111尽力而为
111尽力而为

一眼看懂各个物联网平台性能怎么样：loRa、NB-IOT、CC1310

无线低功耗广域网（LPWAN）在国内外蓬勃发展。目前SigFox由于使用超窄带技术虽然是传输距离最远，基站负载设备最多，部署在免费频段上。但是由于其技术及解决方案完全私有，造成在中国推广困难。SigFox 100bps的低速率,网络的延迟更大，相比较NB-IoT、LoRa、CC1310而言吞吐量更低。LoRa采用的是线性扩频技术，可变的传输速率以及更高的发射功率，这便带来了更加长的传输距离。但是有实验表明LoRa的串听功耗很大，某些场合还会出现丢数据包。与CC1310相比，LoRa的发射功耗、接收功耗、睡眠功耗均要大得多。此外LoRa的模块成本要比NB-IoT成本便宜，比CC1310成本贵。NB-IoT不论是硬件成本还是功耗成本均是最高的，但是NB-IoT采用的是收费频段，可以提供更加可靠地数据传输保证。NB-IoT采用更多的基站支持更加广的覆盖范围，这也将是NB-IOT的优势所在。CC1310采取的是免费频段，覆盖范围虽然要弱些，但是可以通过天线补偿、前端放大也能获得不错的收益。此外CC1310是NB-IoT、LoRa、SigFox、CC1310长距离技术中硬件成本更低，功耗更低的硬件平台。
基于以上的分析，CC1310平台有待深入解决的问题在于：
1）如何让CC1310的覆盖范围更广
2）如何让CC1310的部署的网络规模更大

1.海思NB-IoT方案 BC95 NB-IoT无线通信模块

 一眼看懂各个物联网平台性能怎么样：loRa、NB-IOT、CC1310_第1张图片

成本

80元

频段

BC95-B8: 900MHz
BC95-B5: 850MHz
BC95-B20: 800MHz

发射功率

250mA

接收功率

61mA

低功耗状态

5uA

灵敏度

-129dbm

速率

100bps~200kbps

 

2.SX1278 LoRa扩频无线模块/433MHz无线串口

 一眼看懂各个物联网平台性能怎么样：loRa、NB-IOT、CC1310_第2张图片

成本

18元

频段

410-525MHz

发射功率

93mA@19dbm

接收功率

12.15mA

低功耗状态

5uA

灵敏度

-148dbm

速率

<300kbps

 

 

 

 

 

 

 

 

3.CC1310

一眼看懂各个物联网平台性能怎么样：loRa、NB-IOT、CC1310_第3张图片 

成本

18元(批量更便宜)

频段

169MHz
433MHz
470MHz
868MHz
915MHz
920MHz

发射功率

24mA@15dbm

接收功率

5.4mA

低功耗状态

1uA

灵敏度

-124dbm

速率

625bps~4Mbps

 

4.LoRa评估

A.实验网关：

一眼看懂各个物联网平台性能怎么样：loRa、NB-IOT、CC1310_第4张图片 

B.实验条件：

LoRa设备向网关发送10000个数据包，移动终端设备，记录RSSI直到有数据包丢失。

网关在室内，终端设备在室外，在都市环境中

带宽设为125kHz,CR设为4/5,传输功耗设为最小2dbm。

 

C.实验结果:

终端设备和网关之间的距离大概是100m的时候开始出现数据包丢失

该指标为覆盖问题提供了评估依据，可以作为现场覆盖的参考依据

一眼看懂各个物联网平台性能怎么样：loRa、NB-IOT、CC1310_第5张图片 

 

5.CC1310评估结果

A.实验平台

一眼看懂各个物联网平台性能怎么样：loRa、NB-IOT、CC1310_第6张图片 

B.实验条件及结果

基站接收方放在哈工大新技术楼内，移动发送方，RSSI到达-110dbm以后丢包严重形成结果用百度地图标记如下：

 

 

7.总结

虽然各个模块灵敏度宣称很高，实际上由于天线选择不同，外围电路不同影响很大。普通的弹簧天线是不能够达到手册宣称的灵敏度。

你可能感兴趣的:(LPWAN：NB-IOT,LoRa)

  • 【Dive Into Stable Diffusion v3.5】1：开源项目正式发布——深入探索SDv3.5模型全参/LoRA/RLHF训练 Donvink 大模型#AIGCstablediffusionAIGC人工智能机器学习深度学习
    目录1引言2项目简介3快速上手3.1下载代码3.2环境配置3.3项目结构3.4下载模型与数据集3.5运行指令3.6核心参数说明3.6.1通用参数3.6.2优化器/学习率3.6.3数据相关4结语1引言在人工智能和机器学习领域，生成模型的应用越来越广泛。StableDiffusion作为其中的佼佼者，因其强大的图像生成能力而备受关注。今天，我的开源项目DiveIntoStableDiffusionv3
  • 在嵌入式系统中实现低功耗MQTT协议：从协议解析到硬件优化 W说编程 物联网嵌入式网络编程物联网网络协议c语言嵌入式硬件
    在嵌入式系统中实现低功耗MQTT协议：从协议解析到硬件优化1.引言：物联网时代的低功耗挑战随着物联网设备的爆炸式增长，设备续航与网络可靠性成为嵌入式系统设计的核心矛盾。据统计，70%的物联网设备因功耗问题导致维护成本倍增。核心需求：在维持TCP/IP协议栈功能的前提下，将设备待机功耗降至μA级；确保弱网环境（如2G/NB-IoT）下的数据传输可靠性。本文将以MQTT协议为例，详解在STM32+LW
  • 通过LoRA（Low-Rank Adaptation）低秩矩阵分解来高效微调权重变化 背太阳的牧羊人 模型微调矩阵线性代数深度学习人工智能自然语言处理LoRA
    LoRA的原理LoRA的核心思想是用低秩矩阵分解来建模参数的变化，而不是直接调整整个权重矩阵。这种方法通过减少微调的参数数量来提高训练效率。基本公式假设预训练模型的某一层权重为(W\in\mathbb{R}^{d\timesk})，LoRA的调整方式是：[W’=W+\DeltaW]其中(\DeltaW)是调整后的权重变化。LoRA假设权重变化(\DeltaW)的秩较低，可以表示为两个低秩矩阵的乘积
  • LoRA中黑塞矩阵、Fisher信息矩阵是什么 ZhangJiQun&MXP 教学2021论文2024大模型以及算力矩阵机器学习人工智能transformer深度学习算法线性代数
    LoRA中黑塞矩阵、Fisher信息矩阵是什么1.三者的核心概念黑塞矩阵（Hessian）二阶导数矩阵，用于优化问题中判断函数的凸性（如牛顿法），或计算参数更新方向（如拟牛顿法）。Fisher信息矩阵（FisherInformationMatrix,FIM）统计学中衡量参数估计的不确定性，反映数据中包含的关于参数的信息量。在机器学习中常用于自然梯度下降（NaturalGradientDescent
  • LORA的魔法棒：在Stable Diffusion中挥洒注意力机制的优化咒语 ?? DTcode7 AI生产力AIAIGCstablediffusionAI生产力前沿
    LORA的魔法棒：在StableDiffusion中挥洒注意力机制的优化咒语??欢迎来到我的博客，很高兴能够在这里和您见面！希望您在这里可以感受到一份轻松愉快的氛围，不仅可以获得有趣的内容和知识，也可以畅所欲言、分享您的想法和见解。推荐：DTcode7的博客首页。一个做过前端开发的产品经理，经历过睿智产品的折磨导致脱发之后，励志要翻身农奴把歌唱，一边打入敌人内部一边持续提升自己，为我们广大开发同胞
  • 【AI大模型前沿】浙大携手阿里推出HealthGPT：医学视觉语言大模型助力智能医疗新突破 寻道AI小兵 AI大模型前沿技术追踪人工智能语言模型AIGC
    系列篇章No.文章1【AI大模型前沿】深度剖析瑞智病理大模型RuiPath：如何革新癌症病理诊断技术2【AI大模型前沿】清华大学CLAMP-3：多模态技术引领音乐检索新潮流3【AI大模型前沿】浙大携手阿里推出HealthGPT：医学视觉语言大模型助力智能医疗新突破目录系列篇章前言一、项目概述二、技术原理（一）异构低秩适应（H-LoRA）（二）分层视觉感知（HVP）（三）三阶段学习策略（TLS）三、
  • 使用LoRA微调LLaMA3 想胖的壮壮 深度学习人工智能
    使用LoRA微调LLaMA3的案例案例概述在这个案例中，我们将使用LoRA微调LLaMA3模型，进行一个文本分类任务。我们将使用HuggingFace的Transformers库来完成这个过程。步骤一：环境搭建安装必要的Python包pipinstalltransformersdatasetstorch配置GPU环境确保你的环境中配置了CUDA和cuDNN，并验证GPU是否可用。importtor
  • 无线数据网关 自动化测控的LoRa-4G混合网络 串口升级、信号扩展 高效物联传输网络 河北稳控科技 自动化网络运维
    DLS11无线数据网关自动化测控的LoRa-4G混合网络串口升级、信号扩展高效物联传输网络DLS11是一款专为VSxxx系列采发仪设计的内置电池低功耗数据转发器，支持LoRA和LTE（4G）无线通信。该设备通过“实时在线”的LoRA收发器，能够收集并存储来自其他LoRA设备的数据。随后，DLS11会定时启动，将这些存储的数据重新打包为标准数据包，并通过LTE网络发送至远端服务器。数据发送方式灵活多
  • 采用 LoRa 解决方案的智慧供应链和物流 地理探险家 物联网LoRa物流方案
    冠状病毒病(COVID-19)大流行，不可避免地导致全球供应链和物流行业，出现重大缺口和中断，但LoRa解决方案等新兴技术，可以帮助解决行业在这些充满挑战的时期的困境。物联网LoRa解决方案LoRa（长距离的缩写）是一种无线技术，已开发用于透过用于物联网(IoT)应用的传感器和低功耗广域网(LPWAN)，进行远距离低数据速率通信调制技术。LoRa相对于其他无线技术的优势局域网低功耗广域网蜂窝短距离
  • 追踪问题链中问题的上溯和下延 由数入道 AI辅助教学思维模型认知框架
    一、理解问题链的本质首先，我们需要认识到问题链的本质并非简单的线性关系，而更像是一个复杂的网络或树状结构。向上溯源（RootCauseAnalysis）：追溯问题“向上发芽”意味着我们要找到当前问题的根源，即是什么更深层次的问题、假设、前提或信息缺失导致了当前问题的产生。这就像追溯树木的根系，找到滋养它的土壤和水源。向下延展（ConsequenceAnalysis&Exploration）：问题“
  • 从零学习大模型（六）-----LoRA（上） 懒惰才能让科技进步 大语言模型gpt-3人工智能深度学习chatgpt语言模型
    LoRA简介LoRA（Low-RankAdaptation）是一种参数高效的微调技术，旨在降低微调大规模预训练模型的存储和计算成本。**其核心思想是通过对模型的特定参数进行低秩分解，仅对少量附加参数进行训练，从而完成任务适应，而无需更新整个模型的权重。**这种方法通过引入额外的低秩矩阵来适应新的任务，保持了预训练模型的核心知识，使其更具灵活性和高效性。在大规模语言模型的实际应用中，微调需要耗费巨大
  • 在LORA训练中，LORA模型的矩阵的行列是多少 ZhangJiQun&MXP 教学2021AIpython2024大模型以及算力矩阵人工智能深度学习学习机器学习算法
    在LORA训练中，LORA模型的矩阵的行列是多少:Wnew=W+αrBAW_{new}=W+\frac{\alpha}{r}BA
  • python colorama_Python colorama 模块 使用 说明 weixin_39682697 pythoncolorama
    1Colorama模块说明在上篇博客我们了解了prettytable的使用,如下：https://www.cndba.cn/cndba/dave/article/3564使用prettytable模块之后，输出的内容格式看上去会非常整齐，但如果我们想要对部分内容重点显示，那么可以使用两种方法：1)直接使用Python控制输出颜色2)使用colorama模块Colorama是一个python专门用来
  • python colorama模块失效怎么办_python – 由于模块colorama,无法使用aws CLI 金牛远望号 pythoncolorama模块失效怎么办
    我已经安装了AWSCLI,并尝试在MacOSSierra上使用它.它抱怨没有模块colorama：$awsTraceback(mostrecentcalllast):File"/usr/local/bin/aws",line19,inimportawscli.clidriverFile"/Library/Python/2.7/site-packages/awscli/clidriver.py",l
  • Python Colorama 库详解：终端输出美化的神器 萧鼎 python基础到进阶教程python
    PythonColorama库详解：终端输出美化的神器在开发命令行工具或调试程序时，我们可能会希望通过颜色来区分重要信息，比如警告、错误、提示等。而Colorama是一个简单易用的Python库，可以帮助我们轻松地为终端输出添加颜色，提升用户体验。1.Colorama是什么？Colorama是一个Python库，用于在终端中实现跨平台的彩色文本输出。它主要提供以下功能：为文本添加前景色、背景色。控
  • Python之colorama PlutoZuo Pythonpython开发语言
    Python之colorama文章目录Python之colorama1.安装Colorama库2.导入Colorama库3.初始化Colorama4.设置文本颜色和样式5.自定义颜色和样式Colorama是一个Python库，用于在控制台（终端）上输出彩色文本。它提供了一些方便的函数和类，用于在命令行界面中添加颜色和样式。以下是一些使用Colorama库的详细示例：1.安装Colorama库首先，
  • LORA 微调大模型：从入门到入土 大模型. 人工智能开发语言gptagi架构大模型
    在当今人工智能领域，预训练的大模型已经成为推动技术发展的核心力量。然而，在实际项目中，我们往往会发现这些预训练模型虽然强大，但直接就去应用于一些特定的任务时，往往无法完全满足需求。这时，微调就成为了必不可少的一步。而在众多微调方法中，LORA全名(Low-RankAdaptation)以高效性和实用性，逐渐成为了许多开发者训练模型的首选项。作为一名小有经验的咸鱼开发者，我深知在实际项目中高效的进行
  • rStar论文精读 MoyiTech 推理模型OpenAI-O1原理
    论文简介论文标题：《MutualreasoningmakessmallerLLMsstrongerproblem-solvers》论文地址：https://arxiv.org/abs/2408.06195录用会议：ICLR2025背景与挑战挑战1：在SLM中平衡exploration与exploitation。一些方法有很大的exploitation但限制任务多样性泛化性不好；一些方法有很大的ex
  • FIT5147 Data Exploration and Visualisation 后端
    MonashUniversityFIT5147DataExplorationandVisualisationSemester1,2025DataExplorationProjectPart1:DataExplorationProjectProposalPart2:DataExplorationProjectReportYouareaskedtoexploreandanalysedataabouta
  • AI技术学习笔记系列001：FastLanguageModel.get_peft_model 函数各参数的详细解释 新说一二 人工智能学习笔记
    以下是关于代码中FastLanguageModel.get_peft_model函数各参数的详细解释，以及企业实际微调时的选择考量：参数详解及对微调的影响1.r=32（秩）作用：控制LoRA适配器的低秩矩阵的维度（秩），直接影响可训练参数数量。影响：r越大：适配器表达能力更强，能捕捉更复杂的任务特征，但可能导致过拟合（尤其数据量少时），训练时间和显存占用增加。r越小：参数量少，训练更快，显存占用低
  • 一周热点：微软攻克语音输入、文本输出难题-Phi-4-multimodal 数据分析能量站 机器学习人工智能
    微软Phi-4-multimodal模型是人工智能领域的一个重要进展，它标志着微软在多模态人工智能技术上的突破。以下是对该模型的详细解释：模型概述微软Phi-4-multimodal是一个能够同时处理文本、图像和语音的多模态大型语言模型。它通过创新的架构和训练方法，实现了在不同模态之间的无缝交互，为用户提供更自然、更智能的交互体验。模型架构该模型采用多模态Transformer架构，通过LoRA（
  • 关于stable diffusion的lora训练在linux远程工作站的部署 回天一梦 stablediffusionpython经验分享
    在学校Arc中部署loratraining，一大问题就是依赖缺失和冲突。可以利用miniconda或者anaconda建立虚拟环境来解决。安装anaconda或者miniconda（官网上也有教程）：wgethttps://repo.anaconda.com/archive/Anaconda3-5.3.0-Linux-x86_64.shchmod+xAnaconda3-5.3.0-Linux-x8
  • 论文阅读笔记——QLORA: Efficient Finetuning of Quantized LLMs 寻丶幽风 论文阅读笔记论文阅读笔记人工智能深度学习语言模型
    QLoRA论文4-bit标准浮点数量化常见的量化技术是最大绝对值量化：XInt8=round(127absmax(XFP32)XFP32)=round(cFP32,XFP32)式(1)X^{Int8}=round(\frac{127}{absmax(X^{FP32})}X^{FP32})=round(c^{FP32},X^{FP32})\qquad\qquad\text{式(1)}XInt8=ro
  • 大模型LLM基于PEFT的LoRA微调详细步骤---第一篇：模型下载篇 素雪风华 大模型下载Huggingface魔搭社区transformer
    模型下载：HuggingFace官网：https://huggingface.co/----需要VPN魔搭社区：https://modelscope.cn/home----国内映射，不需要VPN写在篇始：国内关注方法一即可。其余几种都需要VPN，而且在服务器下载的速度有限~~。下一篇：微调详细流程以及环境...方法一：魔搭（modelscope）下载#需要安装pipinstallmodelscop
  • LoRa无线技术解析 wmq163 物联网lora
    一、Lora技术基础与特点1、LoRa是一种低功耗广域网通信（LPWAN）技术中的一种，是Semtech公司采用和推广的一种基于扩频技术的超远距离无线传输技术。比sigfox的FSK技术更加灵敏，传送距离更远，更节能。2、LoRa是物理层（PHY）协议，能被应用在几乎所有的网络技术中。3、LoRa模块主要在全球免费频段运行，频率范围从137MHz-1050MHz，常见的主要是433MHz、868M
  • python数据处理与分析 聆一 算法工程师web开发大数据统计学习python工程师人工智能机器学习算法python进行数据处理与分析人工智能统计学习机器学习
    使用stack将列转换为行，使用unstack将行转换为列data=DataFrame(np.arange(6).reshape((2,3)),index=pd.Index(['Ohio',...:'Colorado'],name='state'),columns=pd.Index(['one','two','three'],n...:ame='number'))result=data.stack
  • 大语言模型（LLM）的微调与应用 AI Echoes 语言模型人工智能自然语言处理
    一、微调与应用的核心区别目标差异微调（Fine-tuning）：针对预训练模型进行参数调整，使其适应特定任务或领域（如医疗问答、法律文本分析）。需通过有监督微调（SFT）或低秩适配（LoRA）等技术优化模型权重。应用（Application）：基于现有模型的能力构建实际系统（如智能客服、文档摘要），侧重于工程化集成和交互设计，通常不修改模型参数，而是通过Prompt工程、RAG（检索增强生成）或A
  • Sglang部署大模型常用参数详解 小树苗m sglangvllmdeepseek
    Sglang部署大模型常用参数详解常用启动命令HTTP服务器配置API配置并行处理张量并行数据并行专家并行内存和调度其他运行时选项日志记录多节点分布式服务LoRA内核后端约束解码推测解码双稀疏性调试选项优化选项参数概览常用启动命令要启用多GPU张量并行性，请添加--tp2。如果报告错误“这些设备之间不支持对等访问”，请在服务器启动命令中添加--enable-p2p-check。python-msg
  • Phi-4-multimodal：图、文、音频统一的多模态大模型架构、训练方法、数据细节 余俊晖 大语言模型多模态LLM多模态
    Phi-4-Multimodal是一种参数高效的多模态模型，通过LoRA适配器和模式特定路由器实现文本、视觉和语音/音频的无缝集成。训练过程包括多阶段优化，确保在不同模式和任务上的性能，数据来源多样，覆盖高质量网络和合成数据。它的设计体现了小型语言模型在多模态任务上的潜力模型架构Phi-4-Multimodal的基础是Phi-4-Mini语言模型，这是一个3.8亿参数的模型，设计为高效处理文本任务
  • 在整个大模型LoRA微调中，哪些方法可以提升和优化模型训练后推理效果？ 玩人工智能的辣条哥 人工智能人工智能LoRA微调
    环境：LoRA微调问题描述：在整个大模型LoRA微调中，哪些方法可以提升和优化模型训练后推理效果？解决方案：在LoRA（Low-RankAdaptation）微调大模型后，提升和优化推理效果可以从以下多维度策略入手，涵盖数据、模型架构、训练策略和后处理技术等方面：1.数据优化数据质量与多样性确保微调数据覆盖目标场景的多样性，避免分布偏差。加入领域相关的高质量数据，清洗噪声数据（如重复、矛盾样本）。
  • 统一思想认识 永夜-极光 思想
    1.统一思想认识的基础,才能有的放矢  原因:    总有一种描述事物的方式最贴近本质,最容易让人理解.    如何让教育更轻松,在于找到最适合学生的方式.          难点在于,如何模拟对方的思维基础选择合适的方式.   &
  • Joda Time使用笔记 bylijinnan javajoda time
    Joda Time的介绍可以参考这篇文章： http://www.ibm.com/developerworks/cn/java/j-jodatime.html 工作中也常常用到Joda Time，为了避免每次使用都查API，记录一下常用的用法：     /** * DateTime变化（增减） */ @Tes
  • FileUtils API eksliang FileUtilsFileUtils API
    转载请出自出处：http://eksliang.iteye.com/blog/2217374 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。
  • 各种新兴技术 不懂事的小屁孩 技术
    1:gradle Gradle 是以 Groovy 语言为基础，面向Java应用为主。基于DSL（领域特定语言）语法的自动化构建工具。 现在构建系统常用到maven工具，现在有更容易上手的gradle， 搭建java环境: http://www.ibm.com/developerworks/cn/opensource/os-cn-gradle/ 搭建android环境： http://m
  • tomcat6的https双向认证 酷的飞上天空 tomcat6
    1.生成服务器端证书 keytool -genkey -keyalg RSA -dname "cn=localhost,ou=sango,o=none,l=china,st=beijing,c=cn" -alias server -keypass password -keystore server.jks -storepass password -validity 36
  • 托管虚拟桌面市场势不可挡 蓝儿唯美
    用户还需要冗余的数据中心，dinCloud的高级副总裁兼首席营销官Ali Din指出。该公司转售一个MSP可以让用户登录并管理和提供服务的用于DaaS的云自动化控制台，提供服务或者MSP也可以自己来控制。 在某些情况下，MSP会在dinCloud的云服务上进行服务分层，如监控和补丁管理。 MSP的利润空间将根据其参与的程度而有所不同，Din说。 “我们有一些合作伙伴负责将我们推荐给客户作为个
  • spring学习——xml文件的配置 a-john spring
    在Spring的学习中，对于其xml文件的配置是必不可少的。在Spring的多种装配Bean的方式中，采用XML配置也是最常见的。以下是一个简单的XML配置文件： <?xml version="1.0" encoding="UTF-8"?> <beans xmlns="http://www.springframework.or
  • HDU 4342 History repeat itself 模拟 aijuans 模拟
    来源：http://acm.hdu.edu.cn/showproblem.php?pid=4342 题意：首先让求第几个非平方数，然后求从1到该数之间的每个sqrt(i)的下取整的和。 思路：一个简单的模拟题目，但是由于数据范围大，需要用__int64。我们可以首先把平方数筛选出来，假如让求第n个非平方数的话，看n前面有多少个平方数，假设有x个，则第n个非平方数就是n+x。注意两种特殊情况，即
  • java中最常用jar包的用途 asia007 java
    java中最常用jar包的用途 jar包用途axis.jarSOAP引擎包commons-discovery-0.2.jar用来发现、查找和实现可插入式接口，提供一些一般类实例化、单件的生命周期管理的常用方法.jaxrpc.jarAxis运行所需要的组件包saaj.jar创建到端点的点到点连接的方法、创建并处理SOAP消息和附件的方法，以及接收和处理SOAP错误的方法.  w
  • ajax获取Struts框架中的json编码异常和Struts中的主控制器异常的解决办法 百合不是茶 jsjson编码返回异常
    一:ajax获取自定义Struts框架中的json编码  出现以下 问题:       1,强制flush输出  json编码打印在首页 2, 不强制flush js会解析json 打印出来的是错误的jsp页面   却没有跳转到错误页面 3,  ajax中的dataType的json 改为text 会
  • JUnit使用的设计模式 bijian1013 java设计模式JUnit
    JUnit源代码涉及使用了大量设计模式 1、模板方法模式（Template Method）         定义一个操作中的算法骨架，而将一些步骤延伸到子类中去，使得子类可以不改变一个算法的结构，即可重新定义该算法的某些特定步骤。这里需要复用的是算法的结构，也就是步骤，而步骤的实现可以在子类中完成。   
  • Linux常用命令（摘录） sunjing crondchkconfig
    chkconfig --list   查看linux所有服务 chkconfig --add servicename 添加linux服务 netstat -apn | grep 8080  查看端口占用 env 查看所有环境变量 echo $JAVA_HOME 查看JAVA_HOME环境变量   安装编译器 yum install -y gcc
  • 【Hadoop一】Hadoop伪集群环境搭建 bit1129 hadoop
     结合网上多份文档，不断反复的修正hadoop启动和运行过程中出现的问题，终于把Hadoop2.5.2伪分布式安装起来，跑通了wordcount例子。Hadoop的安装复杂性的体现之一是，Hadoop的安装文档非常多，但是能一个文档走下来的少之又少，尤其是Hadoop不同版本的配置差异非常的大。Hadoop2.5.2于前两天发布，但是它的配置跟2.5.0，2.5.1没有分别。 &nb
  • Anychart图表系列五之事件监听 白糖_ chart
    创建图表事件监听非常简单：首先是通过addEventListener('监听类型',js监听方法)添加事件监听，然后在js监听方法中定义具体监听逻辑。 以钻取操作为例，当用户点击图表某一个point的时候弹出point的name和value，代码如下： <script> //创建AnyChart var chart = new AnyChart(); //添加钻取操作&quo
  • Web前端相关段子 braveCS web前端
    Web标准：结构、样式和行为分离   使用语义化标签 0）标签的语义：使用有良好语义的标签，能够很好地实现自我解释，方便搜索引擎理解网页结构，抓取重要内容。去样式后也会根据浏览器的默认样式很好的组织网页内容，具有很好的可读性，从而实现对特殊终端的兼容。 1）div和span是没有语义的：只是分别用作块级元素和行内元素的区域分隔符。当页面内标签无法满足设计需求时，才会适当添加div
  • 编程之美-24点游戏 bylijinnan 编程之美
    import java.util.ArrayList; import java.util.Arrays; import java.util.HashSet; import java.util.List; import java.util.Random; import java.util.Set; public class PointGame { /**编程之美
  • 主页面子页面传值总结 chengxuyuancsdn 总结
    1、showModalDialog returnValue是javascript中html的window对象的属性,目的是返回窗口值,当用window.showModalDialog函数打开一个IE的模式窗口时,用于返回窗口的值 主界面 var sonValue=window.showModalDialog("son.jsp"); 子界面 window.retu
  • [网络与经济]互联网+的含义 comsci 互联网+
          互联网+后面是一个人的名字 = 网络控制系统       互联网+你的名字 =  网络个人数据库       每日提示:如果人觉得不舒服,千万不要外出到处走动,就呆在床上,玩玩手游,更不能够去开车,现在交通状况不
  • oracle 创建视图 with check option daizj 视图vieworalce
    我们来看下面的例子： create or replace view testview as select empno,ename from emp where ename like ‘M%’ with check option; 这里我们创建了一个视图，并使用了with check option来限制了视图。 然后我们来看一下视图包含的结果： select * from testv
  • ToastPlugin插件在cordova3.3下使用 dibov Cordova
        自己开发的Todos应用，想实现“ 再按一次返回键退出程序 ”的功能，采用网上的ToastPlugins插件，发现代码或文章基本都是老版本，运行问题比较多。折腾了好久才弄好。下面吧基于cordova3.3下的ToastPlugins相关代码共享。       ToastPlugin.java package&nbs
  • C语言22个系统函数 dcj3sjt126com cfunction
    C语言系统函数一、数学函数下列函数存放在math.h头文件中Double floor(double num) 求出不大于num的最大数。Double fmod(x, y) 求整数x/y的余数。Double frexp(num, exp); double num; int *exp; 将num分为数字部分（尾数）x和 以2位的指数部分n，即num=x*2n，指数n存放在exp指向的变量中，返回x。D
  • 开发一个类的流程 dcj3sjt126com 开发
    本人近日根据自己的开发经验总结了一个类的开发流程。这个流程适用于单独开发的构件，并不适用于对一个项目中的系统对象开发。开发出的类可以存入私人类库，供以后复用。   以下是开发流程： 1. 明确类的功能，抽象出类的大概结构 2. 初步设想类的接口 3. 类名设计（驼峰式命名） 4. 属性设置(权限设置) 判断某些变量是否有必要作为成员属
  • java 并发 shuizhaosi888 java 并发
    能够写出高伸缩性的并发是一门艺术   在JAVA SE5中新增了3个包 java.util.concurrent java.util.concurrent.atomic java.util.concurrent.locks 在java的内存模型中，类的实例字段、静态字段和构成数组的对象元素都会被多个线程所共享，局部变量与方法参数都是线程私有的，不会被共享。
  • Spring Security（11）——匿名认证 234390216 Spring SecurityROLE_ANNOYMOUS匿名
    匿名认证 目录 1.1     配置 1.2     AuthenticationTrustResolver          对于匿名访问的用户，Spring Security支持为其建立一个匿名的AnonymousAuthenticat
  • NODEJS项目实践0.2[ express,ajax通信...] 逐行分析JS源代码 Ajaxnodejsexpress
      一、前言         通过上节学习，我们已经        ubuntu系统搭建了一个可以访问的nodejs系统，并做了nginx转发。本节原要做web端服务 及 mongodb的存取，但写着写着，web端就
  • 在Struts2 的Action中怎样获取表单提交上来的多个checkbox的值 lhbthanks javahtmlstrutscheckbox
    第一种方法：获取结果String类型 在 Action 中获得的是一个 String 型数据，每一个被选中的 checkbox 的 value 被拼接在一起，每个值之间以逗号隔开(,)。 所以在 Action 中定义一个跟 checkbox 的 name 同名的属性来接收这些被选中的 checkbox 的 value 即可。 以下是实现的代码： 前台 HTML 代码：
  • 003.Kafka基本概念 nweiren hadoopkafka
    Kafka基本概念：Topic、Partition、Message、Producer、Broker、Consumer。 Topic：             消息源（Message）的分类。 Partition：             Topic物理上的分组，一
  • Linux环境下安装JDK roadrunners jdklinux
    1、准备工作 创建JDK的安装目录： mkdir -p /usr/java/   下载JDK，找到适合自己系统的JDK版本进行下载： http://www.oracle.com/technetwork/java/javase/downloads/index.html   把JDK安装包下载到/usr/java/目录，然后进行解压： tar -zxvf jre-7
  • Linux忘记root密码的解决思路 tomcat_oracle linux
    1：使用同版本的linux启动系统，chroot到忘记密码的根分区passwd改密码 　　2：grub启动菜单中加入init=/bin/bash进入系统，不过这时挂载的是只读分区。根据系统的分区情况进一步判断. 　　3: grub启动菜单中加入 single以单用户进入系统. 　　4:用以上方法mount到根分区把/etc/passwd中的root密码去除 　　例如: 　　ro
  • 跨浏览器 HTML5 postMessage 方法以及 message 事件模拟实现 xueyou jsonpjquery框架UIhtml5
    postMessage 是 HTML5 新方法，它可以实现跨域窗口之间通讯。到目前为止，只有 IE8+, Firefox 3, Opera 9, Chrome 3和 Safari 4 支持，而本篇文章主要讲述 postMessage 方法与 message 事件跨浏览器实现。postMessage 方法 JSONP 技术不一样，前者是前端擅长跨域文档数据即时通讯，后者擅长针对跨域服务端数据通讯，p
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他