csdn_yuan88
csdn_yuan88

学习笔记_vnpy实战培训day01

正期望值系统

期望=仓位*盈利概率*盈利点数-仓位*亏损慨率*止损点数-交易手续费
高频交易:
仓位低,盈利概率高,盈利点数小,交易手续费高
CTA交易:
动态仓位,盈利概率低,盈利点数高
亏损概率高,止损点数低
套利交易:
动态仓位,盈利概率高,盈利点数低
亏损概率低,止损点数低

角色与系统

角色：策略分析师，策略开发员，基金经理，风控

系统

商业客户端:文华、金字塔、TB、MC、博易、通达信、交易师  
在线分析:RiceQuant、JoinQuant、优矿  
定制类:AlgoTrade、VN.PY

交易体系组成:数据,分析,策略,回测,交易,风控,管理
数据：采集，处理，存储，服务
分析：python，pandas
回测：准备数据，预处理，执行回测，分析，反馈修改参数
策略：套利，cta，以及风控
交易：跨平台，分布式，标准化接口，
风控：风险分散，严谨执行，风控策略
管理：多层监控，风险评估，交易分析，策略评估

数据分类

结构化数据，非结构化数据。原始数据，处理数据

数据采集

实时采集
Tushare使用
通联数据(datayes)
wind数据
RiceQuant
淘宝购买数据
网站共享爬网

数据处理

如何有效地清洗,处理数据

Tick数据训练(去重)
Bar数据回测(主连数据/指数数据)
套利数据 (价差/比率/方差)

数据存储与服务

本地文件存储，MySQL数据库，MongoDB数据库

你可能感兴趣的:(量化_量化投资,量化_vnpy学习记录)

  • 提名 Apache ShardingSphere Committer，说说方法
    优质资源分享学习路线指引（点击解锁）知识定位人群定位Python实战微信订餐小程序进阶级本课程是pythonflask+微信小程序的完美结合，从项目搭建到腾讯云部署上线，打造一个全栈订餐系统。Python量化交易实战入门级手把手带你打造一个易扩展、更安全、效率更高的量化交易系统文章首发在公众号（龙台的技术笔记），之后同步到博客园和个人网站：xiaomage.info就在前几天，收到了ApacheS
  • 无需多卡集群，单卡运行扩散模型的技术突破与实践 源客z stablediffusion
    近年来，扩散模型（DiffusionModels）在图像、视频、3D生成等领域取得巨大进展。然而，传统扩散模型往往依赖多卡集群（如8×A100）进行高效训练与推理，这使得个人开发者和中小团队的应用受限。幸运的是，随着模型架构优化、量化技术、推理加速方案的发展，越来越多的开源扩散模型可以在单张消费级显卡（如RTX4090、T4、A6000）上运行，并且性能接近或超越原生大规模模型。本文整理了当前可在
  • 业界优秀零信任安全管理系统产品介绍 scuter_yu 安全网络
    腾讯iOA零信任安全管理系统腾讯iOA零信任安全管理系统是基于腾讯自身无边界零信任企业网的最佳实践推出的终端访问管理方案。它以可信终端、可信身份、可信应用、可信链路为核心，全方位保护企业终端安全，无需VPN即可实现远程办公，且支持公有云和本地云部署模式。该系统依托腾讯安全威胁情报中心，日均拦截超10亿次攻击，其客户端轻量化设计兼容多平台，员工接受度高，助力企业安全上云和数字化转型。深信服零信任iT
  • CST微波工作室学习笔记2 主要特点 raininforest CST学习硬件工程
    概要基于Windows98/Me、WindowsNT4、Windows2000和WindowsXP的图形用户界面快速并能有效使用内存的有限积分（FI）算法由于理想边界拟合技术和薄片技术的采用，性能更加卓越结构建模基于先进ACIS内核的参量化实体建模前端，并附带优异的结构可视化功能。内含多种建模技术，可快速进行结构变换。可通过SAT（如AutoCAD）、IGES、STEP、ProE、CATIA4、C
  • 【技术科普】LoRaWAN 网络怎么搭？推荐试试 ThinkLink 免费版服务器 门思科技 LoRaWAN网络服务器网络服务器运维
    在LoRaWAN项目落地过程中，除了终端设备和网关，很多人最容易忽视的是网络服务器（NetworkServer，简称NS）。然而，它却是系统能否长期稳定运行的关键之一。本文将从LoRaWAN网络结构出发，科普网络服务器的核心职责，并介绍一款适合开发者、技术团队免费试用的轻量化网络服务器——ThinkLink免费版，助力快速构建自己的LoRaWAN网络。一、LoRaWAN网络架构中，NS扮演什么角色
  • [2025CVPR]DE-GANs:一种高效的生成对抗网络 清风AI 深度学习算法详解及代码复现生成对抗网络人工智能神经网络
    目录引言：数据高效GAN的困境核心原理：动态质量筛选机制1.判别器拒绝采样（DRS）的再思考2.质量感知动态拒绝公式（1）质量感知阶段（2）动态拒绝阶段模型架构：轻量化设计技术突破：三大创新点1.首创训练阶段DRS2.动态拒绝机制3.质量重加权策略实验验证：全面性能提升1.数据集与指标2.对比实验结果（1）低样本数据集（2）FFHQ数据集代码解析：关键实现细节对比结果：全面超越现有方法1.低样本数
  • 贝叶斯回归：从概率视角量化预测的不确定性 大千AI助手 人工智能Python#OTHER回归数据挖掘人工智能机器学习算法贝叶斯
    本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我，一起撕掉过度包装，学习真实的AI技术！贝叶斯方法在回归问题中的应用被称为贝叶斯回归（BayesianRegression）。与传统频率派的线性回归（如最小二乘法）不同，贝叶斯回归的核心思想是：将回归参数（如权重系数）视为随机变量，通过贝叶斯定理结合先验分布和观测数据，推导出参数的后验分布，
  • 如何使用 PHP 接入港股实时行情接口（WebSocket 实时K线+盘口） quant_1986 php开发语言网络协议websocket后端经验分享笔记
    在构建金融类网站或量化交易系统时，实时行情数据是不可或缺的核心组件之一。尤其是对港股市场感兴趣的开发者，更需要一个可靠且实时的行情源。本文将介绍如何使用PHP接入港股行情接口，并实现实时接收1分钟K线数据。准备工作首先，确保你的开发环境中安装了Composer。我们将使用PHP的WebSocket客户端库textalk/websocket。composerrequiretextalk/websoc
  • 【数据分析】Python+Tushare实现均线金叉死叉交易策略回测 虚拟现实旅人 数据分析python数据挖掘
    【数据分析】Python+Tushare实现均线金叉死叉交易策略回测简介在本文中，我们将利用Python和Tushare数据接口，对贵州茅台（600519.SH）进行数据分析，并实现基于“双均线”策略的量化回测，完整评估该策略的收益效果。项目目标使用tushare包获取贵州茅台的历史行情数据。计算该股票历史数据的5日均线和30日均线。分析输出所有金叉日期和死叉日期。模拟实际买卖交易流程。1.数据获
  • DeepSeek 桌面端 快捷键唤起小窗口 极致轻量化 小纛 deepseek桌面
    DeepSeek桌面端（DeepSeekDesktop)DeepSeek没有官方桌面端。桌面端的好处是可以随时用快捷键唤起，在跨应用时很有用。目前Github上开源的DeepSeek桌面端是Electron做的，一个安装包要80多MB，太臃肿。本项目用Tauri（Rust+vite），不内置浏览器，而是调用系统原生浏览器内核（如webview2），非常轻量，而且支持快捷键唤起小窗口、开机启动。项目
  • 量化AI价值的30个关键指标 mao_feng 人工智能AI
    摘要：量化AI的战略价值人工智能（AI）成功集成到业务运营中超越了单纯的技术部署;它需要一种严格、可量化的方法来展示其价值。本报告系统地分类并解释了评估AI优势的基本指标，从核心模型性能到总体战略和道德考虑因素。必须制定多方面的衡量策略，将技术AI指标与运营效率、客户体验、财务绩效、战略优势和负责任的AI实践等有形业务成果直接联系起来。稳健的关键绩效指标（KPI）不仅仅是问责制的工具;它们是持续改
  • Mac mini 跑 DeepSeek R1 及 QwQ-32B模型实测报告 强哥之神 GPTmacosGPUdeepseek人工智能语言模型LLM
    测试对象：2025款Macmini（M4/M4Pro芯片）测试模型：DeepSeek-R1（14B/32B）、QwQ-32B（原版/量化版）测试目标：硬件性能适配性、推理速度、内存占用及优化方案一、Macmini硬件配置概览配置项M4基础款（16GB）M4Pro高配（32GB/64GB）芯片M4（10核CPU/10核GPU）M4Pro（14核CPU/20核GPU）内存16GB统一内存32GB/64
  • （Note）音频向量化表示
    音频向量化表示经典语音特征（MFCC等）语音信号的传统特征提取方法包括MFCC（梅尔倒谱系数）、PLP等，用于描述语音的频谱包络信息。这些特征设计依据生理听觉模型，在ASR、情感识别等任务中长期有效。但它们仍属浅层特征，无法自动学习更高阶的语言和语音信息，对说话人和环境的鲁棒性有限，通常需配合复杂模型来提高性能。梅尔倒谱系数特征示意图自监督语音模型（Wav2Vec、HuBERT等）近年来，语音领域
  • YOLOv10 全面升级解析：关键改进点一文掌握 要努力啊啊啊 计算机视觉YOLO目标跟踪人工智能目标检测深度学习
    ✅YOLOv10改进点详解一、前言YOLOv10是由Ultralytics团队在2024年提出的新一代目标检测模型，在保持高精度的同时进一步优化了部署效率和推理速度。它的核心改进包括：改进方向内容✅非解耦头轻量化设计消除非必要分支，减少冗余计算✅Anchor-Free模式默认启用，无需手动设置anchor✅TAL+DFLLoss提升边界框回归质量✅多任务统一接口detect/segment/pos
  • 《量化开发》系列 第 1 篇：金融知识基础入门指南（附 GitHub 学习项目） Natsume1710 金融github学习
    本文为《量化开发学习路线与知识点》专栏的第一篇参考项目：Awesome-QuantDev-Learn量化金融是金融经济学与计算机科学交叉融合形成的新兴行业，越来越多的技术人才正积极投身其中。然而，面对纷繁复杂的金融概念与专业的开发技能，许多人常常感到无从下手。本专栏将为C++/Python工程师、自学者、量化岗求职者提供系统清晰的学习路径。本篇文章聚焦于量化开发所需的金融基础知识，帮助技术人打下坚
  • 跨届资源汇聚地：校友平台开启终身学习与职业互助新模式 IDZSY0430 学习大数据运维开发用户运营流量运营
    引言在知识经济时代，“校友”二字早已超越单纯的情感符号，演变为蕴含巨大潜能的资源网络。传统校友关系受限于时空隔阂与信息壁垒，难以实现深度互动与资源共享。如今，依托智能化校友平台，一个打破届别、跨越地域的终身学习与职业互助新生态正加速形成，成为驱动个体成长与社群繁荣的核心引擎。一、资源整合：构建校友生态系统的数字基石校友平台的底层逻辑在于系统性整合碎片化资源，为跨届协作奠定量化基础：动态校友数据库平
  • 【GitHub开源项目实战】高频交易系统实战解析：基于 Nautilus Trader 的策略回测与事件驱动架构优化 观熵 GitHub开源项目实战github开源架构
    高频交易系统实战解析：基于NautilusTrader的策略回测与事件驱动架构优化关键词：高频交易、事件驱动架构、NautilusTrader、量化回测、算法交易、PythonCython、交易引擎、回测系统、交易策略框架、实战优化摘要：本篇博客围绕GitHub上高质量的开源项目nautechsystems/nautilus_trader展开系统性实战解析。NautilusTrader是一套为专业
  • YOLOv11性能评估全解析：从理论到实战的指标指南 芯作者 D2:YOLOYOLO计算机视觉
    深入剖析目标检测核心指标，掌握模型优化的关键密码为什么需要性能评估指标？在目标检测领域，YOLO系列模型以其卓越的速度-精度平衡成为行业标杆。当我们训练或使用YOLOv11模型时，一个核心问题始终存在：如何量化模型的性能？性能评估指标正是回答这个问题的关键工具，它们不仅衡量模型效果，更是模型优化迭代的导航灯。本文将系统解析YOLOv11的七大核心评估指标，结合理论公式、可视化解释和实战代码，带您深
  • RAG系列：提升RAG检索力：三大Query变形术，助你玩转AI知识检索！ 数智前沿 数字化转型人工智能RAG
    之前的帖子大多在优化向量化的过程，让文本内容分块更合理和更精准，本篇重点介绍使用RAG时如何优化提示词，以提高查询结果的精准度！一、RAG的“灵魂拷问”：你真的会提问吗？在AI时代，信息检索的效率和质量，80%取决于你“怎么问”。RAG系统的本质，就是“你问得好，我答得妙”。但现实往往是——用户提问：“AI会抢我饭碗吗？”检索系统：一脸懵逼，给你扔来一堆“AI是什么”“就业趋势”……用户：？？？这
  • 创客匠人解析：身心灵赛道创始人 IP 打造核心策略 创小匠 tcp/ip网络协议网络
    在当代社会焦虑情绪蔓延的背景下，身心灵赛道正以万亿级市场规模成为知识变现的新蓝海。作为知识变现领域的重要参与者，创客匠人通过服务超5W+知识博主的实践经验，揭示了该赛道中创始人IP打造的底层逻辑——IP不仅是形象符号，更是连接用户情绪价值与商业价值的核心纽带。一、IP形象的「能量化」构建：从外在到内在的信任锚点身心灵赛道的IP形象绝非单纯的视觉包装，而是「平和感」与「专业度」的融合体。创客匠人在服
  • 当前最好的0样本文本转语音是哪个模型？ skywalk8163 多媒体人工智能人工智能MegaTTS3
    综合排名前三模型‌MegaTTS3（字节跳动&浙江大学）‌‌核心优势‌：仅需‌3-10秒‌参考音频即可精准克隆音色，支持中英混合语音自然切换1112轻量化设计（0.45B参数），实时生成延迟低于400ms11采用‌DiffusionTransformer+WaveVAE‌架构，在韵律自然度榜单SpeechArena排名第一11‌开源地址‌：GitHub官方仓库（免费商用）‌MiniMaxSpeec
  • 如何利用股票API获取实时行情数据？有哪些好用的股票API推荐？ 财云量化 python炒股自动化量化交易程序化交易股票api实时行情数据获取方法api推荐股票量化接口股票API接口
    炒股自动化：申请官方API接口，散户也可以python炒股自动化（0），申请券商API接口python炒股自动化（1），量化交易接口区别Python炒股自动化（2）：获取股票实时数据和历史数据Python炒股自动化（3）：分析取回的实时数据和历史数据Python炒股自动化（4）：通过接口向交易所发送订单Python炒股自动化（5）：通过接口查询订单，查询账户资产股票量化，Python炒股，CSDN
  • 图论基础知识 深度优先（Depth First Search, 简称DFS），广度优先（Breathe First Search, 简称BFS） mmaerd Leetcode刷题学习记录深度优先图论宽度优先机考
    图论基础知识学习记录自代码随想录dfs与bfs区别dfs是沿着一个方向去搜，不到黄河不回头，直到搜不下去了，再换方向（换方向的过程就涉及到了回溯）。bfs是先把本节点所连接的所有节点遍历一遍，走到下一个节点的时候，再把连接节点的所有节点遍历一遍，搜索方向更像是广度，四面八方的搜索过程。深度优先搜索理论（DepthFirstSearch,简称DFS）搜索方向，是认准一个方向搜，直到碰壁之后再换方向换
  • 线性代数-第9篇：二次型与正定矩阵：优化问题的数学基础 程序员勇哥 人工智能(AI)线性代数人工智能大数据python
    线性代数-第9篇：二次型与正定矩阵：优化问题的数学基础在人工智能、量化投资和大数据分析中，优化问题无处不在，比如机器学习的损失函数最小化、量化投资组合的风险最小化等。而二次型与正定矩阵作为线性代数中的重要概念，为解决这些优化问题提供了坚实的数学基础。本篇将深入解析它们的原理及其在实际场景中的关键应用。一、二次型：从向量到函数的桥梁1.定义与表达式二次型是一个关于向量x\mathbf{x}x的二次齐
  • equine在神经网络中建立量化不确定性 struggle2025 神经网络人工智能深度学习
    一、软件介绍文末提供程序和源码下载众所周知，用于监督标记问题的深度神经网络（DNN）可以在各种学习任务中产生准确的结果。但是，当准确性是唯一目标时，DNN经常会做出过于自信的预测，并且无论测试数据是否属于任何已知标签，它们也总是进行标签预测。EQUINEwascreatedtosimplifytwokindsofuncertaintyquantificationforsupervisedlabel
  • 3 大语言模型预训练数据-3.2 数据处理-3.2.2 冗余去除——2.SimHash算法文本去重实战案例：新闻文章去重场景
    SimHash算法文本去重实战案例：新闻文章去重场景一、案例背景与目标二、具体实现步骤与示例1.**待去重文本示例**2.**步骤1：文本预处理与特征提取**3.**步骤2：特征向量化与哈希映射**4.**步骤3：特征向量聚合**5.**步骤4：降维生成SimHash值**6.**步骤5：计算汉明距离与去重判断**三、工程化实现代码（Python简化示例）四、案例总结与优化点一、案例背景与目标假设
  • 同花顺python_【本地直连】同花顺 Python量化交易接口上线 weixin_39938724 同花顺python
    来源：雪球App，作者：私募之家THS，（https://xueqiu.com/5808549553/129022113）导读：同花顺智能交易终端MindGo版已上线2年多，凭借着同花顺深厚的技术底蕴，不断地对终端进行优化。至今，已服务近1000位个人客户，超过200家私募机构，市场份额不断扩大。目前终端已实现：支持股票、指数、基金、期货、外汇、黄金T+D等6个品种日/分钟级策略回测投研策略无缝对
  • [大A量化专栏] 独家梳理-A股周末消息汇总-20250630 心心喵 大A量化专栏金融
    短期ST板块博弈机会政策催化主板ST股涨跌幅放宽至10%，与普通股一致（*ST华光、ST新研弹性大）。风险提示需严格筛选“摘帽预期强+业绩改善”标的，避免退市风险。稳定币/数字人民币香港政策落地8月1日《稳定币条例》生效，关注HB股份（硬件钱包）、JBF（银行IT改造）。上海地铁试点数字人民币“碰一碰”全线网覆盖，CTL（交通支付场景）受益明确。充电宝新规3C认证强制化维K技术（半固态电芯）、安K
  • ss928v100模型的导出、量化和转换 yunken28 python开发语言
    1、yolov8导出为onnxfromultralyticsimportYOLOmodel=YOLO("./best.pt")model.export(format="onnx",imgsz=640,dynamic=False,simplify=True,opset=11,batch=1,half=False)以下是model.export()方法各参数的详细解释：‌format="onnx"‌指
  • AI摄像头动捕：精准量化八段锦动作质量，赋能传统功法习练
    在追求动作标准度的竞技体育、舞蹈教学或运动康复领域，如何科学、客观、高效地评估动作质量一直是核心挑战。如今，AI摄像头动捕技术的成熟，正为这些领域带来突破性的解决方案，尤其在需要高度专注与准确性的八段锦、太极拳等传统健身功法领域中展现出巨大潜力。AI摄像头动捕系统，通过部署多组高帧率RGB摄像头，在空间中构建一个精密的三维捕捉场域。这种无穿戴动捕（或称无标记点动捕）的方式，让用户无需任何设备束缚人
  • Spring4.1新特性——Spring MVC增强 jinnianshilongnian spring 4.1
    目录 Spring4.1新特性——综述 Spring4.1新特性——Spring核心部分及其他 Spring4.1新特性——Spring缓存框架增强 Spring4.1新特性——异步调用和事件机制的异常处理 Spring4.1新特性——数据库集成测试脚本初始化 Spring4.1新特性——Spring MVC增强 Spring4.1新特性——页面自动化测试框架Spring MVC T
  • mysql 性能查询优化 annan211 javasql优化mysql应用服务器
    1 时间到底花在哪了？ mysql在执行查询的时候需要执行一系列的子任务，这些子任务包含了整个查询周期最重要的阶段，这其中包含了大量为了 检索数据列到存储引擎的调用以及调用后的数据处理，包括排序、分组等。在完成这些任务的时候，查询需要在不同的地方 花费时间，包括网络、cpu计算、生成统计信息和执行计划、锁等待等。尤其是向底层存储引擎检索数据的调用操作。这些调用需要在内存操
  • windows系统配置 cherishLC windows
    删除Hiberfil.sys ：使用命令powercfg -h off 关闭休眠功能即可： http://jingyan.baidu.com/article/f3ad7d0fc0992e09c2345b51.html 类似的还有pagefile.sys msconfig 配置启动项 shutdown 定时关机 ipconfig 查看网络配置 ipconfig /flushdns
  • 人体的排毒时间 Array_06 工作
    ======================== ||  人体的排毒时间是什么时候？|| ======================== 转载于： http://zhidao.baidu.com/link?url=ibaGlicVslAQhVdWWVevU4TMjhiKaNBWCpZ1NS6igCQ78EkNJZFsEjCjl3T5EdXU9SaPg04bh8MbY1bR
  • ZooKeeper cugfy zookeeper
    Zookeeper是一个高性能，分布式的，开源分布式应用协调服务。它提供了简单原始的功能，分布式应用可以基于它实现更高级的服务，比如同步， 配置管理，集群管理，名空间。它被设计为易于编程，使用文件系统目录树作为数据模型。服务端跑在java上，提供java和C的客户端API。 Zookeeper是Google的Chubby一个开源的实现，是高有效和可靠的协同工作系统，Zookeeper能够用来lea
  • 网络爬虫的乱码处理 随意而生 爬虫网络
    下边简单总结下关于网络爬虫的乱码处理。注意，这里不仅是中文乱码，还包括一些如日文、韩文 、俄文、藏文之类的乱码处理，因为他们的解决方式 是一致的，故在此统一说明。     网络爬虫，有两种选择，一是选择nutch、hetriex，二是自写爬虫，两者在处理乱码时，原理是一致的，但前者处理乱码时，要看懂源码后进行修改才可以，所以要废劲一些；而后者更自由方便，可以在编码处理
  • Xcode常用快捷键 张亚雄 xcode
    一、总结的常用命令：     隐藏xcode command+h     退出xcode command+q     关闭窗口 command+w     关闭所有窗口 command+option+w     关闭当前
  • mongoDB索引操作 adminjun mongodb索引
    一、索引基础：    MongoDB的索引几乎与传统的关系型数据库一模一样，这其中也包括一些基本的优化技巧。下面是创建索引的命令：    > db.test.ensureIndex({"username":1})    可以通过下面的名称查看索引是否已经成功建立： &nbs
  • 成都软件园实习那些话 aijuans 成都 软件园 实习
    无聊之中，翻了一下日志，发现上一篇经历是很久以前的事了，悔过~~ 　　断断续续离开了学校快一年了，习惯了那里一天天的幼稚、成长的环境，到这里有点与世隔绝的感觉。不过还好，那是刚到这里时的想法，现在感觉在这挺好，不管怎么样，最要感谢的还是老师能给这么好的一次催化成长的机会，在这里确实看到了好多好多能想到或想不到的东西。 　　都说在外面和学校相比最明显的差距就是与人相处比较困难，因为在外面每个人都
  • Linux下FTP服务器安装及配置 ayaoxinchao linuxFTP服务器vsftp
    检测是否安装了FTP [root@localhost ~]# rpm -q vsftpd 如果未安装：package vsftpd is not installed  安装了则显示：vsftpd-2.0.5-28.el5累死的版本信息   安装FTP 运行yum install vsftpd命令，如[root@localhost ~]# yum install vsf
  • 使用mongo-java-driver获取文档id和查找文档 BigBird2012 driver
    注：本文所有代码都使用的mongo-java-driver实现。   在MongoDB中，一个集合（collection）在概念上就类似我们SQL数据库中的表（Table），这个集合包含了一系列文档（document）。一个DBObject对象表示我们想添加到集合（collection）中的一个文档（document），MongoDB会自动为我们创建的每个文档添加一个id，这个id在
  • JSONObject以及json串 bijian1013 jsonJSONObject
    一.JAR包简介     要使程序可以运行必须引入JSON-lib包，JSON-lib包同时依赖于以下的JAR包：     1.commons-lang-2.0.jar     2.commons-beanutils-1.7.0.jar     3.commons-collections-3.1.jar &n
  • [Zookeeper学习笔记之三]Zookeeper实例创建和会话建立的异步特性 bit1129 zookeeper
    为了说明问题，看个简单的代码，   import org.apache.zookeeper.*; import java.io.IOException; import java.util.concurrent.CountDownLatch; import java.util.concurrent.ThreadLocal
  • 【Scala十二】Scala核心六：Trait bit1129 scala
    Traits are a fundamental unit of code reuse in Scala. A trait encapsulates method and field definitions, which can then be reused by mixing them into classes. Unlike class inheritance, in which each c
  • weblogic version 10.3破解 ronin47 weblogic
    版本：WebLogic Server 10.3 说明：%DOMAIN_HOME%：指WebLogic Server 域(Domain）目录 例如我的做测试的域的根目录 DOMAIN_HOME=D:/Weblogic/Middleware/user_projects/domains/base_domain 1.为了保证操作安全，备份%DOMAIN_HOME%/security/Defa
  • 求第n个斐波那契数 BrokenDreams
            今天看到群友发的一个问题：写一个小程序打印第n个斐波那契数。         自己试了下，搞了好久。。。基础要加强了。           &nbs
  • 读《研磨设计模式》-代码笔记-访问者模式-Visitor 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/ import java.util.ArrayList; import java.util.List; interface IVisitor { //第二次分派，Visitor调用Element void visitConcret
  • MatConvNet的excise 3改为网络配置文件形式 cherishLC matlab
    MatConvNet为vlFeat作者写的matlab下的卷积神经网络工具包，可以使用GPU。 主页： http://www.vlfeat.org/matconvnet/ 教程： http://www.robots.ox.ac.uk/~vgg/practicals/cnn/index.html 注意：需要下载新版的MatConvNet替换掉教程中工具包中的matconvnet： http
  • ZK Timeout再讨论 chenchao051 zookeepertimeouthbase
    http://crazyjvm.iteye.com/blog/1693757 文中提到相关超时问题，但是又出现了一个问题，我把min和max都设置成了180000，但是仍然出现了以下的异常信息： Client session timed out, have not heard from server in 154339ms for sessionid 0x13a3f7732340003
  • CASE WHEN 用法介绍 daizj sqlgroup bycase when
    CASE WHEN 用法介绍 1. CASE WHEN 表达式有两种形式 --简单Case函数  CASE sex  WHEN '1' THEN '男'  WHEN '2' THEN '女'  ELSE '其他' END  --Case搜索函数  CASE WHEN sex = '1' THEN
  • PHP技巧汇总:提高PHP性能的53个技巧 dcj3sjt126com PHP
    PHP技巧汇总:提高PHP性能的53个技巧　　用单引号代替双引号来包含字符串，这样做会更快一些。因为PHP会在双引号包围的字符串中搜寻变量，　　单引号则不会，注意：只有echo能这么做，它是一种可以把多个字符串当作参数的函数译注：　　PHP手册中说echo是语言结构，不是真正的函数，故把函数加上了双引号)。　　1、如果能将类的方法定义成static，就尽量定义成static，它的速度会提升将近4倍
  • Yii框架中CGridView的使用方法以及详细示例 dcj3sjt126com yii
    CGridView显示一个数据项的列表中的一个表。 表中的每一行代表一个数据项的数据,和一个列通常代表一个属性的物品(一些列可能对应于复杂的表达式的属性或静态文本)。　　CGridView既支持排序和分页的数据项。排序和分页可以在AJAX模式或正常的页面请求。使用CGridView的一个好处是,当用户浏览器禁用JavaScript,排序和分页自动退化普通页面请求和仍然正常运行。 实例代码如下：
  • Maven项目打包成可执行Jar文件 dyy_gusi assembly
    Maven项目打包成可执行Jar文件 在使用Maven完成项目以后，如果是需要打包成可执行的Jar文件，我们通过eclipse的导出很麻烦，还得指定入口文件的位置，还得说明依赖的jar包，既然都使用Maven了，很重要的一个目的就是让这些繁琐的操作简单。我们可以通过插件完成这项工作，使用assembly插件。具体使用方式如下： 1、在项目中加入插件的依赖： <plugin>
  • php常见错误 geeksun PHP
    1.  kevent() reported that connect() failed (61: Connection refused) while connecting to upstream, client: 127.0.0.1, server: localhost, request: "GET / HTTP/1.1", upstream: "fastc
  • 修改linux的用户名 hongtoushizi linuxchange password
    Change Linux Username 更改Linux用户名，需要修改4个系统的文件： /etc/passwd /etc/shadow /etc/group /etc/gshadow 古老/传统的方法是使用vi去直接修改，但是这有安全隐患（具体可自己搜一下），所以后来改成使用这些命令去代替： vipw vipw -s vigr vigr -s   具体的操作顺
  • 第五章 常用Lua开发库1-redis、mysql、http客户端 jinnianshilongnian nginxlua
    对于开发来说需要有好的生态开发库来辅助我们快速开发，而Lua中也有大多数我们需要的第三方开发库如Redis、Memcached、Mysql、Http客户端、JSON、模板引擎等。 一些常见的Lua库可以在github上搜索，https://github.com/search?utf8=%E2%9C%93&q=lua+resty。   Redis客户端 lua-resty-r
  • zkClient 监控机制实现 liyonghui160com zkClient 监控机制实现
             直接使用zk的api实现业务功能比较繁琐。因为要处理session loss，session expire等异常，在发生这些异常后进行重连。又因为ZK的watcher是一次性的，如果要基于wather实现发布/订阅模式，还要自己包装一下，将一次性订阅包装成持久订阅。另外如果要使用抽象级别更高的功能，比如分布式锁，leader选举
  • 在Mysql 众多表中查找一个表名或者字段名的 SQL 语句 pda158 mysql
    在Mysql 众多表中查找一个表名或者字段名的 SQL 语句： 　　方法一：SELECT table_name, column_name from information_schema.columns WHERE column_name LIKE 'Name'; 　　方法二：SELECT column_name from information_schema.colum
  • 程序员对英语的依赖 Smile.zeng 英语程序猿
    1、程序员最基本的技能，至少要能写得出代码，当我们还在为建立类的时候思考用什么单词发牢骚的时候，英语与别人的差距就直接表现出来咯。 2、程序员最起码能认识开发工具里的英语单词，不然怎么知道使用这些开发工具。 3、进阶一点，就是能读懂别人的代码，有利于我们学习人家的思路和技术。 4、写的程序至少能有一定的可读性，至少要人别人能懂吧... 以上一些问题，充分说明了英语对程序猿的重要性。骚年
  • Oracle学习笔记(8) 使用PLSQL编写触发器 vipbooks oraclesql编程活动Access
        时间过得真快啊，转眼就到了Oracle学习笔记的最后个章节了，通过前面七章的学习大家应该对Oracle编程有了一定了了解了吧，这东东如果一段时间不用很快就会忘记了，所以我会把自己学习过的东西做好详细的笔记，用到的时候可以随时查找，马上上手！希望这些笔记能对大家有些帮助！     这是第八章的学习笔记，学习完第七章的子程序和包之后
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他