flyingsen
flyingsen

java面试清单和书籍推荐 五颗星五颗星

前言

面试必备技能清单，这里不会详细论述，更多的是清单列举，罗列一些关键字和链接注释。

数据结构与算法

  • 排序算法

    • 选择排序
    • 冒泡排序
    • 插入排序
    • 快速排序
    • 快速排序（普通，二路，三路）
    • 归并排序
    • 希尔排序
    • 堆排序
    • 计数排序
      • https://www.jianshu.com/p/ff1797625d66
      •  
    • 桶排序
    • 基数排序
    • 二分查找
    • Java 中的排序工具

  • 数据结构

    • 红黑树（5点特性）

  • 思维拓展

    • 一堆字符串求出现次数最多的字符串

Java

  • Java 基础部分

  • Java 集合框架
    • ArrayList 与 LinkedList
    • Hashtable、Hashmap 与 ConcurrentHashmap
  • Java 并发编程
    • 线程状态
      • 新建、可运行（运行和就绪）、阻塞、无限期等待、限期等待、死亡
    • 实现线程三种方式（继承Thread，实现 Runnable 接口，实现 Callable 接口）
    • 并发两个关键问题
      • 线程通信
      • 线程同步
    • volatile 和 synchronized
    • lock 和 synchronized
    • Java内存模型（JMM），解决并发中的可见性，原子性，有序性问题
  • Java IO
    • 序列化
    • AIO、BIO、NIO
  • Java 虚拟机
    • 运行时数据区
    •  
  • Java 设计模式
    • 单例模式
    • 工厂模式

Java Web

  • Spring
    • IOC
    • AOP
    • DI
  • SpringMVC
    • 执行流程
  • MyBatis

数据库

  • 存储引擎

    • MyISAM（表级锁，不支持事务，全文索引，只读应用）
      • .frm / .myd / .myi
      • 非聚集索引
    • InnoDB（行级锁，最大支持并发，事务，表更新和查询都相当的频繁）
      • .frm / .ibd
      • 聚集索引，以主键为索引来组织数据

  • 索引（衡量标准：IO渐进复杂度）

    • Hash（冲突，无法做范围查询）
    • FullText（全文搜索，优化：前缀索引）
    • R-Tree（空间索引，附近三公里的数据怎么查询）
    • B+ Tree（B Tree：每个key、data信息存在结点，B+ Tree存在叶子节点）

  • 哪些情况下不会使用索引

    • 全表扫描更快
    • 条件中有or
    • 不是复合索引的第一部分
    • like以%开始

  • 隔离级别

    • 串行化
    • 可重复读
    • 读已提交
    • 读未提交

  • Redis 数据类型

    • String：字符串
    • Hash：字典
    • List：链表
    • Set：集合
    • Sorted Set：有序集合

操作系统

  • 进程和线程的区别

    • 资源、调度、开销、通信 4个方面来对比

  • 线程间通信

    • synchronized
    • while轮询
    • wait() / notify()
    • 管道

  • 进程通信

    • 直接通信
    • 间接通信

计算机网络

  • 应用层

    • HTTP请求和响应报文

  • 传输层

    • 为什么三次握手，两次不行吗
    • 四次挥手 TimeWait 作用
    • TCP可靠传输

分布式

  • 分布式通信协议

    • http
    • https
    • RESTful API

  • 分布式锁

项目

  • 扫码登录原理

  • Cookie 和 Session 的原理

  • 单点登录

  • 参考资料

    • 面试宝典

 

 

一、数据结构与算法

包含数据结构与算法两部分。

?阅读清单

  • 《算法4》
  • 《剑指Offer》
  • 《程序员面试指南》

?学习课程

  • 【慕课网】刘宇波：玩转数据结构，从入门到进阶
  • 【慕课网】刘宇波：程序员的内功修炼，学好算法与数据结构
  • 【慕课网】刘宇波：玩转算法面试 leetcode题库分门别类详细解析

二、Java

包含 Java 核心知识和 Java Web 框架。

?阅读清单

  • 《Java并发编程实战》
  •  
  • 《深入分析Java Web技术内幕》
  • 《阿里巴巴Java开发手册》
  • 《Java程序员面试笔试宝典》
  • 《Java网络编程》
  • 《Spring实战》
  • 《Spring MVC+MyBatis开发从入门到项目实战》
  • 《深入理解Java虚拟机》
  • 《Java核心技术 卷Ⅰ / Ⅱ》

?学习课程

  • 【廖雪峰】Java教程
  • 【龙果学院】Java并发编程原理与实战
  • 【龙果学院】深入理解Java虚拟机（jvm性能调优+内存模型+虚拟机原理）
  • 【慕课网】Java零基础入门
  • 【尚学堂】白鹤翔_jvm虚拟机优化
  • 【网易云课堂】Java开发工程师（Web方向）翁凯
  • 【慕课网】Spring Cloud微服务实战_廖师兄
  • 【黑马程序员】SSH框架_王泽
  • 【黑马程序员】SpringMVC+Mybatis
  • 【牛客网】初中高Python+Java项目实战_叶神

三、Web Server

  • 【网易云课堂】thinkphp5开发restful-api接口

四、面向对象

  • 《设计模式之禅》

  • 【极客学院】极客学院23种设计模式

五、数据库

?阅读清单

  • 《高性能MySQL》
  • 《Redis实战》

?学习课程

  • 【慕课网】MySQL性能管理及架构设计
  • 【慕课网】Redis从入门到高可用，分布式实践

六、操作系统

?阅读清单

  • 《Linux+C程序设计大全》
  • 《快乐的Linux命令行》
  • 《深入理解计算机系统》
  • 《UNIX环境高级编程》
  • 《Linux+高性能服务器编程》

?学习课程

  • 【慕课网】快速上手Linux 玩转典型应用
  • 【慕课在线】Linux达人养成计划 I-Linux的入门级课程！
  • 【慕课在线】Linux 达人养成计划 II VIM+磁盘管理+用户权限！
  • 【小甲鱼】零基础入门学习汇编语言
  • 操作系统_清华大学(向勇、陈渝)

七、计算机网络

?阅读清单

  • 《图解HTTP》
  • 《计算机网络原理创新教程》韩立刚主编

?学习课程

  • 【51CTO】韩老师-计算机网络原理-156讲
  • 【慕课网】HTTP协议原理+实践 Web开发工程师必学

八、系统架构

?阅读清单

?学习课程

  • 【慕课网】Nginx从入门到实践
  • 【咕泡学院】架构师系列课程

九、面试

  • 【慕课网】360大牛全面解读PHP面试

  • 【慕课网】Google面试官亲授 升级Java面试

十、机器学习

?阅读清单

  • 《机器学习实战》

?学习课程

  • 【慕课网】Python3入门机器学习 经典算法与应用
  • 【莫烦Python】机器学习系列

十一、工具

?学习课程

  • 【表严肃】讲正则表达式
  • 【表严肃】讲Git
  • 【慕课网】系统学习Docker 践行DevOps理念
  • 【慕课在线】IntelliJ IDEA神器使用技巧

你可能感兴趣的:(校招面经)

  • 搜广推校招面经九十三 Y1nhl 搜广推面经机器学习人工智能python算法推荐算法pytorch搜索算法
    字节懂车帝一面一、NDCG（NormalizedDiscountedCumulativeGain）的计算NDCG是信息检索和排序任务中常用的评价指标，用于衡量模型预测的排序质量与真实相关性排序的一致程度。1.1.DCG@k（DiscountedCumulativeGain）DCG@k=∑i=1krelilog⁡2(i+1)\text{DCG@k}=\sum_{i=1}^{k}\frac{rel_i
  • 搜广推校招面经九十一
    美团机器学习/数据挖掘算法工程师_二面一、介绍一下ESMM模型，是否有进行过函数推导传统的转化率建模方式：只用发生点击（click=1）的样本来训练CVR模型。CVR定义如下：CVR=P(y=1∣x,z=1)CVR=P(y=1|x,z=1)CVR=P(y=1∣x,z=1)y=1表示用户发生了转化（如购买）z=1表示用户点击了广告这样做的问题：样本选择偏差（SampleSelectionBias,S
  • 搜广推校招面经八十一 Y1nhl 搜广推面经开发语言机器学习人工智能深度学习推荐算法搜索算法pytorch
    OPPO搜广推一面面经一、介绍一下PLE模型在多任务学习（Multi-TaskLearning,MTL）中，多个任务共享部分模型结构，以提升整体效果。然而，不同任务间存在任务冲突（TaskConflict）问题，即不同任务对参数的优化方向不一致，导致性能下降。论文：Tang,Hongyan,etal.“ProgressiveLayeredExtraction(PLE):ANovelMulti-Ta
  • 搜广推校招面经七十六 Y1nhl 搜广推面经深度学习人工智能pytorch推荐算法搜索算法
    小米数据挖掘算法一、核函数（KernelFunction）有什么用核函数是一种用来计算数据在高维空间中内积的数学工具，不需要显式地进行维度变换，即可在原始空间中完成高维特征的计算。它是核技巧（KernelTrick）的核心，使得某些线性模型（如SVM）能在非线性空间中工作。核技巧：将低维非线性问题映射到高维线性问题，并通过核函数避免显式映射。1.1.内积vs映射设有两个向量：x=[x1,x2]，我
  • 搜广推校招面经七十三 Y1nhl 搜广推面经机器学习人工智能深度学习推荐算法搜索算法算法
    字节推荐算法字节比较注重实习项目，问的很细。一、点击率（CTR）建模中如何保证广告位自上而下CTR率依次递减？见【搜广推校招面经六十六】实际中，很多地方都需要单调性限制，比如如果我们预测广告的曝光率，不同广告位的广告肯定曝光率更高。如果预测一张券的使用率或者效果，一定是减免程度越大的效果更好。在推荐系统或信息流广告中，广告位是有强展示位置信号的：广告位越靠上，用户关注度越高，CTR趋势越高。通常业
  • 搜广推校招面经五十七 Y1nhl 搜广推面经搜索算法python推荐算法机器学习人工智能
    虾皮推荐算法一、AUC有什么缺陷，有更合适的指标去解决这个问题1.1.AUC的缺陷尽管AUC是一个广泛使用的指标，但它存在以下缺陷：1.1.1.无法反映真实的概率分布AUC仅考虑正负样本的相对排序，不关心预测概率的具体数值。例如：预测值{0.9,0.8,0.7,0.6}和{0.6,0.5,0.4,0.3}可能具有相同的AUC，但第一个更可信。1.1.2.不考虑真实决策阈值AUC计算基于所有可能的阈
  • 搜广推校招面经七十四 Y1nhl 搜广推面经机器学习人工智能算法搜索算法推荐算法广告算法python
    腾讯视频搜广推一、召回中的正负样本定义推荐系统中的召回阶段是从海量候选物品中快速筛出一部分“可能感兴趣”的物品，为排序阶段准备候选集。不同业务场景对正负样本的定义可能有差异，但是大差不差。正样本(PositiveSamples)用户真实点击、收藏、购买、点赞等行为对应的物品具体场景：推荐系统：用户实际点击/购买的物品搜索系统：与查询真正相关的文档广告系统：用户实际点击的广告负样本(Negative
  • 搜广推校招面经六十六 Y1nhl 搜广推面经机器学习python推荐算法广告算法搜索算法pytorch深度学习
    高德推荐算法一、介绍Transformer中的位置编码（PositionalEncoding）在Transformer结构中，由于模型没有内置的序列信息（不像RNN那样有时间步的顺序依赖），需要通过**位置编码（PositionalEncoding,PE）**来提供位置信息，使得模型能够区分不同token的相对位置。1.1.位置编码的作用由于Transformer采用的是自注意力机制（Self-A
  • 搜广推校招面经二十四 Y1nhl 搜广推面经推荐算法搜索引擎机器学习算法求职招聘
    阿里推荐算法一、无重复字符的最长子串（hot100_滑动窗口_中等）classSolution:deflengthOfLongestSubstring(self,s:str)->int:dic={}left=-1res=0forright,s1inenumerate(s):ifs1indic:left=max(dic[s1],left)dic[s1]=rightres=max(res,right-
  • 搜广推校招面经七十二 Y1nhl 搜广推面经学习深度学习人工智能pytorch推荐算法机器学习搜索算法
    滴滴搜索算法一、模型为什么不用单任务估pCVR，这不是更加直接？这是一个很有代表性的问题，在广告、推荐等场景中，经常会面临预测点击率（CTR）、转化率（CVR）或预估转化点击率（pCVR）的任务。首先：pCVR=P(Conversion∣Click)pCVR=P(Conversion|Click)pCVR=P(Conversion∣Click)也就是说，pCVR是在用户点击之后发生转化的概率，它是
  • 搜广推校招面经七十一 Y1nhl 搜广推面经数学建模深度学习推荐算法搜索算法广告算法人工智能
    滴滴算法工程师面经一、矩阵分解的原理与优化意义矩阵分解在推荐系统中是一个非常核心的方法，尤其是在协同过滤(CollaborativeFiltering)中。我们可以通过用户对物品的评分行为来推测用户的喜好，从而推荐他们可能喜欢的内容。1.1.直观理解：补全稀疏矩阵在推荐系统中，我们常见的用户-物品评分矩阵RRR是一个非常稀疏的矩阵：用户\物品电影A电影B电影C电影D用户15?3?用户2?4?2用户
  • 搜广推校招面经六十五 Y1nhl 搜广推面经机器学习算法人工智能推荐算法搜索算法
    蚂蚁金服-信贷部门一、为什么使用LayerNormalization而不是BatchNormalization？1.1.BatchNormalization(BN)的局限性BatchNormalization（BN）是一种常用的归一化方法，它在批次维度（batch）上进行归一化，计算均值和方差来调整激活值。但BN存在以下问题：(1)依赖BatchSizeBN需要在每个mini-batch内计算均值
  • 搜广推校招面经五十八 Y1nhl 搜广推面经机器学习算法人工智能推荐算法搜索算法深度学习求职招聘
    小红书推荐算法一、BN（BatchNormalization）在训练和测试的区别BatchNormalization（批归一化，BN）是一种加速深度神经网络训练的技术，它通过对每个mini-batch计算均值和方差来归一化输入特征，从而稳定训练过程，减少梯度消失/梯度爆炸问题。1.1.训练阶段在训练过程中，BN采用mini-batch统计信息进行归一化：计算方式：计算当前mini-batch的均值
  • 搜广推校招面经五十六 Y1nhl 搜广推面经深度学习推荐算法搜索算法广告算法人工智能
    字节推荐算法一、Attention的复杂度是多少？见【搜广推校招面经三十八】二、如何对普适性强的物品（如新华字典）设计指标进行降权2.1.问题背景普适性强的物品（如新华字典）在推荐系统或搜索排序中可能频繁出现，影响多样性和用户体验。因此，需要设计指标对其进行降权。但-平衡用户需求：在降权的同时，仍需满足用户对普适性物品的潜在需求。2.2.具体指标设计2.2.1.物品流行度降权定义：根据物品的流行度
  • 搜广推校招面经三十 Y1nhl 搜广推面经网络leetcode贪心算法python搜索引擎推荐算法
    虾皮推荐一、收益是由什么带来的，出价提升是否会导致ROI降低（第一段实习是广告算法，竞价出价）1.1.收益的来源（1）转化量转化量是直接带来收益的核心指标，例如购买次数、注册用户数、下载量等。转化量通常与流量（曝光）、点击率（CTR）、转化率（CVR）等因素相关。（2）转化价值每次转化的价值（如单笔订单金额、用户生命周期价值LTV）也直接影响收益。如果转化价值较高，即使转化量较低，也可能带来较高的
  • 搜广推校招面经五十四 Y1nhl 搜广推面经搜索算法python推荐算法机器学习人工智能
    美团推荐算法一、手撕Transformer的位置编码1.1.位置编码的作用Transformer模型没有显式的序列信息（如RNN的循环结构），因此需要通过位置编码（PositionalEncoding）为输入序列中的每个位置添加位置信息。位置编码的作用是：提供序列位置信息：帮助模型理解输入序列中元素的顺序。保持唯一性和连续性：确保每个位置的位置编码是唯一的，且相邻位置的位置编码是连续的。1.2.位
  • 搜广推校招面经五十三 Y1nhl 搜广推面经python机器学习人工智能推荐算法搜索算法算法
    小红书推荐算法一、ESMM(EntireSpaceMulti-TaskModel)ESMM（EntireSpaceMulti-TaskModel）是一种用于解决推荐系统中多任务学习问题的模型。它由阿里巴巴团队提出，主要用于处理点击率（CTR）和转化率（CVR）的联合预测问题。1.1.背景在推荐系统中，CTR和CVR是两个重要的指标：CTR（Click-ThroughRate）：用户点击广告的概率。
  • 搜广推校招面经五十五 Y1nhl 搜广推面经深度学习机器学习python推荐算法搜索算法广告算法人工智能
    腾讯搜推面经一、双塔模型有什么缺点双塔模型（Two-TowerModel）是一种常见的推荐系统或检索系统架构，尤其在处理大规模用户-物品交互数据时表现出色。1.1.特征交互受限问题：双塔模型将用户特征和物品特征分别编码为两个独立的向量（用户塔和物品塔），然后在顶层通过简单的点积或余弦相似度计算得分。这种设计限制了用户特征和物品特征之间的细粒度交互。影响：无法捕捉复杂的特征交叉信息，可能导致模型性能
  • 搜广推校招面经四十四 Y1nhl 搜广推面经python机器学习人工智能pytorch开发语言
    快手主站推荐算法一、因果里面前门准则是什么（Front-DoorCriterion）前门准则是因果推断中的一个重要概念，用于在存在未观测混杂因素的情况下识别因果效应。它由朱迪亚·珀尔（JudeaPearl）提出，是后门准则的补充。1.1.定义前门准则适用于以下情况：存在一个中介变量MMM，它完全介导了处理变量XXX对结果变量YYY的因果效应。处理变量XXX和结果变量YYY之间存在未观测的混杂因素U
  • 搜广推校招面经三十九 Y1nhl 搜广推面经数据挖掘人工智能机器学习深度学习算法推荐算法
    小红书﹣图搜一、两个整数的汉明距离两个整数之间的汉明距离是指这两个数字对应二进制位相同位置不同的个数。换句话说，它就是将一个整数变成另一个整数所需要改变的二进制位的数量。例如，如果两个整数在它们的二进制表示中有三个位置上的比特不同，那么这两个整数的汉明距离就是3。计算两个整数的汉明距离可以通过以下步骤实现：首先对这两个整数进行异或（XOR）运算。异或运算是按位操作，当且仅当输入位不同时输出为1。因
  • 搜广推校招面经三十八 Y1nhl 搜广推面经算法pytorch推荐算法搜索算法机器学习
    字节推荐算法一、场景题：在抖音场景下为用户推荐广告词，吸引用户点击搜索，呈现广告这一流程的关键点以及可能遇到的困难。二、Transformer中对梯度消失或者梯度爆炸的处理在Transformer模型中，梯度消失和梯度爆炸是深度学习中常见的问题，尤其是在处理长序列数据时。为了克服这些问题，Transformer采用了一系列技术：2.1.残差连接（ResidualConnections）每个子层（包
  • 搜广推校招面经四十 Y1nhl 搜广推面经机器学习搜索算法人工智能推荐算法算法
    字节-广告算法一、离线AUC涨了，但AB实验没涨，可能的原因？1.1.线上线下得样本空间不一致（SSB）线上模型使用的是实时获取的点击、曝光数据。线下使用的离线数据。这可能导致数据分布存在偏差。线上数据受曝光机制、冷启动、新品推荐等因素影响，与离线数据不完全匹配。线下数据存在采样偏差1.2.AUC这些指标无法衡量线上打分准确性。AUC毕竟只是衡量排序1.2.1.引申：PCOC（预估值/真实后验概率
  • 搜广推校招面经三十六 Y1nhl 搜广推面经机器学习人工智能算法python深度学习pytorch推荐算法
    快手推荐算法一、有10亿个数据量如何快速做召回在推荐系统的召回阶段，面对海量数据（如10亿条记录），需要快速筛选出与目标用户相关的候选物品集合。由于数据规模巨大，直接对所有数据进行计算是不现实的，因此需要设计高效的召回策略。1.1.核心挑战数据规模大:10亿级别的数据无法直接加载到内存中。实时性要求高:召回过程通常需要在毫秒级完成。稀疏性问题:用户行为数据通常是稀疏的，导致相似性计算复杂度增加。多
  • 数据挖掘校招面经二 Y1nhl 搜广推面经数据挖掘人工智能机器学习深度学习算法python
    得物数据挖掘一、线性回归y=ax中参数a如何计算1.1.a是待学习参数在线性回归中，a是模型的权重（或斜率），需要通过数据来学习其最优值。学习的目标是找到a的值，使得模型的预测值y^=ax\hat{y}=axy^=ax尽可能接近真实值y。1.2.最小二乘法在线性回归中，通常使用最小二乘法来学习a。最小二乘法的目标是最小化误差平方和（即真实值y和预测值y^\hat{y}y^之间的差异）：误差平方和=
  • 机器学习校招面经二 Y1nhl 搜广推面经机器学习人工智能算法推荐算法数据挖掘搜索算法pytorch
    快手机器学习算法一、AUC（AreaUndertheROCCurve）怎么计算？AUC接近1可能的原因是什么？见【搜广推校招面经四】AUC是评估分类模型性能的重要指标，用于衡量模型在不同阈值下区分正负样本的能力。它是ROC曲线（ReceiverOperatingCharacteristicCurve）下的面积。1.1.ROC曲线的坐标ROC曲线以真正例率（TruePositiveRate,TPR）
  • 搜广推校招面经二十八 Y1nhl 搜广推面经推荐算法求职招聘搜索引擎机器学习算法
    蚂蚁推荐算法一、介绍损失函数、为什么分类和回归的损失函数不能共用损失函数的介绍见【搜广推校招面经十八】1.1.分类和回归损失函数不能共用的原因分类和回归任务的目标不同，因此它们的损失函数设计也存在本质区别：输出空间的不同回归任务：目标是预测一个连续值（如房价、温度等）。输出空间是连续的实数范围。分类任务：目标是预测离散的类别标签（如“猫”或“狗”）或者概率。输出空间通常是有限的类别集合。误差衡量方
  • 搜广推校招面经十九 Y1nhl 搜广推面经搜索引擎推荐算法python求职招聘
    快手推荐算法一、1*1的cnn有什么作用？1.1.降维与通道数调整（ChannelReduction）在CNN中，特征图（FeatureMap）通常有多个通道（channels）。1×1卷积可以用于减少通道数，从而降低计算量，提高模型效率。1×1卷积可以增加通道数，以增强特征表达能力。示例代码（PyTorch）：importtorchimporttorch.nnasnnconv1x1=nn.Con
  • 代码随想录训练营第一天|704. 二分查找|27. 移除元素 2301_79125431 java
    【新手上路】语法入门&算法入门题单职场鸡汤—众生皆苦，怎样才能快乐一些？【影石Insta360-24届研发校招岗位-面经分享】统一给这些23届秋招毁意向、毁约的无良公司发封感谢信！暑期实习总结：致敬我的阿里云25面多益网络招人特殊经验总结华为上海，圣无线部门，技术预研##华为(59)#滴滴中望二面C++游戏海外市场营销/本地化面经烟草专卖局财务校招面经烟草专卖局（二面）财务校招面经模拟厂做数字就是
  • 多益校招面经--软件开发岗 weixin_43783216 面经学习心得c++面试
    多益网络2021校招面经软件开发岗笔试通过专业面试凉凉。。。第一次面试，太紧张了，很多东西提起来脑子一片空白。。。现在结束后想了一下都能想明白。。。以下是面经1、个人介绍2、项目介绍3、开发语言的了解程度（个人是C++）4、C++和JAVA的区别5、一道算法题给定一个集合S(没有重复元素),输出它所有的子集6、如果要设计一个实时排行榜处理海量数据，怎么实现？7、数据库8、STL容器9、如何自己实现
  • 格力软件设计岗位2024春招一面记录 疯狂学习GIS 保研考研毕设求职经验C++学习与应用面试春招校招面经格力软件开发程序员
      本文介绍2024届秋招中，格力的软件开发岗位一面的面试基本情况、提问问题等。  2024年01月投递了格力的电控软件设计岗位，但是后来简历似乎因为被调剂，被送到了另一个部门；具体部门叫什么我也没听清楚，但岗位就也还是软件开发方向的岗位。目前完成了一面，在这里记录一下一面经历；截至目前，面试已经结束大约半个月了，暂时还没有下文；但是想着争取年前将所有未完成的校招面经博客都发出来，所以就先将这一次
  • js动画html标签（持续更新中） 843977358 htmljs动画mediaopacity
    1.jQuery 效果 - animate() 方法    改变 "div" 元素的高度：    $(".btn1").click(function(){      $("#box").animate({height:"300px
  • springMVC学习笔记 caoyong springMVC
    1、搭建开发环境    a>、添加jar文件，在ioc所需jar包的基础上添加spring-web.jar,spring-webmvc.jar    b>、在web.xml中配置前端控制器       <servlet>     &nbs
  • POI中设置Excel单元格格式 107x poistyle列宽合并单元格自动换行
    引用：http://apps.hi.baidu.com/share/detail/17249059 POI中可能会用到一些需要设置EXCEL单元格格式的操作小结： 先获取工作薄对象: HSSFWorkbook wb = new HSSFWorkbook(); HSSFSheet sheet = wb.createSheet(); HSSFCellStyle setBorder = wb.
  • jquery 获取A href 触发js方法的this参数 无效的情况 一炮送你回车库 jquery
    html如下：  <td class=\"bord-r-n bord-l-n c-333\"> <a class=\"table-icon edit\" onclick=\"editTrValues(this);\">修改</a> </td>"   j
  • md5 3213213333332132 MD5
    import java.security.MessageDigest; import java.security.NoSuchAlgorithmException; public class MDFive { public static void main(String[] args) { String md5Str = "cq
  • 完全卸载干净Oracle11g sophia天雪 orale数据库卸载干净清理注册表
    完全卸载干净Oracle11g A、存在OUI卸载工具的情况下：     第一步：停用所有Oracle相关的已启动的服务；     第二步：找到OUI卸载工具：在“开始”菜单中找到“oracle_OraDb11g_home”文件夹中         &
  • apache 的access.log 日志文件太大如何解决 darkranger apache
    CustomLog logs/access.log common  此写法导致日志数据一致自增变大。 直接注释上面的语法 #CustomLog logs/access.log common 增加： CustomLog "|bin/rotatelogs.exe -l logs/access-%Y-%m-d.log 
  • Hadoop单机模式环境搭建关键步骤 aijuans 分布式
            Hadoop环境需要sshd服务一直开启，故，在服务器上需要按照ssh服务，以Ubuntu Linux为例，按照ssh服务如下： sudo apt-get install ssh sudo apt-get install rsync 编辑HADOOP_HOME/conf/hadoop-env.sh文件，将JAVA_HOME设置为Java
  • PL/SQL DEVELOPER 使用的一些技巧 atongyeye javasql
    1 记住密码 这是个有争议的功能，因为记住密码会给带来数据安全的问题。 但假如是开发用的库，密码甚至可以和用户名相同，每次输入密码实在没什么意义，可以考虑让PLSQL Developer记住密码。 位置：Tools菜单－－Preferences－－Oracle－－Logon HIstory－－Store with password 2 特殊Copy 在SQL Window
  • PHP：在对象上动态添加一个新的方法 bardo 方法动态添加闭包
    有关在一个对象上动态添加方法，如果你来自Ruby语言或您熟悉这门语言，你已经知道它是什么...... Ruby提供给你一种方式来获得一个instancied对象，并给这个对象添加一个额外的方法。   好！不说Ruby了，让我们来谈谈PHP   PHP未提供一个“标准的方式”做这样的事情，这也是没有核心的一部分...   但无论如何，它并没有说我们不能做这样
  • ThreadLocal与线程安全 bijian1013 javajava多线程threadLocal
    首先来看一下线程安全问题产生的两个前提条件：  1.数据共享，多个线程访问同样的数据。  2.共享数据是可变的，多个线程对访问的共享数据作出了修改。    实例：         定义一个共享数据： public static int a = 0;        
  • Tomcat 架包冲突解决 征客丶 tomcatWeb
    环境： Tomcat 7.0.6 win7 x64 错误表象：【我的冲突的架包是：catalina.jar 与 tomcat-catalina-7.0.61.jar 冲突，不知道其他架包冲突时是不是也报这个错误】 严重: End event threw exception java.lang.NoSuchMethodException: org.apache.catalina.dep
  • 【Scala三】分析Spark源代码总结的Scala语法一 bit1129 scala
    Scala语法 1. classOf运算符 Scala中的classOf[T]是一个class对象，等价于Java的T.class,比如classOf[TextInputFormat]等价于TextInputFormat.class    2. 方法默认值 defaultMinPartitions就是一个默认值，类似C++的方法默认值    
  • java 线程池管理机制 BlueSkator java线程池管理机制
    编辑 Add Tools   jdk线程池   一、引言 第一：降低资源消耗。通过重复利用已创建的线程降低线程创建和销毁造成的消耗。第二：提高响应速度。当任务到达时，任务可以不需要等到线程创建就能立即执行。第三：提高线程的可管理性。线程是稀缺资源，如果无限制的创建，不仅会消耗系统资源，还会降低系统的稳定性，使用线程池可以进行统一的分配，调优和监控。  
  • 关于hql中使用本地sql函数的问题（问-答） BreakingBad HQL存储函数
    转自于：http://www.iteye.com/problems/23775 问： 我在开发过程中，使用hql进行查询（mysql5）使用到了mysql自带的函数find_in_set()这个函数作为匹配字符串的来讲效率非常好，但是我直接把它写在hql语句里面（from ForumMemberInfo fm,ForumArea fa where find_in_set(fm.userId,f
  • 读《研磨设计模式》-代码笔记-迭代器模式-Iterator bylijinnan java设计模式
    声明： 本文只为方便我个人查阅和理解，详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/ import java.util.Arrays; import java.util.List; /** * Iterator模式提供一种方法顺序访问一个聚合对象中各个元素，而又不暴露该对象内部表示 * * 个人觉得，为了不暴露该
  • 常用SQL chenjunt3 oraclesqlC++cC#
    --NC建库 CREATE TABLESPACE NNC_DATA01 DATAFILE 'E:\oracle\product\10.2.0\oradata\orcl\nnc_data01.dbf' SIZE 500M AUTOEXTEND ON NEXT 50M EXTENT MANAGEMENT LOCAL UNIFORM SIZE 256K ; CREATE TABLESPA
  • 数学是科学技术的语言 comsci 工作活动领域模型
      从小学到大学都在学习数学，从小学开始了解数字的概念和背诵九九表到大学学习复变函数和离散数学，看起来好像掌握了这些数学知识，但是在工作中却很少真正用到这些知识，为什么？    最近在研究一种开源软件-CARROT2的源代码的时候，又一次感觉到数学在计算机技术中的不可动摇的基础作用，CARROT2是一种用于自动语言分类（聚类）的工具性软件，用JAVA语言编写，它
  • Linux系统手动安装rzsz 软件包 daizj linuxszrz
    1、下载软件 rzsz-3.34.tar.gz。登录linux，用命令 wget http://freeware.sgi.com/source/rzsz/rzsz-3.48.tar.gz下载。 2、解压 tar zxvf  rzsz-3.34.tar.gz 3、安装  cd rzsz-3.34 ; make posix 。注意：这个软件安装与常规的GNU软件不
  • 读源码之:ArrayBlockingQueue dieslrae java
        ArrayBlockingQueue是concurrent包提供的一个线程安全的队列,由一个数组来保存队列元素.通过 takeIndex和 putIndex来分别记录出队列和入队列的下标,以保证在出队列时 不进行元素移动. //在出队列或者入队列的时候对takeIndex或者putIndex进行累加,如果已经到了数组末尾就又从0开始,保证数
  • C语言学习九枚举的定义和应用 dcj3sjt126com c
    枚举的定义 # include <stdio.h> enum WeekDay { MonDay, TuesDay, WednesDay, ThursDay, FriDay, SaturDay, SunDay }; int main(void) { //int day; //day定义成int类型不合适 enum WeekDay day = Wedne
  • Vagrant 三种网络配置详解 dcj3sjt126com vagrant
    Forwarded port Private network Public network Vagrant 中一共有三种网络配置，下面我们将会详解三种网络配置各自优缺点。 端口映射(Forwarded port)，顾名思义是指把宿主计算机的端口映射到虚拟机的某一个端口上，访问宿主计算机端口时，请求实际是被转发到虚拟机上指定端口的。Vagrantfile中设定语法为： c
  • 16.性能优化-完结 frank1234 性能优化
    性能调优是一个宏大的工程，需要从宏观架构(比如拆分，冗余，读写分离，集群，缓存等)， 软件设计（比如多线程并行化，选择合适的数据结构）， 数据库设计层面（合理的表设计，汇总表，索引，分区，拆分，冗余等） 以及微观（软件的配置，SQL语句的编写，操作系统配置等）根据软件的应用场景做综合的考虑和权衡，并经验实际测试验证才能达到最优。 性能水很深， 笔者经验尚浅 ，赶脚也就了解了点皮毛而已，我觉得
  • Word Search hcx2013 search
    Given a 2D board and a word, find if the word exists in the grid. The word can be constructed from letters of sequentially adjacent cell, where "adjacent" cells are those horizontally or ve
  • Spring4新特性——Web开发的增强 jinnianshilongnian springspring mvcspring4
    Spring4新特性——泛型限定式依赖注入 Spring4新特性——核心容器的其他改进 Spring4新特性——Web开发的增强 Spring4新特性——集成Bean Validation 1.1(JSR-349)到SpringMVC  Spring4新特性——Groovy Bean定义DSL Spring4新特性——更好的Java泛型操作API  Spring4新
  • CentOS安装配置tengine并设置开机启动 liuxingguome centos
    yum install gcc-c++  yum install pcre pcre-devel  yum install zlib zlib-devel  yum install openssl openssl-devel Ubuntu上可以这样安装 sudo aptitude install libdmalloc-dev libcurl4-opens
  • 第14章 工具函数（上） onestopweb 函数
    index.html <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> <html xmlns="http://www.w3.org/
  • Xelsius 2008 and SAP BW at a glance blueoxygen BOXelsius
    Xelsius提供了丰富多样的数据连接方式，其中为SAP BW专属提供的是BICS。那么Xelsius的各种连接的优缺点比较以及Xelsius是如何直接连接到BEx Query的呢？ 以下Wiki文章应该提供了全面的概览。   http://wiki.sdn.sap.com/wiki/display/BOBJ/Xcelsius+2008+and+SAP+NetWeaver+BW+Co
  • oracle表空间相关 tongsh6 oracle
    在oracle数据库中，一个用户对应一个表空间，当表空间不足时，可以采用增加表空间的数据文件容量，也可以增加数据文件，方法有如下几种： 1.给表空间增加数据文件    ALTER TABLESPACE "表空间的名字" ADD DATAFILE    '表空间的数据文件路径' SIZE 50M;   &nb
  • .Net framework4.0安装失败 yangjuanjava .netwindows
    上午的.net framework 4.0，各种失败，查了好多答案，各种不靠谱，最后终于找到答案了 和Windows Update有关系，给目录名重命名一下再次安装，即安装成功了！ 下载地址：http://www.microsoft.com/en-us/download/details.aspx?id=17113 方法： 1.运行cmd，输入net stop WuAuServ 2.点击开
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他