- 【AI大模型】Transformers大模型库(九):大模型微调之计算微调参数占比
LDG_AGI
人工智能
目录一、引言二、计算微调参数占比2.1概述2.2模型参数结构一览2.3微调参数占比计算三、总结一、引言这里的Transformers指的是huggingface开发的大模型库,为huggingface上数以万计的预训练大模型提供预测、训练等服务。Transformers提供了数以千计的预训练模型,支持100多种语言的文本分类、信息抽取、问答、摘要、翻译、文本生成。它的宗旨是让最先进的NLP技术人人
- 深度学习-136-LangGraph之应用实例(五)构建RAG问答系统同时从不同的角度对比优化效果
皮皮冰燃
深度学习深度学习人工智能LangGraphRAG
文章目录1大语言模型2小粒度分割文档2.1处理文本构建Document2.2向量存储2.3创建图2.4测试调用3大粒度分割文档3.1构建Document3.2向量存储3.3创建图3.4测试调用4总结与优化4.1问题分析4.2对比不同的返回文档数4.3对比不同的嵌入模型4.3.1嵌入模型nomic-embed-text4.3.2嵌入模型bge-m34.4对比不同的大模型4.4.1大模型qwen2:7
- 微调DeepSeek-R1-Distill-Llama-8B打造sql2text大模型!小白也能十分钟打造自己的推理大模型!unsloth+Colab轻松上手
X.Cristiano
DeepSeek-R1Llama-8Bsql2text人工智能
简介:DeepSeek-R1-Distill-Llama-8B是一个基于Llama架构的8B参数语言模型,经过深度蒸馏(distillation)处理,旨在提高推理效率和精度。通过蒸馏技术,模型在保持较高性能的同时,减少了计算资源的消耗,特别适合在资源受限的环境中应用。该模型经过优化,可用于多种自然语言处理任务,如文本生成、情感分析、问答系统等。DeepSeek-R1-Distill-Llama-
- OpenAI API教程
Jachin Huang
大模型指南人工智能语言模型
OpenAIAPI是由OpenAI公司开发,为LLM开发人员提供的一个简单接口。通过此API能在应用程序中方便地调用OpenAI提供的大模型基础能力。OpenAI的API协议已成为LLM领域的标准。本文将首先介绍OpenAIAPI基础知识和模型,然后以ChatCompletionsAPI和EmbeddingAPI为例子介绍OpenAIAPI的用法。最后使用Embedding模型构建一个网站智能问答
- 在nodejs中使用ElasticSearch(三)通过ES语义检索,实现RAG
konglong127
nodejselasticsearch搜索引擎node.js全文检索后端
RAG(Retrieval-AugmentedGeneration)是一种结合了信息检索和生成模型的技术,旨在提高生成模型的知识获取和生成能力。它通过在生成的过程中引入外部知识库或文档(如数据库、搜索引擎或文档存储),帮助生成更为准确和丰富的答案。RAG在自然语言处理(NLP)领域,特别是在对话生成、问答系统和文本摘要等任务中,具有非常重要的应用。它的核心思想是,生成模型不仅依赖于模型内部的知识,
- Chainlit集成LlamaIndex实现知识库高级检索(路由检索器)
泰山AI
人工智能llamaindexragllm
检索原理llamaindex是一个用于构建和部署基于文档的问答系统的框架。其中,RouterRetriever是一个特定的检索器组件,它设计用于根据输入查询选择最佳的检索策略。RouterRetriever的主要功能是在多个不同的检索器之间进行路由,根据输入的特性选择最适合的检索器来处理请求。下面是RouterRetriever的检索原理概览:多策略支持:RouterRetriever可以集成多种
- DeepSeek怎么用,DeepSeek使用指南最全合集(保姆级教程)
xiecoding.cn
deepseekdeepseek使用指南deepseek怎么用deepseek免费教学deepseek资料合集
DeepSeek是一款由国内顶尖团队开发的人工智能大模型,旨在为用户提供高效、智能的问答和知识服务。作为国产AI模型的代表,DeepSeek不仅在自然语言处理(NLP)领域表现出色,还在多个应用场景中展现了强大的能力。与ChatGPT等国际知名模型相比,DeepSeek在中文语境下的表现尤为突出,能够更好地理解中文的复杂语义和文化背景。DeepSeek使用资源下载为了方便大家更好地学习和使用Dee
- 使用 LangChain 掌握检索增强生成 (RAG) 的终极指南:1、使用Langchain与RAG构建问答系统
Hugo_Hoo
使用LangChain掌握RAG的指南langchain人工智能AI编程
1.使用Langchain实现基本RAG在本节中,我们将使用OpenAI和Langchain创建一个简单的QARAG。在下面的笔记本中,我们将进一步深入探讨RAG管道的复杂性。%load_extdotenv%dotenvsecrets/secrets.envfromlangchain_community.document_loadersimportPyPDFLoader,DirectoryLoad
- 基于LangChain-Chatchat实现的RAG-本地知识库的问答应用[6]-实现Milvus向量检索+实现自定义关键词调整Embedding模型
汀、人工智能
LLM工业级落地实践langchainmilvusembedding人工智能自然语言处理语言模型大模型
基于LangChain-Chatchat实现的RAG-本地知识库的问答应用[6]-实现Milvus向量检索+实现自定义关键词调整Embedding模型0.Milvus与Faiss对比Milvus相对于Faiss的优势主要体现在以下几个方面:在线数据更新与实时搜索:Milvus支持在线的数据更新和实时的向量搜索,这意味着在数据频繁变动的场景下,用户无需重新构建整个索引,从而大大减少了维护成本。相比之
- J-LangChain,用Java实现LangChain编排!轻松加载PDF、切分文档、向量化存储,再到智能问答
花千树-010
JLangChain-TGlangchainjavapdfAIGCnlpAI编程
Java如何玩转大模型编排、RAG、Agent???在自然语言处理(NLP)的浪潮中,LangChain作为一种强大的模型编排框架,已经在Python社区中广受欢迎。然而,对于Java开发者来说,能否有一个同样高效、灵活的工具来实现类似功能?答案是肯定的!今天,我们将聚焦J-LangChain——一个专为Java打造的LangChain实现,带你探索如何用Java语言轻松构建从PDF处理到智能问答
- LangChain教程 - RAG - PDF问答
花千树-010
LangChainlangchainpdfAIGCpythonnlpembedding人工智能
系列文章索引LangChain教程-系列文章在现代自然语言处理(NLP)中,基于文档内容的问答系统变得愈发重要,尤其是当我们需要从大量文档中提取信息时。通过结合文档检索和生成模型(如RAG,Retrieval-AugmentedGeneration),我们可以构建强大的问答系统。本博客将详细介绍如何使用FastAPI和LangChain框架,创建一个基于PDF文档的RAG问答API。一、背景在许多
- 基于问答对的实体识别和意图识别的知识图谱问答推理
风清扬【coder】
自然语言分析处理知识图谱人工智能自然语言处理
问答对数据questionanswer省直医保的参保范围是什么?中央直属、省直属在哈尔滨的机关、事业单位、社会团体及其职工和退休人员。参加省直医保的单位缴费基数如何确定和缴纳?在职职工(以下简称职工)个人月缴费基数按本人上年度月平均工资确定,由单位代扣代缴,用人单位月缴费基数按本单位参保职工个人月缴费基数之和确定。缴费费率:用人单位8%(含生育0.5%)、职工个人2%。缴费方式:用人单位、职工按月
- 基于 BERT 的自定义中文命名实体识别实现
风清扬【coder】
自然语言分析处理自然语言处理bertnlptransformer
基于BERT的自定义中文命名实体识别实现在自然语言处理中,命名实体识别(NamedEntityRecognition,NER)是一项重要的任务,旨在识别文本中的特定实体,如人名、地名、组织机构名等。本文将介绍如何使用BERT模型实现自定义中文命名实体识别,并提供详细的代码分析和解读。一、项目背景命名实体识别在许多领域都有广泛的应用,如信息提取、问答系统、机器翻译等。传统的命名实体识别方法通常基于规
- 自然语言处理NLP入门 -- 第十节简单的聊天机器人
山海青风
#自然语言处理自然语言处理chatgpt
一、为什么要做聊天机器人?在互联网时代,我们日常接触到的“在线客服”“自动问答”等,大多是以聊天机器人的形式出现。它能帮我们快速回复常见问题,让用户获得及时的帮助,并在一定程度上减少人工客服的压力。同时,聊天机器人也是了解自然语言处理(NLP)最好的实战项目之一。因为它整合了文字理解(NLU)、对话管理、文本生成(NLG)等多方面知识,既能看到很直观的对话效果,也能结合深度学习模型让机器人变得更智
- 【大模型】大模型分类
IT古董
人工智能人工智能大模型
大模型(LargeModels)通常指参数量巨大、计算能力强大的机器学习模型,尤其在自然语言处理(NLP)、计算机视觉(CV)等领域表现突出。以下是大模型的常见分类方式:1.按应用领域分类自然语言处理(NLP)模型如GPT-3、BERT、T5等,主要用于文本生成、翻译、问答等任务。计算机视觉(CV)模型如ResNet、EfficientNet、VisionTransformer(ViT)等,用于图
- 本地大模型编程实战(25)用langgraph实现基于SQL数据构建的问答系统(4)
火云牌神
AI编程实战sqllanggraphLLMdeepseekqwen
本文将演练使用基于langgraph链,对结构化数据库SQlite进行查询的方法。该系统建立以后,我们不需要掌握专业的SQL技能,可以用自然语言询问有关数据库中数据的问题并返回答案。使大语言模型(LLM)查询结构化数据与非结构化文本数据有所不同。查询非结构化数据时,通常需要将待查询的文本嵌入到向量数据库中;而查询结构化数据的方法则是让LLM编写和执行DSL(例如SQL)进行查询。在用langcha
- 西工大航海学院,新一代电子信息复试资料911电子版!资料全
weixin_aaa722509
电子信息复试资料西工大航海学院
西工大航海学院已上岸,出新一代电子信息复试资料911(电子版!资料全),西工大911重点题型资料资料完整齐全,复习学习用这套足够,通过无忧!点此获取资料:https://www.yiwanma.com/product/view1679.html911大纲与真题信号检测与估值知识点总结数字信号处理本校PPT数字信号处理真题和本校期末考试题数字信号处理知识点与问答题纸质资料拍照汇总通信原理PPT通信原
- [特殊字符]用MCP为AutoGen开挂接入各种工具和框架!Cline零代码开发MCP Server实现接入LangFlow进行文档问答!利用MCP Server突破平台限制
AI超元域
人工智能AI编程ai开源AIGC
本篇笔记所对应的视频:用MCP为AutoGen开挂接入各种工具和框架!Cline零代码开发MCPServer实现接入LangFlow进行文档问答!利用MCPServer突破_哔哩哔哩_bilibiliAutoGenv0.4引入了对ModelContextProtocol(MCP)server的支持,这是一项重要的新功能,为AI代理提供了更强大和灵活的工具使用能力。MCPServer支持AutoGe
- 自然语言处理入门:从基础概念到实战项目
范范0825
自然语言处理人工智能
自然语言处理入门:从基础概念到实战项目一、引言自然语言处理(NaturalLanguageProcessing,简称NLP)是人工智能的重要分支,旨在让计算机能够理解、生成和处理人类语言。随着大数据和深度学习的发展,NLP技术在文本分类、机器翻译、问答系统、情感分析等领域得到了广泛应用。本文将从NLP的基础概念入手,逐步介绍关键技术,最终通过一个完整的实战项目帮助读者掌握如何在实际应用中使用NLP
- 去除背景的gdal矢量化
@Mr_LiuYang
写过的小程序遇到过的问题
由于gdal的矢量化在大图上效率太低,这里采用掩膜去除背景后矢量化操作。复制后直接使用以下Raster2Vector函数即可//Raster2Vector:栅格转矢量//注意://程序中调用了创建掩膜函数!//输入://pszSrcFile—栅格数据路径//pszDstFile—矢量数据保存路径//pszFormat—矢量数据格式,默认为shp//Background—所需掩膜的背景值,默认为0/
- 【AI+智造】基于阿里云Ubuntu24.04系统,使用Ollama部署开源DeepSeek模型并集成到企业微信
邹工转型手札
Duodoo开源Odoo18开源企业信息化制造人工智能数据分析
作者:Odoo技术开发/资深信息化负责人日期:2025年2月28日本方案结合了本地部署与云服务调用的技术路径,涵盖部署步骤、集成逻辑及关键问题点,适用于企业级AI应用场景。一、方案背景与架构设计1.技术选型背景DeepSeek模型:作为开源大模型,支持文本生成、智能问答等场景,适合企业知识库与自动化服务。Ollama工具:轻量化本地模型部署框架,支持一键拉取模型镜像并启动API服务。企业微信集成:
- 使用LangChain与GPT4All模型进行交互
bavDHAUO
langchain交互python
技术背景介绍近年来,开源模型和框架在AI技术领域迅猛发展。GPT4All是一个开源的对话机器人生态系统,旨在为用户提供干净的助手数据,包括代码、故事和对话。这篇文章将介绍如何使用LangChain与GPT4All模型进行交互,以实现智能问答功能。核心原理解析GPT4All是基于大型语言模型(LLMs)的开源项目,通过训练大量干净的数据,能够生成高质量的对话和回答。LangChain是一种用于简化与
- 前言:什么是大模型微调
伯牙碎琴
大模型微调深度学习人工智能机器学习大模型微调训练
一、大模型微调的基础知识1.什么是大模型微调?大模型微调(Fine-tuning)是指在预训练模型的基础上,针对特定的任务或数据集进行进一步训练的过程。预训练模型通常在大规模的通用数据上训练,具备广泛的语言理解和生成能力。通过微调,我们可以让模型更好地适应特定的领域或任务,例如情感分析、问答系统、文本生成等。2.为什么需要微调?适应特定任务:通用模型虽然功能强大,但在特定任务上可能表现不够精准。微
- DeepSeek超强搭档!这8款免费神器让你的效率翻倍
a小胡哦
Deepseekvscodegithub
作为AI领域的效率神器,DeepSeek凭借其强大的智能问答、文件解读和代码生成能力,已成为学习办公的必备工具。但如何让它发挥「1+1>2」的效果?我整理了8款免费软件,搭配DeepSeek让你的效率原地起飞!建议收藏⭐一、办公效率组合拳:告别加班,秒变职场达人WPSOffice推荐理由:免费+全功能办公套件,搭配DeepSeek的文档解析功能,可快速提取合同/报告重点,自动生成摘要。神级用法:用
- 微调 LLM (RLHF + DPO)
人工智能
微调LLM(RLHF+DPO)使用强化学习(RL)根据人类反馈微调大语言模型(即RLHF)的方法,以及一种更有效的改进方法(即DPO)。一、GPT-3与InstructGPT2020年,OpenAI发布了GPT-3,这是一种大型语言模型(LLM),只需查看几个示例即可执行任意自然语言处理(NLP)任务。这包括为模型编写巧妙的输入(即提示),使其执行所需的任务(例如翻译、问答和完形填空任务)。尽管G
- Python 列表与元组全攻略:从新手到高手的必备指南
吴师兄大模型
python开发语言列表(List)元组(Tuple)算法编程PYTHON
Langchain系列文章目录01-玩转LangChain:从模型调用到Prompt模板与输出解析的完整指南02-玩转LangChainMemory模块:四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain:从核心链条构建到动态任务分配的实战指南04-玩转LangChain:从文档加载到高效问答系统构建的全程实战05-玩转LangChain:深度评估问答系统的三种高效方法(示例生成、手
- 大模型控制参数简介
Hns.
人工智能
在使用大模型时,可以通过调整不同的控制参数来优化生成效果和性能。以下是一些常见的控制参数及其用途:1.温度(Temperature)功能:控制生成文本的随机性。温度越高,生成的内容越富创意和多样;温度越低,生成的内容越确定和一致。使用场景:低温(如0.2-0.5):适用于需要准确、稳定的答案(如知识问答)。高温(如0.7-1.0):适用于创意写作或需要多样化的内容。2.最大Token长度(MaxT
- 基于OneAPI+ChatGLM3-6B+FastGPT搭建LLM大语言模型知识库问答系统
闯江湖50年
oneapi语言模型人工智能llamalangchaingpt自然语言处理
搭建大语言模型知识库问答系统部署OneAPI拉取镜像bash复制代码dockerpulljustsong/one-api创建挂载目录bash复制代码mkdir-p/usr/local/docker/oneapi启动容器bash复制代码dockerrun--nameone-api-d--restartalways-p3001:3000-eTZ=Asia/Shanghai-v/usr/local/do
- 通义灵码 - 你的 AI 智能编码小助手
甘蓝聊Java
【更新中...】项目中的那些事人工智能AI通义灵码Java编码助手
文章目录核心功能快速安装版本选择安装插件登录通义灵码相关配置体验功能基础功能研发智能问答AI程序员体验有感参考官网:https://lingma.aliyun.com/⭐版本:2.0.3【截至2025/02/05】❓简介:通义灵码,一款基于通义大模型的智能编码辅助工具。支持多种编程语言,比如Java、Go、Python、JavaScript、TypeScript等支持多种IDE,比如IDEA、VS
- 库内加工的几个关键点
wms仓库管理系统
在仓库的日常运营中,库内加工扮演着至关重要的角色。它不仅能够提升产品的附加值,还能优化库存管理,提高出库效率。从仓库操作管理的角度来看,库内加工主要分为三类:原产品基础上的加工、组合加工以及拆解加工。原产品基础上的加工,如换包装、贴标签、覆膜、塑封等,旨在提升产品的外观或满足特定的销售需求。这类加工方式不改变产品的总数量,但管理时需准确记录加工件数,以统计工作量、成本,并区分已加工与未加工产品,避
- 二分查找排序算法
周凡杨
java二分查找排序算法折半
一:概念 二分查找又称
折半查找(
折半搜索/
二分搜索),优点是比较次数少,查找速度快,平均性能好;其缺点是要求待查表为有序表,且插入删除困难。因此,折半查找方法适用于不经常变动而 查找频繁的有序列表。首先,假设表中元素是按升序排列,将表中间位置记录的关键字与查找关键字比较,如果两者相等,则查找成功;否则利用中间位置记录将表 分成前、后两个子表,如果中间位置记录的关键字大于查找关键字,则进一步
- java中的BigDecimal
bijian1013
javaBigDecimal
在项目开发过程中出现精度丢失问题,查资料用BigDecimal解决,并发现如下这篇BigDecimal的解决问题的思路和方法很值得学习,特转载。
原文地址:http://blog.csdn.net/ugg/article/de
- Shell echo命令详解
daizj
echoshell
Shell echo命令
Shell 的 echo 指令与 PHP 的 echo 指令类似,都是用于字符串的输出。命令格式:
echo string
您可以使用echo实现更复杂的输出格式控制。 1.显示普通字符串:
echo "It is a test"
这里的双引号完全可以省略,以下命令与上面实例效果一致:
echo Itis a test 2.显示转义
- Oracle DBA 简单操作
周凡杨
oracle dba sql
--执行次数多的SQL
select sql_text,executions from (
select sql_text,executions from v$sqlarea order by executions desc
) where rownum<81;
&nb
- 画图重绘
朱辉辉33
游戏
我第一次接触重绘是编写五子棋小游戏的时候,因为游戏里的棋盘是用线绘制的,而这些东西并不在系统自带的重绘里,所以在移动窗体时,棋盘并不会重绘出来。所以我们要重写系统的重绘方法。
在重写系统重绘方法时,我们要注意一定要调用父类的重绘方法,即加上super.paint(g),因为如果不调用父类的重绘方式,重写后会把父类的重绘覆盖掉,而父类的重绘方法是绘制画布,这样就导致我们
- 线程之初体验
西蜀石兰
线程
一直觉得多线程是学Java的一个分水岭,懂多线程才算入门。
之前看《编程思想》的多线程章节,看的云里雾里,知道线程类有哪几个方法,却依旧不知道线程到底是什么?书上都写线程是进程的模块,共享线程的资源,可是这跟多线程编程有毛线的关系,呜呜。。。
线程其实也是用户自定义的任务,不要过多的强调线程的属性,而忽略了线程最基本的属性。
你可以在线程类的run()方法中定义自己的任务,就跟正常的Ja
- linux集群互相免登陆配置
林鹤霄
linux
配置ssh免登陆
1、生成秘钥和公钥 ssh-keygen -t rsa
2、提示让你输入,什么都不输,三次回车之后会在~下面的.ssh文件夹中多出两个文件id_rsa 和 id_rsa.pub
其中id_rsa为秘钥,id_rsa.pub为公钥,使用公钥加密的数据只有私钥才能对这些数据解密 c
- mysql : Lock wait timeout exceeded; try restarting transaction
aigo
mysql
原文:http://www.cnblogs.com/freeliver54/archive/2010/09/30/1839042.html
原因是你使用的InnoDB 表类型的时候,
默认参数:innodb_lock_wait_timeout设置锁等待的时间是50s,
因为有的锁等待超过了这个时间,所以抱错.
你可以把这个时间加长,或者优化存储
- Socket编程 基本的聊天实现。
alleni123
socket
public class Server
{
//用来存储所有连接上来的客户
private List<ServerThread> clients;
public static void main(String[] args)
{
Server s = new Server();
s.startServer(9988);
}
publi
- 多线程监听器事件模式(一个简单的例子)
百合不是茶
线程监听模式
多线程的事件监听器模式
监听器时间模式经常与多线程使用,在多线程中如何知道我的线程正在执行那什么内容,可以通过时间监听器模式得到
创建多线程的事件监听器模式 思路:
1, 创建线程并启动,在创建线程的位置设置一个标记
2,创建队
- spring InitializingBean接口
bijian1013
javaspring
spring的事务的TransactionTemplate,其源码如下:
public class TransactionTemplate extends DefaultTransactionDefinition implements TransactionOperations, InitializingBean{
...
}
TransactionTemplate继承了DefaultT
- Oracle中询表的权限被授予给了哪些用户
bijian1013
oracle数据库权限
Oracle查询表将权限赋给了哪些用户的SQL,以备查用。
select t.table_name as "表名",
t.grantee as "被授权的属组",
t.owner as "对象所在的属组"
- 【Struts2五】Struts2 参数传值
bit1129
struts2
Struts2中参数传值的3种情况
1.请求参数绑定到Action的实例字段上
2.Action将值传递到转发的视图上
3.Action将值传递到重定向的视图上
一、请求参数绑定到Action的实例字段上以及Action将值传递到转发的视图上
Struts可以自动将请求URL中的请求参数或者表单提交的参数绑定到Action定义的实例字段上,绑定的规则使用ognl表达式语言
- 【Kafka十四】关于auto.offset.reset[Q/A]
bit1129
kafka
I got serveral questions about auto.offset.reset. This configuration parameter governs how consumer read the message from Kafka when there is no initial offset in ZooKeeper or
- nginx gzip压缩配置
ronin47
nginx gzip 压缩范例
nginx gzip压缩配置 更多
0
nginx
gzip
配置
随着nginx的发展,越来越多的网站使用nginx,因此nginx的优化变得越来越重要,今天我们来看看nginx的gzip压缩到底是怎么压缩的呢?
gzip(GNU-ZIP)是一种压缩技术。经过gzip压缩后页面大小可以变为原来的30%甚至更小,这样,用
- java-13.输入一个单向链表,输出该链表中倒数第 k 个节点
bylijinnan
java
two cursors.
Make the first cursor go K steps first.
/*
* 第 13 题:题目:输入一个单向链表,输出该链表中倒数第 k 个节点
*/
public void displayKthItemsBackWard(ListNode head,int k){
ListNode p1=head,p2=head;
- Spring源码学习-JdbcTemplate queryForObject
bylijinnan
javaspring
JdbcTemplate中有两个可能会混淆的queryForObject方法:
1.
Object queryForObject(String sql, Object[] args, Class requiredType)
2.
Object queryForObject(String sql, Object[] args, RowMapper rowMapper)
第1个方法是只查
- [冰川时代]在冰川时代,我们需要什么样的技术?
comsci
技术
看美国那边的气候情况....我有个感觉...是不是要进入小冰期了?
那么在小冰期里面...我们的户外活动肯定会出现很多问题...在室内呆着的情况会非常多...怎么在室内呆着而不发闷...怎么用最低的电力保证室内的温度.....这都需要技术手段...
&nb
- js 获取浏览器型号
cuityang
js浏览器
根据浏览器获取iphone和apk的下载地址
<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8" content="text/html"/>
<meta name=
- C# socks5详解 转
dalan_123
socketC#
http://www.cnblogs.com/zhujiechang/archive/2008/10/21/1316308.html 这里主要讲的是用.NET实现基于Socket5下面的代理协议进行客户端的通讯,Socket4的实现是类似的,注意的事,这里不是讲用C#实现一个代理服务器,因为实现一个代理服务器需要实现很多协议,头大,而且现在市面上有很多现成的代理服务器用,性能又好,
- 运维 Centos问题汇总
dcj3sjt126com
云主机
一、sh 脚本不执行的原因
sh脚本不执行的原因 只有2个
1.权限不够
2.sh脚本里路径没写完整。
二、解决You have new mail in /var/spool/mail/root
修改/usr/share/logwatch/default.conf/logwatch.conf配置文件
MailTo =
MailFrom
三、查询连接数
- Yii防注入攻击笔记
dcj3sjt126com
sqlWEB安全yii
网站表单有注入漏洞须对所有用户输入的内容进行个过滤和检查,可以使用正则表达式或者直接输入字符判断,大部分是只允许输入字母和数字的,其它字符度不允许;对于内容复杂表单的内容,应该对html和script的符号进行转义替换:尤其是<,>,',"",&这几个符号 这里有个转义对照表:
http://blog.csdn.net/xinzhu1990/articl
- MongoDB简介[一]
eksliang
mongodbMongoDB简介
MongoDB简介
转载请出自出处:http://eksliang.iteye.com/blog/2173288 1.1易于使用
MongoDB是一个面向文档的数据库,而不是关系型数据库。与关系型数据库相比,面向文档的数据库不再有行的概念,取而代之的是更为灵活的“文档”模型。
另外,不
- zookeeper windows 入门安装和测试
greemranqq
zookeeper安装分布式
一、序言
以下是我对zookeeper 的一些理解: zookeeper 作为一个服务注册信息存储的管理工具,好吧,这样说得很抽象,我们举个“栗子”。
栗子1号:
假设我是一家KTV的老板,我同时拥有5家KTV,我肯定得时刻监视
- Spring之使用事务缘由(2-注解实现)
ihuning
spring
Spring事务注解实现
1. 依赖包:
1.1 spring包:
spring-beans-4.0.0.RELEASE.jar
spring-context-4.0.0.
- iOS App Launch Option
啸笑天
option
iOS 程序启动时总会调用application:didFinishLaunchingWithOptions:,其中第二个参数launchOptions为NSDictionary类型的对象,里面存储有此程序启动的原因。
launchOptions中的可能键值见UIApplication Class Reference的Launch Options Keys节 。
1、若用户直接
- jdk与jre的区别(_)
macroli
javajvmjdk
简单的说JDK是面向开发人员使用的SDK,它提供了Java的开发环境和运行环境。SDK是Software Development Kit 一般指软件开发包,可以包括函数库、编译程序等。
JDK就是Java Development Kit JRE是Java Runtime Enviroment是指Java的运行环境,是面向Java程序的使用者,而不是开发者。 如果安装了JDK,会发同你
- Updates were rejected because the tip of your current branch is behind
qiaolevip
学习永无止境每天进步一点点众观千象git
$ git push joe prod-2295-1
To
[email protected]:joe.le/dr-frontend.git
! [rejected] prod-2295-1 -> prod-2295-1 (non-fast-forward)
error: failed to push some refs to '
[email protected]
- [一起学Hive]之十四-Hive的元数据表结构详解
superlxw1234
hivehive元数据结构
关键字:Hive元数据、Hive元数据表结构
之前在 “[一起学Hive]之一–Hive概述,Hive是什么”中介绍过,Hive自己维护了一套元数据,用户通过HQL查询时候,Hive首先需要结合元数据,将HQL翻译成MapReduce去执行。
本文介绍一下Hive元数据中重要的一些表结构及用途,以Hive0.13为例。
文章最后面,会以一个示例来全面了解一下,
- Spring 3.2.14,4.1.7,4.2.RC2发布
wiselyman
Spring 3
Spring 3.2.14、4.1.7及4.2.RC2于6月30日发布。
其中Spring 3.2.1是一个维护版本(维护周期到2016-12-31截止),后续会继续根据需求和bug发布维护版本。此时,Spring官方强烈建议升级Spring框架至4.1.7 或者将要发布的4.2 。
其中Spring 4.1.7主要包含这些更新内容。