- 排列组合数的一些公式
wuming先生
绪论:加法原理、乘法原理#分类计数原理:做一件事,有nn类办法,在第11类办法中有m1m1种不同的方法,在第22类办法中有m2m2种不同的方法,…,在第nn类办法中有mnmn种不同的方法,那么完成这件事共有N=m1+m2+…+mnN=m1+m2+…+mn种不同的方法。分步计数原理:完成一件事,需要分成nn个步骤,做第11步有m1m1种不同的方法,做第22步有m2m2种不同的方法,…,做第nn步有m
- NCNN GPU初始化加速——cache实现
陈立里
ncnn
概要NCNN的CPU初始化速度很快,但是当使用GPU进行推理时,初始化往往要花费几秒甚至更长时间。其他框架例如MNN有载入cache的方式来进行加速,NCNN目前没有相关接口来实现加速,那么NCNN是否也可以加载cache来实现加速呢?整体流程通过测速以及查看NCNN的源码可以发现,在gpu.cpp源文件下的VulkanDevice::create_pipeline函数内的vkCreateComp
- 手写数字识别从训练到部署全流程详解——模型在Android端的部署
彧侠
综述:目前深度学习模型在移动端的使用已越来越广泛,而移动端设备的性能表现自然无法与PC端相提并论,目前市面上基本所有的训练框架训练出来的模型都无法直接在移动端上使用和推理,尽管部分框架同时做了移动端部署功能(如Tensorflow-lite、pytorch-mobile等),但是在性能表现上对比专业的部署框架(如ncnn、mnn等)没有任何优势,基于之前对部署框架的使用经验,下面我就以手写数字识别
- 【深度学习】MNN ImageProcess处理图像顺序,逻辑,均值,方差
XD742971636
深度学习机器学习深度学习mnnImageProcess
文章目录介绍Opencvnumpy等效的MNN处理介绍MNNImageProcess处理图像是先reisze还是后resize,均值方差怎么处理,是什么通道顺序?这篇文章告诉你答案。Opencvnumpy这段代码是一个图像预处理函数,用于对输入的图像进行一系列处理,以便将其用于某些机器学习模型的输入。cv2.imdecode(np.fromfile(imgpath,dtype=np.uint8),
- VS CMAKE链接MNN静态库,使用pybind11生成python接口
qizhen816
pybind11的使用教程已经有很多了,参考https://zhuanlan.zhihu.com/p/93299698,建议使用vcpkg安装pybind11pybind11:x64-windows-static等等库我的接口形式为voidface_handler(py::module&m){py::class_(m,"RFInfer").def(py::init()).def("__call__
- MNN编译android版本脚本
yuhongjiu
#!/bin/bash./schema/generate.shexportANDROID_NDK="/home/yw/android_ndk/android-ndk-r18b"rm-rfbuild_androidmkdirbuild_androidcdbuild_androidfunctionbuild_android{mkdir$PREFIXcd$PREFIXcmake../../../-DCM
- 鸿蒙使用第三方SO库
neo_尼欧
HarmonyOSOpenharmonyOpenHarmonyharmonyosHAP
一、示例:使用第三方SO库以导入OpenCV和MNN的SO库为例1、将MNN和Opencv的so文件(包括.407文件),放入模块下libs目录对应的版本(arm64-v8a和armeabi-v7a)entry/libs/arm64-v8a/xxx.so2、配置模块目录下的build-profile.json5的buildOption字段,增加abiFilters字段:"buildOption":
- 大模型内容分享(二十八):mnn-llm: 大语言模型端侧CPU推理优化
之乎者也·
大模型(FoundationModel)内容分享AI(人工智能)内容分享mnn语言模型人工智能
在大语言模型(LLM)端侧部署上,基于MNN实现的mnn-llm项目已经展现出业界领先的性能,特别是在ARM架构的CPU上。目前利用mnn-llm的推理能力,qwen-1.8b在mnn-llm的驱动下能够在移动端达到端侧实时会话的能力,能够在较低内存(<2G)的情况下,做到快速响应。目录背景模型导出模型部署性能优化性能测试总结与展望项目代码团队介绍背景在大型语言模型(LLM)领域的迅猛发展背景下,
- [MNN]vs2019编译MNN x86
FL1623863129
深度学习mnnc++人工智能
打开开始编译cd/path/to/MNNmkdirbuild&&cdbuildcmake-G"NMakeMakefiles"-DCMAKE_BUILD_TYPE=Release..nmake
- 香橙派--编译MNN报错,关于汇编的嵌套展开
lindsayshuo
mnn汇编人工智能
先看报错:/home/orangepi/MNN-master/source/backend/cpu/arm/arm64/bf16/ARMV86_MNNPackedMatMulRemain_BF16.S:158:Fatalerror:macrosnestedtoodeeply再看代码:PostTreatLH8:FMAXv9,v15,v16,v17,v18FMAXv9,v19,v20,v21,v22F
- mnn-llm: 大语言模型端侧CPU推理优化
阿里巴巴淘系技术团队官网博客
mnn语言模型人工智能深度学习机器学习
在大语言模型(LLM)端侧部署上,基于MNN实现的mnn-llm项目已经展现出业界领先的性能,特别是在ARM架构的CPU上。目前利用mnn-llm的推理能力,qwen-1.8b在mnn-llm的驱动下能够在移动端达到端侧实时会话的能力,能够在较低内存(<2G)的情况下,做到快速响应。背景在大型语言模型(LLM)领域的迅猛发展背景下,开源社区已经孵化了众多优异的LLM模型。这些模型在自然语言处理的各
- 探索模块化神经网络在现代人工智能中的功效和应用
无水先生
NLP高级和ChatGPT人工智能人工智能神经网络深度学习
一、介绍在快速发展的人工智能领域,模块化神经网络(MNN)已成为一项关键创新。与遵循整体方法的传统神经网络架构不同,MNN采用分散式结构。本文深入探讨了MNN的基础知识、它们的优势、应用以及它们带来的挑战。@evertongomede在人工智能领域,模块化神经网络证明了协作智能的力量,体现了整体大于部分之和的原则。二、了解模块化神经网络模块化神经网络代表了神经网络设计的范式转变。核心思想是将复杂问
- 移动端模型部署框架
落花逐流水
pytorch实践人工智能pytorch
移动端模型部署框架1.MNN整体特点轻量性通用性高性能易用性架构设计主体工具致谢移动端模型部署框架1.MNNhttps://www.yuque.com/mnn/cn/aboutMNN是全平台轻量级高性能深度学习引擎,广泛支持了阿里巴巴在计算机视觉、语音识别技术、自然语言处理等领域的70多个AI应用场景,包含淘宝搜索、拍立淘、淘宝直播、AR导购等,日调用量达十亿量级。
- Microsoft C++ 异常: std::length_error,位于内存位置 0x000000AF9B7AF810 处
AI视觉网奇
c++入门宝典c++
mnn运行报错:0x00007FFCFD1C4ED9处(位于mnn_yolo.exe中)有未经处理的异常:MicrosoftC++异常:std::length_error,位于内存位置0x000000AF9B7AF810处。原因:release库,选择运行库模式mtd,这时需要引用debug库,但是运行会报错。解决方法:release,运行库需要设置成mt或者mddebug,运行库需要设置为MTd
- 【AI】模型结构可视化工具Netron应用
TopFancy
人工智能人工智能模型可视化Netron
随着AI模型的发展,模型的结构也变得越来越复杂,理解起来越来越困难,这时候能够画一张结构图就好了,就像我们在开发过程中用到的UML类图,能够直观看出不同层之间的关系,于是Netron就来了。Netron支持神经网络、深度学习和机器学习网络的可视化。支持ONNX,TensorFlowLite,CoreML,Keras,Caffe,Darknet,MXNet,PaddlePaddle,ncnn,MNN
- conan入门(二十九):对阿里mnn进行Conan封装塈conans.CMake和conan.tools.cmake.CMake的区别
10km
conandeeplearningmnnconanconanfile.pyaarch64cmake
去年写过一篇博客《conan入门(十九):封装第三方开源库cpp_redis示例》,当时通过自己写conanfile.py,实现了对第三方库cpp_redis的conan封装。当时使用的conan1.45.0时过一年多,conan版本也经过了很多次升级,最新的版本是2.x,不过为了保持兼容现在我使用的版本是1.60.0conans.CMakeVSconan.tools.cmake.CMake当时使
- Int8量化算子在移动端CPU的性能优化
阿里巴巴淘系技术团队官网博客
性能优化
本文介绍了DepthwiseConvolution的Int8算子在移动端CPU上的性能优化方案。ARM架构的升级和相应指令集的更新不断提高移动端各算子的性能上限,结合数据重排和Sdot指令能给DepthwiseConv量化算子的性能带来较大提升。背景MNN对ConvolutionDepthwiseInt8量化算子在ARMV8(64位)和ARMV8.2上的性能做了较大的优化,主要优化方法包括改变数据
- pth转onnx转mnn bug总结
三寸光阴___
MNN网络结构
pytorch版yolov3转onnx样例importtorchimporttorchvisionimportnumpyasnpfromonnxruntime.datasetsimportget_exampleimportonnxruntimefromonnximportshape_inferenceimportonnximportosfrommodelsimport*img_size=416cf
- 深度学习可视化工具:Netron
泠山
深度学习深度学习人工智能
Netron是一个用于神经网络、深度学习和机器学习模型的可视化工具。Netron支持ONNX、TensorFlowLite、Caffe、Keras、Darknet、PaddlePaddle、ncnn、MNN、CoreML、RKNN、MXNet、MindSporeLite、TNN、Barracuda、Tengine、CNTK、TensorFlow.js、Caffe2和UFF。它还实验性支持PyTor
- nndeploy:一款最新上线的支持多平台、简单易用、高性能的机器学习部署框架
nudt_qxx
c++mnnpaddlepytorch
项目地址:https://github.com/Alwaysssssss/nndeploy介绍nndeploy是一款最新上线的支持多平台、高性能、简单易用的机器学习部署框架。做到一个框架就可完成多端(云、边、端)模型的高性能部署。作为一个多平台模型部署工具,我们的框架最大的宗旨就是高性能以及使用简单贴心,目前nndeploy已完成TensorRT、OpenVINO、ONNXRuntime、MNN、
- 管理类联考——数学——汇总篇——知识点突破——数据分析——计数原理——加法原理&减法原理
fo安方
管理类专业学位联考MBAEME—share考研学习EMEMBAEMBA
角度——⛲️一、考点讲解分类计数原理(加法原理)(1)定义如果完成一件事有n类办法,只要选择其中一类办法中的任何一种方法,就可以完成这件事。若第一类办法中有m1m_1m1种不同的方法,第二类办法中有m2m_2m2种不同的方法…第n类办法中有mnm_nmn种不同的办法,那么完成这件事共用N=m1+m2+...+mnN=m_1+m_2+...+m_nN=m1+m2+...+mn种不同的方法。(2)理解
- 友善之臂NanoPC-T4 RK3399 配置 安装TensorFlow2 Pytorch
Yuuchuin
pythonLinuxlinux深度学习
文章目录1.简单介绍用户与密码2.改系统-安卓改Linux避坑3.换源-备份官方源-换国内源--清华源:--华为源(据说很快):-更新软件列表和升级4.文件传输-U盘传输文件-通过XFTP传输5.远程连接6.安装Mini-forge7.编译安装MNN-编译推理部分-编译训练部分-编译转换部分-姿态检测Demo8.安装MNNPythonAPI9.安装TensorFlow2.X10.安装TensorF
- 信科算法课课后思考题
lucia320
https://wenku.baidu.com/view/7c9de809581b6bd97f19ea72.html鹰蛋问题两颗蛋:考虑sqrt(n)的方式逐个扔蛋M颗蛋,N层楼:(1)动态规划,O(MNN)=O(N3)f(i,j)=min{max(f(i-1,w-1),f(i,j-w))|1log2(N),使用二分法最坏情况下的最小次数必然是log2(N+1);故只需考虑M<=log2(N)的情
- NBIS系列单细胞转录组数据分析实战(三):多样本数据整合
Davey1220
第三节:多样本数据整合在本节教程中,我们将探讨多个样本scRNA-seq数据集整合的不同方法。我们使用两种不同的方法来校正跨数据集的批处理效应。同时,我们还给出一种量化措施,以评估不同数据集整合的效果。Seurat使用单细胞数据综合集成中介绍的数据整合方法,而Scran和Scanpy使用相互最近邻方法(MNN)。以下是用于多样本数据集整合的常用方法:MarkdownLanguageLibraryR
- ChatGLM 项目集合
张志翔的博客
ChatGLM实战教程人工智能自然语言处理语言模型
chatGLM项目对ChatGLM进行加速或者重新实现的开源项目:SwissArmyTransformer:一个Transformer统一编程框架,ChatGLM-6B已经在SAT中进行实现并可以进行P-tuning微调。ChatGLM-MNN:一个基于MNN的ChatGLM-6BC++推理实现,支持根据显存大小自动分配计算任务给GPU和CPUJittorLLMs:最低3G显存或者没有显卡都可运行
- 修改MNN模型参数和节点的方法
星辰辰大海
深度学习神经网络计算机视觉mnn
最近有需求要更改MNN模型的结构,在网上找了好久,只找到两篇相关的,但是试了一下都没成功。之后我在钉钉群里面问了一下,得到此方法。编译的converter里面会有一个MNNDump2Json和MNNRevert2Buffer。我们可以使用:./MNNDump2JsonXXX.mnnXXX.json将mnn模型转为json文件。然后我们可以在json文件里面找到我们要修改的节点进行修改。最后使用:.
- onnx模型修改:将均值和方差放到模型中
CodingInCV
开发工具onnxpython深度学习
训练模型时,一般都会对原始数据进行归一化再送入网络,即减均值和除方差。在部署时,我们也要进行同样的操作。有些推理框架会提供对应的接口,我们只需要设置均值和方差即可,如MNN.也有一些框架不提供这样的功能,如Tensorrt,这时,我们就需要自己去逐像素进行这个操作,不仅繁琐,还可能比较耗时。还有一种方式是将这个操作放到模型中,一个方法是在我们的原始pytorch模型中增加一个固定参数的Batchn
- yolov8-mnn C++部署
zaibeijixing
深度学习C/C++YOLOmnn部署c++
版权声明:本文为博主原创文章,遵循CC4.0BY-SA版权协议,转载请附上原文出处链接和本声明。本文链接:https://blog.csdn.net/zaibeijixing/article/details/131581809————————————————目录准备工作1、MNN编译2、yolov8-mnn文件夹构建3、编译4、执行附:yolov8_demo.cppCMakeLists.txt准备
- MNN学习笔记(八):使用MNN推理Mediapipe模型
MirrorYuChen
MNNmnnmediapipe-handmediapipe-facemediapipe-body
1.项目说明最近需要用到一些mediapipe中的模型功能,于是尝试对mediapipe中的一些模型进行转换,并使用MNN进行推理;主要模型包括:图像分类、人脸检测及人脸关键点mesh、手掌检测及手势关键点、人体检测及人体关键点、图像嵌入特征向量、图像特征点检测及匹配模型;2.一些效果:3.项目开源地址Mediapipe-MNN欢迎大家体验并点star~
- 【水文】基于 MNN 训练能力解方程
夕阳叹
mnn人工智能深度学习
【水文】基于MNN训练能力解方程简介许久没上,水篇文章,事由同学想由房贷月还款额推测年利率:月还款额=pow(年利率/12+1,期数)*(年利率/12)*贷款总额/(pow(年利率/12+1,期数)-1)这个方程直接求解感觉比较麻烦,考虑使用梯度下降法。深度学习框架基本都支持求导和优化,MNN也支持。所以安装pymnn,把方程用MNN的仿numpy接口实现一遍,然后写个loss训练就好了。基于MN
- HQL之投影查询
归来朝歌
HQLHibernate查询语句投影查询
在HQL查询中,常常面临这样一个场景,对于多表查询,是要将一个表的对象查出来还是要只需要每个表中的几个字段,最后放在一起显示?
针对上面的场景,如果需要将一个对象查出来:
HQL语句写“from 对象”即可
Session session = HibernateUtil.openSession();
- Spring整合redis
bylijinnan
redis
pom.xml
<dependencies>
<!-- Spring Data - Redis Library -->
<dependency>
<groupId>org.springframework.data</groupId>
<artifactId>spring-data-redi
- org.hibernate.NonUniqueResultException: query did not return a unique result: 2
0624chenhong
Hibernate
参考:http://blog.csdn.net/qingfeilee/article/details/7052736
org.hibernate.NonUniqueResultException: query did not return a unique result: 2
在项目中出现了org.hiber
- android动画效果
不懂事的小屁孩
android动画
前几天弄alertdialog和popupwindow的时候,用到了android的动画效果,今天专门研究了一下关于android的动画效果,列出来,方便以后使用。
Android 平台提供了两类动画。 一类是Tween动画,就是对场景里的对象不断的进行图像变化来产生动画效果(旋转、平移、放缩和渐变)。
第二类就是 Frame动画,即顺序的播放事先做好的图像,与gif图片原理类似。
- js delete 删除机理以及它的内存泄露问题的解决方案
换个号韩国红果果
JavaScript
delete删除属性时只是解除了属性与对象的绑定,故当属性值为一个对象时,删除时会造成内存泄露 (其实还未删除)
举例:
var person={name:{firstname:'bob'}}
var p=person.name
delete person.name
p.firstname -->'bob'
// 依然可以访问p.firstname,存在内存泄露
- Oracle将零干预分析加入网络即服务计划
蓝儿唯美
oracle
由Oracle通信技术部门主导的演示项目并没有在本月较早前法国南斯举行的行业集团TM论坛大会中获得嘉奖。但是,Oracle通信官员解雇致力于打造一个支持零干预分配和编制功能的网络即服务(NaaS)平台,帮助企业以更灵活和更适合云的方式实现通信服务提供商(CSP)的连接产品。这个Oracle主导的项目属于TM Forum Live!活动上展示的Catalyst计划的19个项目之一。Catalyst计
- spring学习——springmvc(二)
a-john
springMVC
Spring MVC提供了非常方便的文件上传功能。
1,配置Spring支持文件上传:
DispatcherServlet本身并不知道如何处理multipart的表单数据,需要一个multipart解析器把POST请求的multipart数据中抽取出来,这样DispatcherServlet就能将其传递给我们的控制器了。为了在Spring中注册multipart解析器,需要声明一个实现了Mul
- POJ-2828-Buy Tickets
aijuans
ACM_POJ
POJ-2828-Buy Tickets
http://poj.org/problem?id=2828
线段树,逆序插入
#include<iostream>#include<cstdio>#include<cstring>#include<cstdlib>using namespace std;#define N 200010struct
- Java Ant build.xml详解
asia007
build.xml
1,什么是antant是构建工具2,什么是构建概念到处可查到,形象来说,你要把代码从某个地方拿来,编译,再拷贝到某个地方去等等操作,当然不仅与此,但是主要用来干这个3,ant的好处跨平台 --因为ant是使用java实现的,所以它跨平台使用简单--与ant的兄弟make比起来语法清晰--同样是和make相比功能强大--ant能做的事情很多,可能你用了很久,你仍然不知道它能有
- android按钮监听器的四种技术
百合不是茶
androidxml配置监听器实现接口
android开发中经常会用到各种各样的监听器,android监听器的写法与java又有不同的地方;
1,activity中使用内部类实现接口 ,创建内部类实例 使用add方法 与java类似
创建监听器的实例
myLis lis = new myLis();
使用add方法给按钮添加监听器
- 软件架构师不等同于资深程序员
bijian1013
程序员架构师架构设计
本文的作者Armel Nene是ETAPIX Global公司的首席架构师,他居住在伦敦,他参与过的开源项目包括 Apache Lucene,,Apache Nutch, Liferay 和 Pentaho等。
如今很多的公司
- TeamForge Wiki Syntax & CollabNet User Information Center
sunjing
TeamForgeHow doAttachementAnchorWiki Syntax
the CollabNet user information center http://help.collab.net/
How do I create a new Wiki page?
A CollabNet TeamForge project can have any number of Wiki pages. All Wiki pages are linked, and
- 【Redis四】Redis数据类型
bit1129
redis
概述
Redis是一个高性能的数据结构服务器,称之为数据结构服务器的原因是,它提供了丰富的数据类型以满足不同的应用场景,本文对Redis的数据类型以及对这些类型可能的操作进行总结。
Redis常用的数据类型包括string、set、list、hash以及sorted set.Redis本身是K/V系统,这里的数据类型指的是value的类型,而不是key的类型,key的类型只有一种即string
- SSH2整合-附源码
白糖_
eclipsespringtomcatHibernateGoogle
今天用eclipse终于整合出了struts2+hibernate+spring框架。
我创建的是tomcat项目,需要有tomcat插件。导入项目以后,鼠标右键选择属性,然后再找到“tomcat”项,勾选一下“Is a tomcat project”即可。具体方法见源码里的jsp图片,sql也在源码里。
补充1:项目中部分jar包不是最新版的,可能导
- [转]开源项目代码的学习方法
braveCS
学习方法
转自:
http://blog.sina.com.cn/s/blog_693458530100lk5m.html
http://www.cnblogs.com/west-link/archive/2011/06/07/2074466.html
1)阅读features。以此来搞清楚该项目有哪些特性2)思考。想想如果自己来做有这些features的项目该如何构架3)下载并安装d
- 编程之美-子数组的最大和(二维)
bylijinnan
编程之美
package beautyOfCoding;
import java.util.Arrays;
import java.util.Random;
public class MaxSubArraySum2 {
/**
* 编程之美 子数组之和的最大值(二维)
*/
private static final int ROW = 5;
private stat
- 读书笔记-3
chengxuyuancsdn
jquery笔记resultMap配置ibatis一对多配置
1、resultMap配置
2、ibatis一对多配置
3、jquery笔记
1、resultMap配置
当<select resultMap="topic_data">
<resultMap id="topic_data">必须一一对应。
(1)<resultMap class="tblTopic&q
- [物理与天文]物理学新进展
comsci
如果我们必须获得某种地球上没有的矿石,才能够进行某些能量输出装置的设计和建造,而要获得这种矿石,又必须首先进行深空探测,而要进行深空探测,又必须获得这种能量输出装置,这个矛盾的循环,会导致地球联盟在与宇宙文明建立关系的时候,陷入困境
怎么办呢?
 
- Oracle 11g新特性:Automatic Diagnostic Repository
daizj
oracleADR
Oracle Database 11g的FDI(Fault Diagnosability Infrastructure)是自动化诊断方面的又一增强。
FDI的一个关键组件是自动诊断库(Automatic Diagnostic Repository-ADR)。
在oracle 11g中,alert文件的信息是以xml的文件格式存在的,另外提供了普通文本格式的alert文件。
这两份log文
- 简单排序:选择排序
dieslrae
选择排序
public void selectSort(int[] array){
int select;
for(int i=0;i<array.length;i++){
select = i;
for(int k=i+1;k<array.leng
- C语言学习六指针的经典程序,互换两个数字
dcj3sjt126com
c
示例程序,swap_1和swap_2都是错误的,推理从1开始推到2,2没完成,推到3就完成了
# include <stdio.h>
void swap_1(int, int);
void swap_2(int *, int *);
void swap_3(int *, int *);
int main(void)
{
int a = 3;
int b =
- php 5.4中php-fpm 的重启、终止操作命令
dcj3sjt126com
PHP
php 5.4中php-fpm 的重启、终止操作命令:
查看php运行目录命令:which php/usr/bin/php
查看php-fpm进程数:ps aux | grep -c php-fpm
查看运行内存/usr/bin/php -i|grep mem
重启php-fpm/etc/init.d/php-fpm restart
在phpinfo()输出内容可以看到php
- 线程同步工具类
shuizhaosi888
同步工具类
同步工具类包括信号量(Semaphore)、栅栏(barrier)、闭锁(CountDownLatch)
闭锁(CountDownLatch)
public class RunMain {
public long timeTasks(int nThreads, final Runnable task) throws InterruptedException {
fin
- bleeding edge是什么意思
haojinghua
DI
不止一次,看到很多讲技术的文章里面出现过这个词语。今天终于弄懂了——通过朋友给的浏览软件,上了wiki。
我再一次感到,没有辞典能像WiKi一样,给出这样体贴人心、一清二楚的解释了。为了表达我对WiKi的喜爱,只好在此一一中英对照,给大家上次课。
In computer science, bleeding edge is a term that
- c中实现utf8和gbk的互转
jimmee
ciconvutf8&gbk编码
#include <iconv.h>
#include <stdlib.h>
#include <stdio.h>
#include <unistd.h>
#include <fcntl.h>
#include <string.h>
#include <sys/stat.h>
int code_c
- 大型分布式网站架构设计与实践
lilin530
应用服务器搜索引擎
1.大型网站软件系统的特点?
a.高并发,大流量。
b.高可用。
c.海量数据。
d.用户分布广泛,网络情况复杂。
e.安全环境恶劣。
f.需求快速变更,发布频繁。
g.渐进式发展。
2.大型网站架构演化发展历程?
a.初始阶段的网站架构。
应用程序,数据库,文件等所有的资源都在一台服务器上。
b.应用服务器和数据服务器分离。
c.使用缓存改善网站性能。
d.使用应用
- 在代码中获取Android theme中的attr属性值
OliveExcel
androidtheme
Android的Theme是由各种attr组合而成, 每个attr对应了这个属性的一个引用, 这个引用又可以是各种东西.
在某些情况下, 我们需要获取非自定义的主题下某个属性的内容 (比如拿到系统默认的配色colorAccent), 操作方式举例一则:
int defaultColor = 0xFF000000;
int[] attrsArray = { andorid.r.
- 基于Zookeeper的分布式共享锁
roadrunners
zookeeper分布式共享锁
首先,说说我们的场景,订单服务是做成集群的,当两个以上结点同时收到一个相同订单的创建指令,这时并发就产生了,系统就会重复创建订单。等等......场景。这时,分布式共享锁就闪亮登场了。
共享锁在同一个进程中是很容易实现的,但在跨进程或者在不同Server之间就不好实现了。Zookeeper就很容易实现。具体的实现原理官网和其它网站也有翻译,这里就不在赘述了。
官
- 两个容易被忽略的MySQL知识
tomcat_oracle
mysql
1、varchar(5)可以存储多少个汉字,多少个字母数字? 相信有好多人应该跟我一样,对这个已经很熟悉了,根据经验我们能很快的做出决定,比如说用varchar(200)去存储url等等,但是,即使你用了很多次也很熟悉了,也有可能对上面的问题做出错误的回答。 这个问题我查了好多资料,有的人说是可以存储5个字符,2.5个汉字(每个汉字占用两个字节的话),有的人说这个要区分版本,5.0
- zoj 3827 Information Entropy(水题)
阿尔萨斯
format
题目链接:zoj 3827 Information Entropy
题目大意:三种底,计算和。
解题思路:调用库函数就可以直接算了,不过要注意Pi = 0的时候,不过它题目里居然也讲了。。。limp→0+plogb(p)=0,因为p是logp的高阶。
#include <cstdio>
#include <cstring>
#include <cmath&