翻译理论

本文翻译自官网：SQL https://ci.apache.org/projects/flink/flink-docs-release-1.9/dev/table/sql.html 这是Flink 支持的 数据定义语言（DDL） 和数据操纵语言的完整列表。 查询 指定查询 支持语法 操作 DDL 指定 DDL 创建表 删除表 Data Types Reserved保留关键字 查询 SQL查询使用TableEnvironment 的 sqlQuery() 方法指定。这个方法返回一个表作为SQL查询的结果。这个表可以在后续的 SQL 和 Table API 中查询，可以转换为 DataSet 和 DataStream ,或写到 TableSink 中。SQL和Table API查询可以无缝混合，可以进行整体优化并将其转换为单个程序。 为了在 SQL 查询中使用一个表，它必须在 TableEnvironment 中注册。表可以通过 TableSource , Table , CREATE TABLE statement , DataStream, or DataSet 注册。或者，用户还可以在TableEnvironment中注册外部目录以指定数据源的位置。 为方便起见，Table.toString（）自动在其TableEnvironment中以唯一名称注册该表并返回该名称。 因此

1. 前言与要求 　　这篇文档提供了ply的lexing与parsing总体说明。鉴于解析的内在复杂性(Given the intrinsic complexity of parsing),我强烈推荐你在开始你ply的大型项目之前应该阅读(或至少略读)整篇文档。 Ply3.5 兼容 python2 与 python3. 如果你正在使用python2，你必须使用python2.6或更新的。 2. 介绍 　　PLY是一款非常受欢迎的编译器构造工具lex与yacc的纯PYTHON版本。PLY的主要目标是忠诚于(stay farily faithful)传统的lex/yacc工具的工作方式。这支持LALR(1)分析，也支持额外的输入验证、错误输出以及诊断。因此，如果你已经使用了yacc在另外的编程语言，你应该可以相对容易的使用PLY。 　　早期版本的PLY被开发出来支持我2001年在芝加哥大学编译原理入门课程。因为PLY最初开发作为一个构造工具，你发现它对语法与符号规范相当的挑剔(picky)。部分地，这增加了用于捕捉新手容易造成的常见的编程错误的程序。当然，高级的使用者当在用于构建真正的编程语言的复杂的语法规则时的，也会发现一部分非常有用的细节。应该注意的是PLY不提供太多花里胡哨的方法（the way of bells and whistles）（比如自动构造语法抽象树，树的遍历等）

郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ 以下是对本文关键部分的摘抄翻译，详情请参见原文。 Abstract 　　基于“learning with errors”（LWE）问题，分析了理论上基于声音格的加密方案的具体安全性和密钥大小。我们的主要贡献是：（1）针对LWE提出了一种新的格攻击，它结合了基归约和一个允许时间/成功折衷的枚举算法，其性能优于先前分析中所考虑的简单区分攻击；（2）基于LWE的密码系统的具体参数和安全性估计，该系统比文献中已知的方案更为紧凑和高效。我们的新密钥大小比以前的示例小10倍，同时提供更强大的具体安全级别。 来源： https://www.cnblogs.com/lucifer1997/p/11764415.html