Parentheses
Parentheses

ThinkPad X1 Carbon

ThinkPad X1 Carbon配备了Intel新一代IVB核芯的酷睿i5-3427U，主频为1.7GHz，通过睿频可达2.8GHz，4GB DDR3-1600内存，128GB SSD固态硬盘，配备有HD 4000核芯显卡。全新的ThinkPad X1 Carbon超极本除了保留了以往ThinkPad经典元素以外，亮点是碳纤维材质的机身和最薄处8mm的超薄机身设计，此外IVB核芯处理器和超长的待机也是一直被大家关注的地方。

（以上资料来自百度娘）

碳纤维机身听着很酷炫是不是！但是这款机器看着却很稳重。至于槽点，7000软妹币起步的售价真是让人有点咋舌。不过高性能和轻薄便携也是加分点。欢迎土豪随便买啊哈哈哈哈哈哈！

你可能感兴趣的:(ThinkPad X1 Carbon)

  • 一台适合普通办公使用的电脑推荐thinkpadE475 sam_1c14
    图片发自App图片发自App缺点是内存只有4G。胜在便宜。14寸，很轻薄。给老婆买的。应该不能用来编程，会很慢的，真要用可以自己加根内存条，最大扩展到32G。图片发自App
  • 【机器人建模和控制】读书笔记 Piccab0o 机器人
    机器人建模和控制——马克·斯庞A.x10=x1∙x0x^0_1=x_1\bulletx_0x10=x1∙x0，其实就是：1）x1x_1x1轴向量在O0O_0O0系下的坐标2）在x0x_0x0轴上的投影3）坐标变换矩阵的R10R_1^0R10的第一个元素B.点p在o1x1y1z1o_1x_1y_1z_1o1x1y1z1系下的坐标p1p^1p1可以表示为：p=ux1+vy1+wz1p=ux_1+vy_
  • 基于matlab的离散系统变换域分析实验,实验3 离散时间系统的变换域分析 mmjang
    电子科技大学实验报告学生姓名：项阳学号：2010231060011指导教师：邓建一、实验项目名称：离散时间系统的变换域分析二、实验目的：线性时不变(LTI)离散时间系统的特性可以用其冲击响应序列来表示，也可以用传递函数和频率响应来表示,本实验通过使用MATLAB函数对离散时间系统的一些特性进行仿真分析，以加深对离散时间系统的零极点、稳定性，频率响应等概念的理解。三、实验内容：1、设X1(z)23z
  • POI 2018.10.21 weixin_33908217
    [POI2008]TRO-Triangleshttps://www.cnblogs.com/GXZlegend/p/7509699.html平面上有N个点.求出所有以这N个点为顶点的三角形的面积和N<=3000计算几何。只需要用到S=|x1y2-x2y1|/2开始对所有点按照x排序。枚举第一个点P，求出其他点关于P的坐标。为了去掉绝对值，按照x1/y1排序。y1等于0要特判。然后发现是前缀和。本质
  • 2020-11-12 写单片机内存的脚本 nc openocd 事务自动测试 linuxScripter
    这是写单片机内存的脚本：z@z-ThinkPad-T400:~/zworkT400/EDA_heiche/zREPOgit/simple-gcc-stm32-project$catz.wholeRun.oneCase.cmdcattmp6.toWrite|awk'{system("echomwb"$1""$2"|nclocalhost4444");}'catUSER/DEBUG/debug.h|g
  • 卷积神经网络（CNN）详细介绍及其原理详解（二） FFmpeg123 Pytorchcnn深度学习人工智能
    接上一文继续;五、全连接层假设还是上面人的脑袋的示例，现在我们已经通过卷积和池化提取到了这个人的眼睛、鼻子和嘴的特征，如果我想利用这些特征来识别这个图片是否是人的脑袋该怎么办呢？此时我们只需要将提取到的所有特征图进行“展平”，将其维度变为1×x1×x1×x，这个过程就是全连接的过程。也就是说，此步我们将所有的特征都展开并进行运算，最后会得到一个概率值，这个概率值就是输入图片是否是人的概率，这个过程
  • AdaBoost算法（AdbBoost Algorithm）—有监督学习方法、非概率模型、判别模型、非线性模型、非参数化模型、批量学习 剑海风云 ArtificialIntelligence人工智能机器学习提升方法AdaBoost
    定义输入:训练数据集T={(x1,y1),(x2,y2),⋯ ,(xN,yN)}T=\{(x_1,y_1),(x_2,y_2),\cdots,(x_N,y_N)\}T={(x1,y1),(x2,y2),⋯,(xN,yN)},其中，xi∈χ⊆Rn,yi∈y={−1,+1}x_i\in\chi\subseteqR^n,y_i\in{\tty}=\{-1,+1\}xi∈χ⊆Rn,yi∈y={−1,+1}
  • AI基础 L13 Constraint Satisfaction Problems I约束满足问题 h08.14 AI基础人工智能
    DefiningConstraintSatisfactionProblemsAconstraintsatisfactionproblem(CSP)consistsofthreecomponents,X,D,andC:•Xisasetofvariables,{X1,...,Xn}.•Disasetofdomains,{D1,...,Dn},oneforeachvariable•Cisasetofco
  • 机器学习 第12章 计算学习理论 一只小小程序猿 机器学习人工智能
    目录基础知识PAC学习有限假设空间可分情形不可分情形VC维稳定性基础知识计算学习理论研究的是关于通过"计算"来进行"学习"的理论，即关于机器学习的理论基础，其目的是分析学习任务的困难本质，为学习算法提供理论保证，并根据分析结果指导算法设计。给定样例集D={(x1,y1),(x2,y2),…,(xm,ym)}D=\left\{\left(\boldsymbol{x}_{1},y_{1}\right)
  • R语言多项逻辑回归-因变量是无序多分类 医学和生信笔记 医学统计学r语言医学统计学
    因变量是无序多分类资料（＞2）时，可使用多分类逻辑回归（multinomiallogisticregression）。使用课本例16-5的数据，课本电子版及数据已上传到QQ群，自行下载即可。某研究人员欲了解不同社区和性别之间居民获取健康知识的途径是否相同，对2个社区的314名成人进行了调查，其中X1是社区，社区1用0表示，社区2用1表示；X2是性别，0是男，1是女，Y是获取健康知识途径，1是传统大
  • 第十四周_数学建模 WinterCruel 数学建模
    第十四周_数学建模1、银行的贷款部门需要判别每个客户的信用好坏（是否未履行还贷责任），以决定是否给予贷款。可以根据贷款申请人的年龄（X1）、受教育程度（X2）、现在所从事工作的年数（X3）、未变更住址的年数（X4）、收入（X5）、负债收入比例（X6）、信用卡债务（X7）、其它债务（X8）等来判断其信用情况。下表是从某银行的客户资料中抽取的部分数据，和某客户的如上情况资料为（53，1，9，18，50
  • 20201023成就感日志290/365 kidII
    1.每日输出x1（1h/304h/10000）2.朋友圈看到一个手镯碎成了叄截，用如意花纹实金镶嵌后还可以继续带。手镯修复。#进化日课我是kid，一个渴望从考虑、迷茫中实现自律、突破的人，这是我的7/365进化日课。2020.10.231.【日思】：今日最重要的一件事足够强烈的意愿，时间成本资源的的持续的投入。做到优势叠加，建立知识体系谈判学习运动。whatwhyhow对别人的意义方式方法（3h）
  • java程序员 thinkpad_JAVA程序员笔记本电脑推荐？ stratisplatform java程序员thinkpad
    如果主要是做JAVA开发，那其实需要考虑的因素有：CPU性能必须过得去，因为java相对来说比较消耗CPU资源，当然是大型java应用，题主如果学习java的时候，倒不是特别重要，基本上2020年主流笔记本CPU都可以应对。内存，题主也说了，是因为idea特别吃内存才更换的笔记本，所以这里推荐16G内存起步，如果购买轻薄本的话，基本上内存就固定死了，不能更换；如果购买游戏本，那么可以增加到32G内
  • K近邻法（K-nearest neighbor,K-NN）—有监督学习方法、非概率模型、判别模型、线性模型、参数化模型、批量学习、核方法 剑海风云 ArtificialIntelligence人工智能机器学习K近邻法KNN
    定义输入：训练数据集（T={(x1,y1),(x2,y2),…,(xN,yN)}\left\{(x_1,y_1),(x_2,y_2),\dots,(x_N,y_N)\right\}{(x1,y1),(x2,y2),…,(xN,yN)}）其中：xi∈χ⊆Rnx_i\in{\tt\chi}\subseteqR^nxi∈χ⊆Rn:实例的特征向量yi∈yy_i\in{\tty}yi∈y={c1,c2,⋯ 
  • 线性代数笔记【二次型】 内 鬼 微电子专业笔记线性代数矩阵
    二次型n元二次型：关于n个变量x1,x2,⋯ ,xnx_1,x_2,\cdots,x_nx1,x2,⋯,xn的二次齐次函数KaTeXparseerror:Nosuchenvironment:align*atposition8:\begin{̲a̲l̲i̲g̲n̲*̲}̲f(x_1,x_2,\cdo…系数全为实数的二次型叫做实二次型，除此之外还有复二次型和复二次型矩阵，但在这里不讨论标准二次型：只含
  • R实现线性回归逻辑回归 weixin_55475210 r语言线性回归逻辑回归
    线性回归基本模型Y=β0+β1X1+β2X2+⋯+βmXm+ϵY=\beta_0+\beta_1X_1+\beta_2X_2+\cdots+\beta_mX_m+\epsilonY=β0+β1X1+β2X2+⋯+βmXm+ϵYYY为因变量X1,X2,…,XmX_1,X_2,\ldots,X_mX1,X2,…,Xm为m个自变量ϵ\epsilonϵ为残差lm()函数用于完成多元线性回归系数估计，回归系
  • C#语言实现最小二乘法算法 2401_86528135 算法c#最小二乘法
    最小二乘法（LeastSquaresMethod）是一种常用的拟合方法，用于在数据点之间找到最佳的直线（或其他函数）拟合。以下是一个用C#实现简单线性回归（即一元最小二乘法）的示例代码。1.最小二乘法简介对于一组数据点(x1,y1),(x2,y2),…,(xn,yn)(x_1,y_1),(x_2,y_2),\ldots,(x_n,y_n)(x1,y1),(x2,y2),…,(xn,yn)，最小二乘
  • Integrating Mamba and Transformer for Long-Short Range Time Series Forecasting———PRELIMINARIES six.学长 Mambaformertransformer深度学习人工智能
    ProblemStatement在长短期时间序列预测问题中，给定历史时间序列样本的回溯窗口L=(x1,x2,..,xL)L=(x_1,x_2,..,x_L)L=(x1,x2,..,xL)，长度为LLL，其中每个时间步ttt的样本xt∈RMx_t\in\mathbb{R}^Mxt∈RM，包含MMM个变量，我们的目标是预测未来的FFF个值，即F=(xL+1,xL+2,..,xL+F)F=(x_{L+1
  • 【笔记】Encoder-Decoder模型 808130260 python/机器学习
    Encoder-DecoderFrameworkEncoder-DecoderEncoderDecoderDecoderwithAttention参考Encoder-DecoderEncoder输入:X=(x1,x2,...,xTx)X=(x_1,x_2,...,x_{T_x})X=(x1,x2,...,xTx)输出:上下文向量(contextvector)ccc步骤：ht=f(xt,ht−1)c
  • 曼哈顿距离vs欧氏距离 飞奔的大虎
    欧式距离，即欧几里得距离，是最常见的两点之间的距离表示法，它定义在欧几里得空间中，例如x=(x1,x2,...,xn)和y=(y1,y2,...,yn)的欧式距离可表示为：曼哈顿距离，是欧几里得空间中两点之间的线段在坐标轴上的投影的距离的和，例如x=(x1,x2)y=(y1,y2)则两点的曼哈顿距离可表示为：
  • RISC-V汇编实现矩阵阶乘 wave_sky risc-v汇编
    1)源代码longlongfact(longlongn){if(n=0,gotoL1addix10,x0,1//return1addisp,sp,16//pop2itemsoffstackjalrx0,0(x1)//returntocallerL1:addix10,x10,-1//n>=1:argumentgets(n-1)jalx1,fact//callfactwith(n-1)ldx6,0(s
  • Datawhale X 李宏毅苹果书 AI夏令营-深度学入门task2：线性模型 m0_53743757 人工智能机器学习算法
    1.线性模型把输入的特征x乘上一个权重，再加上一个偏置就得到预测的结果，这样的模型称为线性模型（linearmodel）2.分段线性模型线性模型也许过于简单，x1跟y可能中间有比较复杂的关系。线性模型有很大的限制，只能表示一条直线，这一种来自于模型的限制称为模型的偏差，无法模拟真实的情况。所以需要写一个更复杂的、更有灵活性的、有未知参数的函数。分段线性曲线（piecewiselinearcurve
  • MATLAB学习笔记5 好好学习的不知名程序员 matlab学习笔记
    1.函数的创建与使用1.1创建简单的函数在MATLAB中，你可以创建自己的函数来执行特定任务。函数通常保存在一个`.m`文件中，文件名需要和函数名相同。创建一个计算两点之间距离的函数`distance.m`functiond=distance(x1,y1,x2,y2)%计算两点之间的欧几里得距离d=sqrt((x2-x1)^2+(y2-y1)^2);end调用函数：使用函数名并传入参数即可调用函数
  • 减肥为什么这么难（六）入口的三大主要营养物简介 精气神806
    一，主要营养物是指身体大量需要的营养物，有三种主要营养物：碳水化合物（carbonhydrate），蛋白质（protein）和脂肪（fat）。每种主要营养物提供给身体主要的膳食摄取热量。食品营养安全规定。一般产品盒上都要注明三大营养物的含量。一盒酸奶的营养成分1，从人类的日常饮食习惯中，一般成年人还有第四种主要营养物，那就是酒类（alcohol）。酒类与人们密不可分，但是酒类与其它三大营养物不同的
  • 2023-08-12【日复盘】 逃熙
    你好，我是逃熙，欢迎打开我的日复盘。给自己每天20分钟复盘时间，每一天都来个日复盘吧。总是忙着低头砍树，记得抽空磨磨刀。希望能给你启发：一、习惯养成✅写作早上复盘完成✅工作中的剧本✅文笔练习✅故事：故事大纲、作者号已就位，希望每天安排500字以上-暂停（晚上去1小时地铁的地方上课！）制作demo初稿、定位规划：待安排✅运动跑步/步行30分钟以上-待安排天鹅颈x1✅跑步机待安排马甲线待安排✅饮食健康
  • 【华为OD】2024D卷——精准核酸检测 简单.is.good Python解应用题华为odpython
    题目描述：为了达到新冠疫情精准防控的需要，为了避免全员核酸检测带来的浪费，需要精准圈定可能被感染的人群。现在根据传染病流调以及大数据分析，得到了每个人之间在时间、空间上是否存在轨迹的交叉。现在给定一组确诊人员编号（X1，X2，X3....Xn），在所有人当中，找出哪些人需要进行核酸检测，输出需要进行核酸检测的人数。（注意：确诊病例自身不需要再做核酸检测）需要进行核酸检测的人，是病毒传播链条上的所有
  • 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(
  • 一维/二维高斯分布的负对数似然推导 lainegates 人工智能概率论
    参考wikipediaMultivariatenormaldistribution及Normaldistribution基础公式多元高斯分布公式f(X)=f(x1,x2,...,xk)=1(2π)k∣∑∣e−12(X−μ)T∑−1(X−μ)f(X)=f(x_1,x_2,...,x_k)=\frac{1}{\sqrt{{(2\pi)}^k|\sum|}}e^{-\frac{1}{2}(X-\mu)^
  • 音频PCM的能量dB计算 彷徨而立 pcm
    文章目录1.计算RMS值2.将RMS转换为dB参考1参考2参考3音频PCM（脉冲编码调制）数据转换为分贝（dB）的计算涉及两个主要步骤：首先计算音频信号的均方根（RMS）值，然后将RMS值转换为分贝。以下是详细的计算过程（以16位PCM为例）：1.计算RMS值对于PCM音频数据，每个样本代表声音的幅度。如果有一个包含(n)个样本的音频片段，其幅值分别为x1,x2,...,xnx_1,x_2,...
  • 2023-08-09【日复盘】 逃熙
    你好，我是逃熙，欢迎打开我的日复盘。给自己每天20分钟复盘时间，每一天都来个日复盘吧。总是忙着低头砍树，记得抽空磨磨刀。希望能给你启发：一、习惯养成✅写作有在早上复盘✅文笔练习待安排故事：故事大纲、作者号已就位，希望每天安排500字以上✅1700字✅可以开始加快速度啦，但不要焦虑制作demo初稿、定位规划：待安排✅运动跑步/步行30分钟以上✅天鹅颈x1✅跑步机x10min✅马甲线x0待安排（可以和
  • PHP，安卓，UI，java，linux视频教程合集 cocos2d-x小菜 javaUIlinuxPHPandroid
    ╔-----------------------------------╗┆                           
  • zookeeper admin 笔记 braveCS zookeeper
      Required Software 1) JDK>=1.6 2)推荐使用ensemble的ZooKeeper(至少3台)，并run on separate machines 3)在Yahoo!，zk配置在特定的RHEL boxes里，2个cpu，2G内存，80G硬盘   数据和日志目录 1)数据目录里的文件是zk节点的持久化备份，包括快照和事务日
  • Spring配置多个连接池 easterfly spring
    项目中需要同时连接多个数据库的时候，如何才能在需要用到哪个数据库就连接哪个数据库呢？ Spring中有关于dataSource的配置：     <bean id="dataSource" class="com.mchange.v2.c3p0.ComboPooledDataSource"   &nb
  • Mysql 171815164 mysql
    例如，你想myuser使用mypassword从任何主机连接到mysql服务器的话。 GRANT ALL PRIVILEGES ON *.* TO 'myuser'@'%'IDENTIFIED BY 'mypassword' WI TH GRANT OPTION; 如果你想允许用户myuser从ip为192.168.1.6的主机连接到mysql服务器，并使用mypassword作
  • CommonDAO（公共/基础DAO） g21121 DAO
            好久没有更新博客了，最近一段时间工作比较忙，所以请见谅，无论你是爱看呢还是爱看呢还是爱看呢，总之或许对你有些帮助。         DAO(Data Access Object)是一个数据访问（顾名思义就是与数据库打交道）接口，DAO一般在业
  • 直言有讳 永夜-极光 感悟随笔
      1.转载地址:http://blog.csdn.net/jasonblog/article/details/10813313   精华: “直言有讳”是阿里巴巴提倡的一种观念，而我在此之前并没有很深刻的认识。为什么呢？就好比是读书时候做阅读理解，我喜欢我自己的解读，并不喜欢老师给的意思。在这里也是。我自己坚持的原则是互相尊重，我觉得阿里巴巴很多价值观其实是基本的做人
  • 安装CentOS 7 和Win 7后，Win7 引导丢失 随便小屋 centos
    一般安装双系统的顺序是先装Win7，然后在安装CentOS，这样CentOS可以引导WIN 7启动。但安装CentOS7后，却找不到Win7 的引导，稍微修改一点东西即可。 一、首先具有root 的权限。      即进入Terminal后输入命令su，然后输入密码即可 二、利用vim编辑器打开/boot/grub2/grub.cfg文件进行修改 v
  • Oracle备份与恢复案例 aijuans oracle
    Oracle备份与恢复案例 一. 理解什么是数据库恢复当我们使用一个数据库时，总希望数据库的内容是可靠的、正确的，但由于计算机系统的故障（硬件故障、软件故障、网络故障、进程故障和系统故障）影响数据库系统的操作，影响数据库中数据的正确性，甚至破坏数据库，使数据库中全部或部分数据丢失。因此当发生上述故障后，希望能重构这个完整的数据库，该处理称为数据库恢复。恢复过程大致可以分为复原(Restore)与
  • JavaEE开源快速开发平台G4Studio v5.0发布 無為子
      我非常高兴地宣布,今天我们最新的JavaEE开源快速开发平台G4Studio_V5.0版本已经正式发布。   访问G4Studio网站 http://www.g4it.org   2013-04-06 发布G4Studio_V5.0版本 功能新增 (1). 新增了调用Oracle存储过程返回游标，并将游标映射为Java List集合对象的标
  • Oracle显示根据高考分数模拟录取 百合不是茶 PL/SQL编程oracle例子模拟高考录取学习交流
    题目要求: 1,创建student表和result表 2,pl/sql对学生的成绩数据进行处理 3,处理的逻辑是根据每门专业课的最低分线和总分的最低分数线自动的将录取和落选     1,创建student表,和result表 学生信息表; create table student( student_id number primary key,--学生id
  • 优秀的领导与差劲的领导 bijian1013 领导管理团队
    责任 优秀的领导：优秀的领导总是对他所负责的项目担负起责任。如果项目不幸失败了，那么他知道该受责备的人是他自己，并且敢于承认错误。 差劲的领导：差劲的领导觉得这不是他的问题，因此他会想方设法证明是他的团队不行，或是将责任归咎于团队中他不喜欢的那几个成员身上。 努力工作 优秀的领导：团队领导应该是团队成员的榜样。至少，他应该与团队中的其他成员一样努力工作。这仅仅因为他
  • js函数在浏览器下的兼容 Bill_chen jquery浏览器IEDWRext
      做前端开发的工程师，少不了要用FF进行测试，纯js函数在不同浏览器下，名称也可能不同。对于IE6和FF，取得下一结点的函数就不尽相同：   IE6：node.nextSibling,对于FF是不能识别的；   FF：node.nextElementSibling,对于IE是不能识别的； 兼容解决方式：var Div = node.nextSibl
  • 【JVM四】老年代垃圾回收：吞吐量垃圾收集器(Throughput GC) bit1129 垃圾回收
    吞吐量与用户线程暂停时间   衡量垃圾回收算法优劣的指标有两个： 吞吐量越高，则算法越好 暂停时间越短，则算法越好 首先说明吞吐量和暂停时间的含义。   垃圾回收时，JVM会启动几个特定的GC线程来完成垃圾回收的任务，这些GC线程与应用的用户线程产生竞争关系，共同竞争处理器资源以及CPU的执行时间。GC线程不会对用户带来的任何价值，因此，好的GC应该占
  • J2EE监听器和过滤器基础 白糖_ J2EE
    Servlet程序由Servlet，Filter和Listener组成，其中监听器用来监听Servlet容器上下文。 监听器通常分三类：基于Servlet上下文的ServletContex监听，基于会话的HttpSession监听和基于请求的ServletRequest监听。   ServletContex监听器 ServletContex又叫application
  • 博弈AngularJS讲义(16) - 提供者 boyitech jsAngularJSapiAngularProvider
      Angular框架提供了强大的依赖注入机制，这一切都是有注入器(injector)完成. 注入器会自动实例化服务组件和符合Angular API规则的特殊对象，例如控制器，指令，过滤器动画等。   那注入器怎么知道如何去创建这些特殊的对象呢？ Angular提供了5种方式让注入器创建对象，其中最基础的方式就是提供者(provider), 其余四种方式(Value, Fac
  • java-写一函数f(a,b)，它带有两个字符串参数并返回一串字符，该字符串只包含在两个串中都有的并按照在a中的顺序。 bylijinnan java
    public class CommonSubSequence { /** * 题目：写一函数f(a,b)，它带有两个字符串参数并返回一串字符，该字符串只包含在两个串中都有的并按照在a中的顺序。 * 写一个版本算法复杂度O(N^2)和一个O(N) 。 * * O(N^2)：对于a中的每个字符，遍历b中的每个字符，如果相同，则拷贝到新字符串中。 * O(
  • sqlserver 2000 无法验证产品密钥 Chen.H sqlwindowsSQL ServerMicrosoft
    在 Service Pack 4 (SP 4), 是运行 Microsoft Windows Server 2003、 Microsoft Windows Storage Server 2003 或 Microsoft Windows 2000 服务器上您尝试安装 Microsoft SQL Server 2000 通过卷许可协议 (VLA) 媒体。 这样做, 收到以下错误信息CD KEY的 SQ
  • [新概念武器]气象战争 comsci
           气象战争的发动者必须是拥有发射深空航天器能力的国家或者组织....        原因如下:        地球上的气候变化和大气层中的云层涡旋场有密切的关系,而维持一个在大气层某个层次
  • oracle 中 rollup、cube、grouping 使用详解 daizj oraclegroupingrollupcube
    oracle 中 rollup、cube、grouping 使用详解 -- 使用oracle 样例表演示 转自namesliu -- 使用oracle 的样列库，演示 rollup, cube, grouping 的用法与使用场景    --- ROLLUP ， 为了理解分组的成员数量，我增加了 分组的计数  COUNT(SAL)   
  • 技术资料汇总分享 Dead_knight 技术资料汇总 分享
    本人汇总的技术资料，分享出来，希望对大家有用。 http://pan.baidu.com/s/1jGr56uE 资料主要包含： Workflow->工作流相关理论、框架(OSWorkflow、JBPM、Activiti、fireflow...) Security->java安全相关资料(SSL、SSO、SpringSecurity、Shiro、JAAS...) Ser
  • 初一下学期难记忆单词背诵第一课 dcj3sjt126com englishword
    could 能够 minute 分钟 Tuesday 星期二 February 二月 eighteenth 第十八 listen 听 careful 小心的，仔细的 short 短的 heavy 重的 empty 空的 certainly 当然 carry 携带；搬运 tape 磁带 basket 蓝子 bottle 瓶 juice 汁，果汁 head 头；头部
  • 截取视图的图片, 然后分享出去 dcj3sjt126com OSObjective-C
    OS 7 has a new method that allows you to draw a view hierarchy into the current graphics context. This can be used to get an UIImage very fast. I implemented a category method on UIView to get the vi
  • MySql重置密码 fanxiaolong MySql重置密码
    方法一:  在my.ini的[mysqld]字段加入： skip-grant-tables 重启mysql服务，这时的mysql不需要密码即可登录数据库  然后进入mysql mysql>use mysql;  mysql>更新 user set password=password('新密码') WHERE User='root'; mysq
  • Ehcache（03）——Ehcache中储存缓存的方式 234390216 ehcacheMemoryStoreDiskStore存储驱除策略
    Ehcache中储存缓存的方式   目录 1     堆内存（MemoryStore） 1.1     指定可用内存 1.2     驱除策略 1.3     元素过期 2   &nbs
  • spring mvc中的@propertysource jackyrong spring mvc
      在spring mvc中，在配置文件中的东西，可以在java代码中通过注解进行读取了： @PropertySource  在spring 3.1中开始引入 比如有配置文件 config.properties mongodb.url=1.2.3.4 mongodb.db=hello 则代码中   @PropertySource(&
  • 重学单例模式 lanqiu17 单例Singleton模式
    最近在重新学习设计模式，感觉对模式理解更加深刻。觉得有必要记下来。 第一个学的就是单例模式，单例模式估计是最好理解的模式了。它的作用就是防止外部创建实例，保证只有一个实例。 单例模式的常用实现方式有两种，就人们熟知的饱汉式与饥汉式，具体就不多说了。这里说下其他的实现方式 静态内部类方式: package test.pattern.singleton.statics; publ
  • .NET开源核心运行时，且行且珍惜 netcome java.net开源
    背景 2014年11月12日，ASP.NET之父、微软云计算与企业级产品工程部执行副总裁Scott Guthrie，在Connect全球开发者在线会议上宣布，微软将开源全部.NET核心运行时，并将.NET 扩展为可在 Linux 和 Mac OS 平台上运行。.NET核心运行时将基于MIT开源许可协议发布，其中将包括执行.NET代码所需的一切项目——CLR、JIT编译器、垃圾收集器（GC）和核心
  • 使用oscahe缓存技术减少与数据库的频繁交互 Everyday都不同 Web高并发oscahe缓存
    此前一直不知道缓存的具体实现，只知道是把数据存储在内存中，以便下次直接从内存中读取。对于缓存的使用也没有概念，觉得缓存技术是一个比较”神秘陌生“的领域。但最近要用到缓存技术，发现还是很有必要一探究竟的。   缓存技术使用背景：一般来说，对于web项目，如果我们要什么数据直接jdbc查库好了，但是在遇到高并发的情形下，不可能每一次都是去查数据库，因为这样在高并发的情形下显得不太合理——
  • Spring+Mybatis 手动控制事务 toknowme mybatis
    @Override    public boolean testDelete(String jobCode) throws Exception {       boolean flag = false;  &nbs
  • 菜鸟级的android程序员面试时候需要掌握的知识点 xp9802 android
    熟悉Android开发架构和API调用 掌握APP适应不同型号手机屏幕开发技巧 熟悉Android下的数据存储  熟练Android Debug Bridge Tool 熟练Eclipse/ADT及相关工具  熟悉Android框架原理及Activity生命周期 熟练进行Android UI布局 熟练使用SQLite数据库； 熟悉Android下网络通信机制，S
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他