Cbird-coder
Cbird-coder

Tornado运行tensorflow卡死问题分析

在网上看到有人成功运行了tornado+tensorflow。但是看代码发现，那种运行时比较低效率的。每一个request都要重新建立一次session。

我新建了全局session然后。各个进程就可以fork。然后session run就可以了。不用每次都重建。
但是却发现了大问题。程序运行出现了 死 锁 死锁 死锁。
通过python gdb进行跟踪，发现死锁在sess.run
通过一下两种说法。
https://github.com/tensorflow/tensorflow/issues/16969
https://github.com/tornadoweb/tornado/issues/2115
可以知道。tf.session不是fork-safe的库。在线程环境下可以，在多进程的情况下就不行了。
第一个最后结论说在python3.6.5上，可以修复死锁问题。但是经过实验，发现仍然死锁。

最终结论：要直接使用tornado做并使用session，模型高并发，看来不太可能了。需要换一种对tensorflow模型进行加载的方式！！！

你可能感兴趣的:(深度学习相关)

  • 深度学习相关知识--池化 已经大四了，继续努力 深度学习计算机视觉人工智能
    池化概念池化分为最大池化（用的多一些）和平均池化最大池化是选出区域内最大值作为池化后的值，如下图所示：平均池化是选择区域内平均值作为池化后的值，如下图所示：概念很浅显，但是对于刚入门的人来说，很难知道池化到底能干啥，局限性是什么。池化作用：1.减少运算量，这个还好理解，因为数据量变少了，后期计算量肯定也少了2.防止过拟合，因为池化可以把一张大图变成一张小图，但是保留了重要特征，这样使得模型学习时能
  • numpy 矩阵乘法_一起学习Python常用模块——numpy weixin_39636099 numpy矩阵乘法numpy矩阵乘法python对ndarray全体除以一个数python稀疏矩阵乘法python空数组python安装numpy模块
    关注微信公众号：一个数据人的自留地作者介绍知乎@王多鱼百度的一名推荐算法攻城狮。主要负责商品推荐的召回和排序模型的优化工作。1前言Python在数据科学、机器学习、AI领等域中占据主导地位，目前对于数据分析师和算法工程师来说是必备技能。对于数据分析师来说，应掌握基础语法和数据科学的模块，主要包括：pandas、numpy和机器学习库sklearn等。对于算法工程师来说，还应掌握深度学习相关模块，主
  • python 对ndarray全体除以一个数_一起学习Python常用模块——numpy weixin_39785814 python对ndarray全体除以一个数python空数组python数组全部平方
    关注微信公众号：一个数据人的自留地作者介绍知乎@王多鱼百度的一名推荐算法攻城狮。主要负责商品推荐的召回和排序模型的优化工作。1前言Python在数据科学、机器学习、AI领等域中占据主导地位，目前对于数据分析师和算法工程师来说是必备技能。对于数据分析师来说，应掌握基础语法和数据科学的模块，主要包括：pandas、numpy和机器学习库sklearn等。对于算法工程师来说，还应掌握深度学习相关模块，主
  • 阿里云人工智能工程师ACP认证考试：15天备考到通过经验分享 North_D AI人工智能阿里云人工智能经验分享
    阿里云人工智能工程师ACP认证考试：15天备考到通过经验分享机缘：以证促学在工作中，接触并使用深度学习相关技术已经有4、5年左右，具备一些AI相关的理论和经验。随着2023年AIGC的火热，个人的热情被带动起来，有必要系统、全面的对人工智能、机器学习、深度学习进行总结和再学习。那就设立一个可量化的学习目标吧：考个人工智能相关的认证，以证促学。踅摸了一圈，将目标确定为阿里云人工智能工程师ACP认证。
  • 【深度学习】讲透深度学习第3篇：TensorFlow张量操作（代码文档已分享）
    本系列文章md笔记（已分享）主要讨论深度学习相关知识。可以让大家熟练掌握机器学习基础,如分类、回归（含代码），熟练掌握numpy,pandas,sklearn等框架使用。在算法上，掌握神经网络的数学原理，手动实现简单的神经网络结构，在应用上熟练掌握TensorFlow框架使用，掌握神经网络图像相关案例。具体包括：TensorFlow的数据流图结构，神经网络与tf.keras，卷积神经网络(CNN)
  • 深度学习相关软件安装与环境配置（windows版本） 欧阳颖 python机器学习神经网络深度学习pycharm
    本文介绍了学习Python以及深度学习过程中常用软件的安装与环境配置。目录一.Anaconda1.1Anaconda简介1.2Anaconda安装1.3Anaconda环境配置二.安装GPU版本的PyTorch库三.安装和配置PyCharm3.1Python、PyCharm和Anaconda的关系3.2安装3.3配置一.Anaconda1.1Anaconda简介Anaconda是专门为了方便使用P
  • 李沐《动手学深度学习》注意力机制 丁希希哇 李沐《动手学深度学习》学习笔记深度学习人工智能算法pytorch
    系列文章李沐《动手学深度学习》预备知识张量操作及数据处理李沐《动手学深度学习》预备知识线性代数及微积分李沐《动手学深度学习》线性神经网络线性回归李沐《动手学深度学习》线性神经网络softmax回归李沐《动手学深度学习》多层感知机模型概念和代码实现李沐《动手学深度学习》多层感知机深度学习相关概念李沐《动手学深度学习》深度学习计算李沐《动手学深度学习》卷积神经网络相关基础概念李沐《动手学深度学习》卷积
  • 【深度学习】讲透深度学习第3篇：TensorFlow张量操作（代码文档已分享） 程序员一诺 python笔记人工智能深度学习深度学习tensorflow人工智能
    本系列文章md笔记（已分享）主要讨论深度学习相关知识。可以让大家熟练掌握机器学习基础,如分类、回归（含代码），熟练掌握numpy,pandas,sklearn等框架使用。在算法上，掌握神经网络的数学原理，手动实现简单的神经网络结构，在应用上熟练掌握TensorFlow框架使用，掌握神经网络图像相关案例。具体包括：TensorFlow的数据流图结构，神经网络与tf.keras，卷积神经网络(CNN)
  • 李沐《动手学深度学习》循环神经网络 经典网络模型 丁希希哇 李沐《动手学深度学习》学习笔记深度学习人工智能pytorch神经网络
    系列文章李沐《动手学深度学习》预备知识张量操作及数据处理李沐《动手学深度学习》预备知识线性代数及微积分李沐《动手学深度学习》线性神经网络线性回归李沐《动手学深度学习》线性神经网络softmax回归李沐《动手学深度学习》多层感知机模型概念和代码实现李沐《动手学深度学习》多层感知机深度学习相关概念李沐《动手学深度学习》深度学习计算李沐《动手学深度学习》卷积神经网络相关基础概念李沐《动手学深度学习》卷积
  • 李沐《动手学深度学习》卷积神经网络 经典网络模型 丁希希哇 李沐《动手学深度学习》学习笔记深度学习cnn神经网络算法pytorch
    系列文章李沐《动手学深度学习》预备知识张量操作及数据处理李沐《动手学深度学习》预备知识线性代数及微积分李沐《动手学深度学习》线性神经网络线性回归李沐《动手学深度学习》线性神经网络softmax回归李沐《动手学深度学习》多层感知机模型概念和代码实现李沐《动手学深度学习》多层感知机深度学习相关概念李沐《动手学深度学习》深度学习计算李沐《动手学深度学习》卷积神经网络相关基础概念目录系列文章一、LeNet
  • 【深度学习】从0完整讲透深度学习第2篇：TensorFlow介绍和基本操作（代码文档已分享） 程序员一诺 python笔记深度学习人工智能深度学习tensorflow人工智能
    本系列文章md笔记（已分享）主要讨论深度学习相关知识。可以让大家熟练掌握机器学习基础,如分类、回归（含代码），熟练掌握numpy,pandas,sklearn等框架使用。在算法上，掌握神经网络的数学原理，手动实现简单的神经网络结构，在应用上熟练掌握TensorFlow框架使用，掌握神经网络图像相关案例。具体包括：TensorFlow的数据流图结构，神经网络与tf.keras，卷积神经网络(CNN)
  • 机器学习、深度学习、自然语言处理基础知识总结 北航程序员小C 机器学习专栏人工智能学习专栏深度学习专栏机器学习深度学习自然语言处理
    说明机器学习、深度学习、自然语言处理基础知识总结。目前主要参考李航老师的《统计学习方法》一书，也有一些内容例如XGBoost、聚类、深度学习相关内容、NLP相关内容等是书中未提及的。由于github的markdown解析器不支持latex，因此笔记部分需要在本地使用Typora才能正常浏览，也可以直接访问下面给出的博客链接。Document文件夹下为笔记，Code文件夹下为代码，Data文件夹下为
  • 李沐《动手学深度学习》卷积神经网络 相关基础概念 丁希希哇 李沐《动手学深度学习》学习笔记深度学习cnn人工智能pytorch神经网络
    系列文章李沐《动手学深度学习》预备知识张量操作及数据处理李沐《动手学深度学习》预备知识线性代数及微积分李沐《动手学深度学习》线性神经网络线性回归李沐《动手学深度学习》线性神经网络softmax回归李沐《动手学深度学习》多层感知机模型概念和代码实现李沐《动手学深度学习》多层感知机深度学习相关概念李沐《动手学深度学习》深度学习计算目录系列文章一、从全连接层到卷积（一）全连接层（二）卷积神经网络的空间不
  • 李沐《动手学深度学习》深度学习计算 丁希希哇 李沐《动手学深度学习》学习笔记深度学习人工智能pytorch算法
    系列文章李沐《动手学深度学习》预备知识张量操作及数据处理李沐《动手学深度学习》预备知识线性代数及微积分李沐《动手学深度学习》线性神经网络线性回归李沐《动手学深度学习》线性神经网络softmax回归李沐《动手学深度学习》多层感知机模型概念和代码实现李沐《动手学深度学习》多层感知机深度学习相关概念目录系列文章一、层和块（一）块的概念（二）块的实现二、参数管理（一）参数访问：用于调试、诊断和可视化（二）
  • 李沐《动手学深度学习》多层感知机 深度学习相关概念 丁希希哇 李沐《动手学深度学习》学习笔记深度学习人工智能pytorch算法
    系列文章李沐《动手学深度学习》预备知识张量操作及数据处理李沐《动手学深度学习》预备知识线性代数及微积分李沐《动手学深度学习》线性神经网络线性回归李沐《动手学深度学习》线性神经网络softmax回归李沐《动手学深度学习》多层感知机模型概念和代码实现目录系列文章一、模型选择、欠拟合和过拟合（一）训练误差和泛化误差（二）模型选择：验证集（三）欠拟合与过拟合二、过拟合的解决（一）权重衰减：正则化（二）暂退
  • 我的深度学习日记（一）：安装开发环境 是lethe先生 深度学习人工智能
    我的毕设题目是深度学习相关的，之前没弄过，学的图像处理的课也学的只有皮毛，就是python学的稍微好点，这次简单的系统自学一下深度学习吧，并记录一下学习过程中的笔记，理解有误之处望大家指正~这个笔记就是安装pytorch、CUDA和CUDNN，先简单描述下，这三个玩意是干嘛的，不然咱们也不晓得为啥装它。首先就是pytorch，反正弄深度学习得用这个，导师也让咱去查，反正就是一个必须下了，具体是干嘛
  • 深度学习学习杂想 Langdun
    最近几日，利用晚自习、自习课时间集中深度学习相关文章，感触颇深。一般情况下，深度学习相对应的是浅层学习，他们各自相对应的具体内容可以从布鲁姆认知目标分类中获得。浅层学习，属于底层的识记和理解部分；深度学习则是有关知识的应用、分析、综合和创造部分。从十八世纪中后期工业革命以来，人类的主流经济经历着巨大的变化。前面两次工业革命，创造的是无数只需要动手的工作，因此这样环境下的教育只需要我们像工厂一样，生
  • 【深度学习】从0到完整项目第1篇：深度学习第一个案例（代码文档已分享） 程序员一诺 深度学习python笔记深度学习人工智能
    本系列文章md笔记（已分享）主要讨论深度学习相关知识。可以让大家熟练掌握机器学习基础,如分类、回归（含代码），熟练掌握numpy,pandas,sklearn等框架使用。在算法上，掌握神经网络的数学原理，手动实现简单的神经网络结构，在应用上熟练掌握TensorFlow框架使用，掌握神经网络图像相关案例。具体包括：TensorFlow的数据流图结构，神经网络与tf.keras，卷积神经网络(CNN)
  • 畸变矫正-深度学习相关论文学习 六个核桃Lu 畸变矫正深度学习学习人工智能
    目录DocTr:DocumentImageTransformerforGeometricUnwarpingandIlluminationCorrectionSimFIR:ASimpleFrameworkforFisheyeImageRectificationwithSelf-supervisedRepresentationLearningModel-FreeDistortionRectificat
  • 基于CNN神经网络的手写字符识别实验报告 全是头发的羊羊羊 机器学习深度学习神经网络cnn人工智能
    作业要求具体实验内容根据实际情况自拟，可以是传统的BP神经网络，Hopfield神经网络，也可以是深度学习相关内容。数据集自选，可以是自建数据集，或MNIST，CIFAR10等公开数据集。实验报告内容包括但不限于：实验目标和动机，应明确说明输入数据，和网络输出数据；所设计相关网络的基本架构；核心架构的具体实现；网络训练和推理过程及说明；实验结果比对和分析；总结和讨论…可根据需要自行扩展评分标准：符
  • 人工智能正从统计学习走向语境顺应：浅谈人工智能的三个阶段 6313dd535a24
    以前，我们倾向于把人工智能看做新事物，尤其是新技术以及和深度学习相关的新技巧。然而，人工智能已经过数十年的发展，否认过往的成功似乎不合逻辑，因为技术总是不断向前发展。《人工智能的三次浪潮（ThreeWavesofAI）》，作者是DARPA信息创新办公室主管JohnLaunchbury，他从一个更长远和宽广的视角，将人工智能的历史与未来划分为了三个阶段：人工智能第一阶段：手工知识第一个阶段的典型代表
  • AI 论文精读，中文视频讲解：剖析人工智能本质 | 开源日报 No.120 开源服务指南 开源日报人工智能开源
    mli/paper-readingStars:21.8kLicense:Apache-2.0深度学习论文精读是一个深度学习相关论文列表，包括计算机视觉、生成模型、自然语言处理等多个领域。该项目的核心优势和特点包括：提供了大量关于深度学习各领域热门文章内容对不同年份发表的有较高引用率或近期比较有意思的文章进行详尽解读涵盖了计算机视觉、生成模型、自然语言处理等多个方面，为广大研究者提供全面而专业的知识
  • 深度学习tensorflow环境配置全教程 什么都不太会的研究生 机器学习深度学习tensorflow人工智能机器学习
    基于深度学习的tensorflow环境配置1.安装anaconda1.1下载anaconda1.2anaconda的安装2.安装cuda2.1查看电脑cuda版本2.2下载cuda安装包2.3安装cudnn3.tensorflow环境配置4.测试tensorflow环境系统：windows编程软件：Pycharm编程语言：python在进行深度学习相关学习过程中运行代码需要对应的tensorflo
  • 「65页PDF」让 PM 全面理解深度学习 easyAI人工智能知识库
    本文汇总了深度学习相关的重要知识点，通过长图和PDF的方式呈现给大家，欢迎各位PM下载。访问「easyAI-产品经理的AI知识库」下载PDF下面是内容结构和长图：深度学习全景图深度学习概要卷积神经网络-CNN循环神经网络-RNN长短期记忆网络–LSTM生成对抗网络–GANs强化学习-Reinforcementlearning|RL一图看懂深度学习
  • Halcon深度学习相关术语介绍 夏雪之晶莹 《HALCON》学习笔记深度学习
    1、深度学习术语表一序号术语解释1AdamAdam(adaptivemomentestimation)是一种基于一阶梯度的随机目标函数优化算法，用于计算单独的自适应学习率。在深度学习方法中，该算法可用于最小化损失函数。2anchor它们作为固定的参考边界框，借助这些参考框，网络为要目标的定位提出建议的边界框。3annotation表示给定实例的groundtruth信息。例如，在目标检测中，一个实
  • 深度学习（1）以目标跟踪阐述深度学习相关模型原理及特征提取方式详解 明月醉窗台 #深度学习目标跟踪深度学习计算机视觉算法python
    1.目标跟踪综述一般包含：特征表达、跟踪模型、搜索策略跟踪方法分类2.特征表达2.1传统特征表达主要包括HOG、LBP、Harr-like、SIFT和颜色统计1.HOG:图像局部区域梯度加权直方图，一般针对灰度图像，对背景光照变化和目标微量性形变具有不变性2.LBP：局部二值化3.Haar-like：基于哈尔小波变换所设计，采用积分图进行快速运算，早期常用于进行人脸特征提取4.SIFT特征：它是一
  • libtorch知识总结 梦想的理由 libtorchpytorchc++
    libtorch知识总结一，libtorchapi1.创建张量2.属性3.运算4.形状变换5.选择和切片6.其它函数二，深度学习相关函数三，编译相关文件和命令1.g++命令2.Makefile3.CMakeLists.txt3.1基本3.2打包库(1)CMakeLists.txt主文件(2)subCMakeLists.txt文件一，libtorchapi1.创建张量torch::Tensor=to
  • 人工智能和ChatGPT深度学习相关资源列表 AIGCTribe 人工智能深度学习chatgpt
    作者：DerrickHarris，MattBornstein，GuidoAppenzellerResearchinartificialintelligenceisincreasingatanexponentialrate.It’sdifficultforAIexpertstokeepupwitheverythingnewbeingpublished,andevenharderforbeginner
  • python最小生成树算法_最小生成树：Kruskal算法及python实现 芒果大大 python最小生成树算法
    本人数学专业本科，研究生读的计算机，方向是深度学习相关的，在平时上课和自己自学，看论文都是深度学习和机器学习相关的。打算毕业之后从事机器学习相关工作，但是不知道学完Dl，ML的相关算法之后，还需不需要学习传统的数据结构，比如二叉树，图，队列，栈什么的，还有必要学习算法导论里的算法吗？如果都学的话，那感觉时间不够，而且这些难度都挺大的。有没有前辈来指点一二呢？这是今天逛知乎时看到的一个提问“学习机器
  • 进大厂全靠自学，微软&头条实习生现身说法：我是这样自学深度学习的丨课程传送门... QbitAl
    作者SannyKim郭一璞编译量子位出品|公众号QbitAI跟着网络资料自学、刷MOOC是许多人学深度学习的方式，但深度学习相关资源众多，应该从哪儿开始学呢？富有自学经验的GitHub用户SannyKim贡献出了一份深度学习自学指南。她自学成才，有Udacity、deeplearning.ai、Coursera的一大堆课程认证，甚至连大学都是上的以自学、MOOC著称的Minerva大学，自学卓有成
  • html页面js获取参数值 0624chenhong html
    1.js获取参数值js function GetQueryString(name) {      var reg = new RegExp("(^|&)"+ name +"=([^&]*)(&|$)");      var r = windo
  • MongoDB 在多线程高并发下的问题 BigCat2013 mongodbDB高并发重复数据
    最近项目用到 MongoDB , 主要是一些读取数据及改状态位的操作. 因为是结合了最近流行的 Storm进行大数据的分析处理，并将分析结果插入Vertica数据库，所以在多线程高并发的情境下, 会发现 Vertica 数据库中有部分重复的数据. 这到底是什么原因导致的呢？笔者开始也是一筹莫 展，重复去看 MongoDB 的 API , 终于有了新发现 ： com.mongodb.DB 这个类有
  • c++ 用类模版实现链表(c++语言程序设计第四版示例代码) CrazyMizzz 数据结构C++
    #include<iostream> #include<cassert> using namespace std; template<class T> class Node { private: Node<T> * next; public: T data;
  • 最近情况 麦田的设计者 感慨考试生活
       在五月黄梅天的岁月里，一年两次的软考又要开始了。到目前为止，我已经考了多达三次的软考，最后的结果就是通过了初级考试（程序员）。人啊，就是不满足，考了初级就希望考中级，于是，这学期我就报考了中级，明天就要考试。感觉机会不大，期待奇迹发生吧。这个学期忙于练车，写项目，反正最后是一团糟。后天还要考试科目二。这个星期真的是很艰难的一周，希望能快点度过。   
  • linux系统中用pkill踢出在线登录用户 被触发 linux
    由于linux服务器允许多用户登录，公司很多人知道密码，工作造成一定的障碍所以需要有时踢出指定的用户 1/#who   查出当前有那些终端登录（用 w 命令更详细） # who root     pts/0        2010-10-28 09:36 (192
  • 仿QQ聊天第二版 肆无忌惮_ qq
    在第一版之上的改进内容:  第一版链接: http://479001499.iteye.com/admin/blogs/2100893   用map存起来号码对应的聊天窗口对象,解决私聊的时候所有消息发到一个窗口的问题. 增加ViewInfo类,这个是信息预览的窗口,如果是自己的信息,则可以进行编辑.   信息修改后上传至服务器再告诉所有用户,自己的窗口
  • java读取配置文件 知了ing
    1，java读取.properties配置文件 InputStream in; try { in = test.class.getClassLoader().getResourceAsStream("config/ipnetOracle.properties");//配置文件的路径 Properties p = new Properties()
  • __attribute__ 你知多少？ 矮蛋蛋 C++gcc
    原文地址: http://www.cnblogs.com/astwish/p/3460618.html GNU C 的一大特色就是__attribute__ 机制。__attribute__ 可以设置函数属性（Function Attribute ）、变量属性（Variable Attribute ）和类型属性（Type Attribute ）。 __attribute__ 书写特征是：
  • jsoup使用笔记 alleni123 java爬虫JSoup
    <dependency> <groupId>org.jsoup</groupId> <artifactId>jsoup</artifactId> <version>1.7.3</version> </dependency> 2014/08/28 今天遇到这种形式，
  • JAVA中的集合 Collectio 和Map的简单使用及方法 百合不是茶 listmapset
             List ,set ,map的使用方法和区别 java容器类类库的用途是保存对象，并将其分为两个概念：     Collection集合：一个独立的序列，这些序列都服从一条或多条规则;List必须按顺序保存元素  ，set不能重复元素；Queue按照排队规则来确定对象产生的顺序（通常与他们被插入的
  • 杀LINUX的JOB进程 bijian1013 linuxunix
    今天发现数据库一个JOB一直在执行，都执行了好几个小时还在执行，所以想办法给删除掉   系统环境：    ORACLE 10G    Linux操作系统   操作步骤如下： 第一步.查询出来那个job在运行，找个对应的SID字段 select * from dba_jobs_running--找到job对应的sid &n
  • Spring AOP详解 bijian1013 javaspringAOP
            最近项目中遇到了以下几点需求，仔细思考之后，觉得采用AOP来解决。一方面是为了以更加灵活的方式来解决问题，另一方面是借此机会深入学习Spring AOP相关的内容。例如，以下需求不用AOP肯定也能解决，至于是否牵强附会，仁者见仁智者见智。 1.对部分函数的调用进行日志记录，用于观察特定问题在运行过程中的函数调用
  • [Gson六]Gson类型适配器(TypeAdapter) bit1129 Adapter
    TypeAdapter的使用动机  Gson在序列化和反序列化时，默认情况下，是按照POJO类的字段属性名和JSON串键进行一一映射匹配，然后把JSON串的键对应的值转换成POJO相同字段对应的值，反之亦然，在这个过程中有一个JSON串Key对应的Value和对象之间如何转换(序列化/反序列化)的问题。   以Date为例，在序列化和反序列化时，Gson默认使用java.
  • 【spark八十七】给定Driver Program， 如何判断哪些代码在Driver运行，哪些代码在Worker上执行 bit1129 driver
    Driver Program是用户编写的提交给Spark集群执行的application，它包含两部分 作为驱动： Driver与Master、Worker协作完成application进程的启动、DAG划分、计算任务封装、计算任务分发到各个计算节点(Worker)、计算资源的分配等。 计算逻辑本身，当计算任务在Worker执行时，执行计算逻辑完成application的计算任务
  • nginx 经验总结 ronin47 nginx 总结
    　　　深感nginx的强大，只学了皮毛，把学下的记录。 　　　获取Header 信息，一般是以$http_XX（ＸＸ是小写）            获取body,通过接口，再展开，根据Ｋ取Ｖ 　　　获取uri,以$arg_XX      &n
  • 轩辕互动-1.求三个整数中第二大的数2.整型数组的平衡点 bylijinnan 数组
    import java.util.ArrayList; import java.util.Arrays; import java.util.List; public class ExoWeb { public static void main(String[] args) { ExoWeb ew=new ExoWeb(); System.out.pri
  • Netty源码学习-Java-NIO-Reactor bylijinnan java多线程netty
    Netty里面采用了NIO-based Reactor Pattern 了解这个模式对学习Netty非常有帮助 参考以下两篇文章： http://jeewanthad.blogspot.com/2013/02/reactor-pattern-explained-part-1.html http://gee.cs.oswego.edu/dl/cpjslides/nio.pdf
  • AOP通俗理解 cngolon springAOP
    1.我所知道的aop     初看aop,上来就是一大堆术语，而且还有个拉风的名字，面向切面编程，都说是OOP的一种有益补充等等。一下子让你不知所措，心想着：怪不得很多人都和 我说aop多难多难。当我看进去以后，我才发现：它就是一些java基础上的朴实无华的应用，包括ioc，包括许许多多这样的名词，都是万变不离其宗而 已。 2.为什么用aop&nb
  • cursor variable 实例 ctrain variable
    create or replace procedure proc_test01 as type emp_row is record( empno emp.empno%type, ename emp.ename%type, job emp.job%type, mgr emp.mgr%type, hiberdate emp.hiredate%type, sal emp.sal%t
  • shell报bash: service: command not found解决方法 daizj linuxshellservicejps
    今天在执行一个脚本时，本来是想在脚本中启动hdfs和hive等程序，可以在执行到service hive-server start等启动服务的命令时会报错，最终解决方法记录一下：   脚本报错如下： ./olap_quick_intall.sh: line 57: service: command not found ./olap_quick_intall.sh: line 59
  • 40个迹象表明你还是PHP菜鸟 dcj3sjt126com 设计模式PHP正则表达式oop
    你是PHP菜鸟，如果你：1. 不会利用如phpDoc 这样的工具来恰当地注释你的代码2. 对优秀的集成开发环境如Zend Studio 或Eclipse PDT 视而不见3. 从未用过任何形式的版本控制系统，如Subclipse4. 不采用某种编码与命名标准 ，以及通用约定，不能在项目开发周期里贯彻落实5. 不使用统一开发方式6. 不转换（或）也不验证某些输入或SQL查询串（译注：参考PHP相关函
  • Android逐帧动画的实现 dcj3sjt126com android
    一、代码实现： private ImageView iv; private AnimationDrawable ad; @Override protected void onCreate(Bundle savedInstanceState) { super.onCreate(savedInstanceState); setContentView(R.layout
  • java远程调用linux的命令或者脚本 eksliang linuxganymed-ssh2
    转载请出自出处： http://eksliang.iteye.com/blog/2105862        Java通过SSH2协议执行远程Shell脚本(ganymed-ssh2-build210.jar)   使用步骤如下： 1.导包 官网下载: http://www.ganymed.ethz.ch/ssh2/ ma
  • adb端口被占用问题 gqdy365 adb
    最近重新安装的电脑，配置了新环境，老是出现： adb server is out of date. killing... ADB server didn't ACK * failed to start daemon * 百度了一下，说是端口被占用，我开个eclipse，然后打开cmd，就提示这个，很烦人。 一个比较彻底的解决办法就是修改
  • ASP.NET使用FileUpload上传文件 hvt .netC#hovertreeasp.netwebform
    前台代码： <asp:FileUpload ID="fuKeleyi" runat="server" /> <asp:Button ID="BtnUp" runat="server" onclick="BtnUp_Click" Text="上 传" />
  • 代码之谜（四）- 浮点数（从惊讶到思考） justjavac 浮点数精度代码之谜IEEE
    在『代码之谜』系列的前几篇文章中，很多次出现了浮点数。 浮点数在很多编程语言中被称为简单数据类型，其实，浮点数比起那些复杂数据类型（比如字符串）来说， 一点都不简单。 单单是说明 IEEE浮点数 就可以写一本书了，我将用几篇博文来简单的说说我所理解的浮点数，算是抛砖引玉吧。 一次面试 记得多年前我招聘 Java 程序员时的一次关于浮点数、二分法、编码的面试， 多年以后，他已经称为了一名很出色的
  • 数据结构随记_1 lx.asymmetric 数据结构笔记
    第一章   1.数据结构包括数据的 逻辑结构、数据的物理/存储结构和数据的逻辑关系这三个方面的内容。 2.数据的存储结构可用四种基本的存储方法表示，它们分别是 顺序存储、链式存储 、索引存储 和 散列存储。 3.数据运算最常用的有五种，分别是  查找/检索、排序、插入、删除、修改。 4.算法主要有以下五个特性：  输入、输出、可行性、确定性和有穷性。 5.算法分析的
  • linux的会话和进程组 网络接口 linux
    会话： 一个或多个进程组。起于用户登录，终止于用户退出。此期间所有进程都属于这个会话期。会话首进程：调用setsid创建会话的进程1.规定组长进程不能调用setsid，因为调用setsid后，调用进程会成为新的进程组的组长进程.如何保证？ 先调用fork，然后终止父进程，此时由于子进程的进程组ID为父进程的进程组ID，而子进程的ID是重新分配的，所以保证子进程不会是进程组长，从而子进程可以调用se
  • 二维数组 元素的连续求解 1140566087 二维数组ACM
    import java.util.HashMap; public class Title { public static void main(String[] args){ f(); } // 二位数组的应用 //12、二维数组中，哪一行或哪一列的连续存放的0的个数最多，是几个0。注意，是“连续”。 public static void f(){
  • 也谈什么时候Java比C++快 windshome javaC++
      刚打开iteye就看到这个标题“Java什么时候比C++快”，觉得很好笑。   你要比，就比同等水平的基础上的相比，笨蛋写得C代码和C++代码，去和高手写的Java代码比效率，有什么意义呢？   我是写密码算法的，深刻知道算法C和C++实现和Java实现之间的效率差，甚至也比对过C代码和汇编代码的效率差，计算机是个死的东西，再怎么优化，Java也就是和C
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他