於無聲處聽驚雷
於無聲處聽驚雷

量子化学计算（Gausssian）图形工作站硬件方案

（一）量子化学计算如何选择硬件配置
       由于分子的类型、体系和模拟算法，以及各种应用和精度要求，都有不同的计算特点，对计算机硬件（CPU、内存、硬盘、GPU）配置要求有很大的差异 ，那么如何选择好服务器/工作站的硬件配置，提高计算速度，缩短求解时间？主要看用量子化学计算软件的算法，及做什么求解，因为算法和精度决定了计算特点和求解规模，合理的硬件配置，大大发挥机器性能，缩短求解时间。

主要量子化学软件：Gaussian，GAMESS，MOLPRO，NWChem
量子化学计算（Gausssian）图形工作站硬件方案_第1张图片


1.1量子化学算法、精度与计算成本

量子化学计算（Gausssian）图形工作站硬件方案_第2张图片


1.2原子体系规模、算法及硬件配置特点

NO

体系规模划分

主要算法

硬件配置最低推荐

1

1000个原子以上

分子力学

多GPU架构

2

250-1000个原子

半经验或DFTB

4核~16核+32~64GB内存

3

100-250个原子

密度泛函DFT

4核~44以上+64~128GB

4

25-100个原子

多体微扰理论方法MPn

8核~64核+128~256GB+高io

 

5

10-25个原子

耦合簇CCSD(T)

8~64核+192GB+高io

6

10个原子以下

组态相互作用法CI/CC

8~96核以上+256GB+高io

 


1.3以Gaussian为例，先看多核并行计算测试
（1）基于Gaussian 09版本
量子化学计算（Gausssian）图形工作站硬件方案_第3张图片
这个测试分别用4核、8核、16核、32核、64核进行求解，从计算结果看，多核并行加速比很理想

（2）基于Gaussian 16版本多核并行计算测试
量子化学计算（Gausssian）图形工作站硬件方案_第4张图片
量子化学计算（Gausssian）图形工作站硬件方案_第5张图片
这个测试分别对8核、16核、32核、44核进行求解，从计算结果看，多核并行加速比到32核很理想，44核已经对求解没有多大提升了
数据来源： http://www.hpc.co.jp/benchmark20150706.html


1.4 量子化学计算硬件配置特点
（1）不同算法的并行计算的核数加速比有所差异，不完全是线性的
（2）最新CPU架构和提升频率，对缩短求解时间非常显著
（3）精度高求解计算量大，对CPU频率和核数、内存容量、硬盘io要求均有很高要求

 

CPU

内存

硬盘

GPU

HF和DFT

非常重要

不可忽视

 

支持

MP2，MP4

 

重要

非常重要

 

TD-DFT

非常重要

不可忽视

 

支持

SAC-CI

 

非常重要

非常重要

 

数据来源：http://www.hpc.co.jp/chem/c_select_hardware.html

（4）核数与内存比例为 1:4最为理想
（5）支持Tesla K40或K80 的GPU计算，显存需12GB以上，但算法有局限性，同时性价比不好
（6）组成集群的计算节点配置最好采用4核~10核超高频，效率最高

（二）基于量子化学计算，UltraLAB完美硬件配置推荐
2.1 UltraLAB图形工作站机型介绍

UltraLAB是西安坤隆计算机科技有限公司推出的定制图形工作站品牌，经过多年发展，该产品拥有傲视群雄的三大领先优势：先进计算硬件架构、完整齐全行业应用定制方案、专业硬件系统优化技术，大幅超越同类的“图形工作站”产品。以下是基于量子化学计算应用最快硬件架构产品系列：

量子化学计算（Gausssian）图形工作站硬件方案_第6张图片

NO

机型种类

硬件特点

计算规模划分

1

极速工作站 H360

拥有最高频率4核5.1GHz

中小计算规模，低精度应用

2

极速工作站H480

具备一定核数与超高频率两者完美结合，

如：6核4.5GHz，8核4.3GHz，10核4.3GHz

中等计算规格，精度略高应用

3

极速工作站H610

具有双Xeon架构（最多44核）的自动超频加速

中大计算规模，高精度应用

4

高性能工作站 EX610

双Xeon 自动超频加速(最多44核）+ 8个并行存储

大计算规模，高精度应用

5

超级图形工作站 Alpha720

配备四颗Xeon（最高96核）+16个并行存储

超大计算规模，超高精度应用


2.2 硬件配置参考

NO

型号

配置规格

报价

1

UltraLAB H360 15116-TBA

Intel至尊处理器(4核5.1GHz)/

16GBDDR4 /Quadro K620/

2TB SATA企业级/塔式(865w)/23"图显

17300

2

UltraLAB H480 14532-S2TBA

Intel至尊处理器(6核4.5GHz)/

32GBDDR4 /Quadro K620/

256GB SSD+2TB SATA企业级

/塔式(865w)/23"图显

23500

3

UltraLAB H480 14332-S2TCA

Intel至尊处理器(8核4.3GHz)/

32GBDDR4 /Quadro K620/

256GB SSD+2TB SATA企业级/

塔式(865w)/23"图显

31200

4

UltraLAB H480 14364-S5TCA

Intel至尊处理器(10核4.3GHz)/

64GB DDR4 /Quadro P600/

512GBSSD+4TBSATA企业级/

塔式(865w)/23"图显

45000

5

UltraLAB H610 23664-S5TCA

2*Xeon E5 2667v4(16核3.6GHz)/

64GBDDR4 /Quadro P600/

512GBSSD+4TBSATA企业级/

塔式(865w)/23"图显

65000

6

UltraLAB H610 23396-S5TCB

2*Xeon E5 2687Wv4(24核3.3GHz)/

96GBDDR4 /Quadro P600/

512GB SSD+4TB SATA企业级/

塔式(865w)/23"图显

75000

7

UltraLAB H610 230128-SATCB

2*Xeon E5 2697v4(32核3.0GHz)/

128GB DDR4 /Quadro P2000/

1TBSSD+4TBSATA企业级/

塔式(865w)/23"图显

96500

8

UltraLAB EX610 227192-SA28TB

2*Xeon E5 2699v4(44核2.8GHz)/

192GBDDR4 /Quadro P2000/

1TBSSD企业级+28TB并行存储/

塔式(865w)/23"图显

135000

9

UltraLAB Alpha720 427256-SA28TC

4*Xeon E7 8867v3(64核2.7GHz)/

256GBDDR3 /Quadro P4000/

1TBSSD企业级+28TB并行存储/

双塔式(1600w)/23"图显

235000

10

UltraLAB Alpha720 427384-SA28TC

4*Xeon E7 8867v4(72核2.7GHz)/

384GBDDR4 /Quadro P4000/

1TBSSD企业级+28TB并行存储/

双塔式(1600w)/23"图显

279000

11

UltraLAB Alpha720 427512-SB28TC

4*Xeon E7 8890v4(96核2.7GHz)/

512GBDDR4 /Quadro P4000/

2TBSSD企业级+28TB并行存储/

双塔式(1600w)/23"图显

360000

备注：以上价格仅供参考

上述配置其显著特点，
（1）全部采用最新intel硬件架构
（2）提供不用规模的高效完美硬件配置，满足不同算法和精度计算需求
（3）每个配置架构，CPU频率达到极致，提升性能关键指标
（4）足够多核数，并行存储高io，满足高精度计算，均衡无死角
（5）整机全部提供系统优化，大幅提升计算速度
（6）支持GPU计算扩展

 

详情咨询

西安坤隆计算机科技有限公司

国内知名高端定制图形工作站

微信

量子化学计算（Gausssian）图形工作站硬件方案_第7张图片

 


你可能感兴趣的:(图形工作站,Gaussian)

  • 图像分割任务在设计模型损失函数时，高斯函数会被如何应用 Wils0nEdwards 计算机视觉人工智能深度学习
    什么是高斯函数？Gaussianfunction，又称为高斯函数，是一种常见的数学函数，定义为一种特定形状的钟形曲线。其表达式通常为：f(x)=a⋅exp⁡(−(x−b)22c2)f(x)=a\cdot\exp\left(-\frac{(x-b)^2}{2c^2}\right)f(x)=a⋅exp(−2c2(x−b)2)其中：aaa决定了曲线的高度（峰值）。bbb是曲线中心位置的均值，决定曲线的对
  • scipy.signal无法调用gussian函数 m0_67686270 scipy人工智能
    fromscipyimportsignalsize=signal.gaussian(2*np.ceil(sigma*3)+1,sigma)报错原因scipy的Version:1.13.0，版本高了在低版本如scipy==1.1.0中调用发现报warning但是可以运行且提示高版本需要修改成：fromscipyimportsignalsize=signal.windows.gaussian(2*np
  • Ubuntu22.04(Linux Mint 21)安装使用绿联USB无线网卡CM448（rtl8821CU）的方法 ericden 编译UbuntuubuntuUSB网卡trl8821CU绿联
    我之前一直在惠普Z230图形工作站上使用的是LinuxMintCinnamon20.3，由于工作站不带无线网卡，最初使用FAST品牌的USB无线网卡（rtl8818eus）,这个网卡使用倒是方便，即插即用，但是这个网卡是基于802.11ag的网速较慢，最要命的是这个网卡极不稳定，时断时续；在网上买了一款TP-LINK的免驱版USB网卡（TL-WN823N），但是这款网卡仅支持Windows，Ubu
  • 【ITK库学习】使用itk库进行图像滤波ImageFilter：模糊降噪 leafpipi ITK学习图像处理c++算法
    目录1、itkDiscreteGaussianImageFilter离散高斯2、itkBinomialBlurImageFilter二项式模糊3、itkSmoothingRecursiveGaussianImageFilter图像模糊可以削弱图像频谱的高频部门1、itkDiscreteGaussianImageFilter离散高斯该类通过图像与离散高斯算子（内核）的可分离卷积来模糊图像。如果Set
  • python机器学习算法--贝叶斯算法 在下小天n 机器学习python机器学习算法
    1.贝叶斯定理在20世纪60年代初就引入到文字信息检索中，仍然是文字分类的一种热门（基准）方法。文字分类是以词频为特征判断文件所属类型或其他（如垃圾邮件、合法性、新闻分类等）的问题。原理牵涉到概率论的问题，不在详细说明。sklearn.naive_bayes.GaussianNB(priors=None,var_smoothing=1e-09)#Bayes函数·priors：矩阵，shape=[n
  • 高斯分布推导 章靓 概率论
    GaussianDistribution基础概念：似然性：用于在已知某些观测所得到的结果时，对有关事物之性质的参数进行估值。最大似然估计：给定一个概率分布DDD，一直其概率密度函数为fDf_DfD，以及一个分布参数θ\thetaθ，我们可以从这个分布中抽出一个具有nnn个值的采样X1,X2,⋯ ,XnX_1,X_2,\cdots,X_nX1,X2,⋯,Xn，利用fDf_DfD计算出其似然函数：L(
  • 【人工智能】案例分析和项目实践：使用高斯过程回归预测股票价格 @我们的天空 人工智能技术人工智能回归数据挖掘tensorflow深度学习机器学习算法
    一、项目背景与目标股票价格预测是金融领域的热门话题，对于投资者、金融机构及研究者而言具有重要意义。高斯过程回归（GaussianProcessRegression,GPR）作为一种强大的非参数贝叶斯回归方法，能够处理复杂的非线性关系，同时提供预测的不确定性估计，非常适合用于股票价格预测。项目目标：利用历史股票价格数据训练高斯过程回归模型。对未来股票价格进行预测，并给出预测的不确定性区间。评估模型性
  • Canny详解 kxg916361108 计算机视觉图像处理人工智能
    Canny边缘检测是一种经典的图像处理技术，被广泛应用于计算机视觉和图像处理领域。它由JohnF.Canny在1986年提出，是一种多阶段的边缘检测算法，具有高精度和低错误率的特点。Canny边缘检测的步骤：高斯滤波（GaussianBlur）：Canny边缘检测首先对图像进行高斯平滑处理，以减少图像中的噪声。高斯滤波器将图像中的每个像素与周围像素进行加权平均，从而模糊图像并减少噪声。计算图像梯度
  • 【视觉三维重建】【论文笔记】Deblurring 3D Gaussian Splatting CS_Zero 论文阅读
    去模糊的3D高斯泼溅，看Demo比3D高斯更加精细，对场景物体细节的还原度更高，[官网]（https://benhenryl.github.io/Deblurring-3D-Gaussian-Splatting/）背景技术Volumetricrendering-basednerualfields：NeRF.Rasterizationrendering:3D-GS.Rasterization比vol
  • JavaScript 正态分布的一种实现方法 老邵
    functiongetWeight(){//正态分布函数functiongaussianRandom(start,end){returnMath.floor(start+gaussianRand()*(end-start+1));//更偏向于中间的值乘以前后的差，加上前面的值，得到更偏向于中间的最终值}functiongaussianRand(){varrand=0;for(vari=0;i{re
  • ubuntu22.04@laptop OpenCV Get Started: 011_edge_detection lida2003 Linuxopencvedge人工智能计算机视觉
    ubuntu22.04@laptopOpenCVGetStarted:011_edge_detection1.源由2.edge_detection应用Demo2.1C++应用Demo2.2Python应用Demo3.重点逐步分析3.1GaussianBlur去噪3.2Sobel边缘检测3.2.1`Sobel`X方向边缘检测3.2.2`Sobel`Y方向边缘检测3.2.3`Sobel`XY方向边缘检
  • 中科星图——影像卷积核函数Kernel之gaussian高斯核函数核算子、Laplacian4核算子和square核算子等的分析 此星光明 中科星图计算机视觉人工智能深度学习核函数高斯卷积云计算
    简介高斯核函数是图像处理中常用的一种卷积核函数。它是一种线性滤波器，可以实现图像的平滑处理。在图像处理中，高斯核函数的卷积操作可以用于去噪、平滑和模糊等任务。高斯核函数的定义可以表示为一个二维高斯分布函数，表达式如下：G(x,y)=(1/(2*pi*sigma^2))*exp(-(x^2+y^2)/(2*sigma^2))其中，x和y表示图像中的像素位置，sigma表示高斯分布的标准差。高斯核函数
  • PyTorch使用Tricks：Dropout，R-Dropout和Multi-Sample Dropout等 ！！ JOYCE_Leo16 计算机视觉pytorch人工智能python深度学习神经网络
    文章目录1、为什么使用Dropout？2、Dropout的拓展1：R-Dropout3、Dropout的拓展2：Multi-SampleDropout4、Dropout的拓展3：DropConnect5、Dropout的拓展4：Standout6、Dropout的拓展5：GaussianDropout1、为什么使用Dropout？Dropout是一种在神经网络训练过程中用于防止过拟合的技术。在训练
  • 高斯混合模型聚类（GMM）matlab实现 唐维康 高斯混合模型聚类
    GaussianMixtureModel，就是假设数据服从MixtureGaussianDistribution，换句话说，数据可以看作是从数个GaussianDistribution中生成出来的。实际上，我们在K-means和K-medoids两篇文章中用到的那个例子就是由三个Gaussian分布从随机选取出来的。实际上，从中心极限定理可以看出，Gaussian分布（也叫做正态(Normal)分
  • 21丨朴素贝叶斯分类（下）：如何对文档进行分类？ 张九日zx
    朴素贝叶斯分类最适合的场景就是文本分类、情感分析和垃圾邮件识别。sklearn机器学习包sklearn的全称叫Scikit-learn，它给我们提供了3个朴素贝叶斯分类算法，分别是高斯朴素贝叶斯（GaussianNB）、多项式朴素贝叶斯（MultinomialNB）和伯努利朴素贝叶斯（BernoulliNB）。自然界的现象比较适合用高斯朴素贝叶斯来处理，而文本分类是使用多项式朴素贝叶斯或者伯努利朴
  • 高斯模糊滤镜 laocooon523857886 计算机视觉opencv图像处理
    高斯模糊滤镜importcv2#读取图像image=cv2.imread('1.jpg')#高斯模糊滤镜blurred=cv2.GaussianBlur(image,(15,15),0)#保存处理后的图像cv2.imwrite('blurred_image.jpg',blurred)#显示原始图像和处理后的图像cv2.imshow('OriginalImage',image)cv2.imshow(
  • Kmeans、混合高斯模型、EM 算法 dreampai
    混合高斯模型（MixturesofGaussians）和EM算法image.pngKmeans与EM算法E步是确定隐含类别变量CM步更新其他参数u(质心)来时J(平方误差)最小化隐含类别变量指定方法比较特殊，属于硬指定，从k个类别中硬选出一个给样例，而不是对每个类别赋予不同的概率。总体思想还是一个迭代优化过程，有目标函数，也有参数变量，只是多了个隐含变量，确定其他参数估计隐含变量，再确定隐含变量估
  • 8、python多项式贝叶斯文本分类（完整） UP Lee 数据挖掘实战多项式贝叶斯文章分类
    1、贝叶斯定理（BayesTheorem）朴素贝叶斯分类（NaiveBayesClassifier）贝叶斯分类算法，是统计学的一种分类方法，它是利用贝叶斯定理的概率统计知识，对离散型的数据进行分类的算法2、贝叶斯算法的类型sklearn包naive_bayes模块GaussianNB高斯贝叶斯BernoulliNB伯努利贝叶斯MultionmialNB多项式贝叶斯（需要知道具体每个特征的数值大小）
  • 107、Repaint123: Fast and High-quality One Image to 3D Generation with Progressive Controllable 2D Re C--G #3D重建3d
    简介github官网 两阶段3D生成。第一阶段使用3DGaussianSplatting生成粗糙的三维表示，第二阶段使用DiffusionRepainting优化细节。 目前的方法采用SDS损失，导致纹理不一致，质地差。实现流程总流程。 粗化阶段，采用3DGaussianSplatting作为DreamGaussian的表示，学习通过SDS损耗优化的粗化几何和纹理。 细化阶段，将粗糙模型转换为网格
  • matlab 画光束等相面,拉盖尔高斯光束_厄米高斯光束MATLAB仿真 - 范文中心 weixin_39566387 matlab画光束等相面
    激光原理by贾而穑130212114厄米高斯光束MATLAB仿真其中主程序文件：plotHermiteGaussianBeams.m子程序文件：HermitePoly.m程序如下：plotHermiteGaussianBeams.m%-------------------------------------------------------------------------%%auther：E
  • 3D Gaussian Splatting（高斯飞溅3D算法） Windows系统部署（简版） |导入到Unity XINYU W nerf人工智能windows深度学习python
    目录前言1、安装python（1）下载地址（2）添加环境变量2、安装CUDA3、安装git（1）下载地址（2）检查是否安装成功4、安装visualstudio5、安装COLMAP（1）下载地址（2）添加环境变量6、安装ffmpeg（1）下载地址（2）添加环境变量（3）检查是否安装成功7、安装pytorch8、安装其他依赖项9、安装viewers（可视化界面）10、设置启动脚本与data文件夹（1）
  • 3D Gaussian Splatting 应用场景及最新进展【附10篇前沿论文和代码】 深度之眼 深度学习干货人工智能干货人工智能3D高斯神经辐射场
    CV玩家们，知道3D高斯吗？对，就是计算机视觉最近的新宠，在几个月内席卷三维视觉和SLAM领域的3D高斯。不太了解也没关系，我今天就来和同学们一起聊聊这个话题。3DGaussianSplatting（3DGS）是用于实时辐射场渲染的3D高斯分布描述的一种光栅化技术，具有高质量和实时渲染的能力。如果说NeRF等辐射场方法彻底改变了多张照片或视频主导的场景新视角合成的算法生态，那么3D高斯则是在NeR
  • GaussianEditor ：第一个基于Gasussian Splatting的3D编辑 Ci_ci 17 3dpythongithub
    前言研究牲刚开学被老师分到自己一个人做3DGS+diffusion了，开始看论文。相同专业的可以一起交流啊https://arxiv.org/pdf/2311.14521.pdf文章目录前言1Introduction2RelatedWorks2.13DRepresentations2.23DEditing3Preliminary3.13DGaussianSplatting3.2基于扩散的编辑指导4
  • GaussianShader: 3D高斯喷溅与遮阳功能的反射 Ci_ci 17 3d
    翻一个论文。这里写目录标题5.ConclusionsIntroductionRelatedWorkNeuralRadianceFieldsReflectiveObjectRenderingPreliminaries3DGaussianSplattingRasterizationRenderingwith3DGaussiansMethodShadingon3DGaussians3.2.Specula
  • 【反渲染高斯】GS-IR: 3D Gaussian Splatting for Inverse Rendering Ci_ci 17 3d
    GS-IR:3DGaussianSplattingforInverseRendering概要intro总结相关工作InverseRenderingpreMethodnomal的重建深度生成法线推导间接照明建模内在的分解实验比较消融研究概要会有自己的理解PS，不保证正确，欢迎评论中指出错误。我们提出了一种基于3D高斯溅射(GS)的新型反向渲染方法GS-IR，它利用前向映射体渲染forwardmapp
  • gaussian-splatting windows环境配置 HustChaotic windows深度学习python人工智能计算机视觉
    项目场景：最近在做nerf相关的毕设，一直是在linux下配置的环境，根据官方README配置直接就可以运行了。因为想着可能会改cuda的东西，想在windows配置下项目，然后来debug，发现问题比较多，中文教程也较少，结合github上的Issues和看到的博客，记录下配置的过程。（这个不是详细的教程，只是记录下碰到的坑，以及能安装成功的方法）gaussian-splatting：https
  • 3D Gaussian Splatting for Real-Time Radiance Field Rendering论文中代码复现及排错过程 孤心亦暖 3dpytorch计算机视觉
    项目网址graphdeco-inria/gaussian-splatting:Originalreferenceimplementationof“3DGaussianSplattingforReal-TimeRadianceFieldRendering”(github.com)第一次在自己电脑上配环境（MX350显卡）环境配置以下是最初电脑所安装的内容：Anaconda32022.10-Windo
  • 打败一切NeRF！ 3D Gaussian Splatting 的 简单入门知识 Ci_ci 17 3dpython
    新手的论文笔记3DGaussianSplatting的笔记introductionRelatedwork预备知识Gaussiansplatting3D高斯泼溅原理Overview3DGaussianSplatting的笔记每次都是在csdn上找救命稻草，这是第一次在csdn上发东西。确实是个不错的笔记网站，还能同步，保存哈哈哈。印象笔记，Onenote逊爆了。研一刚开学两个月，导师放养，给的方向还
  • Matlab图像模拟加噪——高斯噪声、椒盐噪声、泊松噪声、乘性噪声、均匀噪声、指数噪声 MatpyMaster 图像处理matlab人工智能算法学习笔记
    1.高斯噪声(1)通过均值和方差来产生J=imnoise(I,'gaussian',0,0.01);%高斯噪声，均值为0，方差为0.01(2)通过位置信息来产生I=im2double(I);V=zeros(size(I));%建立矩阵Vfori=1:size(V,1)V(i,:)=0.02*i/size(V,1);endJ=imnoise(I,'localvar',V);%添加高斯噪声(3)根据亮
  • 06 逆矩阵、列空间与零空间 林炒Lynn
    06逆矩阵、列空间与零空间imageimage直观理解这几个概念,计算方法不作讨论,如"Gaussianelimination高斯消元法"和"rowechelonform行阶梯型".Letthecomputerdocomputing!Usefulnessofmatrices矩阵的用途计算机图形学机器人学被广泛应用的一个主要原因就是它能帮助我们求解特定的systemofequations方程组大部分
  • 多线程编程之理财 周凡杨 java多线程生产者消费者理财
          现实生活中，我们一边工作，一边消费，正常情况下会把多余的钱存起来，比如存到余额宝，还可以多挣点钱，现在就有这个情况：我每月可以发工资20000万元 （暂定每月的1号），每月消费5000（租房+生活费）元（暂定每月的1号），其中租金是大头占90%，交房租的方式可以选择（一月一交，两月一交、三月一交），理财：1万元存余额宝一天可以赚1元钱，
  • [Zookeeper学习笔记之三]Zookeeper会话超时机制 bit1129 zookeeper
    首先，会话超时是由Zookeeper服务端通知客户端会话已经超时，客户端不能自行决定会话已经超时，不过客户端可以通过调用Zookeeper.close()主动的发起会话结束请求，如下的代码输出内容 Created /zoo-739160015 CONNECTEDCONNECTED .............CONNECTEDCONNECTED CONNECTEDCLOSEDCLOSED
  • SecureCRT快捷键 daizj secureCRT快捷键
    ctrl + a : 移动光标到行首ctrl + e ：移动光标到行尾crtl + b: 光标前移1个字符crtl + f: 光标后移1个字符crtl + h : 删除光标之前的一个字符ctrl + d ：删除光标之后的一个字符crtl + k ：删除光标到行尾所有字符crtl + u : 删除光标至行首所有字符crtl + w:  删除光标至行首
  • Java 子类与父类这间的转换 周凡杨 java 父类与子类的转换
        最近同事调的一个服务报错，查看后是日期之间转换出的问题。代码里是把 java.sql.Date 类型的对象 强制转换为 java.sql.Timestamp 类型的对象。报java.lang.ClassCastException。       代码：            
  • 可视化swing界面编辑 朱辉辉33 eclipseswing
          今天发现了一个WindowBuilder插件，功能好强大，啊哈哈，从此告别手动编辑swing界面代码，直接像VB那样编辑界面，代码会自动生成。       首先在Eclipse中点击help，选择Install New Software,然后在Work with中输入WindowBui
  • web报表工具FineReport常用函数的用法总结（文本函数） 老A不折腾 finereportweb报表工具报表软件java报表
    文本函数 CHAR CHAR(number):根据指定数字返回对应的字符。CHAR函数可将计算机其他类型的数字代码转换为字符。 Number:用于指定字符的数字，介于1Number:用于指定字符的数字，介于165535之间（包括1和65535）。 示例: CHAR(88)等于“X”。 CHAR(45)等于“-”。   CODE CODE(text):计算文本串中第一个字
  • mysql安装出错 林鹤霄 mysql安装
    [root@localhost ~]# rpm -ivh MySQL-server-5.5.24-1.linux2.6.x86_64.rpm Preparing...                #####################
  • linux下编译libuv aigo libuv
    下载最新版本的libuv源码，解压后执行： ./autogen.sh   这时会提醒找不到automake命令，通过一下命令执行安装（redhat系用yum，Debian系用apt-get）： # yum -y install automake # yum -y install libtool     如果提示错误：make: *** No targe
  • 中国行政区数据及三级联动菜单 alxw4616
    近期做项目需要三级联动菜单,上网查了半天竟然没有发现一个能直接用的! 呵呵,都要自己填数据....我了个去这东西麻烦就麻烦的数据上. 哎,自己没办法动手写吧. 现将这些数据共享出了,以方便大家.嗯,代码也可以直接使用   文件说明 lib\area.sql -- 县及县以上行政区划分代码（截止2013年8月31日)来源：国家统计局 发布时间：2014-01-17 15:0
  • 哈夫曼加密文件 百合不是茶 哈夫曼压缩哈夫曼加密二叉树
     在上一篇介绍过哈夫曼编码的基础知识,下面就直接介绍使用哈夫曼编码怎么来做文件加密或者压缩与解压的软件,对于新手来是有点难度的,主要还是要理清楚步骤;   加密步骤:  1,统计文件中字节出现的次数,作为权值   2,创建节点和哈夫曼树   3,得到每个子节点01串   4,使用哈夫曼编码表示每个字节  
  • JDK1.5 Cyclicbarrier实例 bijian1013 javathreadjava多线程Cyclicbarrier
    CyclicBarrier类 一个同步辅助类，它允许一组线程互相等待，直到到达某个公共屏障点 (common barrier point)。在涉及一组固定大小的线程的程序中，这些线程必须不时地互相等待，此时 CyclicBarrier 很有用。因为该 barrier 在释放等待线程后可以重用，所以称它为循环的 barrier。 CyclicBarrier支持一个可选的 Runnable 命令，
  • 九项重要的职业规划 bijian1013 工作学习
    一. 学习的步伐不停止        古人说，活到老，学到老。终身学习应该是您的座右铭。        世界在不断变化，每个人都在寻找各自的事业途径。        您只有保证了足够的技能储
  • 【Java范型四】范型方法 bit1129 java
    范型参数不仅仅可以用于类型的声明上，例如   package com.tom.lang.generics; import java.util.List; public class Generics<T> { private T value; public Generics(T value) { this.value =
  • 【Hadoop十三】HDFS Java API基本操作 bit1129 hadoop
      package com.examples.hadoop; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.FSDataInputStream; import org.apache.hadoop.fs.FileStatus; import org.apache.hadoo
  • ua实现split字符串分隔 ronin47 lua split
    LUA并不象其它许多"大而全"的语言那样，包括很多功能，比如网络通讯、图形界面等。但是LUA可以很容易地被扩展：由宿主语言(通常是C或 C++)提供这些功能，LUA可以使用它们，就像是本来就内置的功能一样。LUA只包括一个精简的核心和最基本的库。这使得LUA体积小、启动速度快，从 而适合嵌入在别的程序里。因此在lua中并没有其他语言那样多的系统函数。习惯了其他语言的字符串分割函
  • java-从先序遍历和中序遍历重建二叉树 bylijinnan java
    public class BuildTreePreOrderInOrder { /** * Build Binary Tree from PreOrder and InOrder * _______7______ / \ __10__ ___2 / \ / 4
  • openfire开发指南《连接和登陆》 开窍的石头 openfire开发指南smack
    第一步     官网下载smack.jar包     下载地址：http://www.igniterealtime.org/downloads/index.jsp#smack 第二步     把smack里边的jar导入你新建的java项目中 开始编写smack连接openfire代码 p
  • [移动通讯]手机后盖应该按需要能够随时开启 comsci 移动
        看到新的手机，很多由金属材质做的外壳，内存和闪存容量越来越大，CPU速度越来越快，对于这些改进，我们非常高兴，也非常欢迎      但是，对于手机的新设计，有几点我们也要注意      第一：手机的后盖应该能够被用户自行取下来，手机的电池的可更换性应该是必须保留的设计,
  • 20款国外知名的php开源cms系统 cuiyadll cms
    内容管理系统，简称CMS，是一种简易的发布和管理新闻的程序。用户可以在后端管理系统中发布，编辑和删除文章，即使您不需要懂得HTML和其他脚本语言，这就是CMS的优点。 在这里我决定介绍20款目前国外市面上最流行的开源的PHP内容管理系统，以便没有PHP知识的读者也可以通过国外内容管理系统建立自己的网站。 1. Wordpress WordPress的是一个功能强大且易于使用的内容管
  • Java生成全局唯一标识符 darrenzhu javauuiduniqueidentifierid
    How to generate a globally unique identifier in Java http://stackoverflow.com/questions/21536572/generate-unique-id-in-java-to-label-groups-of-related-entries-in-a-log http://stackoverflow
  • php安装模块检测是否已安装过, 使用的SQL语句 dcj3sjt126com sql
    SHOW [FULL] TABLES [FROM db_name] [LIKE 'pattern'] SHOW TABLES列举了给定数据库中的非TEMPORARY表。您也可以使用mysqlshow db_name命令得到此清单。 本命令也列举数据库中的其它视图。支持FULL修改符，这样SHOW FULL TABLES就可以显示第二个输出列。对于一个表，第二列的值为BASE T
  • 5天学会一种 web 开发框架 dcj3sjt126com Web框架framework
    web framework层出不穷，特别是ruby/python,各有10+个,php/java也是一大堆 根据我自己的经验写了一个to do list,按照这个清单，一条一条的学习，事半功倍，很快就能掌握 一共25条，即便很磨蹭，2小时也能搞定一条，25*2=50。只需要50小时就能掌握任意一种web框架 各类web框架大同小异:现代web开发框架的6大元素，把握主线，就不会迷路 建议把本文
  • Gson使用三(Map集合的处理,一对多处理) eksliang jsongsonGson mapGson 集合处理
    转载请出自出处：http://eksliang.iteye.com/blog/2175532 一、概述        Map保存的是键值对的形式，Json的格式也是键值对的，所以正常情况下，map跟json之间的转换应当是理所当然的事情。 二、Map参考实例 package com.ickes.json; import java.lang.refl
  • cordova实现“再点击一次退出”效果 gundumw100 android
    基本的写法如下： document.addEventListener("deviceready", onDeviceReady, false); function onDeviceReady() { //navigator.splashscreen.hide(); document.addEventListener("b
  • openldap configuration leaning note iwindyforest configuration
    hostname // to display the computer name hostname <changed name> // to change go to: /etc/sysconfig/network, add/modify HOSTNAME=NEWNAME to change permenately dont forget to change /etc/hosts
  • Nullability and Objective-C 啸笑天 Objective-C
    https://developer.apple.com/swift/blog/?id=25   http://www.cocoachina.com/ios/20150601/11989.html   http://blog.csdn.net/zhangao0086/article/details/44409913   http://blog.sunnyxx
  • jsp中实现参数隐藏的两种方法 macroli JavaScriptjsp
    在一个JSP页面有一个链接，//确定是一个链接?点击弹出一个页面，需要传给这个页面一些参数。//正常的方法是设置弹出页面的src="***.do?p1=aaa&p2=bbb&p3=ccc"//确定目标URL是Action来处理?但是这样会在页面上看到传过来的参数，可能会不安全。要求实现src="***.do"，参数通过其他方法传！//////
  • Bootstrap A标签关闭modal并打开新的链接解决方案 qiaolevip 每天进步一点点学习永无止境bootstrap纵观千象
    Bootstrap里面的js modal控件使用起来很方便，关闭也很简单。只需添加标签 data-dismiss="modal" 即可。 可是偏偏有时候需要a标签既要关闭modal，有要打开新的链接，尝试多种方法未果。只好使用原始js来控制。   <a href="#/group-buy" class="btn bt
  • 二维数组在Java和C中的区别 流淚的芥末 javac二维数组数组
    Java代码：   public class test03 { public static void main(String[] args) { int[][] a = {{1},{2,3},{4,5,6}}; System.out.println(a[0][1]); } }  运行结果： Exception in thread "mai
  • systemctl命令用法 wmlJava linuxsystemctl
    对比表，以 apache / httpd 为例 任务 旧指令 新指令 使某服务自动启动 chkconfig --level 3 httpd on systemctl enable httpd.service 使某服务不自动启动 chkconfig --level 3 httpd off systemctl disable httpd.service 检查服务状态 service h
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他