火山妹儿
火山妹儿

探索美国自然之旅DAY13-0919

周二，晴

没有想到仅一天的雨，第二天，明州又那么阳光灿烂温度逼人，空气更加清新和带着泥土的香甜，伴着我们踏上了今日的自然之旅。

森林小径

明尼苏达河谷保护区沿着明尼苏达河流域形成了一个长长的保护带，比如我们几天前去参与的鸭子监测环志活动就去到了其中的几个保护监测点，而今天一大早，Jenni就带我们来到Long Meadow Lake Unit。

在保护区内，每个点都有一个介绍栏，里面涵盖了地图、徒步小径的情况、保护区规则以及保护物种的知识等，可以让游客快速的了解当地信息。

其实在上次鸭子环志的时候我们就到过这个地方，不过当时穿着厚厚的防水裤，走在丛林里，心里只想着鸭子，都没有好好的观察周围的环境，而这一次，Jenni专门带我们来体验徒步小径。

Long Meadow整个的徒步小径是一个环形，大约只有2-3公里，整个环线走下来并没有多久，早上通透的阳光穿过树叶，落下斑驳的树影，树叶轻薄的绿色带一些淡黄，显得特别的清新可人。穿过一段小小的溪水，层层的石头垒成了跌瀑，传来淅沥沥的水声，天空零散的落叶像一位位勇士，驾驶着探险小船激流勇进。

眼前出现了一座绿茵小路，被这美景感动得内心激动。做一个深呼吸，把心沉静下来，感受脚底的石子和落叶，聆听周围的鸟儿鸣叫，闭上眼睛感受阳光的温度。一路上，大大的树洞、略朽的木栈道、生长旺盛的湿地、各种动物的痕迹，遇到了一些遛狗的、溜娃的、跑步的情侣等，每个人都对我们会心微笑着打招呼，在这个初秋的早晨，感觉一切都刚刚好。

一个小时的漫步时光，让一天都心情大好！


泛舟密西西比

两天前才去了密西西比河与明尼苏达河的汇合处，今天下午要和一群高中生一起泛舟密西西比！

我们来到North Mississippi Regional Parks Carl W. Kroening

Interpretive Center.

走进这个中心，觉得虽小却特别精致，信息台的工作人员正在清理蛇箱，当我表现出兴趣之后，哪条小蛇在下一秒就已经在我手上了！

这个中心介绍了密西西比河在此河段的一些历史，包括展示了一些古老的器具，树桩，动植物标本等，有积木和一些孩子可以互动的游戏空间，旁边有一间大大的教室上课.

和Jenny参与高中生团队，一起泛舟密西西比河。

这群16-18岁的少年，34人，个个发育成熟，有些还画着或浓或淡的妆，他们自顾自的聊天，我们三比较尴尬的被编进了队伍。

一共四艘木舟，如买一艘约16000元美元，每隔半年就要换新的，成本好高！

每船9人，加上向导，刚刚好。密西西比河看起来有点浑，估计是昨日下雨的缘故。

教练在岸上讲解完，我们就纷纷上船啦，一艘船10个人（加上教练），教练在最后，控制方向和总看全局，河两岸有灯塔，也有一些工厂，道理相同哈，很多工厂是需要有冷却设备的，离水近肯定可以节约成本，湖心岛挂有wood duck的人工制作小屋。

和我们船的教练瞎聊，已经有三个孩子的他虽然心怀环游世界的心，不过毕竟孩子有那么大，压力也还是蛮大的。聊天中，我们了解到这样的划船课程主要针对初中和高中生，并不是学校的必修课，学校一般也是付费购买，但是费用也比对外（社会团体）便宜，他们每周约有1-2次针对学校的课程活动，一堂课为时大概一个半小时。此次活动4条船，每船9人+1人教练（相当于参与者36人，教练4人），整个课程约500美元。

中午的太阳照着河面有些刺眼，也有些慵懒，我看高中生娃们也没有特别兴奋，不过如我一开始所说，很多事情看起来容易，做起来却有完全不一样的体会，可能我们当时觉得平淡无奇，却不知在何时何处会在我们生命中放光。

图片发自App


图片发自App


图片发自App


河岸的工厂


我们船的教练


图片发自App


图片发自App


图片发自App


图片发自App










图片发自App

1227后记

昨日上袁老师的课，后面放了一部多瑙河的纪录片，这一片泛洪湿地，潮涨潮落带来的生离死别和另一翻勃勃生机，倒木，死尸，都是另外一片动物的天地！

曾经在百度博客上每日记录，没想后来博客崩溃，文章尽丢，其中有一篇是2011年7月在尼泊尔大河上漂流的日记，题目叫做《让河流自由流淌》，当时河水翻腾，我紧紧的抓着绳索，把自己交给自然，有一种无助，很多的是一种敬畏，自然有力量也给我能量！

曾经喜欢在朝天门发呆，只为看着两江交汇那种雄厚的气势，想象着古人畅吟滚滚长江天际流！

一片自由流淌的河流滋养了多少生命和文明，依水而生的巴渝人，有多少河流故事......

你可能感兴趣的:(探索美国自然之旅DAY13-0919)

  • 改进候鸟优化算法之二：基于混沌映射的候鸟优化算法（MBO-CM） 搏博 算法人工智能r语言开发语言算法策略模式
    基于混沌映射的候鸟优化算法（MigratingBirdsOptimizationbasedonChaoticMapping，MBO-CM）是一种结合了混沌映射与候鸟优化算法（MigratingBirdsOptimization，MBO）的优化方法。一、候鸟优化算法（MBO）简介候鸟优化算法是一种自然启发的元启发式算法，由Duman等人于2011年（也有说法为2012年）提出。该算法模拟候鸟在迁徙过
  • 2025美赛数学建模C题：奥运奖牌榜模型——思路+代码+模型 灿灿数模 人工智能
    详细思路更新见文末名片2025MCM问题C:奥运奖牌榜模型除了观看2024年巴黎夏季奥运会的各项个人比赛外，粉丝们还关注每个国家的“奖牌榜”。最终结果（表1）显示，美国获得了最多的奖牌（126枚），中国和美国在金牌榜上并列第一（40枚金牌）。东道国法国在金牌榜上排名第五（16枚金牌），但在总奖牌榜上排名第四，而英国以14枚金牌排名第七，在总奖牌数上排名第三。金牌银牌铜牌总计美国404442126中
  • 2025美赛数学建模MCM/ICM选题建议与分析，思路+模型+代码 灿灿数模 数学建模
    2025美赛数学建模MCM/ICM选题建议与分析,思路+模型+代码，详细更新见文末名片一、问题A：测试时间：楼梯的恒定磨损（ArchaeologicalModeling）适合专业：考古学、历史学、数学、机械工程难度：中等开放度：中等问题A让学生探索如何根据楼梯的磨损情况推断楼梯的使用情况。这个问题涉及到对磨损的定量分析，并通过历史记录推测使用模式。该题目适合对历史、考古以及机械磨损有兴趣的学生，尤
  • 游戏AI 技术方案部分解析 |用 AI 技术，练就 FPS 游戏中的刚枪王！ 游戏智眼 游戏AI人工智能
    一、整体方案详情FPS作为重度竞技游戏品类，存在显著的新手留存问题及高端匹配困难问题，通过引入AI陪玩智能体来针对性解决FPS品类通用痛点。在这个过程中，我们用到了强化学习，让AI通过自我在游戏中学习探索，最终成为超越或比肩人类顶尖玩家水平的强大AI。1.针对新手留存问题通过引入不同水平的陪玩智能体+智能投放来为新手玩家设计好前20局甚至前50局的对战，为玩家制造一个平滑的新手过渡期，帮手玩家更顺
  • Python数据分析案例教程 kkchenjj 数据挖掘python数据分析信息可视化
    Python数据分析案例教程Python在数据分析中的应用Python因其简洁的语法、强大的库支持以及广泛的社区资源，已成为数据分析领域的首选语言。它能够处理从数据清洗、数据可视化到机器学习模型构建的整个数据科学流程。本节将深入探讨Python在数据分析中的具体应用，包括但不限于数据清洗、数据探索、统计分析和预测建模。数据清洗数据清洗是数据分析的首要步骤，涉及处理缺失值、异常值、重复数据以及数据类
  • 设计六边形架构实战：基于Java的探索 苏鹃咪Healthy
    设计六边形架构实战：基于Java的探索Designing-Hexagonal-Architecture-with-JavaDesigningHexagonalArchitecturewithJava,publishedbyPackt项目地址:https://gitcode.com/gh_mirrors/de/Designing-Hexagonal-Architecture-with-Java项目介
  • 【微信小程序】5步轻松掌握微信小程序获取位置API，你get到了吗？ 墨瑾轩 微信小程序微信小程序notepad++小程序
    关注墨瑾轩，带你探索编程的奥秘！超萌技术攻略，轻松晋级编程高手技术宝库已备好，就等你来挖掘订阅墨瑾轩，智趣学习不孤单即刻启航，编程之旅更有趣5步轻松掌握微信小程序获取位置API，你get到了吗？亲爱的小伙伴们，大家好呀！今天我们要一起来探讨微信小程序中的获取位置API——wx.getLocation。无论你是小程序的新手，还是有一定经验的开发者，这篇文章都会带你深入了解wx.getLocation
  • 一图解锁 | 运维管理到工具体系的建设逻辑
    本文来自腾讯蓝鲸智云社区用户:CanWay在数字化转型的大潮中，运维作为企业IT架构的关键环节，正面临着前所未有的挑战与机遇。如何利用先进的技术手段，提升运维效率和质量，成为业界关注的焦点。作为数字研运解决方案的引领者，嘉为蓝鲸在数字化运维方面做了大量探索和尝试，形成了一套数字化运维管理方法论，将近20年来经验浓缩成书——《数字化运维：IT运维架构的数字化转型》，小编将持续带领大家一起阅读本书的主
  • JavaScript 进阶之路：探索高级特性和最佳实践 不在·· 原型模式
    面向对象的三大特征封装继承多态构造函数什么是构造函数通过new关键字调用一个函数的时候，这个函数就是构造函数。构造函数和普通函数的区别调用方式不同普通函数只用函数名调用构造函数通过new关键字调用返回值不同普通函数的返回值是函数体内return的结果构造函数的返回值是new关键字生成的对象JSPrototype原型对象所有的函数都有一个原型对象Prototype，并且只有函数才拥有原型对象Prot
  • C#设置winform窗体自动适应不同分辨率的电脑 南华 c#电脑开发语言
    C#设置winform窗体自动适应不同分辨率的电脑文章已被社区收录加入社区问题背景：用winform开发了一个上位机软件，本机的台式开发电脑是宽屏的，上位机软件的显示效果良好，而在笔记本电脑上使用上位机软件时，出现了界面超出屏幕，部分功能或内容无法显示完整的现象。探索之后，发现了一个规律：笔记本电脑的屏幕分辨率最大为1366×768，此时用vs2015中C#设计的winform窗体的size属性最
  • MySQL与Oracle对比及区别 m0_74823434 面试学习路线阿里巴巴java
    一、比较1、MySQL的特点性能卓越，服务稳定，很少出现异常宕机；开放源代码无版本制约，自主性及使用成本低；历史悠久，社区和用户非常活跃，遇到问题及时寻求帮助；软件体积小，安装使用简单且易于维护，维护成本低；品牌口碑效应；支持多种OS，提供多种API接口，支持多种开发语言，对流行的PHP，Java很好的支持2、Oracle的特点兼容性：Oracle产品采用标准SQL，并经过美国u构架标准技术所（N
  • python机器学习 方安乐 pythonpython机器学习人工智能
    Python机器学习是当前最为热门的机器学习领域之一，其简洁、易用、高效的特点，让越来越多的开发者开始探索其应用。本文将从以下几个方面介绍Python机器学习的基础知识和实践案例，帮助读者更好地理解和应用机器学习技术。前提Python机器学习的应用领域A.图像识别和计算机视觉B.自然语言处理和文本分析C.数据挖掘和推荐系统深度学习A.神经网络的基本原理B.常用的深度学习框架和算法C.深度学习在图像
  • 情感分析常见算法与模型及实现步骤 计算机软件程序设计 知识科普算法情感分析机器学习
    【1】常见算法与模型情感分析（SentimentAnalysis）是一种自然语言处理（NLP）技术，用于识别和提取文本中的主观信息，如情绪、态度和意见。常见的算法和模型包括以下几种：传统机器学习方法朴素贝叶斯（NaiveBayes）基于贝叶斯定理，假设特征之间相互独立。计算简单，适用于大规模数据集。常用于文本分类任务。支持向量机（SVM）通过寻找最优超平面来划分不同的类别。在高维空间中表现良好，适
  • 基于深度学习的舆论分析与检测系统应用与研究 计算机软件程序设计 机器学习深度学习人工智能舆论检测
    【1】系统介绍研究背景随着互联网技术的迅猛发展和社会媒体平台的普及，信息传播的速度和范围达到了前所未有的水平。这一变化不仅极大地丰富了人们的社交生活，也为社会科学研究提供了新的视角和工具。舆论分析作为社会科学研究的一个重要分支，其目的是通过收集和分析网络上的公众意见和情感倾向，来了解人们对特定事件或话题的看法和态度。近年来，基于深度学习的自然语言处理技术取得了显著进步，这为提高舆论分析的准确性和效
  • 自然语言处理（NLP）-总览图学习 汤姆和佩琦 NLP自然语言处理学习人工智能
    文章目录自然语言处理（NLP）-总览图学习1.一张总览图的学习1.语音学（Phonology）2.形态学（Morphology）3.句法学（Syntax）4.语义学（Semantics）5.推理（Reasoning）小结自然语言处理（NLP）-总览图学习转自《Python自然语言处理第二版》1.一张总览图的学习这张图片展示了一个自然语言处理的流程模型，涵盖了从语音分析到应用推理和执行的多个阶段，每
  • 读论文 Situated Instruction Following MhZhou0412 人工智能深度学习python
    研究背景：在传统的指令跟随范式中，代理独自在一个空房子里行动，导致语言使用既简单又人为“完整”。与此相反，我们提出了情境指令跟随（SIF），该方法拥抱真实世界通信中固有的不完全和模糊性，具有人的物理存在。情境指令的意义通过人类的过去行动和预期未来行为自然展开。在我们的设置中，指令具有以下特征：(1)模糊不清，(2)具有时间演变的意图，(3)可以通过代理的动态行动更精确地解释。SIF中的任务包括两个
  • 基于Python的自然语言处理系列（2）：Word2Vec（负采样） 会飞的Anthony 自然语言处理人工智能信息系统自然语言处理word2vec人工智能
    在本系列的第二篇文章中，我们将继续探讨Word2Vec模型，这次重点介绍负采样（NegativeSampling）技术。负采样是一种优化Skip-gram模型训练效率的技术，它能在大规模语料库中显著减少计算复杂度。接下来，我们将通过详细的代码实现和理论讲解，帮助你理解负采样的工作原理及其在Word2Vec中的应用。1.Word2Vec（负采样）原理1.1负采样的背景在Word2Vec的Skip-g
  • C++11：开启高效编程之旅（万字详解） Main. 24 c++开发语言
    1.列表初始化1.1.C++98传统的{}C++98中⼀般数组和结构体可以⽤{}进行初始化。structPoint{int_x;int_y;};intmain(){//初始化数组intarray1[]={1,2,3,4,5};intarray2[5]={0};//初始化结构体Pointp={1,2};return0;}1.2.C++11中的{}C++11以后想统⼀初始化⽅式，试图实现⼀切对象皆可⽤
  • 养生保健：开启健康生活之旅 yy0821yy 生活
    在快节奏的现代生活中，养生保健逐渐成为人们关注的焦点。它不仅是对身体的呵护，更是一种对生活品质的追求，让我们能够以更饱满的精神和活力应对日常的挑战。饮食养生首当其冲。“民以食为天”，合理的饮食结构是健康的基石。我们应确保膳食均衡，增加蔬菜、水果、全谷物以及优质蛋白的摄入，减少油腻、辛辣和高糖食物的摄取。例如，早餐可以选择一份富含纤维的燕麦粥，搭配新鲜水果和坚果，为一天的开始提供充足能量；午餐和晚餐
  • GPT-4、GPT-4O 和 GPT-4O-mini 的区别与联系 surfirst LLMai语言模型chatgpt
    简介近年来，人工智能技术飞速发展，特别是在自然语言处理领域。GPT-4是OpenAI推出的新一代大模型，而GPT-4O和GPT-4O-mini是其优化版本，专门为不同应用场景和计算资源需求进行调整。在这篇文章中，我们将详细比较GPT-4、GPT-4O和GPT-4O-mini的区别与联系，帮助开发者更好地选择适合的模型。GPT-4是OpenAI发布的第四代通用预训练模型，具备强大的生成和理解能力，适
  • 数据库基础：从概念到 MySQL 实战 东锋1.3 数据库数据库mysql
    数据库基础：从概念到MySQL实战在当今数字化时代，数据的重要性不言而喻，而数据库作为数据管理的核心工具，发挥着关键作用。对于技术爱好者和开发者来说，深入了解数据库知识是必不可少的。今天，就让我们一起走进数据库的世界，从基础概念到MySQL数据库的实战应用，进行一次全面的探索。一、数据库的基本概念1.数据库发展历程数据库的发展是随着数据处理量的不断增加而逐步演进的，主要经历了四个阶段：人工管理阶段
  • 30个整数映射到1个字节，查表法实现小范围内常数时间素性判定 磁悬浮青蛙呱呱呱 数据结构C#MATLAB素性测试位图
    想用查表法实现小范围内的常数时间的素性判定，怎样节省存储空间呢？自然是1个bit代表1个整数的素性，同时，偶数不用存，个位为5的整数不用存，只有个位为1、3、7、9的整数才可能是素数，也就是每20个整数中只有8个数可能是素数，正好1个字节。但本文的标题是30个整数映射到1个字节，说明上面的方法还有优化的潜力。让我们来考虑31~60这30个整数中最多有几个数可能是素数，所有偶数以及个位是5的数都是合
  • 【舞动奇迹，不屈的旋律】亨廷顿舞蹈症患者的活力锻炼秘籍✨ 养生小齐 健康医疗生活
    Hey小伙伴们~今天咱们来聊聊一个特别又温暖的话题，关于那些在生活中勇敢跳跃的“舞蹈精灵”——亨廷顿舞蹈症患者们！✨没错，即使面对挑战，他们依然能用独特的方式，诠释生命的律动与美好！首先，一个大大的拥抱给你们，每一个不屈的灵魂都值得被温柔以待！说到锻炼，对于亨廷顿舞蹈症的朋友们来说，它不仅仅是增强体质那么简单，更是心灵的疗愈之旅呢！1️⃣轻柔瑜伽，呼吸间的宁静‍♀️想象一下，清晨的第一缕阳光透过窗
  • 9.1 GPTs 应用商店介绍：解锁定制化 AI 的无限潜能 少林码僧 AI大模型应用实战专栏人工智能chatgpt
    GPTs应用商店介绍：解锁定制化AI的无限潜能引言：迈入AI应用的新时代随着OpenAI的GPT模型不断进化，GPTs应用商店的推出标志着AI定制化的一个新纪元。它是一个开放平台，允许用户轻松创建、共享和探索各种定制化GPT应用程序。无论是自动化日常任务、提供行业解决方案，还是开发个性化的智能助手，GPTs应用商店都提供了强大的支持，让AI成为每个人触手可及的工具。1.什么是GPTs应用商店？GP
  • python并行计算 weixin_30894389
    0.基础并行/发：multiprocessing/threading1.concurrent2.并发：asynico3.Ipython下的并行计算：使用ipyparallel库的IPython提供了前所未有的能力，将科学Python的探索能力与几乎即时访问多个计算核心相结合。系统可以直观地与本地或网络的计算节点集群进行交互，而不管集群的实现方式如何。这种易于交互使用帮助IPython和Python
  • 侯捷 C++ 课程学习笔记：开启 C++ 深度探索之旅 秃头小饼干 jvm开发语言c++
    在C++的学习道路上，侯捷老师的课程宛如一座明亮的灯塔，为无数学习者照亮前行的方向。经过一段时间对侯捷C++课程的深入学习，我收获颇丰，在此将自己的学习笔记和感悟分享给大家，希望能对正在学习C++或者准备踏入C++领域的朋友们有所帮助。一、课程初印象初次接触侯捷老师的课程，就被其深入浅出的讲解风格所吸引。老师不仅有着深厚的技术功底，更具备出色的教学能力，能够将复杂的C++知识以通俗易懂的方式呈现出
  • 国外各领域专家学者的一些谏言：如何使AI代理架构变得成功 强哥之神 人工智能语言模型AI代理智能体大模型Agent
    最近在研究AI代理架构为什么比较难落地，看到有一篇文章是关于各领域专家学者对AI代理架构的一些看法，值得关注。我将其整理成了中文，大家可一起细品各家观点，全文如下。代理型人工智能被寄予厚望，其潜力在于能够独立完成复杂任务。然而，目前该领域的炒作热潮远超实际成功案例，背后原因复杂多样。“2024年，AI代理已成为众多供应商的营销热词。但对于用户组织而言，代理技术还处于早期探索阶段，充满好奇心与实验性
  • 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
  • Vue 组件的概念与复用 2401_85969651 vue.js前端javascriptvisualstudiocode
    目录一、引言二、什么是Vue组件三、组件的复用优势四、组件复用的实现方式五、组件通信六、总结一、引言在Vue.js的奇妙天地里，组件宛如熠熠生辉的基石，稳稳撑起用户界面构建的大厦。无论你是刚踏入Vue领域的新手，还是久经沙场的开发者，吃透组件的概念与复用窍门，都如同掌握了一把开启高效开发、优质代码大门的金钥匙，能让你的前端开发之旅畅行无阻。二、什么是Vue组件本质上，Vue组件就是一个被赋予独特魅
  • Agent实战系列：快速自定义Agent在业务线落地：从入门到高级[实现tool串联、多轮对话、多Agent动态编排、静态编排等] 汀、人工智能 AIAgentLLM工业级落地实践人工智能AIAgent多智能体协作知识问答智能问答RAGAI编排流
    Agent实战系列：快速自定义Agent在业务线落地：从入门到高级[实现tool串联、多轮对话、多Agent动态编排、静态编排等]本系列涵盖了多个关键功能的实现，包括tool串联、多轮对话、多Agent动态编排以及静态编排等。通过这些功能的学习与实践，用户将能够构建出功能丰富、灵活多变的Agent系统。tool串联让Agent能够调用多种工具和服务，多轮对话则让Agent能够与用户进行更加自然和深
  • 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