路径长度算法上，网络X在Twitter图上，即记忆溢出并且无法计算。GraphScope在分布式模式下完成了Twitter图的所有对最短的Pangth计算，这花费了76分钟。
表7：所有配对最短路径长度（单位：第二个）
apsp
NetworkX
GraphScope单机器
GraphScope分布式
推特
oom
oom
4575.87
3.摘要
从实验结果可以看出，在相同的条件下，无论在负载时间，内存占用和计算时间中，GraphScope都必须比NetworkX好，并且性能优化可以达到数十个甚至数百次。
6979 Aqiang
专注于
@网 @的性能问题
Alston_ethannical博客
24
当我使用500,000个数据运行NetworkX开发的算法时，@n @的性能问题的性能问题是500,000数据开发的，并且遇到了计算性能的问题。这个问题非常缓慢。在寻找答案时，我发现NetworkX重复使用相对较差。当节点的边缘为10,000和100,000时，缓慢的新能量的问题将表明为了解决图形算法问题。我应该怎么办？首先，定义了问题的边界，也就是找到限制问题的条件，然后降低问题的范围。我要解决的问题是如何在解决问题相关问题时快速计算结果。但是当前算法是通过网络实现的。问题的根源是
开源！一篇文章了解Ali一个式图表计算平台g
阿里巴巴云开发人员
2767
简介：随着大数据的爆发，图数据的应用量表继续增加，现有的图表计算系统仍然具有一定的局限性。Alibaba拥有世界上最大的产品知识图。在丰富的地图场景和真实应用的驱动下，阿里巴巴Pado Institute的智能计算实验室已经开发并开发了世界上第一个 - 停止的超级 - 规模分布式地图计算平台graphscope.uss graphscope.uss ofles of the“科学和技术创新中国”中国科学技术协会的平台。本文解释了详细计算的原理和应用程序，以及GraphScope的架构设计。可以直观自然地代表现实世界中的各种实体对象及其之间的关系。在大数据方案，社交网络，朋友中
一篇文章了解Ali的一个式映射计算平台GraphScope_ Alibaba Yunyun Qi编号
10-2
GraphScope提供了各种常用的分析算法，包括连通性计算，社区发现和Pagerank，中心性和其他数值计算算法。在分析的FuturesKills中，它还提供了一个丰富的图片学习算法软件包，该软件包支持图形...
5典型的型号测试架 - 独立训练速度是超级配件框架，如何进行划桨...
10-28
简介：PaddlePaddle致力于使深度学习技术的创新和应用更加容易。在单独的训练速度方面，通过异步执行策略和高效率高的核心操作员高，低相位，优化静态地图训练性能，在桨液v1.5.0的基准测试中（图像字段...
加强经典算法注释（6）：深Q值网络深Q网络
HHY_CSDN的博客
9093
在审查经典算法注释（零）的早期阶段：Bellman方程的推导增强了经典算法注释（1）：价值迭代算法价值迭代迭代增强经典算法注释（2）：策略算法增强策略算法的策略迭代经典算法注释（3）：Monte Calo方法增强了经典算法注释（4）：时间差算法的时间差异
GraphX和GraphFrame ConnectedComponent计算性能计算性能比较
高臭博客
3046
...网络，伪代码，算法理解，代码实现，张量...
11-3
定义Q_NETWORK函数以构建Q网络，输入游戏状态Q网络并获取所有动作的Q值。给出了网络组合三个合并卷积层和完整的连接层。：＃初始化layersInitializer = tf ....
[阅读笔记] [机器学习真实战斗]第11章：培训深神经网络
MJ_LEE的博客
612
阅读书籍是“基于Scikit-Learn和Tensorflow的实际战斗”，“带有Scikit-Learn Tensorflow的动手机器学习”。本文中的所有图片均来自屏幕截图的相关部分。本章介绍了DNN培训中的三个常见问题，并提供解决方案。在本章的最后，当我不知道如何不知道如何选择一些属性在DNN培训期间选择...
NetworkX计算网络效率
Tengqingyong的博客
5860
当我计算网络的网络效率时，我遇到问题网络的问题提供了最短的路由功能juttest_path和shorest_path_length。获得网络的最短网络长度；这表明我的观点是...
熊猫/网络图分析简单条目
weixin_34306676博客
516
对于地图理论，每个人都知道或多或少，数学或与计算机相关的专业的读者可能更清楚。图形中的图像是由许多给定点和两个点线组成的图。这样的图像通常用于描述某些事物之间的特定关系。使用点代表事物，使用两个点使用两个点，间隔线代表两者之间的某些关系，这在互联网和通信行业中广泛使用。Graph分析不是数据科学领域的新分数...
NetworkX四人网络模型
Weixin_30764883的博客
380
NetworkX提供了4种通用网络建模方法，即：规则，随机图表，WS小世界网络和BA无标准网络。规则的规则几乎是最复杂的图表类型。rando_graphs.random_regular_graph（d，n）方法可以生成一个包含n个节点的节点。每个节点都有一个带有d邻居节点的标尺图。在示例代码的下一节中，每个节点包含20个节点和3个邻居的规则...
igraph/networkx学习注释...
nuoline柱
10,000+
原始地址： - 一个数据结构之一“ igraph/networkx学习笔记-DATA结构作者：Zhengww789首先，基本上所有图库都有其局限性。不同的数据结构具有优势，并且必须具有缺点。数据结构构成了另一种构成原因。因此，如果您想使用工具包来解决所有问题，这显然是一种奢侈。很多时候您必须从头开始编写自己的代码。
在Python（摘录）下使用复杂的网络编程包
Weixin_30631587博客
2335
原来的：;uid = 404069do = blogclassid = 141080View = mefrom =太空复杂网络分析库网络学习注释（1）：启动NetworkX是一个图表和复杂的网络建模工具，以Python Language.net ... NET ...
快速，更简单|飞行帕迪桨板单人训练速度优化最佳实践
桨板
1672年
简介：PaddlePaddle致力于使深度学习技术的创新和应用更加容易。在单独的训练速度方面，通过异步执行策略和高效率高的核心操作员高，低相位，优化静态地图训练性能，...
GraphX和Graphlab的比较，Pregel
杨塔帕
588
分布式批处理同步BSP PREGEL，GRAPHLAB和GRAPHX基于BSP（批量同步平行）模式，即总体同步并行。计算过程由一系列全局超级刺器组成，每个步骤均由三个步骤组成：并发计算，通信和同步。从垂直的角度来看，一个程序由一系列序列组成。从水平的角度来看，在高级中，所有过程都同时进行部分计算。BSP的最大优势是，BSP的最大优势是该编程很简单，但是在某些情况下，BSP操作的性能非常差，...
Tensorflow学习记录：VGGNET卷积神经网络模型
weixin_41137655博客
308
1. VGGNET模型结构简介VGGNET是由牛津大学计算机视觉几何（VGG）和Google DeepMind的研究人员开发的深卷积神经网络。VGG成员Karen Simonyan和Andrew Zisserman在2014年写道。该论文“非常深的卷积网络，用于大规模图像...
在11月的编程语言排名冠军，稳定
流行建议
IT Education Ren姐妹的博客
40,000+
大家好，今天，我将与我的朋友分享，在2021年11月，我的朋友分享了11月的最新摘要索引python，python持续到了第一个月的顶部，这是Python！，Python本月仍位居榜首。Python的强风似乎仍在刮擦。Later，C，Java，C ++，C＃，这些也是我们的老朋友。PHP即将脱离前十名。由于TIOBE指数已于20年前开始，因此PHP一直处于排名前十。但是，最近，该语言开始从前十名开始
Python可以做什么软件？Python可以做什么？
小分享
6573
Python培训的内容是什么？许多基于零的学生不知道使用了什么Python软件？Python软件是编写代码时Python工程师所需的编辑工具。在那个时候，学生特别关注培训内容。从当前的大型机构中，我们可以看到Python培训主要了解Python Core编程的第一阶段（Pyth ...读取python的变量，功能，此处解释的模块可以解释的是一种可解释的语言什么是汇编语言：编译语言：例如C ++，C等。
Django在Django中的超级用户的创建和删除操作
最新发布
Protinx的博客
91
超级用户可以看到上面的密码已经输入了三遍，并且仍然没有成功的提示。Django本身仍然是超级用户密码的许多要求。每个人都定义了要注意的密码，或者如果您自己学习，您也可以在'绕过密码验证并创建用户AN中。
上海Python培训中心
weixin_63757190博客
166
几天前，一位读者在背景中留下了一条消息，说：“最近，我被纸折磨并崩溃了。我等不及十个克隆的自我手稿将在本月底发送，其中一个人去了一个月的顶部。这里还没有完成。那里有新的论文可以在那儿打开这个问题，再加上最后一个“自我”，我真的是一个数学天才！但是现实只是我，我只能熬夜每天。好人，我开始问自己，这只是我的科学研究生活如此荒芜吗？
Python装饰设备
Livelearn的博客
1208
学习目标：为了清楚地描述装饰性描述，您必须在装饰之前理解三件事：功能对象，函数嵌套和函数关闭。学习内容：函数对象很容易说。Python编程语言属于动态语言。Python中的所有内容都是一个对象，因此该函数也是一个对象。函数对象由函数名称表示（只有名称，无括号，没有参数）。例如，定义了摘要函数添加，那么添加的添加此处是function object.def add（用户名，a，b）：print（f“ {a} + {b} = {a + b}”）返回a + b函数嵌套或嵌套函数，已确定
c?2021CSDN皮肤主题：巡回赛设计师：拜·Songlin返回家中
关于我们
Zhaoxian
广告服务
发展助理
400-660-0108
kefu@csdn.net
在线服务
工作时间8：30-22：00
公共安全准备编号11010502030143
北京ICP号19004658
Jingwangwen [2020]编号1039-165
商业网站归档信息
北京互联网非法和不良信息报告中心
网络110警报服务
中国互联网报告中心
父母监护权
Chrome Store下载
2 1999-2021北京创新Lezhi Network Technology Co.，Ltd。
版权和免责声明
版权投诉
出版许可证
商业执照
6979 Aqiang
0-年-OLD 0年
没有认证
11
原来的
130,000+
每周排名
120,000+
总体排名
579
使用权
年级
132
不可缺少的
1
扇子
1
称赞
评论
1
收集
私人信
专注于
流行文章
GraphScope，Neo4J和Tigergraph单位 - 独立性能比较146
NetworkX和GraphScope的性能比较88
GraphScope，Gemini和GraphX性能比较60
分布式图计算引擎46
国家足球日历世界杯战斗地图关系45
最新评论
图分析条目
每个人一起学习编程：谢谢博客作者的分享！
您是否愿意向您的朋友推荐“博客详细信息”页面？
强烈建议
不建议
一般般
推荐
强烈推荐
最新的文章
2021-10-11
数据库在社会方向上的应用
国家足球日历世界杯战斗地图关系
2021 11文章
您的浏览器当前已缩放，并且该页面可能会脱臼。建议显示100％。
报告
—————————————————————————————
本文是CSDN博客“ 6979 Aqiang”的原始文章。根据CC 4.0 BY-SA版权协议，请附上原始链接和此说明。
原始链接：
neo4j是一个独立的系统，主要用作图表数据库。GraphScope是由阿里巴巴·巴德汉姆（Alibaba Bardham）智能计算实验室开发的地图计算平台。这是世界上第一个 - 停滞的超尺寸 - 尺度分布式地图计算平台。它也被选为中国科学技术协会的“科学和技术创新”平台。GraphScope代码是Github.com/alibaba/graphscope.on的开源代码，SSSP算法的平均值是Neo4J的平均值176.38倍，最快的是Datagen-9.2_ZF数据集中最快的292.2倍。
（在此处输入您自己的邮箱帐户）x0dx0a输入密码，您需要输入两次，并且输入密码时不会显示它：x0dx0ax0apassword：x0dx0apassword（再次）：x0dx0a：x0dx0a当两个密码是相同的时，都会提示。超级超级帐户创建成功。X0DX0ASUPERUSER成功创建了.x0dx0ax0dx0a运行服务：X0DX0AX0DX0DX0DX0APAPYTHON MANAGE.PY RUNSERVER
（1）添加记录
添加s_username，s_passwd，s_phoneNumber的用户名，passwd，phonenumber字段值的记录记录
用户=用户（）
user.username = s_username
user.passwd = s_passwd
user.phonumber = s_phoneNumber
user.save（）
或者
用户=用户（用户名= s_username，passwd = s_passwd，phonenumber = s_phoneNumber）
user.save（）
（2）删除记录
将用户名的记录删除为“ yy”
user.objects.get（用户名='yy'）。删除 （）
删除一组记录，假设一个电话号码可以与多个用户相对应，现在将所有带有电话号码的用户删除为“ 123456”
user.objects.filter（Phonenumber ='123456'）。删除 （）
（3）修改记录
将用户名的手机号码修改为“ DW”为'88888'
您可以重新指定用户名field username_field
您可以重新指定Edail字段email_field
在CreateSuperuser中创建超级用户时，也有命令行，以提醒信息字段以输入surection_fields
配置完成后，无法成功启动，因为缺少Django用户类的某些默认方法需要继承AbstractBaseuser类
如果您不想创建django amth表，则可以在django.contrib.auth中删除django设置。
结论：以上是首席CTO注释为每个人删除超级用户的Django的全部内容。感谢您阅读本网站的内容。我希望这对您有帮助。有关django如何删除超级用户的内容的更多信息，请在此站点上找到它。