- Numpy、Pandas库的使用
貮叁
量化投资分析pythonpython数据分析
目录Numpy1、概述2、基础操作2.1生成一个numpy的array数组:2.2自定义一个新的数据类型:np.dtype()3、并行化思想4、量化分析应用4.1索引选取和切片选择4.2数据转换与规整4.3逻辑条件进行数据筛选4.4通用序列函数4.5文件保存与读取Pandas1、简介2、Series和DataFrame的使用2.1Series2.2DataFrame3、量化分析应用3.1形成一个p
- 量化交易入门(十)Python开发-异常处理
量化交易学徒
量化交易入门python开发语言
在Python中,异常处理是一种处理程序在运行时可能发生的错误或异常情况的机制。通过使用try-except语句,我们可以捕获和处理异常,避免程序意外终止。下面是Python异常处理的基本语法:try:#可能引发异常的代码块exceptExceptionType:#处理异常的代码块如果try块中的代码引发了指定类型的异常,程序将跳转到对应的except块中执行异常处理代码。除了基本的try-exc
- 揭开访问者模式的神秘面纱-轻松增强对象行为
danci_ww
设计模式设计模式访问者模式软件工程java面试程序人生
个人主页:danci_系列专栏:《设计模式》制定明确可量化的目标,坚持默默的做事。转载自:探索设计模式的魅力:揭开访问者模式的神秘面纱-轻松增强对象行为探索设计模式的魅力:揭开访问者模式的神秘面纱轻松增强对象行为文章目录一、案例场景1.1经典的运用场景1.2一坨坨代码实现1.3痛点二、解决方案2.1定义2.2案例分析2.3访问者模式结构图及说明2.4使用访问者模式重构示例2.5重构后解决的问题一、
- 神经网络量化
小厂程序猿
人工智能
神经网络量化(NeuralNetworkQuantization)是一种技术,旨在减少神经网络模型的计算和存储资源需求,同时保持其性能。在深度学习中,神经网络模型通常使用高精度的参数(例如32位浮点数)来表示权重和激活值。然而,这种表示方式可能会占用大量的内存和计算资源,特别是在部署到资源受限的设备(如移动设备或嵌入式系统)时会受到限制。神经网络量化通过将模型参数和激活值从高精度表示(例如32位浮
- 怎么样提高c/c++编程能力?
魔公子世无双
首先、什么算你所谓的编程能力?我们对一项技能的掌握程度往往很难量化,对于编程能力的考量可能比较抽象,我们来类比比较直观的其他技能。比如说什么叫会弹吉他?我们说一个人吉他玩的好,这个人会弹吉他,是指他会弹《小星星》?还是会弹岸部真明的《timetravel》?(力荐,好听!)恐怕都不是,我们对于会弹吉他的认知,应当是随手给他一个不熟悉的谱子,你也能很快的用吉他精彩的演奏,我们才说这个人吉他玩的真6。
- 加速 PyTorch 模型预测常见方法梳理
samoyan
pytorchpytorch人工智能python
目录1.使用GPU加速2.批量推理3.使用半精度浮点数(FP16)4.禁用梯度计算5.模型简化与量化6.使用TorchScript7.模型并行和数据并行结论在使用PyTorch进行模型预测时,可以通过多种方法来加快推理速度。以下是一些加速模型预测的常用方法,但注意有些模型直接使用下面方法会出错,大家谨慎使用:1.使用GPU加速如果您有可用的GPU资源,确保您的模型在GPU上运行,因为GPU提供了比
- 3个维度,9个细节(1242字)
fcb12615e0bc
3个维度,9个细节,评价一节课一堂课的评价标准应该如何构建,课堂质量如何进行评判?在本文中,程红兵老师从“听、看、说”三个维度提炼出九个课堂评判指标。明确的量化标准可以为新教师们提供一定的教学参考,也能够为有经验的教师带来反思,祝您阅读愉快。1听:学生在课堂上希望听到3种声音掌声。发自内心的掌声让课堂有意义。孩子们希望在课堂上能听到来自老师或者同学的深刻而精彩的见解,简便而有效的解题思路和解题方法
- 挑战杯 机器学习股票大数据量化分析与预测系统 - python 挑战杯
laafeer
python
文章目录0前言1课题背景2实现效果UI界面设计web预测界面RSRS选股界面3软件架构4工具介绍Flask框架MySQL数据库LSTM5最后0前言优质竞赛项目系列,今天要分享的是机器学习股票大数据量化分析与预测系统该项目较为新颖,适合作为竞赛课题方向,学长非常推荐!学长这里给一个题目综合评分(每项满分5分)难度系数:3分工作量:3分创新点:3分更多资料,项目分享:https://gitee.com
- 图像算法实习生--面经1
小豆包的小朋友0217
算法
系列文章目录文章目录系列文章目录前言一、为什么torch里面要用optimizer.zero_grad()进行梯度置0二、Unet神经网络为什么会在医学图像分割表现好?三、transformer相关问题四、介绍一下胶囊网络的动态路由五、yolo系列出到v9了,介绍一下你最熟悉的yolo算法六、一阶段目标检测算法和二阶段目标检测算法有什么区别?七、讲一下剪枝八、讲一下PTQandQAT量化的区别九、
- 你只是忽略了这些用光基础
洞脑摄影客
肖像用光本质上是用光来表现一个人的个性和面部特征。这一点是大多数摄影师所忽略的,在批量化生产照片的时代减少了观察以及灯光变化这一环节,不同的人不同的脸型不同的性格也用同样的灯光,从不考虑拍摄对象是否适合。很多人就是将固定好的光布置在那里,然后引导被摄者看向相机,咔嚓一声就结束了拍摄,其实这很大一部分原因就是并不是真的完全理解和能运用灯光照明的基础知识。真正理解用光意味着就像运用光圈和快门的关系那样
- 2019-8-10晨间日记
VisualField
今天是周六August.10起床:6:00就寝:23:40天气:第一场秋雨心情:清爽任务清单昨日完成的任务,最重要的三件事:学习人生算法:模糊,量化范围比精确数字更重要;查阅有关“合作”话题的材料;听武侠:奇侠十八兄。习惯养成:背诵100个考研英语单词督促雅淇练习汉字专注读书30分钟学习·信息·阅读今天全世界最看好的三种技术:AI,大数据,云计算。这其实是谷歌提出的技术哲学,还存在其他的演进路径。
- 读书‖用词汇、数字、联结来加强文章的意境
常清净
《写作吧!你值得被看见》day6阅读内容:16篇《词汇力》、17篇《字辩力》、18篇《量化力》、19篇《联结力》。(75——93页)阅读主题:如何运用词汇、数字、联接来丰富我们的文字。三个问题:1、语言从文化而来,请举出一个体现中国文化特色的词汇例子、并说明体现了什么?比如“怒”字,一个生气的人,就是“心的奴隶”;心的奴隶就是一个生气的人。“仙”字:住在山上的人就是神仙;“俗”字:住在山谷的人就是
- 【自动驾驶】自动驾驶地图构建方法与工具小结
CS_Zero
自动驾驶人工智能
自动驾驶地图构建小结概述制作流程主要利用定位与建图算法(组合导航,视觉、激光SLAM等),融合多种传感器数据,构建高精度、高分辨率的三维语义地图,将要素矢量化,构建要素间的关联关系,通过质检确保质量可靠,形成地图引擎(服务、API)以满足自动驾驶系统的需求。底图构建底图构建存在两大类方法,点云建图与视觉建图。点云建图一般面向高精度采集设备,采用高线束激光雷达,硬件成本高。一般使用高精度组合导航进行
- 论文阅读:2020GhostNet华为轻量化网络
A_my_*
论文阅读人工智能计算机视觉深度学习
创新:(1)对卷积进行改进(2)加残差连接1、GhostModule1、利用1x1卷积获得输入特征的必要特征浓缩。利用1x1卷积对我们输入进来的特征图进行跨通道的特征提取,进行通道的压缩,获得一个特征浓缩。2、利用深度可分离卷积获得特征浓缩的相似特征图(Ghost)。在获得特征浓缩之后,利用深度可分离卷积进行逐层卷积,进行跨特征点的特征提取,获得额外的特征图,也就是Ghost。将这两个进行堆叠就是
- 我从来不觉得追星有什么不好,有一个优秀的榜样带动自己,我觉得是很幸福的事情。偶像通过自己的努力,真的会给我们带来很多的力量。
嘉忆2018
学习笔记2021.3.26日更第2天一、时间就是金钱前段时间我看了段视频,上面说:如果你有86400元,弄丢了400元,你肯定不会把剩下的86000元扔掉,而一天有86400秒,如果有400秒让你不开心了,多数人会剩下的86000秒也过不好。其中正是因为大多数人没有认识到时间就是金钱的道理,没有量化思维的概念,也是当你情绪纠结内耗时,值得多读几遍的文字。二、掌控生活中的10%是由发生在你身上的事情
- 什么是服务级别协议(SLA)?
grugoo
网络安全
在数字化时代,企业和服务提供商之间的关系变得越来越复杂,而服务级别协议(SLA)则在这个复杂网络中发挥着至关重要的作用。本文将深入介绍SLA,从它的定义、应用场景到监测方法,全方位解析这一法律桥梁如何确保服务质量和客户满意度。1.什么是SLA?服务级别协议(SLA)是服务提供商和其客户之间的正式契约,旨在明确和量化提供的服务质量。这个协议详细规定了服务的各个方面,包括性能、可用性、支持和处罚条款等
- octave 与 matlab
UPUPUPEveryday
matlab开发语言
octave与matlab联系与区别Octave和Matlab是两种数字计算和科学编程语言。它们之间有很多联系和区别。联系:Octave和Matlab都是为了进行数值计算和科学编程而设计的,它们都具有很强的数值计算和矩阵操作的能力。Octave和Matlab都支持向量化的操作,使得对矩阵和向量的运算更加高效。Octave和Matlab都提供了丰富的数学函数库,包括线性代数、信号处理、图像处理等领域
- 神经网络量化
掉毛学渣
神经网络
最近在做神经网络的端侧部署,在做端侧部署的时候,为了减少内存压力和加快推理速度,会将单精度(fp32)模型量化成int8或者fp16。量化计算原理以线性非对称量化为例,浮点数量化为有符号定点数的计算原理如下:xint=clamp([xs]+z;−2b−1,2b−1−1)x_{int}=clamp([\frac{x}{s}]+z;-2^{b-1},2^{b-1}-1)xint=clamp([sx]+
- R语言编程-Tidyverse 书籍-第二章(1)
Hello育种
本章节主要讲数据操作三个关键点向量化编程思维和函数式编程思维,应用在数据框或更高级的数据结构中将复杂数据操作分解为若干基本数据操作的能力:数据连接、数据重塑(长宽变换/拆分合并列)、筛选行、排序行、选择列、修改列、分组汇总接受数据分解的操作思维1管道操作magrittr包引入了管道操作,能够通过管道将数据从一个函数传给另一个函数,从而用若干函数构成的管道依次变换你的数据。例如x%>%f()%>%g
- 互联网加竞赛 机器学习股票大数据量化分析与预测系统 - python 互联网加竞赛
Mr.D学长
pythonjava
文章目录0前言1课题背景2实现效果UI界面设计web预测界面RSRS选股界面3软件架构4工具介绍Flask框架MySQL数据库LSTM5最后0前言优质竞赛项目系列,今天要分享的是机器学习股票大数据量化分析与预测系统该项目较为新颖,适合作为竞赛课题方向,学长非常推荐!学长这里给一个题目综合评分(每项满分5分)难度系数:3分工作量:3分创新点:3分更多资料,项目分享:https://gitee.com
- 【深入了解PyTorch】模型优化和加速:PyTorch优化技术与库的应用
prince_zxill
Python实战教程人工智能与机器学习教程pytorch人工智能python
【深入了解PyTorch】模型优化和加速:PyTorch优化技术与库的应用模型优化和加速:PyTorch优化技术与库的应用模型剪枝(ModelPruning)模型量化(ModelQuantization)混合精度训练(MixedPrecisionTraining)总结模型优化和加速:PyTorch优化技术与库的应用在机器学习和深度学习领域,模型的性能和效率一直是研究和应用的重要关注点。随着模型越来
- 七五班第十一周工作总结
静侯花开ing
虽然本周二要进行期中考试,但是常规管理不能松懈,因此,周一早上公布上周量化考核,针对上周卫生问题,对本周卫生进行规范。晚上放学前并进行诚信考试动员会!周二周三考试,合理利用考试后的时间进行复习!周三下午考完试,对学生进行收心教育,以免觉得考完就得放松!周五下午班会以创建优秀班集体为主题,为下步班级文化建设打下基础!下周打造班级文化建设!
- 通信原理教程chapter4
今日你学左米啊
通信原理教程chapter4感冒+繁忙著教材用的是《通信原理教程》(第三版)--樊昌信著第四章模拟信号的数字化@[toc]模拟信号的数字化(AD转换)模电里面也说过,AD转换包括三个基本步骤:抽样,量化,编码,前两个在模电和信号与系统里面其实已经讲得7788了,这章的重点在于基带信号的编码.还有一些就是带通信号的抽样频率,抽样信号的非均匀量化这两个新一点的东西.这里我们顺便帮大家复习一下信号的分类
- 吴恩达机器学习全课程笔记第一篇
亿维数组
MachineLearning机器学习笔记人工智能
目录前言P1-P8监督学习无监督学习P9-P14线性回归模型成本(代价)函数P15-P20梯度下降P21-P24多类特征向量化多元线性回归的梯度下降P25-P30特征缩放检查梯度下降是否收敛学习率的选择特征工程多项式回归前言从今天开始,争取能够在开学之前(2.25)把b站上的【吴恩达机器学习】教程过一遍,并把笔记记录于此,本笔记将会把此课程每一p的重点内容及其截屏记录于此,以供大家参考和本人日后复
- 运营:公众号文章、朋友圈文案、社群文案怎么写更好?
运营指南平台
关于公众号相关的推广文案,究竟该如何写才更有吸引力?其实推广文案,并没有那么复杂,主要注意以下几个方面的写作技巧!公众号推广文章如何撰写才会更有吸引力?接下来我们就从几个方面来讲!1、标题吸引人给出以下几个关于标题写作的建议:●具体化:不要用大词、模糊的词、含义不确切的词,不要让人摸不着头脑。●数字化,量化更有吸引力。例子:《给年轻人的三条建议》《2万3千个年轻人的选择》《十大生活妙招大揭秘》●情
- 大模型量化技术原理-LLM.int8()、GPTQ
吃果冻不吐果冻皮
动手学大模型人工智能
近年来,随着Transformer、MOE架构的提出,使得深度学习模型轻松突破上万亿规模参数,从而导致模型变得越来越大,因此,我们需要一些大模型压缩技术来降低模型部署的成本,并提升模型的推理性能。模型压缩主要分为如下几类:剪枝(Pruning)知识蒸馏(KnowledgeDistillation)量化之前也写过一些文章涉及大模型量化相关的内容。基于LLaMA-7B/Bloomz-7B1-mt复现开
- 同道决策|莫祖泉:数据量化管理责任到位,才知道尽责任的乐趣
同道决策莫祖泉
梁启超先生曾说过:“人生须知责任的苦处,才知道尽责任的乐趣。”回到我们的企业经营实践中,若数据量化工作做得好,每个人都清楚地知道靶心在哪,知道该如何瞄准射击,经营业绩一定能够持续改善!相反,经营业绩极容易潮起潮落,很难保持较高水平,更难实现不断向上突破!经营管理部是数据量化工作的统筹者、责任承担者和管理协调者,业务链上的各个环节及各个部门提供的数据必须保证真实、及时、客观、系统、全面。由此可见,经
- 想要自己的专属 AI 猫娘助理?教你使用 CPU 本地安装部署运行 ChatGLM-6B实现
恒TBOSH
GPT-4人工智能
今天介绍的ChatGLM-6B是一个清华开源的、支持中英双语的对话语言模型,基于GLM架构,具有62亿参数。关键的是结合模型量化技术,ChatGLM-6B可以本地安装部署运行在消费级的显卡上做模型的推理和训练(全量仅需14GB显存,INT4量化级别下最低只需6GB显存)虽然智商比不过openAI的ChatGPT模型,但是ChatGLM-6B是个在部署后可以完全本地运行,可以自己随意调参,几乎没有任
- Datawhale用免费GPU线上跑AI项目实践课程任务一学习笔记。部署ChatGLM3-6B模型
Hoogte-oile
学习笔记学习笔记人工智能自然语言处理
前言本篇文章为学习笔记,流程参照Datawhale用免费GPU线上跑AI项目实践课程任务,个人写此文章为记录学习历程和补充概念,并希望为后续的学习者开辟道路,没有侵权的意思。如有错误也希望大佬们批评指正。模型介绍ChatGLM-6B是一个开源的、支持中英双语问答的对话语言模型,基于GeneralLanguageModel(GLM)架构,具有62亿参数。结合模型量化技术,用户可以在消费级的显卡上进行
- 计算行业集中度
IT_小白
行业集中度:行业集中度(ConcentrationRatio)又称行业集中率或市场集中度(MarketConcentrationRate),是指某行业的相关市场内前N家最大的企业所占市场份额(产值、产量、销售额、销售量、职工人数、资产总额等)的总和,是对整个行业的市场结构集中程度的测量指标,用来衡量企业的数目和相对规模的差异,是市场势力的重要量化指标。衡量指标:行业集中度是决定市场结构最基本、最重
- Spring中@Value注解,需要注意的地方
无量
springbean@Valuexml
Spring 3以后,支持@Value注解的方式获取properties文件中的配置值,简化了读取配置文件的复杂操作
1、在applicationContext.xml文件(或引用文件中)中配置properties文件
<bean id="appProperty"
class="org.springframework.beans.fac
- mongoDB 分片
开窍的石头
mongodb
mongoDB的分片。要mongos查询数据时候 先查询configsvr看数据在那台shard上,configsvr上边放的是metar信息,指的是那条数据在那个片上。由此可以看出mongo在做分片的时候咱们至少要有一个configsvr,和两个以上的shard(片)信息。
第一步启动两台以上的mongo服务
&nb
- OVER(PARTITION BY)函数用法
0624chenhong
oracle
这篇写得很好,引自
http://www.cnblogs.com/lanzi/archive/2010/10/26/1861338.html
OVER(PARTITION BY)函数用法
2010年10月26日
OVER(PARTITION BY)函数介绍
开窗函数 &nb
- Android开发中,ADB server didn't ACK 解决方法
一炮送你回车库
Android开发
首先通知:凡是安装360、豌豆荚、腾讯管家的全部卸载,然后再尝试。
一直没搞明白这个问题咋出现的,但今天看到一个方法,搞定了!原来是豌豆荚占用了 5037 端口导致。
参见原文章:一个豌豆荚引发的血案——关于ADB server didn't ACK的问题
简单来讲,首先将Windows任务进程中的豌豆荚干掉,如果还是不行,再继续按下列步骤排查。
&nb
- canvas中的像素绘制问题
换个号韩国红果果
JavaScriptcanvas
pixl的绘制,1.如果绘制点正处于相邻像素交叉线,绘制x像素的线宽,则从交叉线分别向前向后绘制x/2个像素,如果x/2是整数,则刚好填满x个像素,如果是小数,则先把整数格填满,再去绘制剩下的小数部分,绘制时,是将小数部分的颜色用来除以一个像素的宽度,颜色会变淡。所以要用整数坐标来画的话(即绘制点正处于相邻像素交叉线时),线宽必须是2的整数倍。否则会出现不饱满的像素。
2.如果绘制点为一个像素的
- 编码乱码问题
灵静志远
javajvmjsp编码
1、JVM中单个字符占用的字节长度跟编码方式有关,而默认编码方式又跟平台是一一对应的或说平台决定了默认字符编码方式;2、对于单个字符:ISO-8859-1单字节编码,GBK双字节编码,UTF-8三字节编码;因此中文平台(中文平台默认字符集编码GBK)下一个中文字符占2个字节,而英文平台(英文平台默认字符集编码Cp1252(类似于ISO-8859-1))。
3、getBytes()、getByte
- java 求几个月后的日期
darkranger
calendargetinstance
Date plandate = planDate.toDate();
SimpleDateFormat df = new SimpleDateFormat("yyyy-MM-dd");
Calendar cal = Calendar.getInstance();
cal.setTime(plandate);
// 取得三个月后时间
cal.add(Calendar.M
- 数据库设计的三大范式(通俗易懂)
aijuans
数据库复习
关系数据库中的关系必须满足一定的要求。满足不同程度要求的为不同范式。数据库的设计范式是数据库设计所需要满足的规范。只有理解数据库的设计范式,才能设计出高效率、优雅的数据库,否则可能会设计出错误的数据库.
目前,主要有六种范式:第一范式、第二范式、第三范式、BC范式、第四范式和第五范式。满足最低要求的叫第一范式,简称1NF。在第一范式基础上进一步满足一些要求的为第二范式,简称2NF。其余依此类推。
- 想学工作流怎么入手
atongyeye
jbpm
工作流在工作中变得越来越重要,很多朋友想学工作流却不知如何入手。 很多朋友习惯性的这看一点,那了解一点,既不系统,也容易半途而废。好比学武功,最好的办法是有一本武功秘籍。研究明白,则犹如打通任督二脉。
系统学习工作流,很重要的一本书《JBPM工作流开发指南》。
本人苦苦学习两个月,基本上可以解决大部分流程问题。整理一下学习思路,有兴趣的朋友可以参考下。
1 首先要
- Context和SQLiteOpenHelper创建数据库
百合不是茶
androidContext创建数据库
一直以为安卓数据库的创建就是使用SQLiteOpenHelper创建,但是最近在android的一本书上看到了Context也可以创建数据库,下面我们一起分析这两种方式创建数据库的方式和区别,重点在SQLiteOpenHelper
一:SQLiteOpenHelper创建数据库:
1,SQLi
- 浅谈group by和distinct
bijian1013
oracle数据库group bydistinct
group by和distinct只了去重意义一样,但是group by应用范围更广泛些,如分组汇总或者从聚合函数里筛选数据等。
譬如:统计每id数并且只显示数大于3
select id ,count(id) from ta
- vi opertion
征客丶
macoprationvi
进入 command mode (命令行模式)
按 esc 键
再按 shift + 冒号
注:以下命令中 带 $ 【在命令行模式下进行】,不带 $ 【在非命令行模式下进行】
一、文件操作
1.1、强制退出不保存
$ q!
1.2、保存
$ w
1.3、保存并退出
$ wq
1.4、刷新或重新加载已打开的文件
$ e
二、光标移动
2.1、跳到指定行
数字
- 【Spark十四】深入Spark RDD第三部分RDD基本API
bit1129
spark
对于K/V类型的RDD,如下操作是什么含义?
val rdd = sc.parallelize(List(("A",3),("C",6),("A",1),("B",5))
rdd.reduceByKey(_+_).collect
reduceByKey在这里的操作,是把
- java类加载机制
BlueSkator
java虚拟机
java类加载机制
1.java类加载器的树状结构
引导类加载器
^
|
扩展类加载器
^
|
系统类加载器
java使用代理模式来完成类加载,java的类加载器也有类似于继承的关系,引导类是最顶层的加载器,它是所有类的根加载器,它负责加载java核心库。当一个类加载器接到装载类到虚拟机的请求时,通常会代理给父类加载器,若已经是根加载器了,就自己完成加载。
虚拟机区分一个Cla
- 动态添加文本框
BreakingBad
文本框
<script> var num=1; function AddInput() { var str=""; str+="<input 
- 读《研磨设计模式》-代码笔记-单例模式
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/
public class Singleton {
}
/*
* 懒汉模式。注意,getInstance如果在多线程环境中调用,需要加上synchronized,否则存在线程不安全问题
*/
class LazySingleton
- iOS应用打包发布常见问题
chenhbc
iosiOS发布iOS上传iOS打包
这个月公司安排我一个人做iOS客户端开发,由于急着用,我先发布一个版本,由于第一次发布iOS应用,期间出了不少问题,记录于此。
1、使用Application Loader 发布时报错:Communication error.please use diagnostic mode to check connectivity.you need to have outbound acc
- 工作流复杂拓扑结构处理新思路
comsci
设计模式工作算法企业应用OO
我们走的设计路线和国外的产品不太一样,不一样在哪里呢? 国外的流程的设计思路是通过事先定义一整套规则(类似XPDL)来约束和控制流程图的复杂度(我对国外的产品了解不够多,仅仅是在有限的了解程度上面提出这样的看法),从而避免在流程引擎中处理这些复杂的图的问题,而我们却没有通过事先定义这样的复杂的规则来约束和降低用户自定义流程图的灵活性,这样一来,在引擎和流程流转控制这一个层面就会遇到很
- oracle 11g新特性Flashback data archive
daizj
oracle
1. 什么是flashback data archive
Flashback data archive是oracle 11g中引入的一个新特性。Flashback archive是一个新的数据库对象,用于存储一个或多表的历史数据。Flashback archive是一个逻辑对象,概念上类似于表空间。实际上flashback archive可以看作是存储一个或多个表的所有事务变化的逻辑空间。
- 多叉树:2-3-4树
dieslrae
树
平衡树多叉树,每个节点最多有4个子节点和3个数据项,2,3,4的含义是指一个节点可能含有的子节点的个数,效率比红黑树稍差.一般不允许出现重复关键字值.2-3-4树有以下特征:
1、有一个数据项的节点总是有2个子节点(称为2-节点)
2、有两个数据项的节点总是有3个子节点(称为3-节
- C语言学习七动态分配 malloc的使用
dcj3sjt126com
clanguagemalloc
/*
2013年3月15日15:16:24
malloc 就memory(内存) allocate(分配)的缩写
本程序没有实际含义,只是理解使用
*/
# include <stdio.h>
# include <malloc.h>
int main(void)
{
int i = 5; //分配了4个字节 静态分配
int * p
- Objective-C编码规范[译]
dcj3sjt126com
代码规范
原文链接 : The official raywenderlich.com Objective-C style guide
原文作者 : raywenderlich.com Team
译文出自 : raywenderlich.com Objective-C编码规范
译者 : Sam Lau
- 0.性能优化-目录
frank1234
性能优化
从今天开始笔者陆续发表一些性能测试相关的文章,主要是对自己前段时间学习的总结,由于水平有限,性能测试领域很深,本人理解的也比较浅,欢迎各位大咖批评指正。
主要内容包括:
一、性能测试指标
吞吐量、TPS、响应时间、负载、可扩展性、PV、思考时间
http://frank1234.iteye.com/blog/2180305
二、性能测试策略
生产环境相同 基准测试 预热等
htt
- Java父类取得子类传递的泛型参数Class类型
happyqing
java泛型父类子类Class
import java.lang.reflect.ParameterizedType;
import java.lang.reflect.Type;
import org.junit.Test;
abstract class BaseDao<T> {
public void getType() {
//Class<E> clazz =
- 跟我学SpringMVC目录汇总贴、PDF下载、源码下载
jinnianshilongnian
springMVC
----广告--------------------------------------------------------------
网站核心商详页开发
掌握Java技术,掌握并发/异步工具使用,熟悉spring、ibatis框架;
掌握数据库技术,表设计和索引优化,分库分表/读写分离;
了解缓存技术,熟练使用如Redis/Memcached等主流技术;
了解Ngin
- the HTTP rewrite module requires the PCRE library
流浪鱼
rewrite
./configure: error: the HTTP rewrite module requires the PCRE library.
模块依赖性Nginx需要依赖下面3个包
1. gzip 模块需要 zlib 库 ( 下载: http://www.zlib.net/ )
2. rewrite 模块需要 pcre 库 ( 下载: http://www.pcre.org/ )
3. s
- 第12章 Ajax(中)
onestopweb
Ajax
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/
- Optimize query with Query Stripping in Web Intelligence
blueoxygen
BO
http://wiki.sdn.sap.com/wiki/display/BOBJ/Optimize+query+with+Query+Stripping+in+Web+Intelligence
and a very straightfoward video
http://www.sdn.sap.com/irj/scn/events?rid=/library/uuid/40ec3a0c-936
- Java开发者写SQL时常犯的10个错误
tomcat_oracle
javasql
1、不用PreparedStatements 有意思的是,在JDBC出现了许多年后的今天,这个错误依然出现在博客、论坛和邮件列表中,即便要记住和理解它是一件很简单的事。开发者不使用PreparedStatements的原因可能有如下几个: 他们对PreparedStatements不了解 他们认为使用PreparedStatements太慢了 他们认为写Prepar
- 世纪互联与结盟有感
阿尔萨斯
10月10日,世纪互联与(Foxcon)签约成立合资公司,有感。
全球电子制造业巨头(全球500强企业)与世纪互联共同看好IDC、云计算等业务在中国的增长空间,双方迅速果断出手,在资本层面上达成合作,此举体现了全球电子制造业巨头对世纪互联IDC业务的欣赏与信任,另一方面反映出世纪互联目前良好的运营状况与广阔的发展前景。
众所周知,精于电子产品制造(世界第一),对于世纪互联而言,能够与结盟