姜团长
姜团长

POJ 3694 Network (边双连通缩点、LCA）

题意：给一个无向图，问每次加一条边剩余的桥是多少。

这题有更优的方法，不用缩点，不过为了学习缩点还是学习了下面的算法。

&&吐槽，这题数据弱，时限宽，各种姿势的暴力都随便过。


先求出边双连通分支，然后缩点成一颗新的树。

怎么缩呢：只把不属同一双连通分支的边加到新树中。

显然的是，每在两个点之间添加一条边，那么这两个点到它们的最近公共祖先之间的边都不再是桥。这里允许每次暴力求LCA，然后把两个点到lca之间有多少边算出来，就是减少的桥。但有个问题这样的话有些边会被减多次，这里用并查集来解决，每次把新组成的一个双连通分支放到一个并查集里，如果某点在并查集里，就直接跳到根上，虽然损失了一些时间，但是避免了重复计算。


【代码】

/* ***********************************************
Author        :angon

************************************************ */
#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 
using namespace std;
#define showtime fprintf(stderr,"time = %.15f\n",clock() / (double)CLOCKS_PER_SEC)
#define lld %I64d
#define REP(i,k,n) for(int i=k;i'9'; ch=getchar());for(; ch>='0'&&ch<='9'; ch=getchar())s=s*10+ch-'0';return s;}


struct Edge
{
    int v,next;
}edge[N*4],edge2[N*4];
int head[N],tot;
int head2[N],tot2;
int belong[N],Stack[N],inStack[N];
int low[N],dfn[N];
int scc,TimeN,top;
int deep[N],pre[N],p[N];
void addedge(int u,int v)
{
    edge[tot].v=v; edge[tot].next=head[u]; head[u] = tot++;
}
void addedge2(int u,int v)
{
    edge2[tot2].v=v; edge2[tot2].next=head2[u]; head2[u] = tot2++;
}
void tarjan(int u,int fa)
{
    dfn[u] = low[u] = ++TimeN;
    Stack[top++] = u;
    inStack[u] = 1;
    for(int i=head[u]; ~i; i=edge[i].next)
    {
        int v=edge[i].v;
        if(v==fa) continue;
        if(!dfn[v])
        {
            tarjan(v,u);
            low[u] = min(low[u],low[v]);
        }
        else if(inStack[v])
            low[u] = min(low[u],dfn[v]);
    }
    if(dfn[u]==low[u])
    {
        int v;
        scc++;
        do
        {
            v = Stack[--top];
            inStack[v] = 0;
            belong[v] = scc;
        }while(v!=u);
    }
}

void init()
{
    mst(head,-1); tot=0;
    mst(head2,-1); tot2=0;
    mst(inStack,0); mst(dfn,0);
    scc = top = TimeN = 0;
}

int find(int x)
{
    if(p[x]==x) return x;
    return p[x]=find(p[x]);
}

void dfs(int u,int fa,int d)
{
    pre[u]=fa; deep[u]=d;
    for(int i=head2[u]; ~i; i=edge2[i].next)
    {
        int v=edge2[i].v;
        if(v==fa) continue;
        dfs(v,u,d+1);
    }
}

int LCA(int u,int v)
{
    while(u!=v)
    {
        if(deep[u]>deep[v]) u = pre[u];
        else if(deep[u]




你可能感兴趣的:(POJ 3694 Network (边双连通缩点、LCA）)

  • PointNet++改进策略 ：模块改进 | PointCAT， 使用交叉注意力机制来提升3D点云任务中提升模型精度 我是瓦力 PointNet++改进策略3d深度学习人工智能计算机视觉transformer
    论文题目：PointCAT:Cross-AttentionTransformerforPointCloud通讯地址：南京理工大学代码地址：https://github.com/xincheng-yang/PointCAT.PointCAT架构：PointCAT提出了一种基于交叉注意力机制的Transformer网络，专门用于点云表示。它通过两个不同的多尺度特征分支，利用交叉注意力机制来交换信息。通
  • 【2024博客之星】我的年度技术总结：Netty渡劫指南--从线程暴走到百万长连接，这一年我踩过的坑比写的代码还多 码到三十五 netty解析javanetty
    时间过得真快，作为一名十年的技术老鸟，这一年来跟Netty打交道打得不少。今天就聊聊这一年来我跟Netty的那些事儿，还有我在学习它技术原理时的一些总结。导读Netty再相见：捡起来、用起来Netty原理学习：边啃边写变总结Netty实战：干不爬我的终将被我干爬一、为什么选择Netty？二、线程模型：从车祸现场到秋名山车神三、内存管理：从OOM拳皇到内存刺客四、协议设计：从二进制乱码到量子通信五、
  • 计算机视觉：卷积核 每天五分钟玩转人工智能 计算机视觉计算机视觉深度学习人工智能机器学习卷积神经网络
    本文重点卷积神经网络（ConvolutionalNeuralNetwork，CNN）是一种深度学习模型，广泛应用于图像识别、自然语言处理、语音识别等领域。在卷积神经网络中，卷积核是网络的核心组件之一。通过不断堆叠卷积层和池化层，可以逐渐提取出更高级别的特征，从而实现更复杂的任务。卷积神经网络中的卷积核可以通过反向传播算法进行训练和优化，使其能够自适应地学习输入数据中的特征。因此，卷积神经网络在图像
  • 4-2 计算机视觉-卷积神经网络-基本网络组件 沉睡的小卡比兽 AI基础知识cnn卷积核端到端训练计算机视觉卷积神经网络
    1、为什么卷积核一般都是奇数？2、由哪些层组成了基本的卷积神经网络，作用分别是什么？3、卷积层和池化层有什么区别？4、什么是端到端学习end-to-end？1、为什么卷积核一般都是奇数？（1）保护位置信息：保证锚点刚好在中间，方便以模块中心为标准进行滑动卷积，避免了位置信息发生偏移（2）padding时的对称性：保证padding时图像的两边依然对齐（3）一些历史尝试的经验，如边缘检测等，还有pa
  • 【深度学习】常见模型-生成对抗网络（Generative Adversarial Network, GAN） IT古董 人工智能深度学习机器学习深度学习生成对抗网络人工智能
    生成对抗网络（GenerativeAdversarialNetwork,GAN）是一种深度学习模型框架，由IanGoodfellow等人在2014年提出。GAN由生成器（Generator）和判别器（Discriminator）两个对抗网络组成，通过彼此博弈的方式训练，从而生成与真实数据分布极为相似的高质量数据。GAN在图像生成、文本生成、数据增强等领域中有广泛应用。核心思想GAN的核心是两个神经
  • 【SpringBoot】SpringBoot：实现文件上传和下载功能 E绵绵 Everythingspringboot后端java
    文章目录引言项目初始化添加依赖配置文件存储位置实现文件上传功能创建文件上传控制器创建上传页面实现文件下载功能创建文件下载控制器安全性和最佳实践文件大小限制文件类型验证文件名和路径验证文件下载时的安全性测试与部署示例：编写单元测试部署结论引言文件上传和下载是Web应用程序中常见的需求。在现代应用中，用户需要上传各种类型的文件，如图片、文档、视频等，或者下载生成的报告和数据文件。SpringBoot通
  • Python3 字典：解锁高效数据存储的钥匙 李智 - 重庆 Python精讲精练-从入门到实战python经验分享编程实战趣味编程编程技巧
    Python3字典：解锁高效数据存储的钥匙内容简介本系列文章是为Python3学习者精心设计的一套全面、实用的学习指南，旨在帮助读者从基础入门到项目实战，全面提升编程能力。文章结构由5个版块组成，内容层层递进，逻辑清晰。基础速通：n个浓缩提炼的核心知识点，夯实编程基础；经典范例：10个贴近实际的应用场景，深入理解Python3的编程技巧和应用方法；避坑宝典：10个典型错误解析，提供解决方案，帮助读
  • Python 深度学习实战：生成对抗网络 AI天才研究院 深度学习实战AI实战AI大模型企业级应用开发实战大数据人工智能语言模型AILLMJavaPython架构设计AgentRPA
    1.背景介绍生成对抗网络（GenerativeAdversarialNetwork，GAN）是近年来较火热的深度学习模型之一，其在图像合成、视频生成、文本数据生成等领域均取得了不俗的效果。与传统的机器学习模型不同，GAN可以生成真实有效的数据，无需人工标注数据。它由两部分组成：生成器（Generator）和判别器（Discriminator）。生成器通过学习，根据噪声或随机变量（latentvar
  • 【深度学习】常见模型-卷积神经网络（Convolutional Neural Networks, CNN） IT古董 人工智能深度学习机器学习深度学习cnn人工智能
    卷积神经网络（CNN）概念简介卷积神经网络（ConvolutionalNeuralNetworks,CNN）是一种专门用于处理数据具有网格状拓扑结构（如图像、语音）的深度学习模型。它通过卷积操作从输入数据中提取局部特征，并逐层构建更复杂的特征表示，广泛应用于图像分类、目标检测、语音识别等领域。关键组成部分卷积层（ConvolutionalLayer）使用卷积核（滤波器）在输入上滑动，提取局部特征。
  • The Sandbox 2024 年度回顾和未来发展计划 BeepCrypto 区块链web3游戏
    突破性的主流合作伙伴关系、平台创新和深入的社交玩家参与，这是TheSandbox变革的一年。“TheSandbox设想了一个去中心化的元宇宙。在这个宇宙中，用户和品牌可以通过NFT创造和拥有体验，并通过体验来获得盈利，促进有创意的、协作的以及繁荣的「边玩边赚」经济。”自2018年启动以来，这一愿景一直指引着我们，去年，我们继续朝着实现这一愿景迈出有意义的步伐。今年，我们继续为社区服务，在TheSa
  • 北工大计算机网络95分复习——【第五章 网络层】 秋千的千秋 北工大计算机网络95分复习计算机网络网络智能路由器
    Networklayer网络层：responsiblefordeliveringpacketsbetweenendpointsovermultiplelinks。负责通过多条链路在端点之间传递数据包。将数据包从源机器路由到目标机器。Hop跳：一个中间路由器。5.1网络层的设计问题P125交换——电路交换（电话网）、包交换/分组交换（数据交换网中的主流交换方式）5.1.1存储转发数据包交换
  • WGAN - 瓦萨斯坦生成对抗网络 池央 生成对抗网络人工智能神经网络
    1.背景与问题生成对抗网络（GenerativeAdversarialNetworks,GANs）是由IanGoodfellow等人于2014年提出的一种深度学习模型。它包括两个主要部分：生成器（Generator）和判别器（Discriminator），两者通过对抗训练的方式，彼此不断改进，生成器的目标是生成尽可能“真实”的数据，而判别器的目标是区分生成的数据和真实数据。虽然传统GAN在多个领域
  • 广东某海水取排水管线工程边坡自动化监测 中科岩创 物联网大数据
    1.项目简介广东廉江核电项目田螺岭厂址位于廉江市车板镇北约4km处，地理位置为东经109°48’28.88“北纬21°34’01.55”，东距廉江市约48km，东南距湛江市约65km，厂址西南距离北部湾约4.5km。广东廉江核电项目一期工程海水取排水管线位于厂区南侧，全长约10100米。本次边坡设计范围沿取排水管路径距离厂区约8.5km，管道回填完成面标高4.8m-9.0m（1985国家高程基准，
  • 通俗理解IP地址概念：网络号、主机号、子网掩码与网段解析 小小野猪 网络-IP网络tcp/ip服务器
    通俗理解IP地址概念：网络号、主机号、子网掩码与网段解析网络号（NetworkID）主机号（HostID）子网掩码网段总结在互联网中，IP地址扮演着至关重要的角色，它是连接网络世界的桥梁。这里深入浅出地讲解几个关键概念：网络号、主机号、子网掩码以及网段，帮助大家构建起对IP地址体系的全面理解。网络号（NetworkID）含义：网络号是IP地址中用于识别设备所属网络的那一部分。就像你家的街道地址，告
  • Wi-Fi AP模式入门（基于ESP-IDF） 弱冠少年 嵌入式软件网络
    主要参考资料：Wi-Fi库:https://docs.espressif.com/projects/esp-idf/zh_CN/v4.4/esp32s3/api-reference/network/esp_wifi.htmlESP-NETIF:https://docs.espressif.com/projects/esp-idf/zh_CN/v4.4/esp32s3/api-reference/n
  • 56.命令绑定 C#例子 WPF例子 军训猫猫头 c#wpf开发语言
    一共是两个控件，绑定了属性和命令。用的是最简做法创建依赖：publicclassRelayCommand:ICommand{privatereadonlyAction_execute;publiceventEventHandlerCanExecuteChanged;publicRelayCommand(Actionexecute)=>_execute=execute;publicboolCanEx
  • linux扩容 dev sdb1,Linux-磁盘动态扩容-使用 米妮呀 linux扩容devsdb1
    一、前期准备工作1、备份工作就算是动态无损的扩容，也难免会出什么意外，备份是必不可少的，一般云平台都有备份功能，可直接对磁盘做一次全量备份，也可以直接备份到其它服务器或者本地2、查看挂载点➜df-hFilesystemSizeUsedAvailCapacityiusedifree%iusedMountedon#表示当前服务器磁盘挂载点的名称是vda1容量40G/dev/mapper/ubuntu-
  • web速览 qzhqbb web前端web
    web速览1.前端开发概述：前端开发是构建网站用户界面的过程，主要关注网站的视觉效果和用户体验。又称为客户端技术栈：HTML（超文本标记语言）：用于创建网页的结构和内容。CSS（层叠样式表）：用于样式和布局设计，包括颜色、字体、边距等。JavaScript：用于实现网页的交互性和动态效果。前端框架：React：一个用于构建用户界面的JavaScript库，采用组件化设计。Vue.js：一个渐进式的
  • 基于 React hooks + Typescript + Cesium 实现通视分析 jiegiser# webgiscesium通视分析webgis三维可视化typescriptreacthooks
    文章目录效果截图功能介绍实现思路实现步骤核心代码插值计算绘制分析线效果截图先上截图：功能介绍通视分析是指以某一点为观察点，研究某一区域通视情况的地形分析。用户在模型上选取任意两点之间是否可以互相可见的技术方法，主要用于判断任意两点之间能否通视；图层管理（√）dom点扩散（√）轨迹回放（√）测量（√）坐标拾取（√）加载模型数据，拾取三维模型（√）geoserver结合实现属性查询（√）geoserv
  • RabbitMQ实战 ikt4435 Java程序员编程javajava-rabbitmqrabbitmq
    1.1、作用解耦：在项目启动之初来预测将来会碰到什么需求是极其困难的。消息中间件在处理过程中间插入了一个隐含的、基于数据的接口层，两边的处理过程都要实现这一接口，这允许你独立地扩展或修改两边的处理过程，只要确保它们遵守同样的接口约束即可冗余〈存储)有些情况下，处理数据的过程会失败。消息中间件可以把数据进行持久化直到它们已经被完全处理，通过这一方式规避了数据丢失风险。在把个消息从消息中间件中删除之前
  • 奇墨科技TBM技术业务管理体系促进企业数字化转型 青莲网络 科技大数据运维
    企业业务不断发展，IT成本往往会出现螺旋式上升趋势，IT面临数字化转型。数字化发展过程中所投入的IT成本仿佛进入黑洞，无法看见投入到了哪里，看不到IT的价值，导致企业领导者难以做出正确的决策。企业想要改变这个情况，就必须建立TBM技术业务管理体系。拉通业务与IT成本投入之间的衡量标准，实现精细化成本管理，推动两者之间的深度融合，真正意义上实现降本增效。国内数字化领域的快速发展为TBM技术业务管理的
  • 学习AI职场应用技能的意义 Mieux718 学习人工智能
    在智能化浪潮下，“人工智能+”通识必修课的普及，其核心并非在于培养人工智能领域的专家，而是旨在构建全民AI素养的基石。学习AI是可以让学生借助其技术力量，为各自的专业领域插上创新的翅膀。除了高校外，越来越多的企业也开始关注AI对企业业务的帮助，职场中掌握AI也变得越来越重要。随着人工智能技术的发展，许多行业都在引入相关技术和应用，人工智能应用场景已深度融入办公流程、项目管理、项目运营、客户服务等工
  • Linux dirname、basename 指令 weixin_30457465 操作系统
    Linuxdirname、basename指令(2012-04-3021:44:53)转载▼标签：杂谈分类：linux一、dirname指令1、功能：从给定的包含绝对路径的文件名中去除文件名（非目录的部分），然后返回剩下的路径（目录的部分）2、用法：dirnamefilename例如下面几个例子（1）#dirname/etc/sysconfig/network-scripts/ifcfg-eth0
  • 数据仓库基础常见面试题 兔子宇航员0301 数据开发小白成长笔记数据仓库spark大数据
    1.数据仓库是什么‌数据仓库（DataWarehouse）是一个面向主题的、集成的、非易失的、随时间变化的数据集合，用于支持企业的管理决策‌。它不同于传统的操作型数据库，后者主要用于处理日常业务交易和实时查询，而数据仓库则侧重于对历史数据的整合、分析和挖掘2.数据仓库和数据库有什么区别数据来源和处理方式不同：数据库通常用于存储、管理和查询交易数据，而数据仓库则是用于处理分析性查询的数据。数据仓库通
  • 跨链多链与非托管交易结合：ANEX协议为区块链资产去中心化管理提供创新解决方 人工智能区块链
    在当今快速发展的区块链行业中，资产管理面临诸多挑战，如合约资产中心化管理导致的安全隐患、跨链桥中心化带来的资产被盗风险以及不同链间缺乏互通引发的“价值孤岛”问题。这些挑战不仅限制了资产的安全性和流通效率，也对行业的去中心化信任基础构成了严峻考验。为应对这些挑战，ANEX协议应运而生，通过其全球区块链统一账本技术，引领去中心化资产管理迈向新纪元。全球区块链统一账本的定义与优势全球区块链统一账本旨在通
  • AAAI2024论文解读|Memory-Efficient Reversible Spiking Neural Networks-water-merged paixiaoxin 文献阅读论文合集脉冲神经网络可逆架构内存效率深度学习训练优化AAAI
    论文标题Memory-EfficientReversibleSpikingNeuralNetworks内存高效可逆脉冲神经网络论文链接Memory-EfficientReversibleSpikingNeuralNetworks论文下载论文作者HongZhang,YuZhang内容简介本文提出了一种可逆脉冲神经网络（RevSNN），旨在降低脉冲神经网络（SNNs）在训练过程中对中间激活和膜电位的内
  • 深入详解神经网络的基础知识、工作原理以及应用【一】 猿享天开 人工智能基础知识学习深度学习神经网络人工智能
    目录引言1.神经网络基础1.1感知器模型1.2多层感知器（MLP）示例：2.前馈神经网络（FeedforwardNeuralNetworks,FFNN）2.1结构与特点2.2训练过程2.3优化方法3.卷积神经网络（CNN）3.1基本概念3.2层类型3.3网络架构3.4应用领域3.5示例代码示例描述：4.循环神经网络（RNN）4.1基本概念4.2RNN结构4.3应用领域4.4示例代码示例描述：5.深
  • 【漏洞复现】用友-畅捷通T+-Ufida-SQL注入 .Rain. 漏洞复现web安全漏洞复现
    目录0x01产品简介0x02漏洞概述0x03网络测绘0x04漏洞复现0x05Nuclei0x01产品简介用友畅捷通T+是一款基于互联网的新型企业管理软件，功能模块包括：财务管理、采购管理、库存管理等。主要针对中小型工贸和商贸企业的财务业务一体化应用，融入了社交化、移动化、物联网、电子商务、互联网信息订阅等元素。0x02漏洞概述用友畅捷通T+某模块存在SQL注入漏洞。攻击者可以通过构造恶意的SQL语
  • 速通Docker === Docker 镜像分层存储机制 前端 贾公子 java开发语言
    目录分层存储的概念分层存储的实现镜像层容器层分层存储的优势1.镜像轻量化2.快速构建与部署3.高效的镜像共享4.版本控制分层存储的示例容器层的临时性与数据持久化总结Docker的分层存储机制是其核心特性之一，它使得镜像的构建、共享和部署变得高效且灵活。分层存储机制通过将镜像和容器的数据存储在不同的层中，实现了镜像的轻量化和快速部署。分层存储的概念Docker镜像是由一系列只读层（Read-Only
  • docker-compose 部署Kong、PG、Konga qiandeqiande dockerkong容器
    version:'2'networks:kong-net:driver:bridgeservices:kong-database:image:postgres:9.6container_name:kong-databaserestart:alwaysnetworks:-kong-netenvironment:POSTGRES_USER:kongPOSTGRES_DB:kongPOSTGRES_PA
  • 插入表主键冲突做更新 a-john
    有以下场景： 用户下了一个订单，订单内的内容较多，且来自多表，首次下单的时候，内容可能会不全（部分内容不是必须，出现有些表根本就没有没有该订单的值）。在以后更改订单时，有些内容会更改，有些内容会新增。 问题： 如果在sql语句中执行update操作，在没有数据的表中会出错。如果在逻辑代码中先做查询，查询结果有做更新，没有做插入，这样会将代码复杂化。 解决： mysql中提供了一个sql语
  • Android xml资源文件中@、@android:type、@*、？、@+含义和区别 Cb123456 @+@?@*
    一.@代表引用资源 1.引用自定义资源。格式：@[package:]type/name android：text="@string/hello"   2.引用系统资源。格式：@android:type/name     android:textColor="@android:color/opaque_red"
  • 数据结构的基本介绍 天子之骄 数据结构散列表树、图线性结构价格标签
    数据结构的基本介绍 数据结构就是数据的组织形式，用一种提前设计好的框架去存取数据，以便更方便，高效的对数据进行增删查改。正确选择合适的数据结构，对软件程序的高效执行的影响作用不亚于算法的设计。此外，在计算机系统中数据结构的作用也是非同小可。例如常常在编程语言中听到的栈，堆等，就是经典的数据结构。   经典的数据结构大致如下：   一：线性数据结构 (1)：列表 a
  • 通过二维码开放平台的API快速生成二维码 一炮送你回车库 api
     现在很多网站都有通过扫二维码用手机连接的功能，联图网(http://www.liantu.com/pingtai/)的二维码开放平台开放了一个生成二维码图片的Api,挺方便使用的。闲着无聊，写了个前台快速生成二维码的方法。        html代码如下:(二维码将生成在这div下) ? 1  &nbs
  • ImageIO读取一张图片改变大小 3213213333332132 javaIOimageBufferedImage
    package com.demo; import java.awt.image.BufferedImage; import java.io.File; import java.io.IOException; import javax.imageio.ImageIO; /** * @Description 读取一张图片改变大小 * @author FuJianyon
  • myeclipse集成svn（一针见血） 7454103 eclipseSVNMyEclipse
                                     &n
  • 装箱与拆箱----autoboxing和unboxing darkranger J2SE
    4.2　自动装箱和拆箱 基本数据(Primitive)类型的自动装箱(autoboxing)、拆箱(unboxing)是自J2SE 5.0开始提供的功能。虽然为您打包基本数据类型提供了方便，但提供方便的同时表示隐藏了细节，建议在能够区分基本数据类型与对象的差别时再使用。 4.2.1　autoboxing和unboxing 在Java中，所有要处理的东西几乎都是对象(Object)
  • ajax传统的方式制作ajax aijuans Ajax
    //这是前台的代码 <%@ page language="java" import="java.util.*" pageEncoding="UTF-8"%> <% String path = request.getContextPath(); String basePath = request.getScheme()+
  • 只用jre的eclipse是怎么编译java源文件的？ avords javaeclipsejdktomcat
    eclipse只需要jre就可以运行开发java程序了，也能自动 编译java源代码，但是jre不是java的运行环境么，难道jre中也带有编译工具？ 还是eclipse自己实现的？谁能给解释一下呢问题补充：假设系统中没有安装jdk or jre，只在eclipse的目录中有一个jre，那么eclipse会采用该jre，问题是eclipse照样可以编译java源文件，为什么呢？ &nb
  • 前端模块化 bee1314 模块化
    背景： 前端JavaScript模块化，其实已经不是什么新鲜事了。但是很多的项目还没有真正的使用起来，还处于刀耕火种的野蛮生长阶段。   JavaScript一直缺乏有效的包管理机制，造成了大量的全局变量，大量的方法冲突。我们多么渴望有天能像Java（import），Python (import)，Ruby(require)那样写代码。在没有包管理机制的年代，我们是怎么避免所
  • 处理百万级以上的数据处理 bijian1013 oraclesql数据库大数据查询
    一.处理百万级以上的数据提高查询速度的方法：        1.应尽量避免在 where 子句中使用!=或<>操作符，否则将引擎放弃使用索引而进行全表扫描。         2.对查询进行优化，应尽量避免全表扫描，首先应考虑在 where 及 o
  • mac 卸载 java 1.7 或更高版本 征客丶 javaOS
    卸载 java 1.7 或更高 sudo rm -rf /Library/Internet\ Plug-Ins/JavaAppletPlugin.plugin 成功执行此命令后，还可以执行 java 与 javac 命令 sudo rm -rf /Library/PreferencePanes/JavaControlPanel.prefPane 成功执行此命令后，还可以执行 java
  • 【Spark六十一】Spark Streaming结合Flume、Kafka进行日志分析 bit1129 Stream
    第一步，Flume和Kakfa对接，Flume抓取日志，写到Kafka中 第二部，Spark Streaming读取Kafka中的数据，进行实时分析   本文首先使用Kakfa自带的消息处理（脚本）来获取消息，走通Flume和Kafka的对接 1. Flume配置 1. 下载Flume和Kafka集成的插件，下载地址：https://github.com/beyondj2ee/f
  • Erlang vs TNSDL bookjovi erlang
          TNSDL是Nokia内部用于开发电信交换软件的私有语言，是在SDL语言的基础上加以修改而成，TNSDL需翻译成C语言得以编译执行，TNSDL语言中实现了异步并行的特点，当然要完整实现异步并行还需要运行时动态库的支持，异步并行类似于Erlang的process（轻量级进程），TNSDL中则称之为hand，Erlang是基于vm(beam)开发，
  • 非常希望有一个预防疲劳的java软件, 预防过劳死和眼睛疲劳,大家一起努力搞一个 ljy325 企业应用
    　非常希望有一个预防疲劳的java软件，我看新闻和网站，国防科技大学的科学家累死了，太疲劳，老是加班，不休息，经常吃药，吃药根本就没用，根本原因是疲劳过度。我以前做java,那会公司垃圾，老想赶快学习到东西跳槽离开，搞得超负荷，不明理。深圳做软件开发经常累死人，总有不明理的人，有个软件提醒限制很好，可以挽救很多人的生命。 相关新闻： （1）IT行业成五大疾病重灾区：过劳死平均37.9岁
  • 读《研磨设计模式》-代码笔记-原型模式 bylijinnan java设计模式
    声明： 本文只为方便我个人查阅和理解，详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/ /** * Effective Java 建议使用copy constructor or copy factory来代替clone()方法： * 1.public Product copy(Product p){} * 2.publi
  • 配置管理---svn工具之权限配置 chenyu19891124 SVN
    今天花了大半天的功夫，终于弄懂svn权限配置。下面是今天收获的战绩。 安装完svn后就是在svn中建立版本库，比如我本地的是版本库路径是C:\Repositories\pepos。pepos是我的版本库。在pepos的目录结构 pepos    component    webapps 在conf里面的auth里赋予的权限配置为 [groups]
  • 浅谈程序员的数学修养 comsci 设计模式编程算法面试招聘
                                     浅谈程序员的数学修养
  • 批量执行 bulk collect与forall用法 daizj oraclesqlbulk collectforall
    BULK COLLECT 子句会批量检索结果，即一次性将结果集绑定到一个集合变量中，并从SQL引擎发送到PL/SQL引擎。通常可以在SELECT INTO、 FETCH INTO以及RETURNING INTO子句中使用BULK COLLECT。本文将逐一描述BULK COLLECT在这几种情形下的用法。     有关FORALL语句的用法请参考：批量SQL之 F
  • Linux下使用rsync最快速删除海量文件的方法 dongwei_6688 OS
    1、先安装rsync：yum install rsync 2、建立一个空的文件夹：mkdir /tmp/test 3、用rsync删除目标目录：rsync --delete-before -a -H -v --progress --stats /tmp/test/ log/这样我们要删除的log目录就会被清空了，删除的速度会非常快。rsync实际上用的是替换原理，处理数十万个文件也是秒删。
  • Yii CModel中rules验证规格 dcj3sjt126com rulesyiivalidate
    Yii cValidator主要用法分析：  yii验证rulesit 分类： Yii yii的rules验证 cValidator主要属性 attributes ,builtInValidators,enableClientValidation,message,on,safe,skipOnError  
  • 基于vagrant的redis主从实验 dcj3sjt126com vagrant
    平台: Mac 工具: Vagrant 系统: Centos6.5 实验目的: Redis主从   实现思路 制作一个基于sentos6.5, 已经安装好reids的box, 添加一个脚本配置从机, 然后作为后面主机从机的基础box   制作sentos6.5+redis的box   mkdir vagrant_redis cd vagrant_
  • Memcached(二)、Centos安装Memcached服务器 frank1234 centosmemcached
    一、安装gcc rpm和yum安装memcached服务器连接没有找到，所以我使用的是make的方式安装，由于make依赖于gcc，所以要先安装gcc 开始安装，命令如下，[color=red][b]顺序一定不能出错[/b][/color]： 建议可以先切换到root用户，不然可能会遇到权限问题：su root 输入密码...... rpm -ivh kernel-head
  • Remove Duplicates from Sorted List hcx2013 remove
    Given a sorted linked list, delete all duplicates such that each element appear only once. For example,Given 1->1->2, return 1->2.Given 1->1->2->3->3, return&
  • Spring4新特性——JSR310日期时间API的支持 jinnianshilongnian spring4
    Spring4新特性——泛型限定式依赖注入 Spring4新特性——核心容器的其他改进 Spring4新特性——Web开发的增强 Spring4新特性——集成Bean Validation 1.1(JSR-349)到SpringMVC  Spring4新特性——Groovy Bean定义DSL Spring4新特性——更好的Java泛型操作API  Spring4新
  • 浅谈enum与单例设计模式 247687009 java单例
    在JDK1.5之前的单例实现方式有两种(懒汉式和饿汉式并无设计上的区别故看做一种)，两者同是私有构 造器，导出静态成员变量，以便调用者访问。 第一种 package singleton; public class Singleton { //导出全局成员 public final static Singleton INSTANCE = new S
  • 使用switch条件语句需要注意的几点 openwrt cbreakswitch
    1. 当满足条件的case中没有break，程序将依次执行其后的每种条件（包括default）直到遇到break跳出 int main() { int n = 1; switch(n) { case 1: printf("--1--\n"); default: printf("defa
  • 配置Spring Mybatis JUnit测试环境的应用上下文 schnell18 springmybatisJUnit
    Spring-test模块中的应用上下文和web及spring boot的有很大差异。主要试下来差异有： 单元测试的app context不支持从外部properties文件注入属性 @Value注解不能解析带通配符的路径字符串 解决第一个问题可以配置一个PropertyPlaceholderConfigurer的bean。 第二个问题的具体实例是：    
  • Java 定时任务总结一 tuoni javaspringtimerquartztimertask
     Java定时任务总结  一.从技术上分类大概分为以下三种方式：  1.Java自带的java.util.Timer类，这个类允许你调度一个java.util.TimerTask任务;   说明：    java.util.Timer定时器，实际上是个线程，定时执行TimerTask类 &
  • 一种防止用户生成内容站点出现商业广告以及非法有害等垃圾信息的方法 yangshangchuan rank相似度计算文本相似度词袋模型余弦相似度
    本文描述了一种在ITEYE博客频道上面出现的新型的商业广告形式及其应对方法，对于其他的用户生成内容站点类型也具有同样的适用性。   最近在ITEYE博客频道上面出现了一种新型的商业广告形式，方法如下：     1、注册多个账号（一般10个以上）。     2、从多个账号中选择一个账号，发表1-2篇博文
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他