汶静儿
汶静儿

认识自己：能力盘点

步骤一：

一、能力项与评分标准

这份资料中一共有9项能力，都是现代职场最需要的能力项。每一个能力项有5个分数，各自对应有相匹配的行为描述，请从你的观察来看，选取最符合现状的分数。

1 说服影响力

1分：完全不具备

在众人面前说话常常被忽略

经常遭到他人的拒绝

需要拒绝别人时，总是很为难

2分：介于1分与3分之间

3分：能够适当地运用

提出的合理建议会被采纳

能够说服周围比较熟悉的人

有时候能够适当运用讲故事的技巧

4分：介于3分与5分之间

5分：非常拔尖

同样的话，ta说出来更容易让人信服

向别人提要求时，总是让人难以拒绝

擅长通过讲故事的方式说服别人


2. 逻辑思考能力

1分：完全不具备

做事情缺乏条理和思路

想法容易受他人影响

别人常常无法理解ta说的话

2分：介于1分与3分之间

3分：能够适当地运用

经常做的事情能够有条理地做好

能够发现别人观点的逻辑谬误

熟悉的场合，能够比较清晰地表达自己的意见

4分：介于3分与5分之间

5分：非常拔尖

做事情非常有逻辑，思路很清晰

有主见，不会轻易受他人的影响

表达观点时层次分明、逻辑清晰


3. 问题解决能力

1分：完全不具备

常常没弄清楚问题就着手做事

总是抓不住问题的重点

凭借主观想法而非客观数据推论去做事情

2分：介于1分与3分之间

3分：能够适当地运用

基本能够澄清问题/任务的基本信息

面对问题时，有意识先去找原因，再解决

能够客观评估并选出合适的潜在解决方案

4分：介于3分与5分之间

5分：非常拔尖

总能一针见血地找到问题本质

对任何问题，都能快速找到分析框架和思路

能考虑多个要素，系统地解决涉及多领域的问题


4. 人际交往能力

1分：完全不具备

非常不善于借助他人的资源和力量

朋友圈子仅限于同学和同事，非常狭窄

在社交场合很难跟他人愉快沟通

2分：介于1分与3分之间

3分：能够适当地运用

能够适当借助他人的力量，达成自身目标

能够结识到一些自己学习工作外的“圈外人”

社交场合能够正常应对

4分：介于3分与5分之间

5分：非常拔尖

非常善于借力，以及进行资源对接

在社交场合能够轻松让他人“路转粉

能够很好地同理他人的感受，并调整自己的语言和行为


5. 创新能力

1分：完全不具备

面对新问题毫无头绪

总是用过去的旧方法解决问题

极少提出非常规的想法

2分：介于1分与3分之间

3分：能够适当地运用

对新问题不排斥

有时能够尝试用新方法解决旧问题

能够在原有做法上改进，做得更好

4分：介于3分与5分之间

5分：非常拔尖

非常愿意以及善于解决新问题

总能给大家带来独特的想法和思路

即便对于旧问题，也会不断尝试更好的新方法


6. 学习能力

1分：完全不具备

总是囤积知识，且没有目标和方向地学习

很难理解陌生事物，对陌生事物充满抗拒

死记硬背地学习，很难应用到实践

2分：介于1分与3分之间

3分：能够适当地运用

理解学习应该有目标

能够较快地理解陌生事物

能够把学到的部分知识应用到实践

4分：介于3分与5分之间

5分：非常拔尖

有明确的学习目标和计划

能够将学到的知识之间建立关联

能够把学到的东西用于实践，甚至能够指导他人


7. 自我管理能力

1分：完全不具备

总是陷入情绪中，很难缓过来

很难坚持一件事情到底

任务总是无法及时完成

2分：介于1分与3分之间

3分：能够适当地运用

一般情况下，能够控制好情绪

某些感兴趣的事情上，能够坚持

任务一般能够及时完成

4分：介于3分与5分之间

5分：非常拔尖

总能冷静地面对问题，不受太多情绪影响

能够长期坚持一件事情，很少放弃

可以很好地按计划去执行任务，掌控自己的工作和学习


8. 自我营销能力

1分：完全不具备

没有鲜明形象，很难被别人记住

自己做8分，可能只说得出5分

有表现机会时，常常退缩

2分：介于1分与3分之间

3分：能够适当地运用

熟悉的场合下，能够展现出自己的能力

能够给人留下一些印象

在一些场合，能够把握机会表现自己

4分：介于3分与5分之间

5分：非常拔尖

总能给人们留下鲜明的印象

总能得到人们很高的评价，甚至高于自己的能力

善于把握机会，向客户、上级、合作方等对象营销自己


9. 公众表达能力

1分：完全不具备

演讲缺乏感染力

表达内容没有结构

2分：介于1分与3分之间

3分：能够适当地运用

演讲有一定感染力

表达能够做到相对完整、容易理解

4分：介于3分与5分之间

5分：非常拔尖

能够在公众场合清晰表达观点

讲话时能够很好地调动受众情绪

在演讲时显露出自信和淡定


二、辅助工具

如果你的亲友们会因为各种原因不方便给你直接打分，需要匿名填写的时候，可以使用问卷星建立一个问卷进行打分收集，具体方法可以参考下方链接的内容：

↓戳下方链接可以看到：

https://shimo.im/docs/fkhaXEKfN3Ey2Ukw 「问卷星建立能力评估表教程」


步骤二：自我评分

通过能力评分标准的描述对自己的各个能力项进行评分，并总结一下自己的优势能力（4-5分）和弱势能力（1-2分）。

你可能感兴趣的:(认识自己：能力盘点)

  • 长文本、知识库、微调对比 司南锤 程序院学习人工智能
    长文本、知识库和微调是三种不同的技术手段，用于增强大模型的能力。1.长文本处理•核心目标：理解和生成长篇内容。•优点：•连贯性强，适合处理需要深入理解背景信息的任务。•适合复杂任务，如长篇阅读理解或文章生成。•缺点：•资源消耗大，处理长文本需要更多的计算资源和内存。•受上下文长度限制，可能会丢失一些细节信息。•适用场景：•写作助手：生成长篇博客、报告或故事。•阅读理解：处理长篇阅读理解任务，如学术
  • 增量预训练和微调的区别 做个天秤座的程序猿 大模型原理webkit
    文章目录前言一、增量预训练和微调的区别二、代码示例1.增量预训练示例2.微调示例3.代码的区别三、数据格式1.增量预训练2.微调3.示例4.小结四、数据量要求1.指导原则2.示例3.实际操作中的考虑4.小结前言增量预训练是一种在现有预训练模型的基础上，通过引入新的数据或任务来进一步训练模型的方法。这种方法的主要目的是在不从头开始训练模型的情况下，利用新数据或特定领域的数据增强模型的能力和性能。增量
  • 鸿蒙HarmonyOS NEXT开发：自定义事件拦截（ArkTS组件事件） 「已注销」 鸿蒙ArkTSharmonyos华为鸿蒙android驱动开发
    为组件提供自定义的事件拦截能力，开发者可根据事件在控件上按下时发生的位置，输入源等事件信息决定控件上的HitTestMode属性。说明：从APIVersion12开始支持。后续版本如有新增内容，则采用上角标单独标记该内容的起始版本。onTouchInterceptonTouchIntercept(callback:Callback)系统能力：SystemCapability.ArkUI.ArkUI
  • Matlab/simulink 风储调频，风电调频，模糊控制，mpc模型预测，虚拟惯性控制，下垂控制。 风储wind-专业frequency 其他
    风电采用虚拟惯性控制，储能采用下垂控制。风电利用模糊控制改变系数，根据风速和频率变化系数。做到了自适应控制。MPC通过状态空间表达式通过fk预测下一时刻fk+1频率，仿真结果表明预测频率和实际频率相差不大。因此可以用mpc预测频率，去改变风电出力。这样利用mpc的超前预测能力进而预测风电出力。风电采用虚拟惯性控制。1-模糊控制2-mpc控制。
  • 鸿蒙5.0版开发：UI界面[email protected] (componentUtils) 星星不闪包退1 ArkTS鸿蒙5.0ArkUIharmonyos华为android鸿蒙前端UI
    往期鸿蒙全套实战文章必看：鸿蒙开发核心知识点，看这篇文章就够了最新版！鸿蒙HarmonyOSNext应用开发实战学习路线鸿蒙HarmonyOSNEXT开发技术最全学习路线指南鸿蒙应用开发实战项目，看这一篇文章就够了（部分项目附源码）@ohos.arkui.componentUtils(componentUtils)提供获取组件绘制区域坐标和大小的能力。说明：从APIVersion10开始支持。后续
  • Linux C++编程死锁排查 大G哥 linuxc++java开发语言运维
    在Linux环境下进行C++编程时，多线程能显著提升程序的并发处理能力，让程序在面对复杂任务时表现得更加高效。但多线程编程并非一帆风顺，死锁问题就像隐藏在暗处的“杀手”，随时可能让程序陷入僵局。想象一下，你的程序原本运行得好好的，突然就像被施了定身咒一样，毫无反应，所有的线程都被卡住，无法继续推进。这很可能就是死锁在作祟。死锁一旦发生，程序就像陷入了一个无法自拔的循环，各个线程相互等待对方释放资源
  • 鸿蒙NEXT开发【@ohos.arkui.observer (无感监听)】 UI界面API 傲慢的螺蛳粉 日志harmonyos华为鸿蒙鸿蒙系统程序员创富ui
    提供UI组件行为变化的无感监听能力。说明从APIVersion11开始支持。后续版本如有新增内容，则采用上角标单独标记该内容的起始版本。导入模块import{uiObserverasobserver}from'@kit.ArkUI';NavDestinationStateNavDestination组件状态。元服务API：从APIversion12开始，该接口支持在元服务中使用。系统能力：Syst
  • HarmonyNext深度解析：ArkUI高效渲染与性能优化实战 披光人 harmonyOSubuntulinux运维
    一、HarmonyNext渲染引擎技术演进（约1200字技术解析）HarmonyOSNext在UI渲染架构层面实现了重大突破，其创新的ArkUI渲染引擎采用分层异步架构设计。核心改进包括：原子化渲染管线采用基于Vulkan的跨平台渲染后端，通过原子化渲染指令拆分技术，实现绘制指令的并行执行能力。在华为Mate60系列实测中，复杂界面渲染延迟降低42%智能脏区检测机制基于机器学习的区域更新预测算法，
  • 解锁高性能Web应用：Gunicorn、Flask与Docker的高并发部署秘籍 我是瓦力 前端gunicornflask
    引言在当今的互联网时代，高并发Web应用已成为许多企业的核心需求。无论是电商平台、社交网络还是实时数据分析系统，高并发能力直接影响到用户体验和业务成败。本文将带你深入探讨如何利用Gunicorn、Flask和Docker，实现高性能、高并发的Web应用部署。Gunicorn、Flask和Docker的基本概念Gunicorn：GreenUnicorn(简称Gunicorn)是一个PythonWSG
  • 超详细的Numpy基础教程！！！ 不会爬虫的闲鱼 numpy数据分析python
    Numpy是一个开源的Python库，用于支持大型多维数组和矩阵运算，同时提供了大量的数学函数库。它是科学计算中非常重要的工具。Numpy在数据科学中非常重要，因为它提供了高效的数组处理能力和广泛的数学函数库，这对于处理大规模数据集、进行科学计算和机器学习等任务至关重要。一、安装与设置如何安装Numpypipinstallnumpy验证安装的方法importnumpyprint(numpy.__v
  • 【开源代码解读】AI检索系统R1-Searcher通过强化学习RL激励大模型LLM的搜索能力 accurater 人工智能深度学习R1-Searcher
    关于R1-Searcher的报告：第一章：引言-AI检索系统的技术演进与R1-Searcher的创新定位1.1信息检索技术的范式转移在数字化时代爆发式增长的数据洪流中，信息检索系统正经历从传统关键词匹配到语义理解驱动的根本性变革。根据IDC的统计，2023年全球数据总量已突破120ZB，其中非结构化数据占比超过80%。这种数据形态的转变对检索系统提出了三个核心的挑战：语义歧义消除：如何准确理解"A
  • 系统架构设计师【第5章】: 软件工程基础知识 (核心总结) 数据知道 系统架构软件工程软考高级系统架构设计师软件工程基础
    文章目录5.1软件工程5.1.1软件工程定义5.1.2软件过程模型5.1.3敏捷模型5.1.4统一过程模型（RUP）5.1.5软件能力成熟度模型5.2需求工程5.2.1需求获取5.2.2需求变更5.2.3需求追踪5.3系统分析与设计5.3.1结构化方法5.3.2面向对象方法5.4软件测试5.4.1测试方法5.4.2测试阶段5.5净室软件工程5.5.1理论基础5.5.2技术手段5.5.3应用与缺点5
  • 高并发系统的艺术：如何在流量洪峰中游刃有余 架构
    作者：京东物流赵勇萍前言我们常说的三高，高并发、高可用、高性能，这些技术是构建现代互联网应用程序所必需的。对于京东618备战来说，所有的中台系统服务，无疑都是围绕着三高来展开的。而对于京东庞大的客户群体，高并发的要求尤为重要。用户对在线服务的需求和期望不断提高，系统的并发处理能力成为衡量其性能和用户体验的关键指标之一。高并发系统不仅仅是大型互联网企业的专利，对于任何希望在市场中占据一席之地的公司来
  • Android第二次面试总结（项目拷打实战） 每次的天空 android
    MVVM+Jetpack组件落地采用ViewModel+LiveData实现数据驱动开发，将UI逻辑与业务逻辑解耦，通过LiveData的生命周期感知能力避免内存泄漏。使用WorkManager替代传统Service处理后台任务（如数据同步），结合Room数据库实现任务持久化，确保应用被杀后仍能恢复任务。性能优化实战集成Glide加载国风插画，结合自定义三级缓存策略（内存LRU+磁盘缓存+本地资源
  • 数据标注工具及其对预训练模型性能的影响 AGI大模型与大数据研究院 DeepSeekR1&大数据AI人工智能计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
    1.背景介绍1.1预训练模型的崛起近年来，预训练模型（Pre-trainedModels）在自然语言处理（NLP）领域取得了显著的成功。这些模型通过在大规模无标注文本数据集上进行预训练，学习到丰富的语言知识和语义表示，并在下游任务中展现出优异的性能。BERT、GPT-3等预训练模型的出现，标志着NLP领域进入了一个新的时代。1.2数据标注的重要性尽管预训练模型展现出强大的能力，但它们仍然需要针对特
  • HarmonyNext实战：基于ArkTS的跨平台3D图形渲染应用开发 harmonyos-next
    HarmonyNext实战：基于ArkTS的跨平台3D图形渲染应用开发引言3D图形渲染是现代应用开发中的一个重要领域，尤其在游戏、虚拟现实和增强现实等场景中。HarmonyOSNext作为新一代操作系统，提供了强大的图形渲染能力，而ArkTS作为其核心开发语言，为开发者提供了高效、简洁的开发体验。本文将深入探讨如何在HarmonyNext平台上使用ArkTS开发一个跨平台的3D图形渲染应用，涵盖3
  • HarmonyNext实战：基于ArkTS的跨设备3D游戏开发 harmonyos-next
    HarmonyNext实战：基于ArkTS的跨设备3D游戏开发引言随着移动设备和智能终端的普及，3D游戏开发已成为开发者关注的热点领域。HarmonyNext作为新一代操作系统，提供了强大的分布式能力和高效的图形渲染支持，结合ArkTS语言的灵活性和性能优势，为开发跨设备3D游戏提供了全新的可能性。本文将详细讲解如何基于HarmonyNext和ArkTS开发一款跨设备的3D游戏，涵盖从项目搭建到核
  • 我的创作纪念日 我爱学习_zwj 前端前端框架华为
    机缘在前端开发的广袤天地中，我的创作之旅始于一次充满挑战与机遇的契机。初涉前端领域时，面对复杂多变的项目需求和飞速更新的技术栈，我深刻感受到知识的浩瀚无边，也意识到自身能力的不足。在参与一个大型项目时，我遭遇了许多棘手难题，像页面加载速度的优化、不同浏览器兼容性的处理等。那时，我便产生了一个想法：把在实战中积累的经验以及过去学习的知识记录下来，既能作为自己成长的见证，也能与同行交流分享，携手攻克技
  • Dinky × Jiron：打造高效智能的数据处理平台 jiron开源 平台开发flink大数据hive数据仓库kafkaetl工程师clickhouse
    Dinky×Jiron：打造高效智能的数据处理平台JironGitHub地址https://github.com/642933588/jiron-cloudhttps://gitee.com/642933588/jiron-cloud将基于ApacheFlink的实时计算平台Dinky成功集成至Jiron数据开发平台，以进一步增强平台的数据处理能力，提升数据处理效率与灵活性，同时优化用户体验并降低
  • 一文掌握：Cursor新版本MCP配置全攻略（Windows与Mac篇） zhz5214 AI人工智能aiAI编程AI写作程序员创富
    随着Cursor0.46新版本的发布，对MCP（ModelContextProtocol）的支持为开发者带来了全新的功能体验。MCP作为一种开放标准协议，能够在数据源和AI驱动工具之间建立安全的双向连接，极大地拓展了AI的应用能力。接下来，我们就分别针对Windows和Mac环境，详细介绍MCP的配置方法。Windows环境下的MCP配置准备工作在开始配置前，请确保已经安装了Node.js。因为在
  • MySQL的双主互备 zhz5214 数据同步mysql数据库
    参考：Windows下mysql双主搭建https://www.cnblogs.com/chenyixun/p/13810156.htmlMySQL的双机互备（又称为MySQL高可用）是一种数据库系统部署策略，可以实现在两台服务器之间实现高可用性和容错能力。具体而言，MySQL的双机互备将MySQL数据库部署在两台服务器上，其中一台作为主服务器（Master），另一台作为备用服务器（Slave）。
  • UNet 改进：添加Transformer注意力机制增强捕捉长距离依赖关系的能力 听风吹等浪起 AI改进系列transformer深度学习人工智能
    目录1.Transformer注意力机制2.Unet改进3.代码1.Transformer注意力机制TransformerBlock是Transformer模型架构的基本组件，广泛应用于机器翻译、文本摘要和情感分析等自然语言处理任务。TransformerBlock是一个由两个子组件组成的构建块：多头注意力机制和前馈神经网络。这两个组件协同工作，处理和转换输入序列。多头注意力机制负责从输入序列中捕
  • eBest AI Hub全场景接入Deepseek eBest数字化转型方案 人工智能
    一、技术赋能，智创未来Deepseek的强大基因将为eBest产品注入新的活力即时智能响应：融合海量行业智慧与互联网搜索精华，提供秒级智能建议；多模态理解能力：突破界限，无缝融合文本、代码与图像理解，精准解析用户的需求；进化式深度学习：不断学习，持续进化，为用户提供日益完善、超越期待的服务体验。二、全场景赋能，体验再次跃升1.智能报表-数据洞察，指尖掌控升级后的智能报表功能，能够根据查询和检
  • 智驾赋能新质生产力，开启“全感知时代” 高工智能汽车 汽车人工智能自动驾驶大数据
    当前，人类社会正稳步踏入全领域智能化的崭新时代。工业智能化、农业智能化、商业智能化浪潮奔涌，全方位融入人们的工作与生活，成为推动社会进步的重要力量。在各行各业的高端技术前沿领域，设备智能化、自动化、无人化升级进程正不断加速。然而，环境感知与实时决策能力，始终是横亘在技术飞跃之路上的关键阻碍。这两大能力犹如高悬的“达摩克利斯之剑”，一旦成为短板，就会迅速演变为制约技术突破的“瓶颈”。只有精准、高效地
  • 4D雷达再上热搜！华为/小米上车 高工智能汽车 自动驾驶人工智能汽车
    智驾能力边界的不断抬升，对于传感器的要求仍在增加。去年至今，不管是端到端，还是大模型，本质上并没有解决摄像头（视觉感知）的物理性能缺陷；激光雷达处于成本下降区间，安全冗余作用明显，但对于恶劣天气、穿透能力以及抗干扰性仍存在劣势。而毫米波雷达“全天候全天时”工作的能力恰恰是最好的补充；同时，随着4D成像雷达技术的成熟，也解决了过去一直存在的目标识别精度有限、分辨率低以及高程探测能力有限等问题。尤其是
  • 开年一笔10亿融资砸向商用车无人驾驶！谁在占山为王？ 高工智能汽车 自动驾驶
    商用车无人驾驶，开年即释放出融资好消息。近日，L4级无人驾驶商用车厂商新石器无人车宣布完成10亿元人民币C+轮融资，将率先交付万台无人驾驶车队，迭代无人驾驶端到端模型能力，推动无人物流规模化发展。据了解，新石器专注于物流场景的L4级无人驾驶，尤其是城市配送场景，其产品包括3款无人车——X3、X6和X12，全面覆盖三轮车、面包车、轻卡的无人化升级，可满足电商快递、生鲜冷链、商超快消、批发市场等多种场
  • Anthropic 的模型 调皮的芋头 深度学习神经网络机器学习人工智能
    Anthropic的模型（特别是Claude系列）之所以在性能和推理能力上表现强劲，可以从技术设计、研究理念、训练方法以及应用优化等多个方面进行详细分析。以下是基于当前信息（截至2025年3月13日）和行业趋势的深入剖析：1.技术设计与安全导向Anthropic由前OpenAI研究员创立，核心理念是将安全性、可解释性和可控性融入模型设计。这种设计哲学直接影响了Claude模型的性能：Constit
  • 软件工程师的招聘 天黑了g 开发团队管理软件工程团队开发
    要建设良好的开发团队，首先得招聘到合适的人才。合适的团队成员能够事半功倍，管理也会省心省力。本次要说的主要内容是关于普通软件开发工程师的招聘目标、面试过程和新人试用期阶段。招聘的岗位职责和技术要求一般是比较容易确定的，但在能力程度上就得好好考虑，是要招初级、中级还是高级？初级程序员主要作为辅助，写一些简单业务的类和方法，干一些杂货，一般工作经验不超过1年。中级工程师能够单独开发常规业务模块或完整的
  • 基于RWA 与 AI-Agent 协同的企业数字化生态构建 leijiwen 人工智能
    在当前数字经济高速发展的背景下，企业数字化转型已成为提升竞争力和创新能力的必由之路。以实体零售与文旅行业为代表的传统产业，正通过现实世界资产（RWA）数字化与人工智能代理（AI-Agent）的协同应用，构建全新的数字生态系统。正如“无数据不基础、无token不可信、无AI不产品、无产业不应用”这一理念所强调的，数字化生态的建立必须依托数据、信任机制、智能技术以及产业深度融合，才能实现真正的转型升级
  • Prompt工程：大模型沟通指南（人工智能到大模型） Harry技术 AIprompt人工智能
    文章目录人工智能到大模型机器学习深度学习大模型Prompt工程：大模型沟通的桥梁在人工智能的广袤领域中，大模型无疑是最为璀璨的明珠之一。它仿佛是一座连接人类与人工智能的桥梁，让我们能够更加深入地探索和利用人工智能的强大能力。而要实现与大模型的高效沟通，Prompt工程扮演着至关重要的角色。让我们一起走进Prompt工程的奇妙世界，探寻大模型沟通的奥秘。人工智能到大模型“人工智能是一种模拟人类智能的
  • 算法 单链的创建与删除 换个号韩国红果果 c算法
    先创建结构体 struct student { int data; //int tag;//标记这是第几个 struct student *next; }; // addone 用于将一个数插入已从小到大排好序的链中 struct student *addone(struct student *h,int x){ if(h==NULL) //??????
  • 《大型网站系统与Java中间件实践》第2章读后感 白糖_ java中间件
           断断续续花了两天时间试读了《大型网站系统与Java中间件实践》的第2章，这章总述了从一个小型单机构建的网站发展到大型网站的演化过程---整个过程会遇到很多困难，但每一个屏障都会有解决方案，最终就是依靠这些个解决方案汇聚到一起组成了一个健壮稳定高效的大型系统。          看完整章内容，
  • zeus持久层spring事务单元测试 deng520159 javaDAOspringjdbc
    今天把zeus事务单元测试放出来,让大家指出他的毛病, 1.ZeusTransactionTest.java 单元测试   package com.dengliang.zeus.webdemo.test; import java.util.ArrayList; import java.util.List; import org.junit.Test; import
  • Rss 订阅 开发 周凡杨 htmlxml订阅rss规范
                    RSS是 Really Simple Syndication的缩写（对rss2.0而言，是这三个词的缩写，对rss1.0而言则是RDF Site Summary的缩写，1.0与2.0走的是两个体系）。   RSS
  • 分页查询实现 g21121 分页查询
    在查询列表时我们常常会用到分页，分页的好处就是减少数据交换，每次查询一定数量减少数据库压力等等。 按实现形式分前台分页和服务器分页： 前台分页就是一次查询出所有记录，在页面中用js进行虚拟分页，这种形式在数据量较小时优势比较明显，一次加载就不必再访问服务器了，但当数据量较大时会对页面造成压力，传输速度也会大幅下降。 服务器分页就是每次请求相同数量记录，按一定规则排序，每次取一定序号直接的数据
  • spring jms异步消息处理 510888780 jms
    spring JMS对于异步消息处理基本上只需配置下就能进行高效的处理。其核心就是消息侦听器容器，常用的类就是DefaultMessageListenerContainer。该容器可配置侦听器的并发数量，以及配合MessageListenerAdapter使用消息驱动POJO进行消息处理。且消息驱动POJO是放入TaskExecutor中进行处理，进一步提高性能，减少侦听器的阻塞。具体配置如下：
  • highCharts柱状图 布衣凌宇 hightCharts柱图
    第一步：导入 exporting.js,grid.js,highcharts.js;第二步：写controller   @Controller@RequestMapping(value="${adminPath}/statistick")public class StatistickController {  private UserServi
  • 我的spring学习笔记2-IoC（反向控制 依赖注入） aijuans springmvcSpring 教程spring3 教程Spring 入门
    IoC（反向控制 依赖注入）这是Spring提出来了，这也是Spring一大特色。这里我不用多说，我们看Spring教程就可以了解。当然我们不用Spring也可以用IoC，下面我将介绍不用Spring的IoC。 IoC不是框架，她是java的技术，如今大多数轻量级的容器都会用到IoC技术。这里我就用一个例子来说明： 如：程序中有 Mysql.calss 、Oracle.class 、SqlSe
  • TLS java简单实现 antlove javasslkeystoretlssecure
      1. SSLServer.java package ssl; import java.io.FileInputStream; import java.io.InputStream; import java.net.ServerSocket; import java.net.Socket; import java.security.KeyStore; import
  • Zip解压压缩文件 百合不是茶 Zip格式解压Zip流的使用文件解压
       ZIP文件的解压缩实质上就是从输入流中读取数据。Java.util.zip包提供了类ZipInputStream来读取ZIP文件,下面的代码段创建了一个输入流来读取ZIP格式的文件; ZipInputStream in = new ZipInputStream(new FileInputStream(zipFileName));     &n
  • underscore.js 学习（一） bijian1013 JavaScriptunderscore
            工作中需要用到underscore.js，发现这是一个包括了很多基本功能函数的js库，里面有很多实用的函数。而且它没有扩展 javascript的原生对象。主要涉及对Collection、Object、Array、Function的操作。       学
  • java jvm常用命令工具——jstatd命令(Java Statistics Monitoring Daemon) bijian1013 javajvmjstatd
    1.介绍         jstatd是一个基于RMI（Remove Method Invocation）的服务程序，它用于监控基于HotSpot的JVM中资源的创建及销毁，并且提供了一个远程接口允许远程的监控工具连接到本地的JVM执行命令。         jstatd是基于RMI的，所以在运行jstatd的服务
  • 【Spring框架三】Spring常用注解之Transactional bit1129 transactional
    Spring可以通过注解@Transactional来为业务逻辑层的方法(调用DAO完成持久化动作)添加事务能力，如下是@Transactional注解的定义：   /* * Copyright 2002-2010 the original author or authors. * * Licensed under the Apache License, Version
  • 我(程序员)的前进方向 bitray 程序员
    作为一个普通的程序员,我一直游走在java语言中,java也确实让我有了很多的体会.不过随着学习的深入,java语言的新技术产生的越来越多,从最初期的javase,我逐渐开始转变到ssh,ssi,这种主流的码农,.过了几天为了解决新问题,webservice的大旗也被我祭出来了,又过了些日子jms架构的activemq也开始必须学习了.再后来开始了一系列技术学习,osgi,restful.....
  • nginx lua开发经验总结 ronin47
    使用nginx lua已经两三个月了，项目接开发完毕了，这几天准备上线并且跟高德地图对接。回顾下来lua在项目中占得必中还是比较大的，跟PHP的占比差不多持平了，因此在开发中遇到一些问题备忘一下 1：content_by_lua中代码容量有限制，一般不要写太多代码，正常编写代码一般在100行左右（具体容量没有细心测哈哈，在4kb左右），如果超出了则重启nginx的时候会报 too long pa
  • java-66-用递归颠倒一个栈。例如输入栈{1,2,3,4,5}，1在栈顶。颠倒之后的栈为{5,4,3,2,1}，5处在栈顶 bylijinnan java
    import java.util.Stack; public class ReverseStackRecursive { /** * Q 66.颠倒栈。 * 题目：用递归颠倒一个栈。例如输入栈{1,2,3,4,5}，1在栈顶。 * 颠倒之后的栈为{5,4,3,2,1}，5处在栈顶。 *1. Pop the top element *2. Revers
  • 正确理解Linux内存占用过高的问题 cfyme linux
    Linux开机后，使用top命令查看，4G物理内存发现已使用的多大3.2G，占用率高达80%以上： Mem:   3889836k total,  3341868k used,   547968k free,   286044k buffers Swap:  6127608k total,&nb
  • [JWFD开源工作流]当前流程引擎设计的一个急需解决的问题 comsci 工作流
         当我们的流程引擎进入IRC阶段的时候，当循环反馈模型出现之后，每次循环都会导致一大堆节点内存数据残留在系统内存中，循环的次数越多，这些残留数据将导致系统内存溢出，并使得引擎崩溃。。。。。。       而解决办法就是利用汇编语言或者其它系统编程语言，在引擎运行时，把这些残留数据清除掉。
  • 自定义类的equals函数 dai_lm equals
    仅作笔记使用 public class VectorQueue { private final Vector<VectorItem> queue; private class VectorItem { private final Object item; private final int quantity; public VectorI
  • Linux下安装R语言 datageek R语言 linux
    命令如下：sudo gedit  /etc/apt/sources.list1、deb http://mirrors.ustc.edu.cn/CRAN/bin/linux/ubuntu/ precise/ 2、deb http://dk.archive.ubuntu.com/ubuntu hardy universesudo apt-key adv --keyserver ke
  • 如何修改mysql 并发数(连接数)最大值 dcj3sjt126com mysql
    MySQL的连接数最大值跟MySQL没关系，主要看系统和业务逻辑了   方法一：进入MYSQL安装目录 打开MYSQL配置文件 my.ini 或 my.cnf查找 max_connections=100 修改为 max_connections=1000 服务里重起MYSQL即可 　　方法二：MySQL的最大连接数默认是100客户端登录：mysql -uusername -ppass
  • 单一功能原则 dcj3sjt126com 面向对象的程序设计软件设计编程原则
    单一功能原则[ 编辑]     SOLID 原则 单一功能原则 开闭原则 Liskov代换原则 接口隔离原则 依赖反转原则 查   论   编 在面向对象编程领域中，单一功能原则（Single responsibility principle）规定每个类都应该有
  • POJO、VO和JavaBean区别和联系 fanmingxing VOPOJOjavabean
    POJO和JavaBean是我们常见的两个关键字，一般容易混淆，POJO全称是Plain Ordinary Java Object / Plain Old Java Object，中文可以翻译成：普通Java类，具有一部分getter/setter方法的那种类就可以称作POJO，但是JavaBean则比POJO复杂很多，JavaBean是一种组件技术，就好像你做了一个扳子，而这个扳子会在很多地方被
  • SpringSecurity3.X--LDAP：AD配置 hanqunfeng SpringSecurity
    前面介绍过基于本地数据库验证的方式，参考http://hanqunfeng.iteye.com/blog/1155226，这里说一下如何修改为使用AD进行身份验证【只对用户名和密码进行验证，权限依旧存储在本地数据库中】。   将配置文件中的如下部分删除： <!-- 认证管理器，使用自定义的UserDetailsService，并对密码采用md5加密-->
  • mac mysql 修改密码 IXHONG mysql
    $ sudo /usr/local/mysql/bin/mysqld_safe –user=root & //启动MySQL(也可以通过偏好设置面板来启动)$ sudo /usr/local/mysql/bin/mysqladmin -uroot password yourpassword //设置MySQL密码（注意，这是第一次MySQL密码为空的时候的设置命令，如果是修改密码，还需在-
  • 设计模式--抽象工厂模式 kerryg 设计模式
    抽象工厂模式：     工厂模式有一个问题就是，类的创建依赖于工厂类，也就是说，如果想要拓展程序，必须对工厂类进行修改，这违背了闭包原则。我们采用抽象工厂模式，创建多个工厂类，这样一旦需要增加新的功能，直接增加新的工厂类就可以了，不需要修改之前的代码。     总结：这个模式的好处就是，如果想增加一个功能，就需要做一个实现类，
  • 评"高中女生军训期跳楼” nannan408
       首先，先抛出我的观点，各位看官少点砖头。那就是，中国的差异化教育必须做起来。    孔圣人有云：有教无类。不同类型的人，都应该有对应的教育方法。目前中国的一体化教育，不知道已经扼杀了多少创造性人才。我们出不了爱迪生，出不了爱因斯坦，很大原因，是我们的培养思路错了，我们是第一要“顺从”。如果不顺从，我们的学校，就会用各种方法，罚站，罚写作业，各种罚。军
  • scala如何读取和写入文件内容？ qindongliang1922 javajvmscala
    直接看如下代码： package file import java.io.RandomAccessFile import java.nio.charset.Charset import scala.io.Source import scala.reflect.io.{File, Path} /** * Created by qindongliang on 2015/
  • C语言算法之百元买百鸡 qiufeihu c算法
    中国古代数学家张丘建在他的《算经》中提出了一个著名的“百钱买百鸡问题”，鸡翁一，值钱五，鸡母一，值钱三，鸡雏三，值钱一，百钱买百鸡，问翁，母，雏各几何？ 代码如下： #include <stdio.h> int main() { int cock,hen,chick; /*定义变量为基本整型*/ for(coc
  • Hadoop集群安全性：Hadoop中Namenode单点故障的解决方案及详细介绍AvatarNode wyz2009107220 NameNode
    正如大家所知，NameNode在Hadoop系统中存在单点故障问题，这个对于标榜高可用性的Hadoop来说一直是个软肋。本文讨论一下为了解决这个问题而存在的几个solution。 1. Secondary NameNode 原理：Secondary NN会定期的从NN中读取editlog，与自己存储的Image进行合并形成新的metadata image 优点：Hadoop较早的版本都自带，
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他