- 服务器、群晖,飞牛NAS等部署Whisper ASR教程来啦!让我们的Nas轻松实现音频转文字服务!
xiaoqiangclub
群晖助手服务器whisper音视频ASR语音转文字实用教程
文章目录介绍演示环境服务器/群晖/飞牛NAS部署WhisperASR,语音识别soeasy!准备部署使用Python调用示例注意事项⚓️相关链接⚓️介绍最近有人私信我,有没有什么办法能在NAS上搞个语音识别服务,实现将语音或开会录音自动转成文字?那么今天我们就一起来看看如何在服务器或群晖/飞牛等Nas上部署一个语音转文字的服务,让我们的NAS瞬间变身“听译”大师!演示环境本文演示环境如下:群晖系统
- python数据集_保存和使用python绘制多个数据集
weixin_39640085
python数据集
Iraninonemoreproblem-Ihavemultiplefileswiththefollowingformat:FreqAB10001.20.00141001.20.00013101.20.0012allfilesareinthesamefolder;uptonowIamabletoreadallfiles,dothecalculationsIwant,andthensaveonela
- (视频演示)基于OpenCV的实时视频跟踪火焰识别软件V1.0源码及exe下载
是刃小木啦~
opencv人工智能计算机视觉
本文介绍了基于OpenCV的实时视频跟踪火焰识别软件,该软件通过先进的图像处理技术实现对实时视频中火焰的检测与跟踪,同时支持导入图片进行火焰识别。主要功能包括相机选择、实时跟踪和图片模式。软件适用于多种场合,用于保障人民生命财产安全。源码及exe文件可通过蓝奏云网盘下载。软件简介《基于OpenCV的实时视频跟踪火焰识别软件》是一款创新的计算机视觉应用软件,旨在通过先进的图像处理技术实现对实时视频中
- LLMs之Llama-3:基于Colab平台(免费T4-GPU)利用LLaMA-Factory的GUI界面(底层采用unsloth优化框架【加速训练5~30倍+减少50%的内存占用】)对llama-3
一个处女座的程序猿
NLP/LLMs成长书屋大语言模型unslothLLaMA-3LoRA
LLMs之Llama-3:基于Colab平台(免费T4-GPU)利用LLaMA-Factory的GUI界面(底层采用unsloth优化框架【加速训练5~30倍+减少50%的内存占用】)对llama-3-8b-Instruct-bnb-4bit模型采用alpaca数据集【instruction-input-output】实现CLI方式/GUI傻瓜可视化方式,进配置微调→参数行LoRA指令微调→模型推
- 数据集/API 笔记:湿球黑球温度(WBGT)观测数据
UQI-LIUWJ
数据集笔记
data.gov.sgWBGT是一个综合指标,考虑了气温、湿度、风速和太阳辐射,与气温不同。报告的WBGT是过去15分钟内的平均值,每15分钟更新一次。API调用curl--requestGET\--urlhttps://api-open.data.gov.sg/v2/real-time/api/weather调用结果
- 数据集/API 笔记:新加坡最新的停车场可用车位信息 & 停车场信息
UQI-LIUWJ
笔记
数据每分钟更新一次使用date_time参数可获取特定时间点的最新停车场可用车位信息调用接口curl--requestGET\--urlhttps://api.data.gov.sg/v1/transport/carpark-availability调用结果API返回的查询时间"2025-03-04T09:10:36+08:00"代表的是API查询的时间,但每个停车场的update_datetim
- Android OCR技术实现与优化指南
缘来的精彩
androidAndroidNDKocr
关于Android上OCR技术的问题。首先,用户可能想知道在Android平台上如何实现OCR识别。我应该先介绍OCR的基本概念,然后讨论不同的实现方法,比如使用Google的MLKit、Tesseract或者其他第三方SDK。接下来可能需要分步骤说明如何集成这些库到Android应用中,比如添加依赖项、编写代码示例等。同时,还要考虑不同方法的优缺点,比如MLKit的准确性和易用性,Tessera
- AdaBoost算法
Mr终游
机器学习算法决策树
目录一、核心原理:二、算法步骤三、关键优势:四.局限与解决五、代码示例(鸢尾花数据集)AdaBoost(AdaptiveBoosting)是一种经典的集成学习算法,通过组合多个弱分类器(如决策树)来构建强分类器。其核心思想是通过迭代优化残差(错误)和动态调整样本权重,逐步提升模型性能。以下是对AdaBoost的简明总结和关键要点:一、核心原理:提升法:通过顺序训练多个弱分类器,每轮专注修正前一个模
- OpenCV 100道面试题及参考答案(7万字长文)
大模型大数据攻城狮
大厂面试大厂面经android面试计算机视觉opencv实时互动webrtc
OpenCV简介OpenCV(OpenSourceComputerVisionLibrary)是一个开源的计算机视觉库,它提供了丰富的函数和工具,用于处理图像和视频。OpenCV最初由英特尔公司开发,现在由一个开源社区维护和发展。主要功能和用途OpenCV的主要功能包括图像和视频处理、特征提取、目标检测、人脸识别、物体跟踪等。它可以用于各种领域,如机器人技术、医学影像、安全监控、自动驾驶等。在图像
- 目标检测——玉米叶感染数据集
Bryan Ding
人工智能
一、重要性首先,玉米作为世界上重要的粮食作物之一,其生长状况直接影响到粮食产量和粮食安全。玉米叶感染是玉米生长过程中常见的病害之一,会导致玉米叶片出现肿胀、皱缩、扭曲变形等症状,严重时甚至可能形成瘤状物。因此,及早检测玉米叶感染对于保障玉米的健康生长和提高产量具有重要意义。其次,通过玉米叶感染检测,农民和农业科研人员可以及时发现并采取有效的防治措施,防止病害的扩散和加重。这不仅可以减少因病害导致的
- 琴韵博主 —— 工具集
琴 韵
知识库在线文档
CSDN猿如意_开发者工具箱CSDN开发助手ChromeChrome最新版离线下载internetdownloadmanager付费在线转换在线JSON字符串转Java实体类(JavaBean、Entity)在线MD5加密解密YAML、YML在线编辑器(格式化校验)在线图片转换成文字图片base64互转颜色转换颜色转换人民币大小写转换蛙蛙:英文字母大小写转换、文本工具汉字拼音在线转换Google翻
- 电商智能客服实战(三)-需求感知模块具体实现
power-辰南
企业级AI项目实战人工智能NERNLU自然语言AIAGENT
电商智能客服实战(一)—概要设计电商智能客服实战(二)需求感知模块模型微调实现一、整体架构设计1.1模块定位需求感知模块作为智能客服系统的前端处理单元,负责对用户输入进行多维度解析,输出结构化语义理解结果,为下游决策引擎提供数据支撑。1.2核心流程图用户输入需求感知模块情感分析NLU意图识别NER实体识别参数提取规划模块AutoGPT生成步骤规则引擎匹配反馈集成工具模块订单查询API工单API知识
- 数据结构理论
@YeMaolin
算法设计与分析数据结构c++
目录基本概念和术语数据数据元素数据项数据对象数据结构数据的结构逻辑结构存储结构(物理结构)数据类型定义原子数据类型结构数据类型抽象数据类型(AbstractDataType,ADT)算法和算法分析算法算法设计要求时间复杂度空间复杂度基本概念和术语数据对客观事物的符号表示,描述客观事物的数、字符、以及所有能输入到计算机中,被计算机程序识别和处理的符号的集合。包括数值型数据和非数值型数据。数据元素数据
- TOGAF之架构标准规范-信息系统架构 | 应用架构
计算机科技研究员
人工智能技术与架构应用软件系统技术与架构系统架构
TOGAF是工业级的企业架构标准规范,信息系统架构阶段是由数据架构阶段以及应用架构阶段构成,本文主要描述信息系统架构阶段中的应用架构阶段。如上所示,信息系统架构(InformationSystemsArchitectures)在TOGAF标准规范中处于C阶段。阶段目标开发目标信息系统架构,描述企业的信息系统架构如何赋能业务结构以及架构愿景,解决架构工作组以及利益相关者关注的问题识别确认基线信息系统
- Python图片识别脚本:从零开始实现图像识别!
Python_trys
python开发语言编程Python入门Python基础Python识别Python学习
包含编程籽料、学习路线图、爬虫代码、安装包等!【点击领取!】图像识别是计算机视觉领域的一个重要应用,Python凭借其丰富的库和工具,成为了实现图像识别的首选语言之一。本文将带你从零开始,使用Python编写一个简单的图片识别脚本。我们将使用OpenCV和TensorFlow来实现这个功能。1.环境准备在开始之前,我们需要安装一些必要的Python库。你可以使用pip来安装这些库:pipinsta
- 光伏电池异常检测数据集
oubahe2024
目标跟踪人工智能计算机视觉能源
感兴趣的同学可以CSDN查看个人简介,获取相关数据集噢。光伏电池作为太阳能发电系统的核心组件,其性能和可靠性直接影响到整个系统的效率和寿命。在光伏电池的生产、运输、安装和使用过程中,可能会出现各种缺陷,如隐裂、断栅、热斑等。这些缺陷会导致电池的光电转换效率下降,甚至可能引发故障,影响整个光伏阵列的性能。通过及时检测光伏电池的缺陷,可以提高电池的光电转换效率,延长其使用寿命,从而提高整个光伏系统的发
- Django模型数据修改:详解两种方式
jay丿
django数据库sqlite
Django模型数据修改:详解两种方式在Django框架中,数据模型(Model)定义了应用的数据结构,并提供了与数据库交互的接口。数据的修改是Django开发中的常见操作之一。本文将详细介绍两种在Django中修改数据的方式:使用模型的save()方法和使用查询集的update()方法。方式一:使用模型的save()方法步骤概述:查询现有记录:首先,使用模型的objects.get()方法根据主
- RHCE---第二部分
Chen_l916
linux服务器运维
第二部分shell脚本编程一、shell基本知识shell程序的特点:1、简单易学2、解释性语言,不需要编译即可执行Shell又称命令解释器,它能识别用户输入的各种命令,并传递给操作系统。它的作用类似于Windows操作系统中的命令行,但是,Shell的功能远比命令行强大的多。在UNIX或者localhost中,Shell既是用户交互的界面,也是控制系统的脚本语言。shell的分类·BourneS
- 前有vika维格表后有飞书多维表格,打破传统的项目管理工具!
Eva洞小仙
在vika维格表公测很长一段时间后,飞书多维表格也紧跟其后,开启了飞书多维表格的内测。两者都是为了改变Excel这个传统表格的使用方式,让项目管理变得更加的轻松高效。在传统电子表格的基础上,vika维格表融入了可视化数据、多人在线编辑、低代码技术等丰富强大的功能,让众多”表哥""表姐“告别满天飞的文件传输与沟通不对等的烦恼。作为一款集科技、颜值、性能、实用于一身的多维智能表格,vika维格表还可以
- 神经网络VS决策树
Persistence is gold
神经网络决策树人工智能
神经网络(NeuralNetworks)和决策树(DecisionTrees)是两种不同的机器学习算法,各自具有独特的优点和适用场景。以下是它们的详细比较:神经网络优点:强大的学习能力:神经网络,尤其是深度神经网络,能够自动学习数据中的复杂特征,可以处理高维和非线性的问题。适用性广泛:神经网络适用于分类、回归、图像处理、语音识别、自然语言处理等多种任务。多层结构:通过增加隐藏层,神经网络可以逐层提
- 一些高阶SQL的技巧
迷路的小犀牛
sql
高阶SQL技巧在日常的SQL操作中,很多简单的查询我们都可以通过基础的SQL语法来完成。然而,在面对复杂数据集、性能优化或者高效数据提取时,高阶SQL技巧就显得尤为重要。本文将介绍一些高阶的SQL技巧,帮助你提升SQL查询的效率和可读性。1.使用窗口函数(WindowFunctions)窗口函数是SQL中非常强大的功能,它允许我们在查询结果集的每一行上执行计算,同时不需要将数据分组。常用的窗口函数
- 深度神经网络——决策树的实现与剪枝
知来者逆
人工智能dnn决策树人工智能神经网络深度学习机器学习
概述决策树是一种有用的机器学习算法,用于回归和分类任务。“决策树”这个名字来源于这样一个事实:算法不断地将数据集划分为越来越小的部分,直到数据被划分为单个实例,然后对实例进行分类。如果您要可视化算法的结果,类别的划分方式将类似于一棵树和许多叶子。这是决策树的快速定义,但让我们深入了解决策树的工作原理。更好地了解决策树的运作方式及其用例,将帮助您了解何时在机器学习项目中使用它们。决策树的结构决策树的
- R语言绘图:韦恩图
善木科研
R语言r语言生信分析生物信息数据分析
韦恩分析韦恩分析(VennAnalysis)常用于可视化不同数据集之间的交集和并集。维恩图(Venndiagram),也叫文氏图、温氏图、韦恩图、范氏图,用于显示元素集合重叠区域的关系型图表,通过图形与图形之间的层叠关系,来反应数据集之间的相交关系。在R语言中,进行韦恩分析(Venn图绘制)可以通过多个不同的包来实现,常用的包括VennDiagram、venn和ggVenn等。本文案使用ggVen
- CES Asia 2025前瞻:智能宠物科技成焦点,引领养宠新风尚
赛逸展张胜
人工智能宠物科技
作为亚洲消费电子领域的年度盛会,CESAsia2025第七届亚洲消费电子技术贸易展(赛逸展)即将盛大启幕。本届展会聚焦前沿科技,在智慧健康与未来生活展区,智能宠物科技将成为一大核心亮点,吸引众多参展者与行业人士的目光,一系列创新产品和技术将集中亮相,有望掀起宠物科技领域的新热潮。在智能宠物硬件方面,多款颠覆传统养宠模式的产品将震撼登场。智能喂食器不再局限于简单的定时投喂,而是融合了先进的AI识别技
- HHO优化SVM混合核(高斯核和Sigmoid核)回归预测
WSY算法爱好者
支持向量机回归算法
训练集-平均绝对误差(MAE):0.54544训练集-平均绝对误差百分比(MAPE):0.0011634训练集-均方根误差(RMSE):0.66571训练集-决定系数(R):0.95297测试集-平均绝对误差(MAE):0.31575测试集-平均绝对误差百分比(MAPE):0.00067398测试集-均方根误差(RMSE):0.39158测试集-决定系数(R):0.97566------HHO优化
- 系统架构设计师-第8章-系统质量属性与架构评估-学习笔记
2401_83974370
2024年程序员学习系统架构架构学习
开发期质量属性主要指在软件开发阶段所关注的质量属性,主要包含6个方面。(1)易理解性:指设计被开发人员理解的难易程度。(2)可扩展性:软件因适应新需求或需求变化而增加新功能的能力,也称为灵活性。(3)可重用性:指垂用软件系统或某一部分的难易程度。(4)可测试性:对软件测试以证明其满足需求规范的难易程度.(5)可维护性:当需要修改缺陷、增加功能、提高质量属性时,识别修改点并实施修改的难易程度.(6)
- 碰一碰发视频系统之写卡功能开发了,支持OEM
余~~18538162800
矩阵音视频线性代数
一、引言在碰一碰发视频系统中,NFC(NearFieldCommunication,近场通信)技术扮演着关键角色。其中,写卡功能是实现用户与系统便捷交互的重要环节,通过将特定的视频相关信息写入NFC标签,用户只需轻轻一碰,就能触发视频的播放或相关操作。本文将深入探讨碰一碰发视频系统中写卡功能的技术开发细节。二、NFC写卡技术原理NFC技术基于射频识别(RFID)技术发展而来,工作频率为13.56M
- 利用OpenMCU加深对H.323协议的理解——H.323协议阅读心得(2)
rose
H.323协议终端exchange语言table
朋友问我为什么这个阅读心得没有继续写,实在是想要完成升华不很容易。第(1)篇是个引子,心得需要实践的积累和理论的研究,马虎不得。只是为了读协议而读,不一定真正读得进去。发现一个很好理解协议的方法:利用开源协议栈。把协议栈的应用、调试,和协议的阅读结合起来,可以收到事半功倍的效果。这个方法是在进行能力集的研究中发现的。现将能力集的心得记录于下:先看一个OpenH323的应用程序OpenMCU。在Op
- .NET 多线程 C# 多线程 持续更新、完善、进化
shepherd枸杞泡茶
C#.netc#
在.NET环境下,多线程编程主要有ThreadThreadPoolTaskParallelBackgroundWorker等几种,还有一个与多线程相关的:异步编程async/await,值得强调的是,异步编程不等于多线程。当然,这几种多线程编程的方式并不是独立开的,在底层的封装有一定的联系。1.Thread1.1基础应用引用Thread的命名空间usingSystem;usingSystem.Th
- 使用easyocr、PyPDF2对图像及PDF文档进行识别
欣然~
dubbo
一、概述本Python脚本的主要功能是对当前目录及其子目录下的图片和PDF文件进行光学字符识别(OCR)处理。它使用easyocr库处理图片中的文字,使用PyPDF2库提取PDF文件中的文本,并将处理结果保存为文本文件。同时,脚本会记录详细的处理日志,方便用户跟踪处理过程和排查问题。二、环境要求Python版本:建议使用Python3.6及以上版本。依赖库:easyocr:用于图片的OCR识别。P
- Spring中@Value注解,需要注意的地方
无量
springbean@Valuexml
Spring 3以后,支持@Value注解的方式获取properties文件中的配置值,简化了读取配置文件的复杂操作
1、在applicationContext.xml文件(或引用文件中)中配置properties文件
<bean id="appProperty"
class="org.springframework.beans.fac
- mongoDB 分片
开窍的石头
mongodb
mongoDB的分片。要mongos查询数据时候 先查询configsvr看数据在那台shard上,configsvr上边放的是metar信息,指的是那条数据在那个片上。由此可以看出mongo在做分片的时候咱们至少要有一个configsvr,和两个以上的shard(片)信息。
第一步启动两台以上的mongo服务
&nb
- OVER(PARTITION BY)函数用法
0624chenhong
oracle
这篇写得很好,引自
http://www.cnblogs.com/lanzi/archive/2010/10/26/1861338.html
OVER(PARTITION BY)函数用法
2010年10月26日
OVER(PARTITION BY)函数介绍
开窗函数 &nb
- Android开发中,ADB server didn't ACK 解决方法
一炮送你回车库
Android开发
首先通知:凡是安装360、豌豆荚、腾讯管家的全部卸载,然后再尝试。
一直没搞明白这个问题咋出现的,但今天看到一个方法,搞定了!原来是豌豆荚占用了 5037 端口导致。
参见原文章:一个豌豆荚引发的血案——关于ADB server didn't ACK的问题
简单来讲,首先将Windows任务进程中的豌豆荚干掉,如果还是不行,再继续按下列步骤排查。
&nb
- canvas中的像素绘制问题
换个号韩国红果果
JavaScriptcanvas
pixl的绘制,1.如果绘制点正处于相邻像素交叉线,绘制x像素的线宽,则从交叉线分别向前向后绘制x/2个像素,如果x/2是整数,则刚好填满x个像素,如果是小数,则先把整数格填满,再去绘制剩下的小数部分,绘制时,是将小数部分的颜色用来除以一个像素的宽度,颜色会变淡。所以要用整数坐标来画的话(即绘制点正处于相邻像素交叉线时),线宽必须是2的整数倍。否则会出现不饱满的像素。
2.如果绘制点为一个像素的
- 编码乱码问题
灵静志远
javajvmjsp编码
1、JVM中单个字符占用的字节长度跟编码方式有关,而默认编码方式又跟平台是一一对应的或说平台决定了默认字符编码方式;2、对于单个字符:ISO-8859-1单字节编码,GBK双字节编码,UTF-8三字节编码;因此中文平台(中文平台默认字符集编码GBK)下一个中文字符占2个字节,而英文平台(英文平台默认字符集编码Cp1252(类似于ISO-8859-1))。
3、getBytes()、getByte
- java 求几个月后的日期
darkranger
calendargetinstance
Date plandate = planDate.toDate();
SimpleDateFormat df = new SimpleDateFormat("yyyy-MM-dd");
Calendar cal = Calendar.getInstance();
cal.setTime(plandate);
// 取得三个月后时间
cal.add(Calendar.M
- 数据库设计的三大范式(通俗易懂)
aijuans
数据库复习
关系数据库中的关系必须满足一定的要求。满足不同程度要求的为不同范式。数据库的设计范式是数据库设计所需要满足的规范。只有理解数据库的设计范式,才能设计出高效率、优雅的数据库,否则可能会设计出错误的数据库.
目前,主要有六种范式:第一范式、第二范式、第三范式、BC范式、第四范式和第五范式。满足最低要求的叫第一范式,简称1NF。在第一范式基础上进一步满足一些要求的为第二范式,简称2NF。其余依此类推。
- 想学工作流怎么入手
atongyeye
jbpm
工作流在工作中变得越来越重要,很多朋友想学工作流却不知如何入手。 很多朋友习惯性的这看一点,那了解一点,既不系统,也容易半途而废。好比学武功,最好的办法是有一本武功秘籍。研究明白,则犹如打通任督二脉。
系统学习工作流,很重要的一本书《JBPM工作流开发指南》。
本人苦苦学习两个月,基本上可以解决大部分流程问题。整理一下学习思路,有兴趣的朋友可以参考下。
1 首先要
- Context和SQLiteOpenHelper创建数据库
百合不是茶
androidContext创建数据库
一直以为安卓数据库的创建就是使用SQLiteOpenHelper创建,但是最近在android的一本书上看到了Context也可以创建数据库,下面我们一起分析这两种方式创建数据库的方式和区别,重点在SQLiteOpenHelper
一:SQLiteOpenHelper创建数据库:
1,SQLi
- 浅谈group by和distinct
bijian1013
oracle数据库group bydistinct
group by和distinct只了去重意义一样,但是group by应用范围更广泛些,如分组汇总或者从聚合函数里筛选数据等。
譬如:统计每id数并且只显示数大于3
select id ,count(id) from ta
- vi opertion
征客丶
macoprationvi
进入 command mode (命令行模式)
按 esc 键
再按 shift + 冒号
注:以下命令中 带 $ 【在命令行模式下进行】,不带 $ 【在非命令行模式下进行】
一、文件操作
1.1、强制退出不保存
$ q!
1.2、保存
$ w
1.3、保存并退出
$ wq
1.4、刷新或重新加载已打开的文件
$ e
二、光标移动
2.1、跳到指定行
数字
- 【Spark十四】深入Spark RDD第三部分RDD基本API
bit1129
spark
对于K/V类型的RDD,如下操作是什么含义?
val rdd = sc.parallelize(List(("A",3),("C",6),("A",1),("B",5))
rdd.reduceByKey(_+_).collect
reduceByKey在这里的操作,是把
- java类加载机制
BlueSkator
java虚拟机
java类加载机制
1.java类加载器的树状结构
引导类加载器
^
|
扩展类加载器
^
|
系统类加载器
java使用代理模式来完成类加载,java的类加载器也有类似于继承的关系,引导类是最顶层的加载器,它是所有类的根加载器,它负责加载java核心库。当一个类加载器接到装载类到虚拟机的请求时,通常会代理给父类加载器,若已经是根加载器了,就自己完成加载。
虚拟机区分一个Cla
- 动态添加文本框
BreakingBad
文本框
<script> var num=1; function AddInput() { var str=""; str+="<input 
- 读《研磨设计模式》-代码笔记-单例模式
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/
public class Singleton {
}
/*
* 懒汉模式。注意,getInstance如果在多线程环境中调用,需要加上synchronized,否则存在线程不安全问题
*/
class LazySingleton
- iOS应用打包发布常见问题
chenhbc
iosiOS发布iOS上传iOS打包
这个月公司安排我一个人做iOS客户端开发,由于急着用,我先发布一个版本,由于第一次发布iOS应用,期间出了不少问题,记录于此。
1、使用Application Loader 发布时报错:Communication error.please use diagnostic mode to check connectivity.you need to have outbound acc
- 工作流复杂拓扑结构处理新思路
comsci
设计模式工作算法企业应用OO
我们走的设计路线和国外的产品不太一样,不一样在哪里呢? 国外的流程的设计思路是通过事先定义一整套规则(类似XPDL)来约束和控制流程图的复杂度(我对国外的产品了解不够多,仅仅是在有限的了解程度上面提出这样的看法),从而避免在流程引擎中处理这些复杂的图的问题,而我们却没有通过事先定义这样的复杂的规则来约束和降低用户自定义流程图的灵活性,这样一来,在引擎和流程流转控制这一个层面就会遇到很
- oracle 11g新特性Flashback data archive
daizj
oracle
1. 什么是flashback data archive
Flashback data archive是oracle 11g中引入的一个新特性。Flashback archive是一个新的数据库对象,用于存储一个或多表的历史数据。Flashback archive是一个逻辑对象,概念上类似于表空间。实际上flashback archive可以看作是存储一个或多个表的所有事务变化的逻辑空间。
- 多叉树:2-3-4树
dieslrae
树
平衡树多叉树,每个节点最多有4个子节点和3个数据项,2,3,4的含义是指一个节点可能含有的子节点的个数,效率比红黑树稍差.一般不允许出现重复关键字值.2-3-4树有以下特征:
1、有一个数据项的节点总是有2个子节点(称为2-节点)
2、有两个数据项的节点总是有3个子节点(称为3-节
- C语言学习七动态分配 malloc的使用
dcj3sjt126com
clanguagemalloc
/*
2013年3月15日15:16:24
malloc 就memory(内存) allocate(分配)的缩写
本程序没有实际含义,只是理解使用
*/
# include <stdio.h>
# include <malloc.h>
int main(void)
{
int i = 5; //分配了4个字节 静态分配
int * p
- Objective-C编码规范[译]
dcj3sjt126com
代码规范
原文链接 : The official raywenderlich.com Objective-C style guide
原文作者 : raywenderlich.com Team
译文出自 : raywenderlich.com Objective-C编码规范
译者 : Sam Lau
- 0.性能优化-目录
frank1234
性能优化
从今天开始笔者陆续发表一些性能测试相关的文章,主要是对自己前段时间学习的总结,由于水平有限,性能测试领域很深,本人理解的也比较浅,欢迎各位大咖批评指正。
主要内容包括:
一、性能测试指标
吞吐量、TPS、响应时间、负载、可扩展性、PV、思考时间
http://frank1234.iteye.com/blog/2180305
二、性能测试策略
生产环境相同 基准测试 预热等
htt
- Java父类取得子类传递的泛型参数Class类型
happyqing
java泛型父类子类Class
import java.lang.reflect.ParameterizedType;
import java.lang.reflect.Type;
import org.junit.Test;
abstract class BaseDao<T> {
public void getType() {
//Class<E> clazz =
- 跟我学SpringMVC目录汇总贴、PDF下载、源码下载
jinnianshilongnian
springMVC
----广告--------------------------------------------------------------
网站核心商详页开发
掌握Java技术,掌握并发/异步工具使用,熟悉spring、ibatis框架;
掌握数据库技术,表设计和索引优化,分库分表/读写分离;
了解缓存技术,熟练使用如Redis/Memcached等主流技术;
了解Ngin
- the HTTP rewrite module requires the PCRE library
流浪鱼
rewrite
./configure: error: the HTTP rewrite module requires the PCRE library.
模块依赖性Nginx需要依赖下面3个包
1. gzip 模块需要 zlib 库 ( 下载: http://www.zlib.net/ )
2. rewrite 模块需要 pcre 库 ( 下载: http://www.pcre.org/ )
3. s
- 第12章 Ajax(中)
onestopweb
Ajax
index.html
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/
- Optimize query with Query Stripping in Web Intelligence
blueoxygen
BO
http://wiki.sdn.sap.com/wiki/display/BOBJ/Optimize+query+with+Query+Stripping+in+Web+Intelligence
and a very straightfoward video
http://www.sdn.sap.com/irj/scn/events?rid=/library/uuid/40ec3a0c-936
- Java开发者写SQL时常犯的10个错误
tomcat_oracle
javasql
1、不用PreparedStatements 有意思的是,在JDBC出现了许多年后的今天,这个错误依然出现在博客、论坛和邮件列表中,即便要记住和理解它是一件很简单的事。开发者不使用PreparedStatements的原因可能有如下几个: 他们对PreparedStatements不了解 他们认为使用PreparedStatements太慢了 他们认为写Prepar
- 世纪互联与结盟有感
阿尔萨斯
10月10日,世纪互联与(Foxcon)签约成立合资公司,有感。
全球电子制造业巨头(全球500强企业)与世纪互联共同看好IDC、云计算等业务在中国的增长空间,双方迅速果断出手,在资本层面上达成合作,此举体现了全球电子制造业巨头对世纪互联IDC业务的欣赏与信任,另一方面反映出世纪互联目前良好的运营状况与广阔的发展前景。
众所周知,精于电子产品制造(世界第一),对于世纪互联而言,能够与结盟