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)

  • python绘制密度散点图 龟速前进 anaconda可视化python
    头大，外行人做个图咋这么难，趋势线还没有研究出来怎么加上去，哎importmatplotlib.pyplotaspltfromscipy.statsimportgaussian_kdefrommpl_toolkits.axes_grid1importmake_axes_locatableimportnumpyasnpimportpandasaspdfromdbfreadimportDBFdata=
  • python opencv轮廓检测_python opencv中的不规则形状检测和测量 weixin_39584529 pythonopencv轮廓检测
    正如我在评论中提到的那样,对于这个问题,分水岭似乎是一个很好的方法.但是当你回答时,定义标记的前景和背景是困难的部分！我的想法是使用形态梯度沿着冰晶获得良好的边缘并从那里开始工作;形态梯度似乎很有效.importnumpyasnpimportcv2img=cv2.imread('image.png')blur=cv2.GaussianBlur(img,(7,7),2)h,w=img.shape[:
  • AI 界的包青天：GaussianNB 智断分类难题 星际编程喵 人工智能分类数据挖掘
    前言在机器学习的江湖中，分类算法纷繁复杂，各具特色。有的深不可测，犹如隐世高人的内功心法，让人望而却步；有的则像街头小贩，简单直接却也能精准解决问题。江湖中高手云集，其中有一位侠客，宛如包青天，正气凛然，以公正无私和高效迅捷著称，擅长快速解决分类难题。此侠客正是GaussianNaïveBayes（高斯朴素贝叶斯，简称GaussianNB）。凭借朴素的假设与强大的数学支撑，GaussianNB在分
  • 高斯Splatting：3D 重建与新视图合成的综述 三谷秋水 人工智能机器学习计算机视觉计算机视觉人工智能深度学习
    24年5月来自挪威大学的论文“GaussianSplatting:3DReconstructionandNovelViewSynthesis,aReview”。基于图像的3D重建是一项具有挑战性的任务，涉及从一组输入图像中推断出目标或场景的3D形状。基于学习的方法因其直接估计3D形状的能力而备受关注。这篇论文重点介绍3D重建的最新技术，包括生成新的、未见过的视图。高斯Splatting方法的最新发
  • Mirror-3DGS: Incorporating Mirror Reflections into 3D Gaussian Splatting 于初见月 paper计算机视觉
    Abstract3DGShassignificantlyadvanced3Dscenereconstructionandnovelviewsynthesis.However,3DGSstruggleswithaccuratelymodelingphysicalreflections,particularlyinmirrors,leadingtoincorrectreconstructionsand
  • GaussianEditor: Swift and Controllable 3D Editing with Gaussian Splatting 于初见月 paper计算机视觉
    Abstract3Deditingplaysacrucialroleinmanyareassuchasgamingandvirtualreality.Traditional3Deditingmethods,whichrelyonrepresentationslikemeshesandpointclouds,oftenfallshortinrealisticallydepictingcomplexs
  • 高斯溅射融合之路（一）- webgl渲染3d gaussian splatting 山海鲸可视化 数字孪生GIS系统webgl数字孪生GIS高斯泼溅AI重构
    大家好，我是山海鲸的技术负责人。之前已经写了一个GIS融合系列。其实CesiumJS的整合有相当的难度，同时也有很多方面的工作，很难在几篇文章内写完，整个山海鲸团队也是投入了接近两年的时间，才把周边整套工具链进行了完善，后续有新的内容也会持续分享，隔壁系列传送门：GIS融合之路一坑未平，一坑又起。去年年末，我们的AI合作伙伴突然给山海鲸技术团队丢来了一个新技术-3DGaussianSplattin
  • 【图像去噪】基础知识之加噪 | 给图像加噪的若干种方式，包括加高斯白噪声（AWGN）、泊松-高斯噪声、模拟真实噪声（SIDD、DND）等 十小大 人工智能计算机视觉深度学习图像处理图像去噪pythonpytorch
    请先看【专栏介绍文章】：【图像去噪（ImageDenoising）】关于【图像去噪】专栏的相关说明，包含适配人群、专栏简介、专栏亮点、阅读方法、定价理由、品质承诺、关于更新、去噪概述、文章目录、资料汇总、问题汇总（更新中）文章目录前言加高斯噪声（AWGN）在numpy上加在Tensor上加完整代码加其他噪声（模拟真实世界的噪声）加随机散粒噪声和真实噪声（Possion-Gaussian）加SIDD
  • 【Gaussian Model】高斯分布模型 HP-Succinum 机器学习机器学习算法人工智能
    目录高斯分布模型用于异常检测（GaussianModelforAnomalyDetection）1.高斯分布简介2.高斯分布模型用于异常检测(1)训练阶段：估计数据分布(2)检测阶段：计算概率判断异常点3.示例代码4.高斯分布异常检测的优缺点优点缺点5.适用场景6.结论高斯分布模型用于异常检测（GaussianModelforAnomalyDetection）在数据分析和机器学习任务中，异常检测（
  • 常用Python代码 newlz2000 python
    常见的for循环去博客设置页面，选择一款你喜欢的代码片高亮样式，下面展示同样高亮的代码片.1Value=[(10,150),(100,200),(180,230)]fori,(minVal,maxVal)inenumerate(Value):plt.subplot(1,3,i+1)edges=cv2.Canny(image,minVal,maxVal)edges=cv2.GaussianBlur(
  • Compressed 3D Gaussian Splatting for Accelerated Novel View Synthesis 于初见月 paper计算机视觉
    AbstractRecently,high-fidelityscenereconstructionwithanoptimized3DGaussiansplatrepresentationhasbeenintroducedfornovelviewsynthesisfromsparseimagesets.Makingsuchrepresentationssuitableforapplicationsl
  • 3D gaussian splatting 源码剖析与demo验证 scott198512 三维重建新范式与SLAM3D重建计算机视觉图形渲染
    0.概述本文对最原始的3DGS源码进行剖析，逐段分析其中的主要代码模块，结合其原理加深理解，同时结合demo演示给出具体的验证。1.流程图2.源码剖析3.验证与实现
  • 【算法 | Python】高斯消元法 weixin_43964993 算法python算法pythonnumpy
    程序来源：GaussianEliminationArithmeticAnalysis原理说明源代码代码说明原理说明高斯消元法(GaussElimination)【超详解&模板】高斯消元法-百度百科源代码"""Gaussianeliminationmethodforsolvingasystemoflinearequations.Gaussianelimination-https://en.wikip
  • SuperSplat 2.0：Web端轻量级3D Gaussian Splats处理与可视化工具 花生糖@ AIGC学习资料库3d3D方向工具库创业库三维建模
    随着增强现实（AR）和虚拟现实（VR）技术的发展，对高效、便捷的3D内容创建和分发工具的需求日益增长。SuperSplat2.0正是这样一款专注于3DGaussianSplats（3DGS）处理和可视化的开源工具，特别适合需要处理3D扫描数据的创业者和开发者。本文将深入探讨SuperSplat2.0的核心功能及其商业价值。产品定位与价值1.面向3DGaussianSplats技术的开源平台Supe
  • matlab wgn未定义,解决matlab缺少awgn和wgn函数的问题 Choo Chunlang matlabwgn未定义
    将以下两个.m文件放到同一文件夹内运行ps：这两个m文件来自"MATLAB\R2009a\toolbox\comm\comm"awgn.mfunctiony=awgn(varargin)%AWGNAddwhiteGaussiannoisetoasignal.%Y=AWGN(X,SNR)addswhiteGaussiannoisetoX.TheSNRisindB.%ThepowerofXisassu
  • 高斯混合模型（GMM）与K均值算法（K-means）算法的异同 路野yue 人工智能机器学习聚类
    高斯混合模型（GaussianMixtureModel,GMM）和K均值（K-Means）算法都是常用于聚类分析的无监督学习方法，虽然它们的目标都是将数据分成若干个类别或簇，但在实现方法、假设和适用场景上有所不同。1.模型假设K均值（K-Means）：假设每个簇的样本点在簇中心附近呈均匀分布，通常是球形的（即每个簇的数据点彼此之间的距离相对均匀，具有相同的方差）。每个簇通过一个中心点来表示（即质心
  • 51-54 CVPR 2024 | DrivingGaussian：周围动态自动驾驶场景的复合高斯飞溅（ Sora能制作动作大片还需要一段时间 ） 深圳季连AIgraphX aiXpilot智驾大模型1自动驾驶AIGCstablediffusion智慧城市计算机视觉
    24年3月，北大、谷歌和加州大学共同发布了DrivingGaussian:CompositeGaussianSplattingforSurroundingDynamicAutonomousDrivingScenes。视图合成和可控模拟可以生成自动驾驶的极端场景CornerCase，这些安全关键情况有助于以更低成本验证和增强自动驾驶系统安全性。DrivingGaussian采用复合高斯飞溅进行全局渲
  • 51-31 CVPR’24 | VastGaussian，3D高斯大型场景重建 深圳季连AIgraphX aiXpilot智驾大模型1自动驾驶智慧城市AIGC计算机视觉数据挖掘
    2024年2月，清华大学、华为和中科院联合发布的VastGaussian模型，实现了基于3DGaussianSplatting进行大型场景高保真重建和实时渲染。Abstract现有基于NeRF大型场景重建方法，往往在视觉质量和渲染速度方面存在局限性。虽然最近3DGaussiansSpltting在小规模和以对象为中心的场景中效果很好，但由于视频内存有限、优化时间长、外观变化明显，将其扩展到大型场景
  • 神经网络常见激活函数 10-GELU函数 亲持红叶 神经网络常见激活函数神经网络neo4j人工智能
    GELU高斯误差线性单元（Gaussianerrorlinearunit）函数+导函数GELU函数的公式(近似表达式)GELU(x)=x∗P(X<=x)=x∗Φ(x)\rmGELU(x)=x*P(X<=x)=x*\Phi(x)GELU(x)=x∗P(X<=x)=x∗Φ(x)其中Φ(x)\Phi(x)Φ(x)指的是x的高斯正太分布的累积分布函数(CDF),进一步地，可得该函数的具体表达为x∗P(X<
  • 3dgs 2025 学习笔记 AI算法网奇 3d渲染学习笔记
    CVPR20243D方向总汇包含（3DGS、三维重建、深度补全、深度估计、全景定位、表面重建和特征匹配等）_cvpr2024-structure-awaresparse-viewx-ray3dreconstr-CSDN博客https://github.com/apple/ml-hugs3DGSCOLMAP-Free3DGaussianSplatting⭐codeprojectFeature3DGS
  • GaussianSpeech：音频驱动3DGS Avatar AIGC探路者 音视频3d科研计算机视觉数字人3D视觉talkinghead
    本文介绍了GaussianSpeech，这是一种从语音合成高保真度的个性化三维人类头部虚拟形象动画序列的新方法。为了捕捉人类头部的表达性和细节特征，包括皮肤皱褶和更细致的面部动作，文章提出将语音信号与三维高斯散射相结合，以创建逼真且时间上连贯的运动序列。作者提出了一种基于3DGS的紧凑高效的虚拟形象表示方法，该方法根据表情生成依赖颜色，并利用皱纹和基于感知的损失来合成面部细节，包括不同表情下出现的
  • Neural Radiance Fields (NeRF) 和 3D Gaussian Splatting区别 鬼马行天 深度学习/AIGC3dAIGC
    NeuralRadianceFields(NeRF)和3DGaussianSplatting是两种用于3D场景重建和渲染的技术。它们都旨在创建高质量的3D图像，但它们的技术原理和应用场景有所不同。1.NeuralRadianceFields(NeRF)NeRF使用深度学习技术，特别是一种密集的神经网络（通常是多层感知机，MLP），来建模复杂的3D场景。它通过训练一个神经网络来预测给定3D位置和观察
  • NeRF与3D Gaussian的异同对比 zllz0907 视觉SLAMNeRF与3DGS3d人工智能深度学习
    NeRF（NeuralRadianceFields）和3DGaussianSplatting是两种不同的3D场景表示与渲染技术，分属两个派系。那他两有啥区别呢？核心区别在于场景的表示方式、优化目标及渲染效率。1.核心区别特性NeRF3DGaussianSplatting表示方式隐式表示：通过神经网络（MLP）学习场景的辐射场（颜色和密度）。显式表示：用3D高斯分布显式建模场景中的点云或粒子。优化目
  • python学opencv|读取图像（五十六）使用cv2.GaussianBlur()函数实现图像像素高斯滤波处理 西猫雷婶 python学习笔记pythonopencv计算机视觉
    【1】引言前序学习了均值滤波和中值滤波，对图像的滤波处理有了基础认知，相关文章链接为：python学opencv|读取图像（五十四）使用cv2.blur()函数实现图像像素均值处理-CSDN博客python学opencv|读取图像（五十五）使用cv2.medianBlur()函数实现图像像素中值滤波处理-CSDN博客在此基础上，我们可以进入高斯滤波的学习，此时需要使用cv2.GaussianBlu
  • 十八、计算机视觉-canny边缘检测 云峰天际 计算机视觉人工智能计算机视觉人工智能
    文章目录前言一、canny检测的流程1.高斯滤波（GaussianSmoothing）2.梯度计算（GradientCalculation）3.非极大值抑制（Non-maximumSuppression）4.双阈值检测（DoubleThresholding）5.边缘跟踪与连接（EdgeTrackingandHysteresis）二、代码实现前言Canny边缘检测是计算机视觉领域中常用的一种边缘检测
  • Gaussian Splatting: 3D Reconstruction and Novel View Synthesis, a Review(3) 于初见月 paper计算机视觉
    ABSTRACTImage-based3Dreconstructionisachallengingtaskthatinvolvesinferringthe3Dshapeofanobjectorscenefromasetofinputimages.Learning-basedmethodshavegainedattentionfortheirabilitytodirectlyestimate3Dsh
  • 图像边缘检测与轮廓提取详解及python实现 闲人编程 pythonpython计算机视觉开发语言RobertsPrewittCanny边缘检测
    目录图像边缘检测与轮廓提取详解第一部分：图像边缘检测与轮廓提取概述1.1什么是边缘检测和轮廓提取？1.2边缘检测与轮廓提取的应用领域1.3为什么需要边缘检测和轮廓提取？第二部分：常见的图像边缘检测算法2.1Sobel算子2.2Canny边缘检测2.3拉普拉斯算子（LaplacianofGaussian，LoG）2.4Prewitt算子2.5Roberts交叉算子第三部分：图像轮廓提取的基本方法3.
  • 【计算机视觉】图像滤波 油泼辣子多加 计算机视觉计算机视觉人工智能python神经网络
    1.图像滤波定义图像滤波是一种非常重要的图像处理技术，图像平滑、边缘检测、边缘增强、去除噪声都属于图像滤波，图像滤波是一种基于邻域的算法。通过图像滤波，可以实现图像平滑、边缘检测；图像平滑也叫图像模糊，用以去除图像中的噪声、伪影等，它是图像处理和计算机视觉的常见步骤。函数模糊类型特点使用场景cv.blur均值模糊简单快速，所有像素权重相等基础平滑和降噪cv.GaussianBlur高斯模糊中心权重
  • SA-GS: Semantic-Aware Gaussian Splatting for Large Scene Reconstruction with Geometry Constrain 于初见月 paper计算机视觉
    AbstractWiththeemergenceofGaussianSplats,recenteffortshavefocusedonlarge-scalescenegeometricreconstruction.However,mostoftheseeffortseitherconcentrateonmemoryreductionorspatialspacedivision,neglecting
  • 学习笔记之——3DGS-SLAM系列代码解读 gwpscut 3DGaussianSplatting(3DGS)3DGS深度学习三维重建计算机视觉3d
    最近对一系列基于3DGaussianSplatting（3DGS）SLAM的工作的源码进行了测试与解读。为此写下本博客mark一下所有的源码解读以及对应的代码配置与测试记录~其中工作1~5的原理解读见博客：学习笔记之——3DGaussianSplatting及其在SLAM与自动驾驶上的应用调研_3dgaussiansplattingslam-CSDN博客文章浏览阅读5.3k次，点赞53次，收藏92
  • 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