补充篇：Unity中Compute Shader的基本使用

news/2025/1/24 11:27:47/文章来源:https://www.cnblogs.com/OwlCat/p/18684161

补充篇：Unity中Compute Shader的基本使用

Compute Shader 可以充分利用GPU来帮助我们处理大规模的并行任务。虽然名字带Shader，但它可不光用于图形学，所以即便对渲染相关的知识不甚了解，也不妨碍学习它的用法。

基本流程

对任意 Project的文件夹右键Create/Shader/Compute Shader即可创建一个 Compute Shader，我们给它取名「MatrixCompute」，我们将其中的默认代码全部删除。

我们从一个故事开始：在17世纪，C国的现任国王拥有无上智慧，现面临外敌入侵，他从异国雇佣了1000个神奇士兵，以保得山河无恙。

image

这些神奇的士兵有这么一些能力：

  • 他们可以上天入地，因此可以结成各种阵型；
  • 他们会做同样的事情；
  • 他们喜欢结队而行；

现在，他开始思考战事：

指令（内核的主函数）

国王在一天中会下达很多指令，但鉴于士兵的特殊性，他会专门标出士兵们要执行的指令。

Compute Shader 也是如此，#pragma kernel XXX（作为内核主函数的函数名字） 来标记将在多线程中执行的函数，同时应当写一个名字相同的函数与之匹配，返回值要为 void ，入参暂时不管：

#pragma kernel OrdersToSolidersvoid OrdersToSoliders()
{}

保存后返回Unity，会发现一个报错，需要我们添加numthreads，怎么做呢？我们继续看

image

阵型（线程组规模划分）

这次的外敌勾结了魔物，漫天凶禽、遍地走兽（和士兵）组成了块状阵列；在X尺寸中有20个单位，Y尺寸中有30个单位，Z尺寸中有5个单位，记作 (20, 30, 5)，共 20 * 30 * 5 = 3000个敌人，来势汹汹！

国王见这架势，将士兵按小队划分，每个小队在X尺寸中有4人、Y尺寸中有5人、Z尺寸中有1人，记作(4, 5, 1)，共20人（下图用方块代替了）；国王又以这样的小队为单位，组建了一个大阵型：在X尺寸中有5个小队单位、Y尺寸中有6个小队单位、Z尺寸中有5个小队单位，记作(5, 6, 5)。

image

这样一来，大阵型就是 (4 * 5, 5 * 6, 1 * 5) 刚好等于 (20, 30, 5)，只要出动就可以击退敌军了！但是……不是总共就1000个士兵吗!?没关系，国王自有调整的策略以补足阵型（当然，不会无中生有的）。

那如何在这次作战任务中找到具体的某个士兵呢？显然，可以通过在大阵容中（即在当前的(20, 30, 5)范围下）士兵的位置来寻找。比如下图这个士兵，就可以用 (8, 2, 0) 来找到：

image

Compute Shader 多线程的调度也是如此，[numthreads(a,b,c)] 就是单个工作组的规模，调用Compute Shader的函数 Dispatch 的后面三个参数，就是以工作组为单位在组建好大阵型并运行。

public void Dispatch (int kernelIndex, int threadGroupsX, int threadGroupsY, int threadGroupsZ)

而确定具体单个线程的坐标可由带了 : SV_DispatchThreadID 的 uint3 类型参数获取，这种参数不需要我们传入，会自动提供。

总结一下：Compute Shader的划分与C国的排兵布阵很类似，每个线程就像一个士兵，numthreads(a, b, c) 规定了小队阵型，Dispatch 再以小队为单位构建了总体的大阵型，而 uint3 id : SV_DispatchThreadID 的这个 id 就是每个士兵在该阵型中独一无二的标识（其实参数名也可以是别的，只不过一定得后面跟着: SV_DispatchThreadID）。

现在为作为“指令”的函数，加上numthreads，规模暂定为(8, 8, 1)，保存后报错就消失了；考虑到区分各线程还是挺有必要的，我们也传入 uint3 id : SV_DispatchThreadID：

#pragma kernel OrdersToSoliders[numthreads(8, 8, 1)]
void OrdersToSoliders(uint3 id : SV_DispatchThreadID)
{}

翻译（CPU数据搬运到GPU）

战斗还未开始，准备后方支援部门的人却开始头疼了。毕竟是异国的士兵，很多用品的叫法与C国不同，无从得知C国是具备还是不具备，难以筹备。国王便开始让人做些“翻译”工作，比如士兵们称为“褡裢”的东西，可以用背包替代……

Compute Shader也有许多与我们熟知的数据类型相似而叫法不同的东西，比如Vector3其实与Compute Shader中的float3相似、List<T>与RWStructuredBuffer<T>相似……这里就不一一盘点了，只要知道有这么一个类似翻译与搬运的工作要在运行之前做就行。

ComputeBuffer类变量就是用于在GPU声明内存的，通过 SetData 和 GetData 的方式来写读数据（后面实践会讲到）。

有一个值得注意的是自定义类型，Compute Shader中我们可以定义结构体，但注意其内部变量的顺序要与CPU的一致，不然读取出来的数据顺序会不一样，例如下面这样就是极有可能导致错误的，因为在数据搬运的过程中是不会看变量名的，只是按内存分布：

struct PersonCS
{int age;float weight;float height;
}

struct PersonCompute
{int age;float height;float weight;
}
//这类数据从GPU传回CPU的PersonCS类变量后，PersonCS类变量的weight和height逻辑上就反了

示例：用Compute Shader进行矩阵相乘

前提知识（如果你知道矩阵乘法，可以跳过）

矩阵是一个非常神奇的东西，它既可以参与神经网络的计算，也可以解方程、位姿变化……但今天我们只说说矩阵乘法。

矩阵从组成上看，就是一个数字组成的方块，类似这样：

\[\begin{bmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \\ 7 & 8 & 9 \end{bmatrix} \]

上面这个矩阵，行数为3，列数也为3，但行数和列数可以不相等。在进行矩阵乘法时，必须满足这样的条件：前者的列数必须等于后者的行数，例如：

\[\begin{bmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \\ \end{bmatrix} \begin{bmatrix} 1 \\ 2 \\ 3 \end{bmatrix} = \begin{bmatrix} 14 \\ 32 \\ \end{bmatrix} \]

前者行数为2、列数为3；后者行数为3，列数为1，得到的结果矩阵行数为2，列数为1……等等，这是怎么算出来的，为什么结果矩阵是这样的行列数目呢？可以用下面这张图说明计算过程：

image

结果矩阵的行数就等于前者的行数，列数就等于后者的列数。而具体的数值，就是前者的行中的元素（从左到右）分别与后者的列中的元素（从上到下）相乘后再求和。如果像知道自己是否已经理解，可以试试算出这个的结果矩阵：

\[\begin{bmatrix} 1 & 2\\ 2 & 0\\ 3 & 6\\ \end{bmatrix} \begin{bmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \\ \end{bmatrix} = \]

揭晓答案：

image

Compute Shader 代码

可以发现，其实矩阵乘法中结果矩阵的每个元素的计算都不容易呢（如果计算的两个矩阵都很大的话），用普通方法实现的矩阵乘法，假设为 a 矩阵 乘 b 矩阵，得用三层循环，一层遍历a中各行的元素，一层遍历b中各列的元素，剩下一层设置得到的结果在新得到的矩阵中的位置：

//结果矩阵的行数就等于前者的行数，列数就等于后者的列数
Matrix result = new Matrix(a.Rows, b.Columns);for (int i = 0; i < a.Rows; i++)
{for (int j = 0; j < b.Columns; j++){for (int k = 0; k < a.Columns; k++){result[i, j] += a[i, k] * b[k, j];}}
}
return result;

那如果用了 Compute Shader， 可以怎么优化呢？你应该想到了，可以 让每个线程各自计算结果矩阵中的一个元素并设置好位置，换句话说，就是让每个线程只计算上述三层循环中最内层的循环。

image

以刚才的矩阵为例，就可以用9个线程，分别计算每个元素的结果，一个线程算 1*1+2*4、一个线程算 2*2+0*5……这样分摊下来，计算所需时间就很少了。

下面就试试借助Compute Shader吧。首先，定义好线程将要调用的主函数，就叫 MyMatrixFunc吧：

#pragma kernel OrdersToSoliders
#pragma kernel MyMatrixFunc[numthreads(8, 8, 1)]
void MyMatrixFunc(uint3 id: SV_DispatchThreadID)
{}[numthreads(8, 8, 1)]
void OrdersToSoliders(uint3 id : SV_DispatchThreadID)
{}

PS：虽然OrdersToSoliders没什么用，但也先留着 （后面用来当例子

我们还需要传入三个矩阵：矩阵a、矩阵b和用于输出的结果矩阵，即3个RWStructuredBuffer<float>类变量。然而这类变量的存储是一维的，即使传入二维数组，它也还是以一维形式存储。所以我们再传入矩阵a与矩阵b的行列数，以方便定位计算出的结果的位置，但考虑到矩阵a的行数与矩阵b的列数得相同，那用3个数就好了。

#pragma kernel OrdersToSoliders
#pragma kernel MyMatrixFuncRWStructuredBuffer<float> matrixA;
RWStructuredBuffer<float> matrixB;
RWStructuredBuffer<float> matrixOut;// 矩阵维度：M为A的行数、K为A的列数/B的行数、N为B的列数
uint M, K, N;[numthreads(8, 8, 1)]
void MyMatrixFunc(uint3 id: SV_DispatchThreadID)
{}[numthreads(8, 8, 1)]
void OrdersToSoliders(uint3 id : SV_DispatchThreadID)
{}

借助 M、K、N 该怎么找到位置呢？先来看个例子：

image

如上图，想找到原本二维数组中 [1, 1] 的数转成在Buffer中的位置，该怎么确定呢？

我们知道索引是从0开始的，所以 [1，1] 是在二维中的第二行第二个，这也意味着它之前首先肯定有一行数，每行元素的个数其实就是列数，又因为它在当前行的下标是1，那它之前还有一个数。所以，它应当排在Buffer中的第四个位置。

总结一下就是：二维索引为[a, b]的数，在一维中应排在 第 [(a + 1) - 1] * 二维的列数 + (b + 1) 个。应该不难理解吧，(a + 1) 求的就是 在第几行，再 减一就是求之前有几行。

然而我们需要的是在Buffer中的索引，为此，还要再用「第几个」中的这个「几」减一，即：

\[[(a + 1) - 1] * 二维的列数 + (b + 1) - 1 \\ 可化简为：a * 二维的列数 + b \]

能理解这些的话，MyMatrixFunc 函数就不难写了：

[numthreads(8, 8, 1)]
void MyMatrixFunc(uint3 id: SV_DispatchThreadID)
{// 当前线程对应的结果矩阵Out的元素索引uint row = id.y;  // Out的行uint col = id.x;  // Out的列// 超出矩阵范围的不管if (row < M && col < N){// 计算Out[row,col]float a, b, sum = 0;for (uint k = 0; k < K; ++k){a = matrixA[row * K + k];  // A[row,k]b = matrixB[k * N + col];  // B[k,col]sum += a * b;}// 将结果写入Out[row,col]matrixOut[row * N + col] = sum;}
}

  • 会有超出范围的情况吗（你可以看到在执行逻辑前先进行了一次判断）？
    其实是有且常有的。就那之前的例子来说，最终结果只是一个规模为[3, 3]的矩阵，[8, 8, 1]可太足够了，但又没法只调用半个线程组或者四分之一的线程组，所以就会出现“浑水摸鱼的士兵”：

    image

  • 为什么入参id能表示结果矩阵所在的行列？
    这其实与numthreads与后面调用时的Dispatch密切相关，接下来就来看看C#代码该如何调用Compute Shader。

C#代码

先新建一个名为GPUMatrixCompute的类：

using System.Collections;
using System.Collections.Generic;
using UnityEngine;public class GPUMatrixCompute : MonoBehaviour
{}

首先肯定要一个Compute Shader类变量用于获取刚刚写的Compute Shader（public，方便编辑器页面拖入），然后还要有3个ComputeBuffer类变量，分别与之前「MatrixCompute」中的三个存储矩阵数据的RWStructuredBuffer<float>对应。没错，我们不能直接把普通的数据传入GPU，而是使用ComputeBuffer或StructuredBuffer（只读），这是GPU和CPU之间传递数据的主要方式，最后是同样3个记录矩阵维度的M、K、N:

using System.Collections;
using System.Collections.Generic;
using UnityEngine;public class GPUMatrixCompute : MonoBehaviour
{public ComputeShader computeShader;private ComputeBuffer matrixABuffer;private ComputeBuffer matrixBBuffer;private ComputeBuffer matrixOutBuffer;//用const限定，是为了方便初始化数组// 矩阵维度：M为A的行数、K为A的列数/B的行数、N为B的列数private const int M = 3, K = 2， N = 3;
}

在OnEnable函数中，我们将这些进行初始化，ComputeBuffer的初始化需要我们指定它的大小，我们可以把它想象成一个一维数组，它所需的两个参数，一个是数组长度，另一个是数组中每个元素的大小（可借助sizeof()得到指定类型的大小）;ComputeBuffer的SetData，我们可以将容器里（不只是数组类型）的数据传入ComputeBuffer中：

private void OnEnable() 
{float[,] myMatrixA = new float[M, K]{{1f, 2f},{2f, 0f},{3f, 6f},};float[,] myMatrixB = new float[K, N]{{1f, 2f, 3f},{4f, 5f, 6f},};matrixABuffer = new ComputeBuffer(M * K, sizeof(float));matrixABuffer.SetData(myMatrixA);matrixBBuffer = new ComputeBuffer(K * N, sizeof(float));matrixBBuffer.SetData(myMatrixB);matrixOutBuffer = new ComputeBuffer(M * N, sizeof(float));
}

在Start函数中，将我们的这些变量传到Compute Shader中吧。首先传入矩阵的3个维度，它们都是Int变量（uint也算），用SetInt函数传入，它有两种传入方式，一种是Compute Shader中对应参数的字符串名字 + 赋值的变量；另一种是一种是Compute Shader中对应参数的ID + 赋值的变量

//——————————————————第一种——————————————————   
computeShader.SetInt("M", M);
computeShader.SetInt("N", N);
computeShader.SetInt("K", K);//——————————————————第二种——————————————————
int M_ID = Shader.PropertyToID("M");
int N_ID = Shader.PropertyToID("N");
int K_ID = Shader.PropertyToID("K");computeShader.SetInt(M_ID, M);
computeShader.SetInt(N_ID, N);
computeShader.SetInt(K_ID, K);

通常来说，第二种方法会更好。如果后来在Compute Shader中对应参数的名字修改了，那么第二种方法只要改Shader.PropertyToID()传入的参数就行了，而第一种方法却需要修改所有用到的地方。

那ComputeBuffer要怎么传入呢？有个SetBuffer方法可以做到，但相比SetInt，它还需要传入kernelIndex，用于指定Buffer被用在哪个内核主函数中。还记得吗？我们的MatrixCompute中现在有两个kernel，按照声明顺序，分别有自己的kernelIndex，OrdersToSoliders是0，MyMatrixFunc是1，如果有更多，就依次往后2、3、4……

#pragma kernel OrdersToSoliders
#pragma kernel MyMatrixFunc
……

我们的确可以就这样传入SetBuffer（要用MyMatrixFunc，所以取1）：

int martixKernel = 1;int matrixA_ID = Shader.PropertyToID("matrixA");
int matrixB_ID = Shader.PropertyToID("matrixB");
int matrixOut_ID = Shader.PropertyToID("matrixOut");computeShader.SetBuffer(martixKernel, matrixA_ID, matrixABuffer);
computeShader.SetBuffer(martixKernel, matrixB_ID, matrixBBuffer);
computeShader.SetBuffer(martixKernel, matrixOut_ID, matrixOutBuffer);

可万一“不小心”调整了Compute Shader中它们的顺序，岂不是会出错 （而且难以发现。所幸，还可以用名字来指定：

int martixKernel = computeShader.FindKernel("MyMatrixFunc");

整理下到目前为止的代码：

public class GPUMatrixCompute : MonoBehaviour
{public ComputeShader computeShader;private ComputeBuffer matrixABuffer;private ComputeBuffer matrixBBuffer;private ComputeBuffer matrixOutBuffer;private const int M = 3, N = 3, K = 2;//运行时，Compute Shader中的各个变量名不会变，因此可以将获取的ID作静态只读修饰（不加当然也可以）private static readonly int matrixA_ID = Shader.PropertyToID("matrixA");private static readonly int matrixB_ID = Shader.PropertyToID("matrixB");private static readonly int matrixOut_ID = Shader.PropertyToID("matrixOut");private static readonly int M_ID = Shader.PropertyToID("M");private static readonly int N_ID = Shader.PropertyToID("N");private static readonly int K_ID = Shader.PropertyToID("K");……private void Start(){int martixKernel = computeShader.FindKernel("MyMatrixFunc");computeShader.SetInt(M_ID, M);computeShader.SetInt(N_ID, N);computeShader.SetInt(K_ID, K);computeShader.SetBuffer(martixKernel, matrixA_ID, matrixABuffer);computeShader.SetBuffer(martixKernel, matrixB_ID, matrixBBuffer);computeShader.SetBuffer(martixKernel, matrixOut_ID, matrixOutBuffer);}
}

终于要到调用了！在一切数据都写进Compute Shader后，Dispatch函数指定内核主函数与工作组数的尺寸（大阵型），对于这次的矩阵计算，显然一组就绰绰有余了：

private void Start()
{int martixKernel = computeShader.FindKernel("MyMatrixFunc");computeShader.SetInt(M_ID, M);computeShader.SetInt(N_ID, N);computeShader.SetInt(K_ID, K);computeShader.SetBuffer(martixKernel, matrixA_ID, matrixABuffer);computeShader.SetBuffer(martixKernel, matrixB_ID, matrixBBuffer);computeShader.SetBuffer(martixKernel, matrixOut_ID, matrixOutBuffer);computeShader.Dispatch(martixKernel, 1, 1, 1);
}

  • 但遇见比较庞大的工作任务时又该怎么指定规模呢？
    其实可以通过计算获得合适的尺寸，比如一个矩阵的输出规模是[64, 45]，而我们每个线程组的大小还是[8, 8, 1]，我们就可以：

    uint x, y, z;
//获取指定内核函数的numthreads大小（即小队规模）
computeShader.GetKernelThreadGroupSizes(martixKernel, out x, out y, out z);//假设输出矩阵的尺寸仍是[M，N]
//向上取整，向上取整可能会有部分浪费，但向下取整就完成不了任务
int groupX = Mathf.CeilToInt(M / x);
int groupY = Mathf.CeilToInt(N / y);
//z尺寸就不用算了computeShader.Dispatch(martixKernel, x, y, z);

现在，计算完的结果矩阵，还是在matrixOutBuffer中，怎么把结果拿回到数组中呢？用GetData方法即可，但也要足够大小的容器来收纳：

float[] matrixOut = new float[M * N]; 
matrixOutBuffer.GetData(matrixOut);

最后的最后，还要记得使用完后，释放掉在GPU中Buffer占用的内存：

matrixABuffer.Release();
matrixBBuffer.Release();
matrixOutBuffer.Release();

最终代码如下，为了直观看到计算结果，将matrixOut数组全局公开变量，在编辑器中指定大小，也可以直接在编辑器中看到结果：

using UnityEngine;public class GPUMatrixCompute : MonoBehaviour
{public ComputeShader computeShader;public float[] matrixOut;private ComputeBuffer matrixABuffer;private ComputeBuffer matrixBBuffer;private ComputeBuffer matrixOutBuffer;private const int M = 3, N = 3, K = 2;private static readonly int matrixA_ID = Shader.PropertyToID("matrixA");private static readonly int matrixB_ID = Shader.PropertyToID("matrixB");private static readonly int matrixOut_ID = Shader.PropertyToID("matrixOut");private static readonly int M_ID = Shader.PropertyToID("M");private static readonly int N_ID = Shader.PropertyToID("N");private static readonly int K_ID = Shader.PropertyToID("K");private void OnEnable() {float[,] myMatrixA = new float[M, K]{{1f, 2f},{2f, 0f},{3f, 6f},};float[,] myMatrixB = new float[K, N]{{1f, 2f, 3f},{4f, 5f, 6f},};matrixABuffer = new ComputeBuffer(M * K, sizeof(float));matrixABuffer.SetData(myMatrixA);matrixBBuffer = new ComputeBuffer(K * N, sizeof(float));matrixBBuffer.SetData(myMatrixB);matrixOutBuffer = new ComputeBuffer(M * N, sizeof(float));}private void Start(){int martixKernel = computeShader.FindKernel("MyMatrixFunc");computeShader.SetInt(M_ID, M);computeShader.SetInt(N_ID, N);computeShader.SetInt(K_ID, K);computeShader.SetBuffer(martixKernel, matrixA_ID, matrixABuffer);computeShader.SetBuffer(martixKernel, matrixB_ID, matrixBBuffer);computeShader.SetBuffer(martixKernel, matrixOut_ID, matrixOutBuffer);computeShader.Dispatch(martixKernel, 1, 1, 1);matrixOut = new float[M * N];matrixOutBuffer.GetData(matrixOut);matrixABuffer.Release();matrixBBuffer.Release();matrixOutBuffer.Release();}
}

尾声

现在回到编辑器中，将脚本拖入任意物体中，并把ComputeShader也赋值上，点击运行就能看到MatrixOut所显示的输出结果了：

image

其实对于小规模的这类运算，用Compute Shader并不划算，因为这时数据在CPU与GPU之间的传输所消耗的时间远大于计算。使用时也应当避免频繁的读取与写入，即SetData和GetData的使用（SetBuffer倒是不要紧，它只涉及 GPU 资源的绑定，而不涉及数据传输）。

还有一点需要注意的便是numthreads和Dispatch尺寸的设置都需与执行任务匹配，这样才能更好地利用 uint3 id: SV_DispatchThreadID，其实除了SV_DispatchThreadID，还有一些其他的系统值参数，也可以在需要时传入用于辅助函数，像SV_GroupID、SV_GroupIndex等，可参考 https://learn.microsoft.com/zh-cn/windows/win32/direct3dhlsl/dx-graphics-hlsl-semantics

这篇文章如果能帮到你，那再好不过。(￣▽￣)

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/874668.html

如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

修改网站首页大图通常涉及到更新网站首页的图片文件

修改网站首页大图通常涉及到更新网站首页的图片文件

找到图片文件：首先需要找到网站首页大图的图片文件所在的位置。通常，网站的图片文件会存储在服务器的特定目录中，例如 images 目录。 备份原图片：在修改之前，建议先备份原图片，以防修改过程中出现问题需要恢复。 准备新图片：准备好要替换的新图片，确保新图片的尺寸和格…
阅读更多...
怎样修改网站公司名称

怎样修改网站公司名称

修改网站公司名称通常涉及到更新网站的标题、版权信息、联系方式等相关内容。以下是一些常见的方法：网站标题修改：在网站的HTML代码中，找到 <title> 标签，并将其中的公司名称修改为新的名称。例如： <title>新公司名称 - 网站首页</title>版权信息修改：…
阅读更多...
改图标网站设计图排版

改图标网站设计图排版

修改图标网站设计图排版可以从以下几个方面入手：确定排版风格：根据网站的整体风格和定位，确定图标的排版风格，如对齐方式、间距、大小比例等。 调整图标位置：使用设计工具（如Adobe Photoshop、Sketch等）打开设计图，将图标拖动到合适的位置，确保布局合理、美观。 统一图…
阅读更多...
ESP32-WebOTA

ESP32-WebOTA

esp32网页ota设计参考前言 在 ESP32 设备连接上 WiFi 后均获获得 WiFi 设备分配的一个 IP 地址，在同一网络的设备当中即可访问此 IP 地址，而我们既可以通过 ESP32 中的 HTML 服务访问建立在上面的网页，并且可以通过网页来实现对于 ESP32 的交互。 接下来主要介绍如何通过网页…
阅读更多...
如何修改织梦网站的颜色？

如何修改织梦网站的颜色？

要修改织梦网站的颜色，您可以通过以下几种方式实现：使用CSS样式：在织梦网站的CSS文件中，找到控制网站颜色的部分，并进行相应的修改。通常，这些样式位于网站的主题或模板目录下的CSS文件中。您可以使用文本编辑器（如Notepad++、Sublime Text等）打开CSS文件，并查找和修改…
阅读更多...
如何修改网站数据库密码？

如何修改网站数据库密码？

修改网站数据库密码是一项重要的安全措施，可以帮助保护您的网站数据。以下是一些基本的步骤：登录到数据库管理工具：使用数据库管理工具（如phpMyAdmin、MySQL Workbench等）登录到您的网站数据库。您需要知道数据库的主机名、用户名、密码和数据库名称。 选择要修改密码的用…
阅读更多...
学习vue05补发一下昨天学习内容

学习vue05补发一下昨天学习内容

学习了vue知识，关于vue工程的运行方式和程序，并学会了组合式和分组式API，主要是在其中不断查资料的学习关于vue运行，比如钩子函数，应用实例等等
阅读更多...
WordPress移除页面源码head中style img:is的样式代码

WordPress移除页面源码head中style img:is的样式代码

上月中旬 WordPress 6.7 版本正式发布，随后很快又发布了 WordPress 6.7.1 维护版本，每次 WordPress 有大版本的更新子凡我都习惯先看看官方的更新记录，然后先升级泪雪博客看看有没有问题，最后再批量的升级其他项目的 WordPress 网站，然后就是还会习惯的看看前段代码是否存…
阅读更多...
帝国cms网站名称修改不成功怎么办

帝国cms网站名称修改不成功怎么办

如果您在帝国cms中修改网站名称不成功，可以尝试以下步骤：检查权限：确保您有足够的权限修改网站名称。通常，只有管理员或具有相应权限的用户才能进行此类修改。 清除缓存：修改网站名称后，可能需要清除缓存才能使更改生效。您可以在帝国cms后台找到“数据更新”或“缓存管理…
阅读更多...
网站顶部logo在哪里修改

网站顶部logo在哪里修改

网站顶部logo的修改位置通常取决于您使用的网站建设工具或平台。以下是一些常见的修改方法：内容管理系统（CMS）：如果您使用的是CMS，如WordPress、Drupal或Joomla，通常可以在后台管理界面中找到“外观”或“模板”选项，然后在其中找到“自定义”或“主题设置”等相关选项，…
阅读更多...
网站PHP版本如何修改

网站PHP版本如何修改

网站的PHP版本是指网站所使用的PHP解释器的版本。修改网站的PHP版本可以通过以下步骤实现：确定服务器类型：首先需要确定网站所在的服务器类型，如Apache、Nginx等。不同的服务器类型有不同的PHP版本管理方式。 找到PHP版本管理工具：根据服务器类型，找到相应的PHP版本管理工…
阅读更多...
分布式键值存储的王者--ETCD

分布式键值存储的王者--ETCD

在分布式系统的世界里，数据的一致性、可用性和分区容错性如同三座大山，横亘在开发者面前。 而 ETCD，犹如一位技艺高超的登山者，以其卓越的性能和稳定的表现，征服了这三座高峰，成为分布式键值存储领域当之无愧的王者。 ETCD 不仅仅是一个简单的键值存储系统，它更是分布式…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023