三十而码
三十而码

科研用深度学习+有限元工作站的DIY配置（预算：5-6万）

科研用深度学习+有限元工作站的DIY配置（预算：5-6万）

  • 考虑实验室科研常用软件，尝试购置一台科研用深度学习+有限元工作站，预算5-6万。

  • 查找了目前市面上相关的整机产品：
    1、例如 Dell 7920，GPU可以选择配置目前最新适用深度学习安培架构的RTX 3090 24G，但奈何CPU配置的英特尔 二代至强系列的频率不高。至强系列更注重稳定性和可拓展性，偏向于服务器性质。科研计算的工作站同样要求时效性，追求高性能，特别处于智能时代的高速风口下。
    2、再如 Dell T3640，GPU也可以选择配置目前最新的RTX 3090 24G，但其配置的英特尔 i9 10900K ，虽然其频率较高，但最大内存支持仅为128G，高精度有限元的3D计算非常吃内存，支持256G最大内存为佳。并且，英特尔 i9 10900K只有8核16线程，多软件，例如matlab和CAD，同时运行时会吃力。

  • Dell整机配置的英特尔处理器一般不是新出的，会滞后。当然，对于世界闻名的“牙膏”生产商，英特尔新出的产品性能提升幅度往往不多。若不是完美主义的强迫症患者，为省事省力，也可选择品牌整机，毕竟品质和售后更有保障。

  • 还有一种选择就是DIY（自己动手，自强不息）：
    1、自选配置参数，自选对应配件的品牌型号，自行购置，自行组装。这种更适合私人，并要求具备一定的硬件动手能力，售后也需自行找配件相应产商。另外，在科研院校并不一定行的通。特别是目前“挖矿”浪潮之下，毒流染指院校的例子时有报道，相信管控会更加严格。
    2、自选配置，自选对应配件的品牌型号，找第三方代理购置及组装，并参与配件的购置。这种适合对公，并且售后有一定保障。但须提防第三方提供的配件是正品，新品。特别是显卡，要亲自参与，提防奸商回流“矿卡”。必要时，录视频下，拆卡确认。
    3、某购物平台上第三方DIY组装机，配置与自选相似。这种很难一步到位找到适合自己需求的配置，例如，硬件上或多或少需要升级，甚至整体升级。本人尝试联系一些，但回馈要么是缺货，要么就是不做。即便他做，这种也要录视频情况下，再拆机确认。

  • 综上，DIY2是可取的方案，为何需要这么折腾，可总结为：
    1、最新性能，追求性价比。
    2、“挖矿”疯潮下，谁都不能轻易信，只能信自己。

  • 为此，根据需求，对比了配件参数，寻求了有关的建议，参照了相关横评。最终选择以下配置，并给出了相关到手参考价格：

配件 品牌 单价 预算
CPU 英特尔 酷睿i9 10980XE 3.0-4.6GHz 18核 功率165W 支持内存：256G 2933MHz ￥7980 ￥7980
GPU 华硕ROG-STRIX-RTX3090-24G-GAMING 850W ￥23380 ￥23380
主板 华硕（ASUS）WS X299-PRO 支持内存256G ￥3499 ￥3499
内存 金士顿 (Kingston) 64GB(32G×2)套装 DDR4 3600 （4套） ￥2799 ￥11196
固态硬盘 三星（SAMSUNG）1TB SSD固态硬盘 M.2接口(NVMe协议) 970 PRO ￥2799 ￥2799
硬盘 希捷(Seagate) 企业级硬盘 4TB 256MB 7200转 PMR CMR SATA （2套） ￥1149 ￥2298
电源 振华（SUPER FLOWER） 额定1600W LEADEX T 1600电源 ￥2999 ￥2999
机箱 追风者(PHANTEKS) PK620 钢化玻璃全塔双路服务器电脑机箱 ￥1200 ￥1200
散热器 毅凯火力 (EK) AIO Basic 360 一体式CPU水冷散热器 360MM水排 ￥999 ￥999
风扇 利民（Thermalright）TL-C12B 12cm风扇 SFDB轴承 4pin PWM （3套） ￥80 ￥240
– – 合计 ￥56590

  • 迫于“挖矿”疯潮，目前显卡及其相关配件的溢价很高，整体组装预算要高出1W不止。

  • 期待“矿难”过后的拨云见日。算力不应当浪费在这种构建在虚拟与现实间无聊的庞氏骗局上。

  • 另外，AMD处理器因其7nm工艺及高性能，具备极强的吸引力，但出于稳定、安全、生态、兼容的考虑，目前个人偏好英特尔处理器。未来AMD处理器将更适应高性能需求的牵引，守着“牙膏”慢慢挤的日子可能远去。

  • 以上是这几天为购置实验室工作站，所了解到的情况。由于个人认知有限，配置的合理性还请各位DIY大佬指点。

  • 另外，本贴为个人发帖求助性质，没有任何广告的意图，若涉及到违规、侵权，请及时告知删除！

你可能感兴趣的:(工作杂谈,深度学习,tensorflow,pytorch,gpu,cpu)

  • 轻量级的注意力网络（LANMSFF）模型详解及代码复现 清风AI 深度学习算法详解及代码复现深度学习人工智能神经网络python计算机视觉
    定义与特点在深度学习领域，轻量化网络设计已成为一个重要的研究方向。LANMSFF模型作为一种新型的轻量级网络架构，在保持高性能的同时，显著降低了模型的复杂度。LANMSFF模型的核心特点可以概括为以下几个方面：轻量级设计：通过精心设计的网络结构和参数优化，在保持较高性能的同时，显著降低了模型的复杂度。注意力机制：引入了一种新的注意力机制，能够有效地捕捉图像中的关键特征，提高模型的表达能力。多尺度特
  • 服务器 CPU 消耗过高是什么原因？ 恒创科技HK 服务器运维
    服务器是一种计算机系统，它为网络上的其他设备或计算机提供服务和资源。CPU(中央处理器)是服务器的大脑，负责处理指令和管理硬件和软件资源。CPU的性能和功能直接影响服务器处理工作负载和提供可靠服务的能力。服务器管理员必须谨慎选择满足服务器需求的CPU，平衡性能、功耗和成本，必须确保服务器的硬件和软件得到优化，以充分利用CPU的功能。总之，服务器与其CPU之间的关系至关重要，服务器管理员在设计和管理
  • 高效高并发调度架构 之群害马 架构
    以下是从架构层面为你提供的适合多核CPU、多GPU环境下API客户端、服务端高级调度，以实现高效并发大规模与用户交互的技术栈：通信协议gRPC：基于HTTP/2协议，具有高性能、低延迟的特点，支持二进制序列化（通常搭配Protobuf），非常适合高并发场景。它提供了流式通信和多路复用功能，可有效减少网络开销。常用于微服务之间的通信，例如机器学习模型服务与前端应用之间的交互。RSocket：是一种基
  • 【vLLM 学习】安装
    vLLM是一款专为大语言模型推理加速而设计的框架，实现了KV缓存内存几乎零浪费，解决了内存管理瓶颈问题。更多vLLM中文文档及教程可访问→https://vllm.hyper.ai/vLLM是一个Python库，包含预编译的C++和CUDA(12.1)二进制文件。依赖环境操作系统：LinuxPython：3.8-3.12GPU：计算能力7.0或更高（例如V100、T4、RTX20xx、A100、L
  • 三种方式实现人车流统计（yolov5+opencv+deepsort+bytetrack+iou） Jayson God 人工智能c++yolov5opencv算法人工智能
    一、运行环境1、项目运行环境如下2、CPU配置3、GPU配置如果没有GPUyolov5目标检测时间会比较久二、编程语言与使用库版本项目编程语言使用c++，使用的第三方库，onnxruntime-linux-x64-1.12.1，opencv-4.6.0opencv官方地址Releases-OpenCVopencvgithub地址https://github.com/opencv/opencv/tr
  • TPAMI 2024 | SSR-2D: 从2D图像进行语义3D场景重建 小白学视觉 论文解读IEEETPAMI深度学习顶刊论文论文解读TPAMI
    论文信息题目：SSR-2D:Semantic3DSceneReconstructionFrom2DImagesSSR-2D:从2D图像进行语义3D场景重建作者：JunwenHuang,AlexeyArtemov,YujinChen,ShuaifengZhi,KaiXu,andMatthiasNießner论文创新点首次提出了一种基于深度学习的方法，能够在不使用任何3D标注的情况下，从不完整的RGB
  • spiking neural network概念学习 Zaгathustra 科研工作深度学习神经网络机器学习
    我们认为，SNNs最大的优势在于其能够充分利用基于时空事件的信息。今天，我们有相当成熟的神经形态传感器，来记录环境实时的动态改变。这些动态感官数据可以与SNNs的时间处理能力相结合，以实现超低能耗的计算。在此类传感器中使用SNNs主要受限于缺乏适当的训练算法，从而可以有效地利用尖峰神经元的时间信息。实际上就精度而言，在大多数学习任务中SNNs的效果仍落后于第二代的深度学习。很明显，尖峰神经元可以实
  • 深度学习（1)-简单神经网络示例 yyc_audio 深度学习人工智能
    我们来看一个神经网络的具体实例：使用Python的Keras库来学习手写数字分类。在这个例子中，我们要解决的问题是，将手写数字的灰度图像（28像素×28像素）划分到10个类别中（从0到9）。我们将使用MNIST数据集，图2-1给出了MNIST数据集的一些样本。在机器学习中，分类问题中的某个类别叫作类（class），数据点叫作样本（sample），与某个样本对应的类叫作标签（label）。你不需要现
  • 【Stable Diffusion部署至Google Colab】 星星点点洲 stablediffusion
    GoogleColab中快速搭建带GPU加速的StableDiffusionWebUIfromgoogle.colabimportdrivedrive.mount('/content/drive')!mkdir/content/drive/MyDrive/sd-webui-files!pipinstalltorch==1.13.1+cu116torchvision==0.14.1+cu116tor
  • 理论一、大模型—概念 伯牙碎琴 大模型自然语言处理ai
    一、总述大模型通常指的是参数规模庞大、训练难度较高的人工智能模型。随着深度学习技术的发展，研究人员和企业越来越倾向于构建更大的模型，以提高模型的性能和泛化能力。这些大模型往往需要大量的数据和计算资源来训练，并且在实际应用中通常表现出色。大模型全称是大型语言模型（LLM，LargeLanguageModel），这个“大”主要指模型结构容量大，结构中的参数多，用于预训练大模型的数据量大。一个大模型可以
  • 根据deepseek模型微调训练自动驾驶模型及数据集的思路 ywfwyht 自动驾驶深度学习人工智能自动驾驶人工智能机器学习
    以下是使用DeepSeek模型微调训练自动驾驶模型的详细步骤和代码示例。本流程假设你已有自动驾驶领域的数据集（如驾驶指令、传感器数据等），并基于PyTorch框架实现。Step1:环境准备#安装依赖库pipinstalltorchtransformersdatasetsnumpypandasStep2:数据准备假设数据集格式为JSON，包含输入文本（传感器/场景描述）和输出控制指令：//data/
  • YOLOv11 火焰识别：智能时代的火灾预警新利器 星际编程喵 Python探索之旅YOLOpython目标检测机器学习人工智能开发语言
    前言随着人工智能（AI）在各个领域如火如荼发展，图像识别技术也跟着飞速进步。从最初的传统算法到如今的深度学习模型，图像识别在准确性和效率上提升令人惊叹。而在这场技术革命中，YOLO（YouOnlyLookOnce）系列模型无疑扮演举足轻重的角色。今天，我们将目光聚焦在最新的版本——YOLOv11。别误会，YOLOv11可不是什么随便升级。它远不止数字上多了个“1”那么简单。YOLOv11集成许多先
  • 【AI中的数学-人工智能的数学基石】AI的心脏：探索人工智能的算法与核心技术 云博士的AI课堂 AI中的数学人工智能算法数学AI数学大模型
    第一章人工智能的数学基石第二节AI的心脏：探索人工智能的算法与核心技术人工智能（AI）的迅猛发展离不开其背后的复杂算法与核心技术。这些算法不仅决定了AI系统的性能和能力，也构成了AI应用的基础。从基础的机器学习算法到先进的深度学习模型，AI的算法生态系统丰富多样，涵盖了广泛的数学原理和计算方法。本节将深入探讨驱动AI进步的关键算法与技术，揭示其工作机制及在实际应用中的重要性。一、机器学习：智能的基
  • 计算机的基本组成部分 人可小月半 硬件工程
    MCU：微控制器，中文简称单片机。指的是把CPU的频率与规格进行缩减处理，并将内存、计数器、USB、A/D转换、UART、PLC、DMA等周边接口，甚至LCD驱动电路都整合在一块芯片之上，形成芯片级的计算机，为各色的应用场合提供各种组合控制，就比如手机、遥控器、PC外围，又或者是汽车电子、工业上的步进马达、机器手臂的控制等，都离不开MCU芯片。内存是计算机中用来存储数据和程序的硬件设备，分为主存和
  • 超越人类的想象力，智能手机究竟能干什么？ AI天才研究院 Python实战自然语言处理人工智能语言模型编程实践开发语言架构设计
    作者：禅与计算机程序设计艺术1.简介2019年3月1日，中国第一部拥有“潜艇”的智能手机——华为P30Pro发布。到目前为止，华为手机系列产品已经推出了4款主打配置，分别为MateXs、MateX、Nova7、P30。其中，“轻奢版”Nova7在设计上采用“屏幕不落”的双摄像头配置，为用户提供了前所未有的视觉享受。除此之外，在性能方面，华为P30Pro凭借其多核CPU以及高通骁龙865处理器，可以
  • 预测股票走势的ai模型 roxxo AI模型人工智能深度学习金融
    AI股票走势预测模型用深度学习+时间序列分析来构建一个股票预测AI，基于历史数据预测未来走势。1.关键功能✅AI选股（基于财务数据+技术指标）✅股票走势预测（LSTM/Transformer）✅智能筛选高增长潜力股✅可视化分析2.关键技术数据来源：YahooFinance/AlphaVantage财务分析：PE、EPS、ROE、PB、成交量机器学习选股：随机森林/XGBoost深度学习预测：LST
  • 麒麟SoC的详细架构组成介绍 小蘑菇二号 麒麟
    目录麒麟SoC的主要组成部分1.应用处理器（ApplicationProcessor,AP）2.图形处理单元（GPU）3.神经网络处理单元（NPU）4.图像信号处理器（ISP）5.调制解调器（Modem,基带芯片）6.多媒体编解码器7.安全模块8.连接模块9.存储控制器10.电源管理单元（PMIC）典型麒麟SoC示例Kirin9000总结麒麟（Kirin）是华为自主研发的一系列高性能系统级芯片（S
  • Multi-Thread多线程 yadanuof yy的学习之路javalinux服务器
    线程基础知识线程和进程的区别进程是正在运行程序的实例,进程中包含了线程,每个线程执行不同的任务不同的进程使用不同的内存空间,同一进程下的线程共享内存空间线程更轻量，线程上下文切换成本一般上要比进程上下文切换低(上下文切换指的是从一个线程切换到另一个线程)并行与并发的区别并行是指多个CPU分别处理多个线程的能力并发是指多个线程轮流使用CPU的能力线程创建的方式继承Thread类实现runnable接
  • 面试官 ：Java 调优经验有吗？ Think_Higher Java生态圈大中IT企业面试题整理java数据库开发语言
    文章目录调优准备性能分析CPU分析jstack[pid]jstat-gcutil[pid]vmstat15内存分析IO分析1.文件IO2.网络IO其他分析工具JavaMissionControl(jmc)BtraceJwebap性能调优CPU调优内存调优IO调优其他优化建议JVM参数进阶对于调优这个事情来说，一般就是三个过程：性能监控：问题没有发生，你并不知道你需要调优什么？此时需要一些系统、应用
  • Java 程序GC机制及性能稳定性调优分析 shines_m 性能测试javajvm开发语言压力测试
    一、JVM资源监控工具1.jvisualVM工具VisualVM提供了一个可视界面，能够监控线程，内存情况，查看方法的CPU时间和内存中的对象，已被GC的对象；在JDK_HOME/bin目录下，双击jvisualvm.exe文件即可打开运行。打开后默认会监控本地运行的java程序，运行的界面如下：2.连接远程服务器，需要在被监控JVM服务器上启动jstatd服务JVMjstatDaemon：守护进
  • Java GC性能分析与调优实战 wespten 全栈软件测试人工智能测试开发自动化测试性能测试Spring全家桶微信小程序Java全栈开发jvm
    一、JVMGC1、JVM线程简介在ThreadDump中，有一些JVM内部的后台线程来执行，譬如垃圾回收或者低内存的检测等等任务，这些线程往往在JVM初始化的时候就存在，如下所示：1.HotSpotVMThread被HotSpotVM管理的内部线程为了完成内部本地操作，一般来说不需要担心它们，除非CPU很高。"VMPeriodicTaskThread"prio=10tid=0xad909400ni
  • 以下是一篇关于使用SLURM编写作业脚本的原创技术指南 这题有点难度 人工智能
    SLURM作业脚本编写实战指南：从入门到生产级配置一、为什么需要SLURM脚本？在高性能计算（HPC）领域，SLURM（SimpleLinuxUtilityforResourceManagement）作为主流的作业调度系统，承担着集群资源分配的核心职责。通过编写规范的SLURM脚本，研究人员可以：1.精确申请计算资源（CPU/GPU/内存）2.实现任务队列管理3.自动化作业流程4.获得执行日志和性
  • InfiniteHiP - 在单个GPU上扩展 LLM 上下文至300万tokens 伊织code #PaperReadingInfiniteHiP推理GPULLMtoken
    InfiniteHiP:ExtendingLanguageModelContextUpto3MillionTokensonaSingleGPUPaper:https://huggingface.co/papers/2502.08910Sourcecode:https://github.com/DeepAuto-AI/hip-attention/SGLangIntegrationavailablen
  • 本地DeepSeek模型GGUF文件转换为PyTorch格式 搏博 pytorch人工智能python机器学习windows深度学习
    接前文，我们在本地Windows系统上，基于GGUF文件部署了DeepSeek模型（DeepSeek-R1-Distill-Qwen-1.5B.gguf版本），但是GGUF是已经量化的版本，我们除了对其进行微调之外，无法对其训练，那么还有没有其他办法对本地的GGUF部署的DeepSeek模型进行训练呢？今天我们就反其道而行之，将GGUF文件转换为PyTorch格式再训练。前提：已经部署好了Deep
  • TrafficMonitor-开源版[时隔两年, 终于更新了] 私人珍藏库 学习
    TrafficMonitor-开源版链接：https://pan.xunlei.com/s/VOHSjaU5QAquUn3GE7eHIq2yA1?pwd=bygj#TrafficMonitor是一款用于Windows平台的网速监控悬浮窗软件，可以显示当前网速、CPU及内存利用率，支持嵌入到任务栏显示，支持更换皮肤、历史流量统计等功能。功能更新：任务栏窗口增加Direct2D的渲染方式，解决有时字体
  • 理解WebGPU 中的 GPUDevice ：与 GPU 交互的核心接口 ttod_qzstudio WebGPUWebGPU
    在WebGPU开发中，GPUDevice是一个至关重要的对象，它是与GPU进行交互的核心接口。通过GPUDevice，开发者可以创建和管理GPU资源（如缓冲区、纹理、管线等），并提交命令缓冲区以执行渲染和计算任务。本文将详细介绍GPUDevice的核心属性和方法，并通过实际代码示例展示如何使用它来实现高性能的图形和计算任务。什么是GPUDevice？GPUDevice是WebGPUAPI中的一个接
  • 解析浏览器中JavaScript与Native交互原理：以WebGPU为例 ttod_qzstudio JavaScriptJavaScriptWebGPU
    引言随着Web应用复杂度的提升，开发者对浏览器访问本地硬件能力的需求日益增长。然而，浏览器必须在开放性与安全性之间找到平衡——既不能放任JavaScript（JS）随意操作系统资源，又要为高性能计算、图形渲染等场景提供支持。WebGPU的出现正是这一矛盾的解决方案之一。作为新一代Web图形API，WebGPU允许JS以接近原生（Native）的方式操作GPU，同时严格遵循浏览器的安全模型。本文将结
  • 使用 pip 和 conda 的安装深度学习环境 ZhengXinTang #深度学习环境pipcondapython
    在决定使用pip和conda安装包时，了解这两个包管理器之间的主要区别非常重要。以下是细分：1.在使用conda安装的过程中，可以先参考另外一台机器中对应虚拟环境配置成功的，所设置的镜像源，使用condacofig--show,进行查看，2.设置，将网络下载时，连接时间加长condaconfig--setremote_connect_timeout_secs60condaconfig--setre
  • 【MediaTek】 T750 openwrt-23.05编译: error: ISO C++17 does not allow dynamic exception specifications wellnw 功能实现及问题处理Openwrtopenwrt
    MediaTekT750T750采用先进的7nm制程，高度集成5G调制解调器和四核ArmCPU，提供较强的功能和配置，设备制造商得以打造精巧的高性能CPE产品，如固定无线接入（FWA）路由器和移动热点。MediaTekT750平台是一款综合的芯片组，集成了5GSoCMT6890、12nm制程的收发器MT6190、ET、GNSS和PMIC等。高度集成的T750平台大幅减少组件数量，为产品设计者提供更
  • onnx 推理报错：onnxruntime.capi.onnxruntime_pybind11_state.Fail: [ONNXRuntimeError] : 1 : FAIL : Load mo fengsongdehappy python
    onnx模型不匹配有可能是你转换的是gpu但是推理是cpu，也可能版本不兼容导致，因此卸载cpu版本，重新安装gpu版本或者升级gpu版本pipuninstallonnxruntime-gpupipinstall-ihttps://pypi.tuna.tsinghua.edu.cn/simpleonnxruntime-gpu
  • 插入表主键冲突做更新 a-john
    有以下场景： 用户下了一个订单，订单内的内容较多，且来自多表，首次下单的时候，内容可能会不全（部分内容不是必须，出现有些表根本就没有没有该订单的值）。在以后更改订单时，有些内容会更改，有些内容会新增。 问题： 如果在sql语句中执行update操作，在没有数据的表中会出错。如果在逻辑代码中先做查询，查询结果有做更新，没有做插入，这样会将代码复杂化。 解决： mysql中提供了一个sql语
  • Android xml资源文件中@、@android:type、@*、？、@+含义和区别 Cb123456 @+@?@*
    一.@代表引用资源 1.引用自定义资源。格式：@[package:]type/name android：text="@string/hello"   2.引用系统资源。格式：@android:type/name     android:textColor="@android:color/opaque_red"
  • 数据结构的基本介绍 天子之骄 数据结构散列表树、图线性结构价格标签
    数据结构的基本介绍 数据结构就是数据的组织形式，用一种提前设计好的框架去存取数据，以便更方便，高效的对数据进行增删查改。正确选择合适的数据结构，对软件程序的高效执行的影响作用不亚于算法的设计。此外，在计算机系统中数据结构的作用也是非同小可。例如常常在编程语言中听到的栈，堆等，就是经典的数据结构。   经典的数据结构大致如下：   一：线性数据结构 (1)：列表 a
  • 通过二维码开放平台的API快速生成二维码 一炮送你回车库 api
     现在很多网站都有通过扫二维码用手机连接的功能，联图网(http://www.liantu.com/pingtai/)的二维码开放平台开放了一个生成二维码图片的Api,挺方便使用的。闲着无聊，写了个前台快速生成二维码的方法。        html代码如下:(二维码将生成在这div下) ? 1  &nbs
  • ImageIO读取一张图片改变大小 3213213333332132 javaIOimageBufferedImage
    package com.demo; import java.awt.image.BufferedImage; import java.io.File; import java.io.IOException; import javax.imageio.ImageIO; /** * @Description 读取一张图片改变大小 * @author FuJianyon
  • myeclipse集成svn（一针见血） 7454103 eclipseSVNMyEclipse
                                     &n
  • 装箱与拆箱----autoboxing和unboxing darkranger J2SE
    4.2　自动装箱和拆箱 基本数据(Primitive)类型的自动装箱(autoboxing)、拆箱(unboxing)是自J2SE 5.0开始提供的功能。虽然为您打包基本数据类型提供了方便，但提供方便的同时表示隐藏了细节，建议在能够区分基本数据类型与对象的差别时再使用。 4.2.1　autoboxing和unboxing 在Java中，所有要处理的东西几乎都是对象(Object)
  • ajax传统的方式制作ajax aijuans Ajax
    //这是前台的代码 <%@ page language="java" import="java.util.*" pageEncoding="UTF-8"%> <% String path = request.getContextPath(); String basePath = request.getScheme()+
  • 只用jre的eclipse是怎么编译java源文件的？ avords javaeclipsejdktomcat
    eclipse只需要jre就可以运行开发java程序了，也能自动 编译java源代码，但是jre不是java的运行环境么，难道jre中也带有编译工具？ 还是eclipse自己实现的？谁能给解释一下呢问题补充：假设系统中没有安装jdk or jre，只在eclipse的目录中有一个jre，那么eclipse会采用该jre，问题是eclipse照样可以编译java源文件，为什么呢？ &nb
  • 前端模块化 bee1314 模块化
    背景： 前端JavaScript模块化，其实已经不是什么新鲜事了。但是很多的项目还没有真正的使用起来，还处于刀耕火种的野蛮生长阶段。   JavaScript一直缺乏有效的包管理机制，造成了大量的全局变量，大量的方法冲突。我们多么渴望有天能像Java（import），Python (import)，Ruby(require)那样写代码。在没有包管理机制的年代，我们是怎么避免所
  • 处理百万级以上的数据处理 bijian1013 oraclesql数据库大数据查询
    一.处理百万级以上的数据提高查询速度的方法：        1.应尽量避免在 where 子句中使用!=或<>操作符，否则将引擎放弃使用索引而进行全表扫描。         2.对查询进行优化，应尽量避免全表扫描，首先应考虑在 where 及 o
  • mac 卸载 java 1.7 或更高版本 征客丶 javaOS
    卸载 java 1.7 或更高 sudo rm -rf /Library/Internet\ Plug-Ins/JavaAppletPlugin.plugin 成功执行此命令后，还可以执行 java 与 javac 命令 sudo rm -rf /Library/PreferencePanes/JavaControlPanel.prefPane 成功执行此命令后，还可以执行 java
  • 【Spark六十一】Spark Streaming结合Flume、Kafka进行日志分析 bit1129 Stream
    第一步，Flume和Kakfa对接，Flume抓取日志，写到Kafka中 第二部，Spark Streaming读取Kafka中的数据，进行实时分析   本文首先使用Kakfa自带的消息处理（脚本）来获取消息，走通Flume和Kafka的对接 1. Flume配置 1. 下载Flume和Kafka集成的插件，下载地址：https://github.com/beyondj2ee/f
  • Erlang vs TNSDL bookjovi erlang
          TNSDL是Nokia内部用于开发电信交换软件的私有语言，是在SDL语言的基础上加以修改而成，TNSDL需翻译成C语言得以编译执行，TNSDL语言中实现了异步并行的特点，当然要完整实现异步并行还需要运行时动态库的支持，异步并行类似于Erlang的process（轻量级进程），TNSDL中则称之为hand，Erlang是基于vm(beam)开发，
  • 非常希望有一个预防疲劳的java软件, 预防过劳死和眼睛疲劳,大家一起努力搞一个 ljy325 企业应用
    　非常希望有一个预防疲劳的java软件，我看新闻和网站，国防科技大学的科学家累死了，太疲劳，老是加班，不休息，经常吃药，吃药根本就没用，根本原因是疲劳过度。我以前做java,那会公司垃圾，老想赶快学习到东西跳槽离开，搞得超负荷，不明理。深圳做软件开发经常累死人，总有不明理的人，有个软件提醒限制很好，可以挽救很多人的生命。 相关新闻： （1）IT行业成五大疾病重灾区：过劳死平均37.9岁
  • 读《研磨设计模式》-代码笔记-原型模式 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/ /** * Effective Java 建议使用copy constructor or copy factory来代替clone()方法： * 1.public Product copy(Product p){} * 2.publi
  • 配置管理---svn工具之权限配置 chenyu19891124 SVN
    今天花了大半天的功夫，终于弄懂svn权限配置。下面是今天收获的战绩。 安装完svn后就是在svn中建立版本库，比如我本地的是版本库路径是C:\Repositories\pepos。pepos是我的版本库。在pepos的目录结构 pepos    component    webapps 在conf里面的auth里赋予的权限配置为 [groups]
  • 浅谈程序员的数学修养 comsci 设计模式编程算法面试招聘
                                     浅谈程序员的数学修养
  • 批量执行 bulk collect与forall用法 daizj oraclesqlbulk collectforall
    BULK COLLECT 子句会批量检索结果，即一次性将结果集绑定到一个集合变量中，并从SQL引擎发送到PL/SQL引擎。通常可以在SELECT INTO、 FETCH INTO以及RETURNING INTO子句中使用BULK COLLECT。本文将逐一描述BULK COLLECT在这几种情形下的用法。     有关FORALL语句的用法请参考：批量SQL之 F
  • Linux下使用rsync最快速删除海量文件的方法 dongwei_6688 OS
    1、先安装rsync：yum install rsync 2、建立一个空的文件夹：mkdir /tmp/test 3、用rsync删除目标目录：rsync --delete-before -a -H -v --progress --stats /tmp/test/ log/这样我们要删除的log目录就会被清空了，删除的速度会非常快。rsync实际上用的是替换原理，处理数十万个文件也是秒删。
  • Yii CModel中rules验证规格 dcj3sjt126com rulesyiivalidate
    Yii cValidator主要用法分析：  yii验证rulesit 分类： Yii yii的rules验证 cValidator主要属性 attributes ,builtInValidators,enableClientValidation,message,on,safe,skipOnError  
  • 基于vagrant的redis主从实验 dcj3sjt126com vagrant
    平台: Mac 工具: Vagrant 系统: Centos6.5 实验目的: Redis主从   实现思路 制作一个基于sentos6.5, 已经安装好reids的box, 添加一个脚本配置从机, 然后作为后面主机从机的基础box   制作sentos6.5+redis的box   mkdir vagrant_redis cd vagrant_
  • Memcached(二)、Centos安装Memcached服务器 frank1234 centosmemcached
    一、安装gcc rpm和yum安装memcached服务器连接没有找到，所以我使用的是make的方式安装，由于make依赖于gcc，所以要先安装gcc 开始安装，命令如下，[color=red][b]顺序一定不能出错[/b][/color]： 建议可以先切换到root用户，不然可能会遇到权限问题：su root 输入密码...... rpm -ivh kernel-head
  • Remove Duplicates from Sorted List hcx2013 remove
    Given a sorted linked list, delete all duplicates such that each element appear only once. For example,Given 1->1->2, return 1->2.Given 1->1->2->3->3, return&
  • Spring4新特性——JSR310日期时间API的支持 jinnianshilongnian spring4
    Spring4新特性——泛型限定式依赖注入 Spring4新特性——核心容器的其他改进 Spring4新特性——Web开发的增强 Spring4新特性——集成Bean Validation 1.1(JSR-349)到SpringMVC  Spring4新特性——Groovy Bean定义DSL Spring4新特性——更好的Java泛型操作API  Spring4新
  • 浅谈enum与单例设计模式 247687009 java单例
    在JDK1.5之前的单例实现方式有两种(懒汉式和饿汉式并无设计上的区别故看做一种)，两者同是私有构 造器，导出静态成员变量，以便调用者访问。 第一种 package singleton; public class Singleton { //导出全局成员 public final static Singleton INSTANCE = new S
  • 使用switch条件语句需要注意的几点 openwrt cbreakswitch
    1. 当满足条件的case中没有break，程序将依次执行其后的每种条件（包括default）直到遇到break跳出 int main() { int n = 1; switch(n) { case 1: printf("--1--\n"); default: printf("defa
  • 配置Spring Mybatis JUnit测试环境的应用上下文 schnell18 springmybatisJUnit
    Spring-test模块中的应用上下文和web及spring boot的有很大差异。主要试下来差异有： 单元测试的app context不支持从外部properties文件注入属性 @Value注解不能解析带通配符的路径字符串 解决第一个问题可以配置一个PropertyPlaceholderConfigurer的bean。 第二个问题的具体实例是：    
  • Java 定时任务总结一 tuoni javaspringtimerquartztimertask
     Java定时任务总结  一.从技术上分类大概分为以下三种方式：  1.Java自带的java.util.Timer类，这个类允许你调度一个java.util.TimerTask任务;   说明：    java.util.Timer定时器，实际上是个线程，定时执行TimerTask类 &
  • 一种防止用户生成内容站点出现商业广告以及非法有害等垃圾信息的方法 yangshangchuan rank相似度计算文本相似度词袋模型余弦相似度
    本文描述了一种在ITEYE博客频道上面出现的新型的商业广告形式及其应对方法，对于其他的用户生成内容站点类型也具有同样的适用性。   最近在ITEYE博客频道上面出现了一种新型的商业广告形式，方法如下：     1、注册多个账号（一般10个以上）。     2、从多个账号中选择一个账号，发表1-2篇博文
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他