- 探索数据的奥秘:一份深入浅出的数据分析入门指南
uncle_ll
数据库数据分析数据挖掘入门
数据分析书籍推荐入门读物深入浅出数据分析啤酒与尿布数据之美数学之美数据分析ScipyandNumpyPythonforDataAnalysisBadDataHandbook集体智慧编程MachineLearninginAction机器学习实战BuildingMachineLearningSystemswithPython数据挖掘导论MachineLearningforHackers专业读物Intr
- 【配套博客】《集体智慧编程》推荐系统
破幻星空
读书笔记算法无关主业算法集体智慧编程笔记
推荐系统(建设中进度20%)背景介绍场景介绍算法介绍相似性算法欧几里得距离计算皮尔逊算法Jacard系数曼哈顿距离算法设计模式现代推荐算法基于卷积神经网络的推荐模型序列模型深度学习和注意力机制集体智慧编程是一本比较老的书,距今发布已经过去了14年,但是其中讲解的内容却是非常的偏实践,笔者之前主要是写业务代码,几乎很少接触算法内容,读此书时,觉得非常有收获。笔者会本书的基础之上,额外结合数学知识,代
- 个人博客汇总
破幻星空
个人开发
博客汇总建设完成的博客建设中的博客规划建设的博客看过但是暂时不会整理的博客建设完成的博客建设中的博客集体智慧编程redis设计与实现GRPC规划建设的博客书籍类DDIA技术方案活动增长裂变增长裂变人群打标看过但是暂时不会整理的博客刑法学讲义蛤蟆先生去看心理医生
- Python编程相关的书籍
软件架构师-叶秋
好书推荐分享开发语言python
《Python简明教程》。这本书短小精湛、久负盛名的Python入门教程,英文原名《AByteofPython》,是介绍Python编程的入门书籍。《Python编程:从入门到实践》。这本书全面介绍了Python编程,是掌握Python编程的经典之作。《集体智慧编程》。这本书用具体的例子来展示Python编程技巧,非常有用。《Head-FirstPython》。这本书是HeadFirst系列的书,
- 互联网产品经理必读书单
数据研究员
作为一个从读书时代就思考如何成为一个好的产品经理,怎样才能做出一款好的产品的人来说,现在正好可以说说自己的思考和感触。首先先列书单,后面会再说下这份书单背后的经历和思考。个人以为互联网产品经理需要必须的书目大概可以分为三大类+一小类第一大类:计算机计算机科学概论C语言程序设计计算机程序的构造和解释深入理解计算系统数据结构算法导论计算机网络现代操作系统集体智慧编程第二大类:数学高等数学线性代数概率论
- 集体智慧编程:提供推荐_推荐物品
菜菜蜗牛
前面已经实现不同人之间相似度的计算,接下来就是根据相似度,向用户推荐物品。找到相似度最高的用户B,将他的喜好推荐给用户A,这种方式太片面。好的做法,是针对物品进行评分。首先计算用户A与用户B的相似度,把相似度作为B的评分权重,乘以B的所有评分。针对A以外的所有用户,都这么计算一次。然后,把每个物品所有的分值相加,得到总分。最后,对每个物品的总分值,除以有效相似度的总和。"""推荐物品"""#书中算
- 协同过滤算法研习
糊君
写在前面先啰嗦几句,最近在看《集体智慧编程》,为了加深记忆,把学习的内容整理成文,后续还会写书中相关内容。既然是读书笔记,且本人是推荐算法入门选手,所以内容只能局限于此书。什么是协同过滤先举个生活中的场景,你想听歌却不知道听什么的时候,会向你身边与你品位类似的朋友求助,从而获得他的推荐。协同过滤(CollaborativeFiltering,简称CF)就像与你品味相近的朋友,通过对大量结构化数据进
- 读书笔记:“集体智慧编程”之第八章:对数值进行预测(构建价格模型)
silent狼
机器学习价格预测kNNk-最近邻算法python概率
数值预测的含义在上一章节,我们接触到的决策树,比较适合对数据的分类进行预测,以及我们之前学过的分类器也是如此。但是当我们对数值型结果进行预测的时候应该怎么办呢?具体什么叫做对数值型结果进行预测首先需要明确一下。比如:我们要在拍卖行竞价购买一个笔记本电脑,这台笔记本电脑有一些参数:处理器的速度,RAM的容量,硬盘的大小,屏幕的分辨率以及其他因素。显然,我们最终对其的定价必然要考虑这些参数,而这些参数
- 淘宝穿衣搭配算法大赛有感
miangmiang咩
机器学习阿里天池在赛
去年阿里天池大赛年度答辩在美丽的华工举办,五组选手的精彩答辩为我们提供了一场知识的盛宴,评委大多数都是阿里的资深工作人员,所以他们的提问也很细致。阿里举办的这种比赛意义还是挺大的,既可以解决自己的存在问题,又可以招贤。当然,对于数据爱好都的小白我,吸收了不少精华。我的反思我是研究生阶段接触机器学习和深度学习(了解一点),然后以李航老师写的《统计学方法》和《集体智慧编程》入门的,在kaggle上有参
- 《集体智慧编程》笔记(4 / 12):搜索与排名
巨輪
集体智慧编程python爬虫
由于书本未提供数据文件且提供的链接无法被链接且pysqlite安装失败,所以本章只是阅读学习。文章目录搜索引擎的组成一个简单的爬虫程序使用urllib2爬虫程序的代码建立索引建立数据库Schema在网页中查找单词加入索引查询基于内容的排名归一化函数单词频度文档位置单词距离利用外部会指链接简单计数PageRank算法利用连接文本从点击行为中学习一个点击跟踪网络的设计设计数据库前馈法利用反向传播进行训
- 集体智慧编程:提供推荐_为评论者打分
菜菜蜗牛
对具体的某一用户,根据其他用户的评价结果,计算出他与每一个用户的相似程度,找出相似程度最高的前N位。在函数中,通过similarity指定使用的相关性算法。"""为评论者打分"""#书中算法deftopMatches(prefs,person,n=5,similarity=sim_pearson):score=[(similarity(prefs,person,other),other)forot
- 算法思想-PageRank
蜡笔不好吃
最近重新拿起《集体智慧编程》这本书来看,书是好书,很多人推荐计算机的学习学这本书入门机器学习的算法,但是有个问题——这本书太老了。很多代码已经跑不了了,书上爬虫要抓的网站也404了。不过算法的思想却是永远不过时的,今天看到的是第四章:搜索与排名中的PageRank算法。一、算法思想PageRank算法这个算法简单来讲,就是衡量一个网页的“重要程度”。一个网页计算出来的PR值越高,网页重要程度越高。
- 【学习】数据挖掘—集体智慧编程
X_Ran_0a11
先做一个目录吧,不然实在太长了,连我自己都记不清楚第二章提供推荐2.1算法流程2.2基于用户进行过滤2.2.1搜集偏好2.2.2相似性度量方法2.2.3用户相似度计算2.2.4加权法构建推荐物品序列2.3基于物品进行过滤2.3.1提前构造物品字典相似矩阵2.3.2根据用户历史信息加权平均法构建推荐物品列表2.4其他概念第三章发现群组3.1算法流程3.2聚类的可视化3.2.1绘制树状图3.2.2多维
- 350多本编程书籍是每个程序员值得拥有的一套编程百科全书
代码技巧
热门书籍《重构》《程序员修炼之道》《计算机程序的构造和解释》《黑客与画家》《编程珠玑》《深入理解计算机系统》《代码大全》《HTTP权威指南》《UNIX程序设计艺术》《重来》《集体智慧编程》《疯狂的程序员》《Python金融数据分析》《智识分子:做个复杂的现代人》《C++primer》《禅与摩托车维修艺术》《深入理解Java虚拟机(最新版)》《计算机程序设计艺术卷1:基本算法》《颈椎康复指南》C++
- python3 集体智慧编程第九章advancedclassify.py代码
也不是很坑
python
对于python2版本的集体智慧编程第九章SVM进行了修改,该代码适用于python3版本。以下是advancedclassify.pyimportmatplotlib.pyplotaspltimportnumpyasnpclassmatchrow:def__init__(self,row,allnum=False):ifallnum:self.data=[float(row[i])foriinr
- python3集体智慧编程第九章
也不是很坑
python
以下是课本对应的一些练习,但有两个问题1.最后交叉验证部分我没做出来,估计我用的是python3.8的原因有大佬做出来的可以提意见2.最后Facebook的例子没有做,因为网址打不开,需要需要python3advancedclassify.py代码的见我另一篇##加载数据集importadvancedclassify#fromadvancedclassifyimport*agesonly=adva
- 推荐系统的学习笔记
白熊花田
机器学习推荐系统机器学习推荐系统
一直以来对推荐系统的学习和理解来自一些机器学习书中简单介绍(如《集体智慧编程》和《机器学习实战》)和自己网上搜的一些资料。而当被问及对推荐系统的改进和理解,发现自己对推荐系统所知甚少,除了知道几个常用的算法外,根本没有更深入的理解,更别提改进了。本篇博客为学习《推荐系统》一书的读书笔记,记录了常见的推荐算法和其思想。ps:推荐系统入门学习可以看蒋凡先生翻译的《推荐系统》和项量的《推荐系统实践》。1
- 读书笔记:“集体智慧编程”之第三章:“发现群组”的 k均值聚类
silent狼
机器学习k均值聚类kmeans机器学习
分级聚类的缺点此前学习的分级聚类、与列聚类,有二个缺点:计算量大,数据越大运行越缓慢。没有确切的将数据分成不同的组,只是形成了树状图。虽然我倒觉得如果写过多的代码这一点还是可以搞定的。k均值聚类可以应对上述两种缺点,我们会预先告诉算法生成的聚类数量,也就是我要产生几个类。原理如下图所示,对于5个数据项和两个聚类过程是这样的,先随机产生两个聚类点,那么每一个数据项都会离一其中一个最近,那么将其分配给
- 读书笔记:“集体智慧编程”之第三章:“发现群组”的 列聚类
silent狼
机器学习聚类列聚类集体智慧编程
什么是列聚类?对博客数据使用了分级聚类的方式分析,我们可以又学的一种聚类方式:列聚类。刚刚的分级聚类就是对行进行了一个聚类。行是什么?行就是一个又一个的博客名,列是什么?列就是一个又一个的单词,那么进行行聚类的时候,我们是根据单词的词频将不同的博客聚了一次类。当我们对单词进行聚类的时候,我们就称之为列聚类。意义何在正面回答,我们知道了哪些单词会时常一起使用。对于这个列子来讲,似乎没什么意义。但是如
- 《集体智慧编程》学习笔记
weixin_30776545
连载中~~目录第一章,集体智慧导言第二章,提供推荐第三章,发现群组**该书使用python作为示例语言,2.x版本第一章集体智慧导言集体智慧为了创造新的想法,而将一群人的行为、偏好或思想组合在一起。机器学习人工智能的一个与算法相关的子域,允许计算机不断地进行学习。(计算机接收到一定的数据,通过确定的算法推断出数据相关的信息,借此来推断出未来可能会出现的数据****由此可见,需要学好数学~~~)。机
- 《集体智慧编程》读书笔记6
weixin_30275415
最近重读《集体智慧编程》,这本当年出版的介绍推荐系统的书,在当时看来很引领潮流,放眼现在已经成了各互联网公司必备的技术。这次边阅读边尝试将书中的一些Python语言例子用C#来实现,利于自己理解,代码贴在文中方便各位园友学习。由于本文可能涉及到的与原书版权问题,请第三方不要以任何形式转载,谢谢合作。第六部分决策树建模这一部分我们继续介绍一种分类器算法-决策树学习。决策树产生的模型的最大特点就是可以
- 《集体智慧编程》读书笔记
weixin_30396699
数据库人工智能python
书中涉及到一些机器学习相关的内容,在统计学习方法读书笔记和西瓜书读书笔记中有所记录,所以只简单带过.本书源代码下载地址书中使用的python技巧字典的setdefault(key,value)方法,作用是如果键不在字典中,则添加键与默认值FeedParser是一个解析RSS订阅源的库print(str,end='')可以实现输出不换行BeautifulSoup库是一个解析网页和构造结构化数据表达形
- 《集体智慧编程》读书笔记2
weixin_30429201
人工智能数据结构与算法python
最近重读《集体智慧编程》,这本当年出版的介绍推荐系统的书,在当时看来很引领潮流,放眼现在已经成了各互联网公司必备的技术。这次边阅读边尝试将书中的一些Python语言例子用C#来实现,利于自己理解,代码贴在文中方便各位园友学习。由于本文可能涉及到的与原书版权问题,请第三方不要以任何形式转载,谢谢合作。第二部分聚类-发现群组监督学习和无监督学习利用样本输入和期望输出来学习如何预测的技术称为监督学习法。
- 《集体智慧编程》 第三章 发现群组 学习笔记
weixin_30657999
啦啦啦聚类算法~这一章我学得比较迷糊,还需要反复理解琢磨。我刚看到这一章的时候内心是崩溃的,许多傻瓜软件点一下鼠标就能完成的事儿,到书里这一章需要许多行代码来完成,也说明了,学数据挖掘,算法real重要。。本章需要安装:feedparser(第二章安装pydelicious已经安装过了,pipinstall即可)BeautifulSoup,BeautifulSoup是用Python写的一个HTML
- 读书笔记---《集体智慧编程》第3章:发现群组
lxy孙悟空
学习笔记读书笔记编程python
1.关于聚类的理解聚类实际上就是分类,对一些样本(样品)进行归类分组。本章第一个例子是对99篇博客进行聚类,也就是说每一篇博客便是一个样本。要分类就要有分类的标准(指标)。比如把人按地区、身高、体重分类,那地区、身高、体重就是指标。抽象地说,对样本X,设有p个指标,即X=(X1,X2,⋯,Xp)T.在博客聚类的这个例子中,选取的分类指标是一些单词(这里暂时不管为什么要选这些单词),即为china,
- 集体智慧编程_3发现群组
小八一的梦想
基础知识打砖笔记笔记
监督式学习与非监督式学习监督式学习指的是你拥有一个输入变量(x)和一个输出变量(Y),使用某种算法去学习从输入到输出的映射函数。例如,神经网络,决策树,支持向量机以及贝叶斯过滤等非监督式学习指的是我们只拥有(X)但是没有相关的输出变量。例如,聚类,非负矩阵因式分解,自组织映射等大概结构:有监督学习(分类,回归)↕半监督学习(分类,回归),transductivelearning(分类,回归)↕半监
- 机器学习实战之集体智慧编程学习笔记(2):聚类
冷鸢J
集体智慧编程机器学习机器学习分级聚类k-均值聚类二位聚类
聚类的作用监督学习与无监督学习监督学习无监督学习数据源聚类分类分级聚类k-均值聚类对偏好的聚类二维聚类思维导图由于代码中都有很详细的注解所以没有做过多的解释有问题请留言或私信解决聚类的作用通过聚类,我们可以跟踪统计消费者信息,发现具有相似消费习惯的群体,并据此开发相应的产品或者市场策略监督学习与无监督学习监督学习利用样本输入和期望输出来学习如何预测的技术神经网络决策树向量支持机贝叶斯过滤无监督学习
- 《集体智慧编程》读书笔记 1 聚类简介
a512977208
1、聚类算法的目的是采集数据,然后从中找出不同的群组。2、UniversalFeedParser可以方便地解析RSS订阅源,即从RSS或Atom订阅源中得到标题、链接和文章的内容。3、皮尔逊相关度其实判断的是两组数据与某条直线的拟合程度,当两者完全匹配时,计算结果为1.0,当两者毫无关系时,计算结果为0.0.4、分级聚类分级聚类的结果会产生一棵树:分级聚类虽然会返回一棵形象直观的树,但这种方法有两
- 集体智慧编程的笔记
柒安
笔记python笔记集体智慧编程
从evernote搬家过来,希望可以分享给更多的同学。EuclideandistanceandPearsonCorrelationScoreEuclideandistance:以经过人们一致评价的物品为坐标轴,然后将参与评价的人绘制到图上,并考察他们彼此间的距离远近。(处于“偏好空间”中人们的分布状况)PearsonCorrelationScore:修正了“夸大分值(gradeinflation)
- 集体智慧编程——发现群组
阿泽的学习笔记
集体智慧编程聚类K-means层次聚类
目录1.监督学习和无监督学习2.对博客用户进行聚类2.1建立单词向量2.2层次聚类2.3列聚类2.4K-均值聚类3.以二维形式展现数据1.监督学习和无监督学习监督学习:利用样本输入和期望输出来学习如何预测,如:神经网络、决策树、支持向量机、贝叶斯过滤等等;无监督学习:在一群数据中找寻某种结构,而这些数据本身并不是我们要找的答案。2.对博客用户进行聚类根据单词出现的频度对博客进行聚类,可以帮助我们分
- 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