- DeepSeek-V3 技术报告
mingo_敏
LLM深度学习人工智能
1概述本文介绍了DeepSeek-V3,一个强大的混合专家(MoE)语言模型,总参数量为6710亿,每个token激活的参数量为370亿。为了实现高效的推理和经济高效的训练,DeepSeek-V3采用了多头潜在注意力(MLA)和DeepSeekMoE架构,这些架构在DeepSeek-V2中得到了充分验证。此外,DeepSeek-V3率先采用了无辅助损失的负载均衡策略,并设定了多token预测训练目
- 原创prompt:员工加班助手
姚瑞南
prompt实战应用案例prompt
本文原创作者:姚瑞南AI-agent大模型运营专家,先后任职于美团、猎聘等中大厂AI训练专家和智能运营专家岗;多年人工智能行业智能产品运营及大模型落地经验,拥有AI外呼方向国家专利与PMP项目管理证书。(转载需经授权)#Role:员工加班填报助手##Profile:你是一个在公司内部帮助员工填报加班信息、审批的办公室助手,主要任务是通过友好且礼貌的引导员工对话填报加班方式来帮助员工完成加班信息填报
- 修改训练配置记录
positive546
深度学习人工智能机器学习
1.learning_rate:作用:学习率。修改影响:调整此值可以显著影响模型的训练速度和最终性能。在train.py代码的设置训练配置中:trainer=SFTTrainer(model=model,tokenizer=tokenizer,train_dataset=dataset,dataset_text_field="text",max_seq_length=max_seq_length,
- 特征选择(机器学习)
赵孝正
机器学习算法机器学习人工智能
目录1.为什么需要特征选择2.常见的特征选择方法2.1过滤式(FilterMethods)小示例(用Python伪代码表达):2.2包裹式(WrapperMethods)小示例(RFE伪代码示例):2.3嵌入式(EmbeddedMethods)小示例(Lasso伪代码示例):3.实践建议4.小结1.为什么需要特征选择在机器学习任务中,经常会遇到以下问题:特征(变量)数量过多,导致计算量大、训练速度
- YOLO系列之训练环境(GPU)搭建篇
w94ghz
YOLO改进系列YOLOv8改进系列YOLO深度学习人工智能python目标检测
YOLOv8专栏导航:点击此处跳转Pytorch环境配置(Windows)Anaconda安装此处下载安装即可⭐温馨提示:安装路径
- 【大模型入门必看】LLM大语言模型导读
古-月
LLM大语言模型
前言在规模扩展定律(ScalingLaws)被证明对语言模型有效之后,研究者构建出了许多大语言模型。尤其是2022年底面向普通消费者的ChatGPT模型的出现,正式标志着自然语言处理进入大语言模型时代。本章将简要梳理大语言模型的技术要点以及构建过程,并且列举了可用于预训练以及微调模型的常用数据集,介绍了目前开发大语言模型常用的代码库、预训练大语言模型的步骤以及涉及的关键技术,包括数据准备阶段、模型
- PostgreSQL 数据库的备份和恢复
盖盖衍上_染染熊
中间件数据库postgresqloracle
1.备份数据库:a.备份格式选择*.bak:压缩二进制格式*.sql:明文转储*.tar:tarballb.使用pg_dump命令备份数据库使用pg_dump备份整个数据库:pg_dump-U数据库角色dbname>backup.sqlpg_dump-Upostgresmydata>mydata.sql这将备份整个数据库,并将备份数据保存到backup.sql文件中。注:查询数据库角色语句:SEL
- python 使用Whisper模型进行语音翻译
哦里 哦里哦里给
AI大语言模型实战pythonwhisper
目录一、Whisper是什么?二、Whisper的基本命令行用法三、代码实践四、是否保留Token标记五、翻译长度问题六、性能分析一、Whisper是什么?Whisper是由OpenAI开源的一个自动语音识别(AutomaticSpeechRecognition,ASR)系统。它的主要特点是:多语言支持:它本身就能识别几十种语言,包括中文。多尺寸预训练模型:官方提供了5个不同大小的模型(tiny,
- python 阴暗图像 亮度增强 对比度增强 去雾
weixin_37763484
python数据挖掘深度学习pythonopencv计算机视觉图像处理目标检测
背景说明最近在处理图像,发现一些样本由于逆光原因过于阴暗,影响图像识别。解决时,可以在训练样本中加入类似的图像,或者手动把相关图像进行颜色变化。这里主要介绍手工颜色变化。原始图像如下,假设你需要判断裤子的种类(牛仔裤还或棉布裤子),类似阴暗图像很难判断:网上现有的解决方法中,主要包含直方图变化和gamma变换,例如下面几篇文章OpenCV调整图像对比度和亮度、qunshansj/opencv-py
- DeepSeek优势方法策略
ZhangJiQun&MXP
2021论文2021AIpython教学人工智能语言模型自然语言处理gpt深度学习
DeepSeek优势方法策略目录DeepSeek优势方法策略DeepSeek在训练阶段压缩时间空间复杂度的方法DeepSeek和ChatGPT在压缩时间空间复杂度上的不同之处DeepSeek能降低显卡使用的原因DeepSeek在训练阶段压缩时间空间复杂度的方法采用MLA架构:在传统的Transformer模型中,每一层都需要独立计算和存储key和value矩阵,占用大量内存空间。MLA通过动态合并
- 基于YOLOv11无人机视角船舶检测系统:项目概述与技术实现
qq1309399183
计算机视觉实战项目集合YOLO无人机人工智能计算机视觉无人机视角船舶检测yolo11改进yolo11涨点
文章目录YOLOv11无人机视角船舶检测系统:项目概述与技术实现项目背景项目简介核心目标YOLOv11的技术优势1.**更强的特征提取能力**2.**改进的多尺度检测**3.**轻量化设计**4.**实时处理能力**数据准备与模型训练1.**数据集构建**2.**模型训练**系统功能与使用方法1.**实时目标检测**2.**静态图片检测**3.**视频文件处理**4.**多种目标类别支持**安装与
- Python OpenCV图像位运算详解
缤纷彩色
opencvpython计算机视觉
PythonOpenCV图像位运算详解图像处理是近年来非常热门的一项技术,其中图像二值化、特征提取、形态学处理等应用广泛。而位运算是图像处理中最重要的操作之一,其作用不仅可以对二进制数据进行处理,还可以在图像处理中实现一些特殊的效果。OpenCV库中提供了一系列对图像进行位运算的函数,其中bitwise_and函数有着非常广泛的应用。OpenCV-Python中的bitwise_and函数是一个二
- Llama大型语言模型原理详解
摆烂大大王
llamallama语言模型人工智能
Llama大型语言模型是一种基于深度学习的自然语言处理模型,它在文本生成、问答、摘要等多种NLP任务中展现出强大的性能。本文将详细解析Llama模型的原理,包括其结构、训练过程以及工作机制,帮助读者深入理解这一先进的模型。一、模型结构Llama模型采用了一种基于Transformer的架构,这是一种由多个自注意力机制和前馈神经网络组成的深度神经网络结构。Transformer架构通过自注意力机制捕
- Rollup:专注类库和框架打包
时解之
JS专区RollupRollup打包大前端Javascript
文章内容输出来源:拉勾大前端高薪训练营-概述-也是一款ESModules打包器-也可以将项目中的一些散落的细小模块打包为整块代码-rollup与webpack作用类似-rollup更为小巧,仅仅是一款ESM打包器-rollup中并不支持类似HMR这种高级特性-rollup并不是要与webpack全面竞争-目标是提供一个充分利用ESM各项特性的高效打包器-快速上手-准备代码-src/message.
- 基于Transformer的多通道肌电信号序列分类
咖啡百怪
transformer深度学习人工智能
表面肌电信号(sEMG)为十分重要的人体感官信号,不同的动作和状态对应不同的肌电信号,利用肌电信号的表征能力,我们可以实现对NAO机器人的控制。本项目基于Transformer实现对表面肌电信号的分类,数据使用excel进行保存,使用Pytorch架构建立模型并训练,利用基于Paramiko库的SSH连接来实现对NAO机器人的远程控制。在这里贴上该项目的github仓库连接,大家用得到的可以点个星
- Pix2PixHD代码小白注释(1)——train.py
咖啡百怪
Pix2PixHD代码解读深度学习机器学习人工智能python
关于fp16AMP自动混合精度训练,见下文:AMP自动混合精度训练https://blog.csdn.net/ytusdc/article/details/122152244importtimeimportosimportnumpyasnpimporttorchfromtorch.autogradimportVariablefromcollectionsimportOrderedDictfroms
- PyTorch 快速入门
無量空所
深度学习机器学习pytorch开源
我们将通过一个简单的示例,快速了解如何使用PyTorch进行机器学习任务。PyTorch是一个开源的机器学习库,它提供了丰富的工具和库,帮助我们轻松地构建、训练和测试神经网络模型。以下是本教程的主要内容:一、数据处理PyTorch提供了两个基本的数据处理工具:torch.utils.data.DataLoader和torch.utils.data.Dataset。Dataset用于存储样本及其对应
- PennyLane: 探索量子计算的新里程
戴艺音
PennyLane:探索量子计算的新里程项目地址:https://gitcode.com/gh_mirrors/pe/pennylane项目简介是一个开源软件框架,专注于混合量子和经典计算。由PennyLaneAI团队开发,该项目提供了一个直观且灵活的方式来设计、训练和优化涉及量子硬件的机器学习模型。其目标是让研究人员和开发者能够轻松地在本地或云端的量子计算机上进行实验。技术分析PennyLane
- Deepseek两项关键发现:无需人类专家介入SFT、有自己
极道Jdon
javascriptreactjs
DeepseekR1-Zero关键两项发现:无需人类专家、有自己专业领域语言DSL,也就是没有SFT,有自己DSL!ARCPrize基金会对DeepSeek发布的R1-Zero和R1“推理”系统的分析。ARCPrize基金是谁?ARCPrize基金会旨在定义、衡量并激励新的AGI(通用人工智能)想法。目前尚未实现AGI,主流AI行业和公众普遍认为通过扩大纯语言模型(LLM)的预训练规模就能实现突破
- DeepSeek极端榨取硬件性能被曝光
极道Jdon
javascriptreactjs
DeepSeek的出现是否意味着前沿LLM开发不再需要大规模GPU集群?简单来说:不是的。虽然DeepSeek的V3模型通过一些非常厉害的优化技术,让GPU的使用效率变得更高了,但这并不意味着像Google、OpenAI、Meta和xAI这些公司之前花大钱搞的大规模GPU集群就没用了。AI开发者的普遍看法是,大规模GPU集群仍然是训练顶尖AI模型的关键。DeepSeek做了什么?DeepSeek的
- 类加载的过程
码农小旋风
后端
类加载的过程类加载过程包括5个阶段:加载、验证、准备、解析和初始化。加载加载的过程“加载”是“类加载”过程的一个阶段,不能混淆这两个名词。在加载阶段,虚拟机需要完成3件事:通过类的全限定名获取该类的二进制字节流。将二进制字节流所代表的静态结构转化为方法区的运行时数据结构。在内存中创建一个代表该类的java.lang.Class对象,作为方法区这个类的各种数据的访问入口。获取二进制字节流对于Clas
- GGUF 大模型文件格式
香菜烤面包
AI系统与算法部署语言模型
1.基础原理GGUF简介当前的大模型的参数规模较大,数以千亿的参数导致了它们的预训练结果文件都在几十GB甚至是几百GB,这不仅导致其使用成本很高,在不同平台进行交换也非常困难。因此,大模型预训练结果文件的保存格式对于模型的使用和生态的发展来说极其重要。大语言模型的开发通常使用PyTorch等框架,其预训练结果通常也会保存为相应的二进制格式,如pt后缀的文件通常就是PyTorch框架保存的二进制预训
- 书生浦语第五期
晴斋1216
语言模型
基础作业完成以下任务,并将实现过程记录截图:配置lmdeploy运行环境下载internlm-chat-1.8b模型以命令行方式与模型对话视频链接文档链接基础知识学习模型部署在软件工程中,部署通常指的是将开发完毕的软件投入使用的过程。在人工智能领域,模型部署是实现深度学习算法落地应用的关键步骤。简单来说,模型部署就是将训练好的深度学习模型在特定环境中运行的过程。目前大模型部署面临的挑战计算量巨大内
- TensorFlow 简介
九月十九
tensorflow人工智能python
TensorFlow是一个开源的机器学习框架,由Google开发。它提供了一个强大的工具集,用于构建和训练各种机器学习模型。TensorFlow的基本概念和使用场景包括:1.张量(Tensor):TensorFlow中的核心数据结构是张量,它是一个多维数组,可以表示标量、向量、矩阵等。2.计算图(Graph):TensorFlow使用计算图来表示机器学习模型的计算过程。计算图由一系列的操作节点和数
- 自定义数据集 使用pytorch框架实现逻辑回归并保存模型,然后保存模型后再加载模型进行预测
知识鱼丸
machinelearning逻辑回归算法机器学习
1.数据准备首先,我们需要一些示例数据。在这个例子中,我们将生成一些简单的二维数据点,并为其分配标签。2.定义逻辑回归模型接下来,我们定义一个简单的逻辑回归模型。3.训练模型定义损失函数和优化器,然后进行模型训练。4.保存模型训练完成后,我们可以保存模型的状态字典。5.加载模型并进行预测加载保存的模型,并进行预测。importtorchimporttorch.nnasnnimporttorch.o
- 使用numpy自定义数据集 使用tensorflow框架实现逻辑回归并保存模型,然后保存模型后再加载模型进行预
辞落山
numpytensorflow逻辑回归
1.引言逻辑回归(LogisticRegression)是一种常见的分类算法,广泛应用于二分类问题。在本篇博客中,我们将使用numpy生成一个简单的自定义数据集,并使用TensorFlow框架构建和训练逻辑回归模型。训练完成后,我们会保存模型,并演示如何加载保存的模型进行预测。2.创建自定义数据集首先,我们使用numpy生成一个简单的二分类数据集,包含两个特征和对应的标签。标签0表示负类,标签1表
- 【Julia】在Julia中优雅地配置Artifacts
x66ccff
juliajulia开发语言
引言在Julia包开发中,我们经常需要处理外部依赖和数据文件。Julia的Artifacts系统提供了一个优雅的解决方案,让我们可以轻松管理这些依赖。本文将介绍如何在Julia项目中正确配置和使用Artifacts。什么是Artifacts?Artifacts是Julia包管理系统的一个特性,它允许我们:管理二进制依赖处理数据文件自动下载和缓存资源⬇️跨项目共享资源步骤指南1.创建Artifact
- [Python办公]Nuitka 详细介绍与打包 Python 项目的步骤
William数据分析
pythonpython算法程序人生
Nuitka是一个将Python源代码编译为C/C++并生成二进制可执行文件的编译器。它不仅支持Python的所有特性,还能优化代码运行速度,并生成比解释型运行的Python更小的文件。相比于其他打包工具,如PyInstaller、cx_Freeze,Nuitka通过将Python编译为C提升性能,同时生成更高效的可执行文件。1.Nuitka的工作原理Nuitka并不像PyInstaller等工具
- 《极致C语言》第2章 -- 从源文件到二进制文件
Fyang0906
极致C语言学习笔记c语言c++
《极致C语言》第2章–从源文件到二进制文件extreme-c-learning-notesch2《极致C语言》第2章--从源文件到二进制文件《极致C语言》第2章--从源文件到二进制文件1.编译过程1.1.构建C项目1.2.第1步--预处理1.3第2步--编译1.4第3步--汇编1.5第4步--链接2.预处理器3.编译器4.汇编器5.链接器1.编译过程预处理器编译器汇编器链接器C源代码通过:预处理-
- 深度学习过程是什么
小松要进步
李哥深度学习深度学习
问:深度学习是:一组原始数据,经过线性变换、非线性变换、偏差加和等操作后得到一组预测数据,再根据损失函数计算预测数据和原始数据的差值,用差值数据对权重和偏差求偏导,这里的偏导数的值也就是使得损失减小的最佳方向,然后根据偏导数的方向和步长更新权重和偏差,对吗答:您的描述大致正确,但有一些细节需要澄清和修正,以更准确地反映深度学习中模型训练的过程。以下是详细的解释:1.原始数据处理:一组原始数据首先通
- Nginx负载均衡
510888780
nginx应用服务器
Nginx负载均衡一些基础知识:
nginx 的 upstream目前支持 4 种方式的分配
1)、轮询(默认)
每个请求按时间顺序逐一分配到不同的后端服务器,如果后端服务器down掉,能自动剔除。
2)、weight
指定轮询几率,weight和访问比率成正比
- RedHat 6.4 安装 rabbitmq
bylijinnan
erlangrabbitmqredhat
在 linux 下安装软件就是折腾,首先是测试机不能上外网要找运维开通,开通后发现测试机的 yum 不能使用于是又要配置 yum 源,最后安装 rabbitmq 时也尝试了两种方法最后才安装成功
机器版本:
[root@redhat1 rabbitmq]# lsb_release
LSB Version: :base-4.0-amd64:base-4.0-noarch:core
- FilenameUtils工具类
eksliang
FilenameUtilscommon-io
转载请出自出处:http://eksliang.iteye.com/blog/2217081 一、概述
这是一个Java操作文件的常用库,是Apache对java的IO包的封装,这里面有两个非常核心的类FilenameUtils跟FileUtils,其中FilenameUtils是对文件名操作的封装;FileUtils是文件封装,开发中对文件的操作,几乎都可以在这个框架里面找到。 非常的好用。
- xml文件解析SAX
不懂事的小屁孩
xml
xml文件解析:xml文件解析有四种方式,
1.DOM生成和解析XML文档(SAX是基于事件流的解析)
2.SAX生成和解析XML文档(基于XML文档树结构的解析)
3.DOM4J生成和解析XML文档
4.JDOM生成和解析XML
本文章用第一种方法进行解析,使用android常用的DefaultHandler
import org.xml.sax.Attributes;
- 通过定时任务执行mysql的定期删除和新建分区,此处是按日分区
酷的飞上天空
mysql
使用python脚本作为命令脚本,linux的定时任务来每天定时执行
#!/usr/bin/python
# -*- coding: utf8 -*-
import pymysql
import datetime
import calendar
#要分区的表
table_name = 'my_table'
#连接数据库的信息
host,user,passwd,db =
- 如何搭建数据湖架构?听听专家的意见
蓝儿唯美
架构
Edo Interactive在几年前遇到一个大问题:公司使用交易数据来帮助零售商和餐馆进行个性化促销,但其数据仓库没有足够时间去处理所有的信用卡和借记卡交易数据
“我们要花费27小时来处理每日的数据量,”Edo主管基础设施和信息系统的高级副总裁Tim Garnto说道:“所以在2013年,我们放弃了现有的基于PostgreSQL的关系型数据库系统,使用了Hadoop集群作为公司的数
- spring学习——控制反转与依赖注入
a-john
spring
控制反转(Inversion of Control,英文缩写为IoC)是一个重要的面向对象编程的法则来削减计算机程序的耦合问题,也是轻量级的Spring框架的核心。 控制反转一般分为两种类型,依赖注入(Dependency Injection,简称DI)和依赖查找(Dependency Lookup)。依赖注入应用比较广泛。
- 用spool+unixshell生成文本文件的方法
aijuans
xshell
例如我们把scott.dept表生成文本文件的语句写成dept.sql,内容如下:
set pages 50000;
set lines 200;
set trims on;
set heading off;
spool /oracle_backup/log/test/dept.lst;
select deptno||','||dname||','||loc
- 1、基础--名词解析(OOA/OOD/OOP)
asia007
学习基础知识
OOA:Object-Oriented Analysis(面向对象分析方法)
是在一个系统的开发过程中进行了系统业务调查以后,按照面向对象的思想来分析问题。OOA与结构化分析有较大的区别。OOA所强调的是在系统调查资料的基础上,针对OO方法所需要的素材进行的归类分析和整理,而不是对管理业务现状和方法的分析。
OOA(面向对象的分析)模型由5个层次(主题层、对象类层、结构层、属性层和服务层)
- 浅谈java转成json编码格式技术
百合不是茶
json编码java转成json编码
json编码;是一个轻量级的数据存储和传输的语言
在java中需要引入json相关的包,引包方式在工程的lib下就可以了
JSON与JAVA数据的转换(JSON 即 JavaScript Object Natation,它是一种轻量级的数据交换格式,非
常适合于服务器与 JavaScript 之间的数据的交
- web.xml之Spring配置(基于Spring+Struts+Ibatis)
bijian1013
javaweb.xmlSSIspring配置
指定Spring配置文件位置
<context-param>
<param-name>contextConfigLocation</param-name>
<param-value>
/WEB-INF/spring-dao-bean.xml,/WEB-INF/spring-resources.xml,
/WEB-INF/
- Installing SonarQube(Fail to download libraries from server)
sunjing
InstallSonar
1. Download and unzip the SonarQube distribution
2. Starting the Web Server
The default port is "9000" and the context path is "/". These values can be changed in &l
- 【MongoDB学习笔记十一】Mongo副本集基本的增删查
bit1129
mongodb
一、创建复本集
假设mongod,mongo已经配置在系统路径变量上,启动三个命令行窗口,分别执行如下命令:
mongod --port 27017 --dbpath data1 --replSet rs0
mongod --port 27018 --dbpath data2 --replSet rs0
mongod --port 27019 -
- Anychart图表系列二之执行Flash和HTML5渲染
白糖_
Flash
今天介绍Anychart的Flash和HTML5渲染功能
HTML5
Anychart从6.0第一个版本起,已经逐渐开始支持各种图的HTML5渲染效果了,也就是说即使你没有安装Flash插件,只要浏览器支持HTML5,也能看到Anychart的图形(不过这些是需要做一些配置的)。
这里要提醒下大家,Anychart6.0版本对HTML5的支持还不算很成熟,目前还处于
- Laravel版本更新异常4.2.8-> 4.2.9 Declaration of ... CompilerEngine ... should be compa
bozch
laravel
昨天在为了把laravel升级到最新的版本,突然之间就出现了如下错误:
ErrorException thrown with message "Declaration of Illuminate\View\Engines\CompilerEngine::handleViewException() should be compatible with Illuminate\View\Eng
- 编程之美-NIM游戏分析-石头总数为奇数时如何保证先动手者必胜
bylijinnan
编程之美
import java.util.Arrays;
import java.util.Random;
public class Nim {
/**编程之美 NIM游戏分析
问题:
有N块石头和两个玩家A和B,玩家A先将石头随机分成若干堆,然后按照BABA...的顺序不断轮流取石头,
能将剩下的石头一次取光的玩家获胜,每次取石头时,每个玩家只能从若干堆石头中任选一堆,
- lunce创建索引及简单查询
chengxuyuancsdn
查询创建索引lunce
import java.io.File;
import java.io.IOException;
import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.analysis.standard.StandardAnalyzer;
import org.apache.lucene.document.Docume
- [IT与投资]坚持独立自主的研究核心技术
comsci
it
和别人合作开发某项产品....如果互相之间的技术水平不同,那么这种合作很难进行,一般都会成为强者控制弱者的方法和手段.....
所以弱者,在遇到技术难题的时候,最好不要一开始就去寻求强者的帮助,因为在我们这颗星球上,生物都有一种控制其
- flashback transaction闪回事务查询
daizj
oraclesql闪回事务
闪回事务查询有别于闪回查询的特点有以下3个:
(1)其正常工作不但需要利用撤销数据,还需要事先启用最小补充日志。
(2)返回的结果不是以前的“旧”数据,而是能够将当前数据修改为以前的样子的撤销SQL(Undo SQL)语句。
(3)集中地在名为flashback_transaction_query表上查询,而不是在各个表上通过“as of”或“vers
- Java I/O之FilenameFilter类列举出指定路径下某个扩展名的文件
游其是你
FilenameFilter
这是一个FilenameFilter类用法的例子,实现的列举出“c:\\folder“路径下所有以“.jpg”扩展名的文件。 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28
- C语言学习五函数,函数的前置声明以及如何在软件开发中合理的设计函数来解决实际问题
dcj3sjt126com
c
# include <stdio.h>
int f(void) //括号中的void表示该函数不能接受数据,int表示返回的类型为int类型
{
return 10; //向主调函数返回10
}
void g(void) //函数名前面的void表示该函数没有返回值
{
//return 10; //error 与第8行行首的void相矛盾
}
in
- 今天在测试环境使用yum安装,遇到一个问题: Error: Cannot retrieve metalink for repository: epel. Pl
dcj3sjt126com
centos
今天在测试环境使用yum安装,遇到一个问题:
Error: Cannot retrieve metalink for repository: epel. Please verify its path and try again
处理很简单,修改文件“/etc/yum.repos.d/epel.repo”, 将baseurl的注释取消, mirrorlist注释掉。即可。
&n
- 单例模式
shuizhaosi888
单例模式
单例模式 懒汉式
public class RunMain {
/**
* 私有构造
*/
private RunMain() {
}
/**
* 内部类,用于占位,只有
*/
private static class SingletonRunMain {
priv
- Spring Security(09)——Filter
234390216
Spring Security
Filter
目录
1.1 Filter顺序
1.2 添加Filter到FilterChain
1.3 DelegatingFilterProxy
1.4 FilterChainProxy
1.5
- 公司项目NODEJS实践0.1
逐行分析JS源代码
mongodbnginxubuntunodejs
一、前言
前端如何独立用nodeJs实现一个简单的注册、登录功能,是不是只用nodejs+sql就可以了?其实是可以实现,但离实际应用还有距离,那要怎么做才是实际可用的。
网上有很多nod
- java.lang.Math
liuhaibo_ljf
javaMathlang
System.out.println(Math.PI);
System.out.println(Math.abs(1.2));
System.out.println(Math.abs(1.2));
System.out.println(Math.abs(1));
System.out.println(Math.abs(111111111));
System.out.println(Mat
- linux下时间同步
nonobaba
ntp
今天在linux下做hbase集群的时候,发现hmaster启动成功了,但是用hbase命令进入shell的时候报了一个错误 PleaseHoldException: Master is initializing,查看了日志,大致意思是说master和slave时间不同步,没办法,只好找一种手动同步一下,后来发现一共部署了10来台机器,手动同步偏差又比较大,所以还是从网上找现成的解决方
- ZooKeeper3.4.6的集群部署
roadrunners
zookeeper集群部署
ZooKeeper是Apache的一个开源项目,在分布式服务中应用比较广泛。它主要用来解决分布式应用中经常遇到的一些数据管理问题,如:统一命名服务、状态同步、集群管理、配置文件管理、同步锁、队列等。这里主要讲集群中ZooKeeper的部署。
1、准备工作
我们准备3台机器做ZooKeeper集群,分别在3台机器上创建ZooKeeper需要的目录。
数据存储目录
- Java高效读取大文件
tomcat_oracle
java
读取文件行的标准方式是在内存中读取,Guava 和Apache Commons IO都提供了如下所示快速读取文件行的方法: Files.readLines(new File(path), Charsets.UTF_8); FileUtils.readLines(new File(path)); 这种方法带来的问题是文件的所有行都被存放在内存中,当文件足够大时很快就会导致
- 微信支付api返回的xml转换为Map的方法
xu3508620
xmlmap微信api
举例如下:
<xml>
<return_code><![CDATA[SUCCESS]]></return_code>
<return_msg><![CDATA[OK]]></return_msg>
<appid><