褚琼霞June
褚琼霞June

Meditashayne：Efficient Memo

Have you ever had such a small book with a happy or sad life on it?

Since then, the little book has long been lost somewhere

Now we don’t have a lot of blank time to fill that little book.

But our life is still trying to find a place to place

Meditashayne: Efficient Memo records these lost beautiful things for you

Features:

Clear interface

Simple and intuitive usage

Bring you experience beyond the usual diary apps

Not fancy, uncomplicated, return to the true, all just for better notes


Meditashayne：Efficient Memo_第1张图片
Meditashayne：Efficient Memo_第2张图片
Meditashayne：Efficient Memo_第3张图片
Tel:+1-8078025341  Email:[email protected]

你可能感兴趣的:(Meditashayne：Efficient Memo)

  • 图计算：基于SparkGrpahX计算聚类系数 妙龄少女郭德纲 Spark图算法Scala聚类数据挖掘机器学习
    图计算：基于SparkGrpahX计算聚类系数文章目录图计算：基于SparkGrpahX计算聚类系数一、什么是聚类系数二、基于SparkGraphX的聚类系数代码实现总结一、什么是聚类系数聚类系数（ClusteringCoefficient）是图计算和网络分析中的一个重要概念，用于衡量网络中节点的局部聚集程度。它有助于理解网络中节点之间的紧密程度和网络的结构特性。这是一种用来衡量图中节点聚类程度的
  • HTML到React解析器 - 使用指南及教程 罗昭贝Lovely
    HTML到React解析器-使用指南及教程html-react-parser:memo:HTMLtoReactparser.项目地址:https://gitcode.com/gh_mirrors/ht/html-react-parser一、项目介绍HTML到React解析器（html-react-parser）是由remarkablemark开发的一款开源工具库，专为将普通的HTML字符串转换成R
  • 一个符号求导的小程序 flowesy 随笔实验
    这两天写了一个符号求导的程序，没有任何化简，代码质量比较差。以后可以考虑把每个项coefficient*x^index单独提出来，把coefficient和index单独作为未知数x的属性。该程序目前只支持多项式求导。#includeusingnamespacestd;conststaticintbign=10033;enumtokenType{Openbracket=1,CloseBracket
  • Unique3D：开启单张图片三维重建新篇章 余靖年Veronica
    Unique3D：开启单张图片三维重建新篇章Unique3DOfficialimplementationofUnique3D:High-QualityandEfficient3DMeshGenerationfromaSingleImage项目地址:https://gitcode.com/gh_mirrors/un/Unique3D在当今高速发展的科技领域中，三维重建技术正以惊人的速度改变着我们的视
  • 在使用React Hooks中，如何避免状态更新时的性能问题？ 盼盼盼 前端面试题reactreact.jsjavascript前端
    在ReactHooks中避免状态更新时的性能问题，可以采取以下一些最佳实践：避免不必要的状态更新：使用React.memo、useMemo、和useCallback来避免组件或其子组件进行不必要的渲染。使用useMemo：对于基于状态或props的复杂计算，使用useMemo来记忆计算结果，防止每次渲染时都重新计算。constmemoizedValue=useMemo(()=>computeExp
  • 百篇论文博文导航AI工程之路：FT、KG、RAG与Agent技术全方位探索 汀、人工智能 AIAgent人工智能深度学习机器学习自然语言处理大模型AgentRAG
    百篇论文博文导航AI工程之路：FT、KG、RAG与Agent技术全方位探索1.FTScalingDowntoScaleUp:AGuidetoParameter-EfficientFine-Tuning：https://arxiv.org/abs/2303.15647TowardsaUnifiedViewofParameter-EfficientTransferLearning：https://ar
  • 2022-07-26 Manage your energy, not your time 春生阁
    Energyisthecurrencyofmotivation.Mostoftheproductivityandhabitbuildingadviceyouhearofferstipsandtricksforbettertimemanagement.Withpromisesofmakingyoumoreefficientinyourwork,theysuggestallsortsoftechniq
  • MixMAE(MixMIM):用于分层视觉变压器有效预训练的混合和掩码自编码器 论文阅读 皮卡丘ZPC 扩散模型阅读论文阅读
    论文:MixMAE(arxiv.org)代码:Sense-X/MixMIM:MixMIM:MixedandMaskedImageModelingforEfficientVisualRepresentationLearning(github.com)摘要:本文提出MixMAE(MixedandmaskAutoEncoder)，这是一种简单而有效的预训练方法，适用于各种层次视觉变压器。现有的分层视觉变
  • 面向可信和节能的雾计算医疗决策支持系统的优化微型机器学习与可解释人工智能 神一样的老师 论文阅读分享人工智能
    这篇论文的标题为《OptimizedTinyMachineLearningandExplainableAIforTrustableandEnergy-EfficientFog-EnabledHealthcareDecisionSupportSystem》，发表在《InternationalJournalofComputationalIntelligenceSystems》2024年第17卷，由R.
  • 模型评估：可决系数与纳什效率系数 ~hello world~ 学习笔记机器学习python人工智能
    1、可决系数R2  可决系数（Coefficientofdetermination，R）是用来度量一个统计模型的拟合优度的。其数学表达式如下：式中：yi是变量观测值；y‾\overline{y}y是变量观测值的均值；  y^i\hat{y}_iy^i是统计模型的变量模拟值；  R2的取值范围为[0,1]。2、纳什效率系数NSE  纳什效率系数（Nash-SutcliffeEfficiency,NS
  • 特征点提取与匹配原文论文下载 长沙有肥鱼 视觉SLAM十四讲计算机视觉
    ORB原文下载链接：(PDF)ORB:anefficientalternativetoSIFTorSURFSIFT原文下载链接：https://www.cs.ubc.ca/~lowe/papers/ijcv04.pdfSURF原文下载链接:https://www.cs.jhu.edu/~misha/ReadingSeminar/Papers/Bay08.pdfORB和AKAZE对比论文下载链接：h
  • Vue3_指令(内置和自定义) 开心小老虎 vue3知识点+组件前端vue.js
    目录一、内置指令1.v-text2.v-html3.v-show4.v-if5.v-else6.v-else-if7.v-for8.v-on9.v-bind10.v-model11.v-slot12.v-pre13.v-once14.v-memo（3.2+）15.v-cloak二、自定义指令1.规则2.钩子一、内置指令1.v-text更新元素的文本内容。{{msg}}2.v-html更新元素的in
  • 一文读懂MySQL执行计划 Explain liuxuquan_ 数据库后端sqlmysqlspringspringboot
    MySQL执行计划Explain文章相关示例执行基于MySQL(8.0.13)版本定义官方文档描述的定义如下：Thesetofoperationsthattheoptimizerchoosestoperformthemostefficientqueryiscalledthe“queryexecutionplan”,alsoknownastheEXPLAINplan.MySQL优化器选择执行最有效的
  • 神经网络量化（八） weixin_38498942 神经网络Qualcomm
    神经网络量化（八）4.5实验5摘要与结论4.5实验  使用我们的QAT流程，我们对在第3.6节中使用的相同模型进行量化和评估。我们的结果在表10中展示了不同位宽和量化粒度的情况下。DeepLabV3在PascalVOC上进行了80个epoch的训练；EfficientDet在COCO2017上进行了20个epoch的训练；所有其他视觉模型在ImageNet上进行了20个epoch的训练。BERT-
  • 大模型18：微调大模型方法PEFT(LoRA等) — 训练 “ChatGLM2“ 项目 bluewelkin 大模型
    微调大模型的方法之一是PEFT（Parameter-EfficientFine-Tuning），其中包括LoRA（Low-RankAdaptation）等技术。PEFT方法能够在不显著增加计算资源消耗的情况下，微调大模型，从而适应特定任务。这种方法特别适用于像“ChatGLM2”这样的预训练大模型。什么是PEFT(Parameter-EfficientFine-Tuning)?PEFT是一种优化微
  • 【机器学习】4. 相似性比较（二值化数据）与相关度(correlation) pen-ai 机器学习机器学习人工智能scikit-learnpython
    SMCSimpleMatchingCoefficient评估两组二进制数组相似性的参数SMC=(f11+f00)/(f01+f10+f11+f00)其中，f11表示两组都为1的组合个数，f10表示第一组为1，第二组为0的组合个数。这样做会有一个缺点，假设是比较稀疏的数据，如今天去哪一个地区，地区有成千上万个，但是去的只有一个地区。那么就会导致f00非常的大，如此计算的结果SMC必然很大，但是能够代
  • AI推介-大语言模型LLMs论文速览（arXiv方向）：2024.02.20-2024.02.25 小小帅AIGC LLMs论文时报人工智能语言模型深度学习LLM大语言模型论文推送
    论文目录~1.Zero-shotcross-lingualtransferininstructiontuningoflargelanguagemodel2.ScalingEfficientLLMs3.LLM-DA:DataAugmentationviaLargeLanguageModelsforFew-ShotNamedEntityRecognition4.WhoseLLMisitAnyway?L
  • 阿里云分布式深度学习训练架构Whale qwfys200 Reading阿里云分布式深度学习
    阿里云分布式深度学习训练架构Whale阿里云分布式深度学习训练架构Whale参考文献Whale基于Tensorflow深度学习分布式训练框架|学习笔记Whale:EfficientGiantModelTrainingoverHeterogeneousGPUs阿里云机器学习平台PAI论文高效大模型训练框架Whale入选USENIXATC’22
  • ENAS：首个权值共享的神经网络搜索方法，千倍加速 | ICML 2018 VincentTeddy
    NAS是自动设计网络结构的重要方法，但需要耗费巨大的资源，导致不能广泛地应用，而论文提出的EfficientNeuralArchitectureSearch(ENAS)，在搜索时对子网的参数进行共享，相对于NAS有超过1000x倍加速，单卡搜索不到半天，而且性能并没有降低，十分值得参考 来源：【晓飞的算法工程笔记】公众号论文:EfficientNeuralArchitectureSearchvia
  • 【图像拼接/视频拼接】论文精读：Efficient Video Stitching Based on Fast Structure Deformation 十小大 图像拼接论文精读计算机视觉图像拼接imagestitchingvideostitching论文阅读论文笔记音视频
    第一次来请先看这篇文章：【图像拼接（ImageStitching）】关于【图像拼接论文精读】专栏的相关说明，包含专栏使用说明、创新思路分享等（不定期更新）图像拼接系列相关论文精读SeamCarvingforContent-AwareImageResizingAs-Rigid-As-PossibleShapeManipulationAdaptiveAs-Natural-As-PossibleImag
  • 大模型训练——PEFT与LORA介绍 MarkHD 人工智能深度学习机器学习
    大模型训练中的PEFT（Parameter-EfficientFine-Tuning）与LoRA（Low-RankAdaptation）是两种重要的技术，它们在大型预训练模型的应用中发挥着重要作用。首先，让我们来了解一下PEFT。PEFT是一种参数高效的微调技术，由Huggingface发布。这种方法的核心思想是仅微调少量（额外）模型参数，同时冻结预训练LLM的大部分参数。这样做的好处是大大降低了
  • tinyxml2开源库使用 不朽の燃梦 QtC++开源库开源qtc++
    源码下载：GitHub-leethomason/tinyxml2:TinyXML2isasimple,small,efficient,C++XMLparserthatcanbeeasilyintegratedintootherprograms.1.加载tinyxml2库解压上面现在的压缩包，将tinyxml2.h/tinyxml2.cpp添加到项目工程当中，要使用该库时，只需要使用对于的头文件即可
  • Study Time-Foreign Language jin_gg
    Apracticalgadgetforlanguageloverstomakethelanguagelearningprocesseasyandefficient.Developatimeplan-awayoflearningthatisuniquetoyou.Timetofollowupatanytime-therecordingmethodismuchsimpler.Targetachieve
  • 算法——组合数学——二项式定理 戏拈秃笔 数据结构与算法（java版）算法
    杨辉三角是二项式系数的典型应用当n较大，且需要取模时，二项式系数有两种计算方法：一：递推公式，二：逆方法一：用递推公式计算二项式系数publicclassBinomialCoefficient{publicstaticintcalculate(intn,intk){if(k>n){return0;//如果k大于n，则二项式系数为0}int[][]dp=newint[n+1][k+1];for(in
  • 让图片说话SadTalker 崎山小鹿 神经网络神经网络人工智能深度学习
    SadTalker：使用一张图片和一段语音来生成口型和头、面部视频.西安交通大学开源了人工智能SadTalker模型，通过从音频中学习生成3D运动系数，使用全新的3D面部渲染器来生成头部运动，可以实现图片+音频就能生成高质量的视频。论文地址：LearningRealistic3DMotionCoefficients整体来说Talkinghead就是用语音驱动每一帧图片的表情（眼睛、嘴巴等）和头部（
  • Python编程读取csv文件数据分别计算RMSE、SD、R 是筱倩阿 pythonpythonnumpy
    使用Pandas和NumPy库，从CSV文件中读取数据，并对列名进行了更新。使用循环计算了三组数据的RMSE、标准差和相关系数，并将结果打印输出。其中，RMSE（RootMeanSquaredError）是衡量预测值和真实值之间误差的一种方法；SD（StandardDeviation）是预测值和真实值之间误差的标准差；R（CorrelationCoefficient）是衡量预测值和真实值之间线性关
  • ICLR 2023#Learning to Compose Soft Prompts for Compositional Zero-Shot Learning 神拳小江南阿 CZSLsoftprompt深度学习
    组合零样本学习（CZSL）中SoftPrompt相关工作汇总（一）文章目录组合零样本学习（CZSL）中SoftPrompt相关工作汇总（一）ICLR2023#LearningtoComposeSoftPromptsforCompositionalZero-ShotLearningIntroductionRelatedworkpromptParameter-efficientlearningPrel
  • Efficient Token-Guided Image-Text Retrieval withConsistent Multimodal Contrastive Training ALGORITHM LOL 人工智能算法深度学习
    paper:https://arxiv.org/pdf/2306.08789.pdfcode:https://github.com/LCFractal/TGDT1.论文核心思想整合了粗粒度与细粒度检索，利用了二者的优点新的训练目标：ConsistentMultimodalContrastive(CMC)loss，确保模态内和模态间语义一致性基于混合全局和局部的跨模态相似性两阶段推理方法效果：检索精
  • pearson correlation coefficient dingtom
    要理解Pearson相关系数，首先要理解协方差（Covariance），协方差是一个反映两个随机变量相关程度的指标，如果一个变量跟随着另一个变量同时变大或者变小，那么这两个变量的协方差就是正值，反之相反，公式如下：Pearson相关系数公式如下：由公式可知，Pearson相关系数是用协方差除以两个变量的标准差得到的，虽然协方差能反映两个随机变量的相关程度（协方差大于0的时候表示两者正相关，小于0的
  • 【区块链共识协议论文】【拜占庭异步通信】【Chronos: An Efficient Asynchronous Byzantine Ordered Consensus】 不是AI 安全多方计算网络技术区块链区块链共识算法网络安全可信计算技术
    论文题目：Chronos:一种高效的拜占庭有序共识协议Chronos:AnEfficientAsynchronousByzantineOrderedConsensus一、说明1、版权归属：牛津大学出版社（OxfordUniversityPress）2、笔者为共同作者之一，联系方式：[email protected]、引用格式：4、代码仓库：见GitHub二、论文网址及发表情况三、论文正文第
  • 遍历dom 并且存储（将每一层的DOM元素存在数组中） 换个号韩国红果果 JavaScripthtml
    数组从0开始！！ var a=[],i=0; for(var j=0;j<30;j++){ a[j]=[];//数组里套数组，且第i层存储在第a[i]中 } function walkDOM(n){ do{ if(n.nodeType!==3)//筛选去除#text类型 a[i].push(n); //con
  • Android+Jquery Mobile学习系列(9)-总结和代码分享 白糖_ JQuery Mobile
    目录导航   经过一个多月的边学习边练手，学会了Android基于Web开发的毛皮，其实开发过程中用Android原生API不是很多，更多的是HTML/Javascript/Css。   个人觉得基于WebView的Jquery Mobile开发有以下优点： 1、对于刚从Java Web转型过来的同学非常适合，只要懂得HTML开发就可以上手做事。 2、jquerym
  • impala参考资料 dayutianfei impala
    记录一些有用的Impala资料   1. 入门资料 >>官网翻译：     http://my.oschina.net/weiqingbin/blog?catalog=423691   2. 实用进阶 >>代码&架构分析：     Impala/Hive现状分析与前景展望：http
  • JAVA 静态变量与非静态变量初始化顺序之新解 周凡杨 java静态非静态顺序
    今天和同事争论一问题，关于静态变量与非静态变量的初始化顺序，谁先谁后，最终想整理出来！测试代码： import java.util.Map; public class T { public static T t = new T(); private Map map = new HashMap(); public T(){ System.out.println(&quo
  • 跳出iframe返回外层页面 g21121 iframe
    在web开发过程中难免要用到iframe，但当连接超时或跳转到公共页面时就会出现超时页面显示在iframe中，这时我们就需要跳出这个iframe到达一个公共页面去。 首先跳转到一个中间页，这个页面用于判断是否在iframe中，在页面加载的过程中调用如下代码： <script type="text/javascript"> //<!-- function
  • JAVA多线程监听JMS、MQ队列 510888780 java多线程
    背景：消息队列中有非常多的消息需要处理，并且监听器onMessage（）方法中的业务逻辑也相对比较复杂，为了加快队列消息的读取、处理速度。可以通过加快读取速度和加快处理速度来考虑。因此从这两个方面都使用多线程来处理。对于消息处理的业务处理逻辑用线程池来做。对于加快消息监听读取速度可以使用1.使用多个监听器监听一个队列；2.使用一个监听器开启多线程监听。 对于上面提到的方法2使用一个监听器开启多线
  • 第一个SpringMvc例子 布衣凌宇 spring mvc
    第一步：导入需要的包； 第二步：配置web.xml文件 <?xml version="1.0" encoding="UTF-8"?> <web-app version="2.5" xmlns="http://java.sun.com/xml/ns/javaee" xmlns:xsi=
  • 我的spring学习笔记15-容器扩展点之PropertyOverrideConfigurer aijuans Spring3
    PropertyOverrideConfigurer类似于PropertyPlaceholderConfigurer，但是与后者相比，前者对于bean属性可以有缺省值或者根本没有值。也就是说如果properties文件中没有某个bean属性的内容，那么将使用上下文（配置的xml文件）中相应定义的值。如果properties文件中有bean属性的内容，那么就用properties文件中的值来代替上下
  • 通过XSD验证XML antlove xmlschemaxsdvalidationSchemaFactory
    1. XmlValidation.java package xml.validation; import java.io.InputStream; import javax.xml.XMLConstants; import javax.xml.transform.stream.StreamSource; import javax.xml.validation.Schem
  • 文本流与字符集 百合不是茶 PrintWrite()的使用字符集名字 别名获取
    文本数据的输入输出;           输入;数据流,缓冲流         输出;介绍向文本打印格式化的输出PrintWrite();   package 文本流; import java.io.FileNotFound
  • ibatis模糊查询sqlmap-mapping-**.xml配置 bijian1013 ibatis
            正常我们写ibatis的sqlmap-mapping-*.xml文件时，传入的参数都用##标识，如下所示： <resultMap id="personInfo" class="com.bijian.study.dto.PersonDTO"> <res
  • java jvm常用命令工具——jdb命令(The Java Debugger) bijian1013 javajvmjdb
            用来对core文件和正在运行的Java进程进行实时地调试，里面包含了丰富的命令帮助您进行调试，它的功能和Sun studio里面所带的dbx非常相似，但 jdb是专门用来针对Java应用程序的。         现在应该说日常的开发中很少用到JDB了，因为现在的IDE已经帮我们封装好了，如使用ECLI
  • 【Spring框架二】Spring常用注解之Component、Repository、Service和Controller注解 bit1129 controller
    在Spring常用注解第一步部分【Spring框架一】Spring常用注解之Autowired和Resource注解（http://bit1129.iteye.com/blog/2114084）中介绍了Autowired和Resource两个注解的功能，它们用于将依赖根据名称或者类型进行自动的注入，这简化了在XML中，依赖注入部分的XML的编写，但是UserDao和UserService两个bea
  • cxf wsdl2java生成代码super出错,构造函数不匹配 bitray super
        由于过去对于soap协议的cxf接触的不是很多,所以遇到了也是迷糊了一会.后来经过查找资料才得以解决. 初始原因一般是由于jaxws2.2规范和jdk6及以上不兼容导致的.所以要强制降为jaxws2.1进行编译生成.我们需要少量的修改: 我们原来的代码 wsdl2java com.test.xxx -client http://..... 修改后的代
  • 动态页面正文部分中文乱码排障一例 ronin47
    公司网站一部分动态页面，早先使用apache+resin的架构运行，考虑到高并发访问下的响应性能问题，在前不久逐步开始用nginx替换掉了apache。 不过随后发现了一个问题，随意进入某一有分页的网页，第一页是正常的（因为静态化过了）；点“下一页”，出来的页面两边正常，中间部分的标题、关键字等也正常，唯独每个标题下的正文无法正常显示。 因为有做过系统调整，所以第一反应就是新上
  • java-54- 调整数组顺序使奇数位于偶数前面 bylijinnan java
    import java.util.Arrays; import java.util.Random; import ljn.help.Helper; public class OddBeforeEven { /** * Q 54 调整数组顺序使奇数位于偶数前面 * 输入一个整数数组，调整数组中数字的顺序，使得所有奇数位于数组的前半部分，所有偶数位于数组的后半
  • 从100PV到1亿级PV网站架构演变 cfyme 网站架构
    一个网站就像一个人，存在一个从小到大的过程。养一个网站和养一个人一样，不同时期需要不同的方法，不同的方法下有共同的原则。本文结合我自已14年网站人的经历记录一些架构演变中的体会。 1：积累是必不可少的 架构师不是一天练成的。 1999年，我作了一个个人主页，在学校内的虚拟空间，参加了一次主页大赛，几个DREAMWEAVER的页面，几个TABLE作布局，一个DB连接，几行PHP的代码嵌入在HTM
  • [宇宙时代]宇宙时代的GIS是什么？ comsci Gis
           我们都知道一个事实，在行星内部的时候，因为地理信息的坐标都是相对固定的，所以我们获取一组GIS数据之后，就可以存储到硬盘中，长久使用。。。但是，请注意，这种经验在宇宙时代是不能够被继续使用的          宇宙是一个高维时空
  • 详解create database命令 czmmiao database
    完整命令 CREATE DATABASE mynewdb   USER SYS IDENTIFIED BY sys_password   USER SYSTEM IDENTIFIED BY system_password   LOGFILE GROUP 1 ('/u01/logs/my/redo01a.log','/u02/logs/m
  • 几句不中听却不得不认可的话 datageek
    1、人丑就该多读书。 2、你不快乐是因为：你可以像猪一样懒，却无法像只猪一样懒得心安理得。 3、如果你太在意别人的看法，那么你的生活将变成一件裤衩，别人放什么屁，你都得接着。 4、你的问题主要在于：读书不多而买书太多，读书太少又特爱思考，还他妈话痨。 5、与禽兽搏斗的三种结局：(1)、赢了，比禽兽还禽兽。(2)、输了，禽兽不如。(3)、平了，跟禽兽没两样。结论：选择正确的对手很重要。 6
  • 1 14:00 PHP中的“syntax error, unexpected T_PAAMAYIM_NEKUDOTAYIM”错误 dcj3sjt126com PHP
    原文地址：http://www.kafka0102.com/2010/08/281.html   因为需要，今天晚些在本机使用PHP做些测试，PHP脚本依赖了一堆我也不清楚做什么用的库。结果一跑起来，就报出类似下面的错误：“Parse error: syntax error, unexpected T_PAAMAYIM_NEKUDOTAYIM in /home/kafka/test/
  • xcode6 Auto layout and size classes dcj3sjt126com ios
    官方GUI   https://developer.apple.com/library/ios/documentation/UserExperience/Conceptual/AutolayoutPG/Introduction/Introduction.html   iOS中使用自动布局（一）   http://www.cocoachina.com/ind
  • 通过PreparedStatement批量执行sql语句【sql语句相同，值不同】 梦见x光 sql事务批量执行
    比如说：我有一个List需要添加到数据库中，那么我该如何通过PreparedStatement来操作呢？ public void addCustomerByCommit(Connection conn , List<Customer> customerList) {    String sql = "inseret into customer(id
  • 程序员必知必会----linux常用命令之十【系统相关】 hanqunfeng Linux常用命令
    一.linux快捷键 Ctrl+C : 终止当前命令 Ctrl+S : 暂停屏幕输出 Ctrl+Q : 恢复屏幕输出 Ctrl+U : 删除当前行光标前的所有字符 Ctrl+Z : 挂起当前正在执行的进程 Ctrl+L : 清除终端屏幕，相当于clear   二.终端命令 clear : 清除终端屏幕 reset : 重置视窗，当屏幕编码混乱时使用 time com
  • NGINX IXHONG nginx
    pcre 编译安装 nginx conf/vhost/test.conf   upstream admin { server 127.0.0.1:8080; }   server {                 listen       80; &
  • 设计模式--工厂模式 kerryg 设计模式
    工厂方式模式分为三种：   1、普通工厂模式：建立一个工厂类，对实现了同一个接口的一些类进行实例的创建。   2、多个工厂方法的模式：就是对普通工厂方法模式的改进，在普通工厂方法模式中，如果传递的字符串出错，则不能正确创建对象，而多个工厂方法模式就是提供多个工厂方法，分别创建对象。   3、静态工厂方法模式：就是将上面的多个工厂方法模式里的方法置为静态，
  • Spring InitializingBean/init-method和DisposableBean/destroy-method mx_xiehd javaspringbeanxml
    1.initializingBean/init-method 实现org.springframework.beans.factory.InitializingBean接口允许一个bean在它的所有必须属性被BeanFactory设置后，来执行初始化的工作，InitialzingBean仅仅指定了一个方法。 通常InitializingBean接口的使用是能够被避免的，（不鼓励使用，因为没有必要
  • 解决Centos下vim粘贴内容格式混乱问题 qindongliang1922 centosvim
    有时候，我们在向vim打开的一个xml，或者任意文件中，拷贝粘贴的代码时，格式莫名其毛的就混乱了，然后自己一个个再重新，把格式排列好，非常耗时，而且很不爽，那么有没有办法避免呢？ 答案是肯定的，设置下缩进格式就可以了，非常简单： 在用户的根目录下 直接vi  ~/.vimrc文件 然后将set pastetoggle=<F9> 写入这个文件中，保存退出，重新登录，
  • netty大并发请求问题 tianzhihehe netty
    多线程并发使用同一个channel java.nio.BufferOverflowException: null at java.nio.HeapByteBuffer.put(HeapByteBuffer.java:183) ~[na:1.7.0_60-ea] at java.nio.ByteBuffer.put(ByteBuffer.java:832) ~[na:1.7.0_60-ea]
  • Hadoop NameNode单点问题解决方案之一 AvatarNode wyz2009107220 NameNode
    我们遇到的情况 Hadoop NameNode存在单点问题。这个问题会影响分布式平台24*7运行。先说说我们的情况吧。 我们的团队负责管理一个1200节点的集群(总大小12PB)，目前是运行版本为Hadoop 0.20，transaction logs写入一个共享的NFS filer(注：NetApp NFS Filer)。 经常遇到需要中断服务的问题是给hadoop打补丁。 DataNod
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他