some language grammars

ANSI C grammar

Python grammar

 

怎么识别LL(1) LR(0) SLR(1) 等文法，一个不错的解答。

http://stackoverflow.com/questions/8496642/how-to-identify-whether-a-grammar-is-ll1-lr0-or-slr1

 

关于LL parser的wiki

http://en.wikipedia.org/wiki/LL_parser

 

关于 predictive parser/ recursive descent parser without backtracking 的wiki

http://en.wikipedia.org/wiki/Recursive_descent_parser

你可能感兴趣的:(language)

  • 自然语言处理之文本生成：Recurrent Neural Networks (RNN)：序列模型与语言模型 zhubeibei168 自然语言处理自然语言处理rnn语言模型人工智能机器翻译生成对抗网络
    自然语言处理之文本生成：RecurrentNeuralNetworks(RNN)：序列模型与语言模型自然语言处理简介NLP的基本概念自然语言处理（NaturalLanguageProcessing，简称NLP）是人工智能领域的一个重要分支&#
  • 数据库 DML 语句详解：语法与注意事项 步行cgn 数据库数据库oracle
    数据库DML语句详解：语法与注意事项DML（DataManipulationLanguage，数据操作语言）用于操作数据库中的数据，主要包括SELECT、INSERT、UPDATE、DELETE等语句。下面我将详细说明每种操作的语法、使用场景和关键注意事项。一、SELECT查询语句基本语法SELECT[DISTINCT]column1,column2,...FROMtable_name[WHERE
  • 多模态大语言模型arxiv论文略读（145） 胖头鱼爱算法 #mllm_arxiv语言模型人工智能自然语言处理论文笔记论文阅读
    ReasoningLimitationsofMultimodalLargeLanguageModels.AcasestudyofBongardProblems➡️论文标题：ReasoningLimitationsofMultimodalLargeLanguageModels.AcasestudyofBongardProblems➡️论文作者：MikołajMałkiński,SzymonPawlo
  • 提示工程入门指南：如何有效地与大语言模型交互 止观止 大语言模型语言模型人工智能
    本文深入拆解提示工程的核心概念、最佳实践和实用技巧。作为AI领域的热点技术，提示工程（PromptEngineering）能显著提升大语言模型（LargeLanguageModel,LLM）如DeepSeek的响应质量。文档结构概览引言：为什么需要提示工程？提示的定义与结构：上下文、指令、约束的完整解析提示工程原则：6项核心技巧有效vs无效提示对比：案例驱动的实操分析用户提示与系统提示：行为控制的
  • 【Android】跨进程调用service zhangzeyuaaa Android
    Android系统中，各应用程序都运行在自己的进程里，进程之间一般无法直接进行数据交换。为了实现这种跨进程通信（interprocesscommunication,IPC），Android提供了AIDL（AndroidInterfaceDefinitionLanguage，android接口定义语言）Service。要使用AIDL进行通信，需要以下步骤：服务端1.定义AIDL接口。通常在该接口中定
  • 干货！大模型时代一定要收藏的 20 个LLM 中文数据集 OpenBayes 资源上新人工智能语言模型数据库机器学习
    自ChatGPT重磅推出以来，大语言模型(largelanguageModel,LLM)以其卓越的学习能力在各个领域引起轰动。大模型的训练和调优离不开优质庞大的数据支撑，精心构建的数据集不仅为大模型提供了充分的燃料，还为大模型在垂直领域的应用和性能提升提供了可能。本文整理了一些适用于大模型训练调优的热门中文公开数据集（按照首字母A-Z顺序排列），以供大家了解和使用。温馨提示：本文列举的所有数据集，
  • Prompt Engineering for Large Language Models 三月七꧁ ꧂ 论文合集llm+promptprompt语言模型人工智能自然语言处理pdfjavascript前端
    题目大型语言模型的快速工程简介    随着OpenAI的ChatGPT和Google的Bard等软件的普及，大语言模型（LLM）已经渗透到生活和工作的许多方面。例如，ChatGPT可用于提供定制食谱，建议替换缺失的成分。它可用于起草研究提案、用多种编程语言编写工作代码、在语言之间翻译文本、协助政策制定等等（Gao2023）。用户通过“提示”或自然语言指令与大型语言模型进行交互。精心设计的提示可以带
  • 微软全新开源的Agentic Web网络项目：NLWeb详解 kevin luan AI工作流编程microsoft前端网络
    引言在2025年5月的MicrosoftBuild开发者大会上，微软推出了一个全新的开源项目——NLWeb（NaturalLanguageWeb，自然语言网络），被誉为“AgenticWeb（代理网络）”的基石，目标是将传统网页转变为支持自然语言交互的智能AI应用。微软将其比作Web时代的HTML，旨在通过简单的方式为网站添加对话式AI接口，让用户和AI代理能够以自然语言直接查询和交互网站内容。本
  • 16.2 Docker多阶段构建实战：LanguageMentor镜像瘦身40%，支持500+并发1.2秒响应！ 少林码僧 dockerlangchainwindows人工智能语言模型llama运维
    LanguageMentorAgent容器化部署与发布：Docker镜像创建与测试关键词：Docker容器化部署,多阶段构建,镜像分层优化,环境一致性,私有化模型集成1.Dockerfile最佳实践架构设计通过多阶段构建策略实现开发与生产环境分离：
  • 【大模型学习 | LORA 原理及实现】 九年义务漏网鲨鱼 语言模型pythonpytorch自然语言处理
    LORA:LOW-RANKADAPTATIONOFLARGELAN-GUAGEMODELSGithub库：GitHub-microsoft/LoRA:Codeforloralib,animplementationof“LoRA:Low-RankAdaptationofLargeLanguageModels”GPT-3：175B微调模型变得十分的贵。作者提出利用Low-RankAdaption来冻结
  • VLLM：虚拟大型语言模型（Virtual Large Language Model） 大霸王龙 语言模型人工智能自然语言处理
    VLLM：虚拟大型语言模型（VirtualLargeLanguageModel）VLLM指的是一种基于云计算的大型语言模型的虚拟实现。它通常是指那些由多个服务器组成的分布式计算环境中的复杂机器学习模型，这些模型能够处理和理解大量的文本数据。VLLM的核心是“大型语言模型”，这是一种通过深度神经网络训练的算法，能够在理解和生成人类语言方面表现出极高的能力。解释：虚拟：意味着这个模型不是在单个物理设备
  • vLLM（Virtual Large Language Model） 框架：一个开源的高性能推理和服务的框架 彬彬侠 大模型vLLM高性能推理PagedAttentionpython大模型
    vLLM（VirtualLargeLanguageModel）是一个开源的高性能推理和服务的框架，专为大语言模型（LLM）设计，旨在优化推理速度、内存效率和吞吐量。它通过创新的内存管理和调度技术（如PagedAttention）解决了传统LLM推理中的内存瓶颈和性能问题，广泛应用于对话系统、文本生成、实时翻译等场景。以下是对vLLM框架的详细介绍，包括其核心特性、工作原理、架构、优势、局限性以及使
  • 利用MySQL玩转数据分析之基础篇 学掌门 数据分析大数据数据库mysql数据分析数据库
    知识无底，学海无涯，到今天进入MySQL的学习4天了，知识点虽然简单，但是比较多，所以写一篇博客将MySQL的基础写出来，方便自己以后查找，还有就是分享给大家。1、SQL简述1）SQL的概述StructureQueryLanguage(结构化查询语言)简称SQL，它被美国国家标准局(ANSI)确定为关系型数据库语言的美国标准，后被国际化标准组织(ISO)采纳为关系数据库语言的国际标准。数据库管理系
  • 15.5 情感识别准确率86.2%！LanguageMentor实时动态对话系统让学习效率飙升15% 少林码僧 学习langchainllama人工智能语言模型
    情感识别准确率86.2%！LanguageMentor实时动态对话系统让学习效率飙升15%LanguageMentorAgent高级对话功能：情感识别与动态调整关键词：情感分析集成、动态难度调节、多模态上下文感知、实时反馈机制、对话状态管理1.情感识别架构设计通过三层处理实现智能对话调节：
  • 16.7 Prometheus+Grafana实战：容器化监控与日志聚合一站式解决方案 少林码僧 prometheusgrafana人工智能langchainllama语言模型机器学习
    《Prometheus+Grafana实战：容器化监控与日志聚合一站式解决方案》关键词：容器化监控、日志聚合、Prometheus、Grafana、ELKStack、用户反馈收集容器化监控与日志系统的架构设计在LanguageMentorAgent生产部署中，监控系统需要覆盖以下维度：
  • python和html和css什么关系什么区_python前端HTML和CSS入门 斤木
    前端阶段课程介绍1~4:HTML及CSS5~6:JavaScript7~10:jQuery00-知识点预习1、HTML基本结构2、HTML的常用标签3、HTML布局入门4、CSS概述5、CSS书写方式6、CSS常用选择器7、CSS常用属性01-什么是HTML？HTML是用来描述网页的一种语言。HTML指的是超文本标记语言:HyperTextMarkupLanguageHTML不是一种编程语言，而是
  • Spring Boot 3.x 项目搭建 （一） 不愿意透露姓名的樊同学 javaspringbootlog4j后端
    以下是一个基础SpringBoot项目的创建指南，整合了官方推荐方式和实用配置，帮助您快速搭建可运行的项目骨架。一、项目创建方式1.在线工具SpringInitializr（推荐）步骤：访问SpringInitializr。配置参数：Project:Maven/Gradle（选Maven更通用）Language:JavaSpringBoot:最新稳定版（如3.x）Group:com.example
  • Are Multimodal Large Language Models Pragmatically Competent Listeners in Simple Reference UnknownBody LLMDailyMultimodal语言模型人工智能自然语言处理
    论文主要内容总结本文聚焦于多模态大语言模型（MLLMs）在指称消解任务中的语用能力研究，通过简单但抽象的视觉刺激（如颜色块和颜色网格）开展实验。具体内容如下：1.研究目的考察LLaVA-NeXT、Qwen2-VL和JanusPro等MLLMs在“导演-匹配者”式参考游戏中，对颜色和空间布局的语境化语用推理能力，验证其是否能像人类一样根据视觉上下文解析指称表达。2.实验方法模型：测试三种MLLMs的
  • 如何在 CloudMatrix 384 超节点上部署 DeepSeek 大模型：业界首次公开非英伟达体系下解决此类技术难题的论文 猫头虎 猫头虎AI探索之路计算机视觉人工智能tensorflow深度学习机器学习语言模型chatgpt
    本文基于华为团队与硅基流动（SiliconFlow）联合署名的论文《ServingLargeLanguageModelsonHuaweiCloudMatrix384》的简要解说与技术分析文章，深入剖析了CloudMatrix384架构设计、CloudMatrix-Infer推理引擎实现及其在DeepSeek-R1模型上的性能表现。文章目录1.引言2.背景与动机2.1LLM发展趋势与部署挑战2.2非
  • vllm docker容器部署大语言模型 zhangxiangweide docker语言模型容器vllm
    什么是VLLM？VLLM（VeryLargeLanguageModelInference）是一个高性能、优化显存管理的大模型推理引擎。它的目标是最大化推理吞吐量，并降低显存消耗，让大语言模型（LLMs）在单卡或多GPU服务器上运行得更高效。VLLM的核心优势：高吞吐量：支持批量推理，减少token生成延迟，高效KV缓存管理：优化GPU显存，支持更长的上下文多GPU支持：TensorParallel
  • Spring Boot 2.x 项目搭建 （一） 不愿意透露姓名的樊同学 javaspringboot后端java
    以下是基于SpringBoot2.x（兼容JDK1.8）的项目搭建指南及Markdown文档生成方案，整合了多个搜索结果中的最佳实践：一、项目初始化1.使用SpringInitializr创建项目步骤：访问start.spring.io或通过IDE（如IntelliJIDEA）的SpringInitializr向导创建项目。选择以下配置：Project:MavenLanguage:JavaSpri
  • 大模型强化微调GRPO——DeepSeekMath: Pushing the Limits of MathematicalReasoning in Open Language Models 樱花的浪漫 对抗生成网络与动作识别强化学习大模型与智能体因果推断语言模型人工智能自然语言处理深度学习机器学习
    1.概述大型语言模型（LLM）革新了人工智能领域的数学推理方法，在定量推理基准测试（Hendrycks等，2021年）和几何推理基准测试（Trinh等，2024年）方面取得了重大进展。此外，这些模型在帮助人类解决复杂的数学问题方面也发挥了重要作用（Yao，2023年）。然而，像GPT-4（OpenAI，2023年）和Gemini-Ultra（Anil等，2023年）这样的尖端模型并未公开，目前可获
  • 【LLM】两篇多模态LLM综述MultiModal Large Language Models 心上之秋 语言模型人工智能自然语言处理
    note(一)现有的MM-LLM的趋势：(1)从专门强调MM理解对特定模态的生成的进展，并进一步演变为任何到任何模态的转换(例如，MiniGPT-4→MiniGPT-5→NExT-GPT)；(2)从MMPT提升到SFT，然后到RLHF，训练管道进行连续细化，努力更好地与人类意图对齐并提高模型的会话交互能力(例如，BLIP-2→InstructBLIP→DRESS)；(3)实施多样化模态扩展(例如，
  • C++编程法则365天一天一条（5）引用全部知识点 奇妙之二进制 嵌入式/Linux#C++编程法则c++
    参考：https://en.cppreference.com/w/cpp/language/reference文章目录1、引用2、引用和指针的区别3、引用的作用4、常引用1、引用引用就是某一变量（目标）的一个别名，对引用的操作与对变量直接操作完全一样。引用的声明方法：类型标识符&引用名=目标变量名；inta;int&ra=a;//定义引用ra,它是变量a的引用，即别名说明：（1）&在此不是求地址运
  • 15.1 LangChain多轮对话训练实战：打造高自然度语言学习Agent的三大核心技术 少林码僧 langchain学习人工智能语言模型机器学习
    LanguageMentorAgent对话训练功能设计与实现：日常对话提示工程关键词：对话式Agent设计，日常对话模拟，多轮提示工程，上下文管理，LangChain应用1.日常对话训练的技术挑战与设计思路日常对话训练需要解决三大核心问题：
  • 抖音小程序开发：ttml和传统html的区别 大磕学家ZYX JS小程序开发学习html前端javascript
    1传统Web中HTML的角色HyperTextMarkupLanguage：用来描述页面结构——标题、段落、图片、表单……只负责“放什么元素、排在什么层级”，真正的行为靠JS，视觉靠CSS。HelloWeb+0//纯JS手动取DOM/改文本letn=0;document.getElementById('incBtn').onclick=()=>{n++;document.getElementByI
  • 大语言模型应用指南：多模态大语言模型 AI天才研究院 AI人工智能与大数据AI大模型企业级应用开发实战AI大模型应用入门实战与进阶计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
    大语言模型应用指南：多模态大语言模型作者：禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming关键词：多模态大语言模型(MMLM),多媒体数据处理,自然语言理解,图像文本生成,应用场景探索1.背景介绍1.1问题的由来随着人工智能技术的迅速发展，特别是自然语言处理(NLP)领域的突破，大型语言模型(LargeLanguageModels,LLMs)成为研究热点。
  • 十、HQL：排序、联合与 CTE 高级查询 IvanCodes Hive教程hive大数据
    作者：IvanCodes日期：2025年5月15日专栏：Hive教程ApacheHive作为大数据领域主流的数据仓库解决方案，其查询语言HQL(HiveQueryLanguage)是数据分析师和工程师日常工作的核心。除了基础的SELECT-FROM-WHERE，HQL还提供了强大的排序、数据合并以及组织复杂查询的机制。本文将深入探讨HQL中的排序操作(SORTBY,ORDERBY,CLUSTERB
  • Predic‘ng Early-Onset Colorectal Cancer with Large Language Models UnknownBody LLMDaily语言模型人工智能自然语言处理
    文章主要内容总结研究背景与目的：早发性结直肠癌（EoCRC，年龄<45岁）发病率逐年上升，但现有筛查指南推荐年龄为45岁，导致年轻患者确诊时多为晚期。研究旨在利用电子健康记录（EHR）数据，通过机器学习（ML）和大型语言模型（LLM）预测EoCRC，以实现早期干预。数据与方法：回顾性分析美国多个医疗系统的1,953例CRC患者，收集确诊前6个月的患者状况、实验室结果和观察数据。对比10种ML模型（
  • LLaDA：用扩散模型改变语言生成的范式 Jay Kay 论文阅读自然语言处理人工智能机器学习
    引言近年来，大型语言模型（LLMs）取得了显著进展，展现了诸如上下文学习、指令遵循、推理和多轮对话等能力。然而，这些模型大多基于自回归模型（ARMs），通过逐词预测生成文本，存在计算效率低、难以处理逆向推理任务等问题。最近，中国人民大学高瓴人工智能学院李崇轩、文继荣教授团队和蚂蚁集团联合推出了LLaDA（LargeLanguageDiffusionwithmAsking），这是一种基于扩散模型的语
  • SQL的各种连接查询 xieke90 UNION ALLUNION外连接内连接JOIN
    一、内连接   概念：内连接就是使用比较运算符根据每个表共有的列的值匹配两个表中的行。                 内连接（join 或者inner join ）       SQL语法：       select * fron
  • java编程思想--复用类 百合不是茶 java继承代理组合final类
          复用类看着标题都不知道是什么,再加上java编程思想翻译的比价难懂,所以知道现在才看这本软件界的奇书   一:组合语法:就是将对象的引用放到新类中即可     代码:     package com.wj.reuse; /** * * @author Administrator 组
  • [开源与生态系统]国产CPU的生态系统 comsci cpu
          计算机要从娃娃抓起...而孩子最喜欢玩游戏....       要让国产CPU在国内市场形成自己的生态系统和产业链,国家和企业就不能够忘记游戏这个非常关键的环节....       投入一些资金和资源,人力和政策,让游
  • JVM内存区域划分Eden Space、Survivor Space、Tenured Gen，Perm Gen解释 商人shang jvm内存
    jvm区域总体分两类，heap区和非heap区。heap区又分：Eden Space（伊甸园）、Survivor Space(幸存者区)、Tenured Gen（老年代-养老区）。 非heap区又分：Code Cache(代码缓存区)、Perm Gen（永久代）、Jvm Stack(java虚拟机栈)、Local Method Statck(本地方法栈)。 HotSpot虚拟机GC算法采用分代收
  • 页面上调用 QQ oloz qq
    <A href="tencent://message/?uin=707321921&amp;Site=有事Q我&amp;Menu=yes">   <img style="border:0px;" src=http://wpa.qq.com/pa?p=1:707321921:1></a>
  • 一些问题 文强chu 问题
    1.eclipse 导出 doc  出现“The Javadoc command does not exist.” javadoc command 选择 jdk/bin/javadoc.exe 2.tomcate 配置 web 项目 ..... SQL:3.mysql  * 必须得放前面 否则  select&nbs
  • 生活没有安全感 小桔子 生活孤独安全感
           圈子好小，身边朋友没几个，交心的更是少之又少。在深圳，除了男朋友，没几个亲密的人。不知不觉男朋友成了唯一的依靠，毫不夸张的说，业余生活的全部。现在感情好，也很幸福的。但是说不准难免人心会变嘛，不发生什么大家都乐融融，发生什么很难处理。我想说如果不幸被分手(无论原因如何)，生活难免变化很大，在深圳，我没交心的朋友。明
  • php 基础语法 aichenglong php 基本语法
    1 .1 php变量必须以$开头 <?php $a=” b”; echo ?> 1 .2 php基本数据库类型 Integer  float/double Boolean string 1 .3 复合数据类型 数组array和对象 object 1 .4 特殊数据类型  null 资源类型(resource)    $co
  • mybatis tools 配置详解 AILIKES mybatis
    MyBatis Generator中文文档 MyBatis Generator中文文档地址： http://generator.sturgeon.mopaas.com/ 该中文文档由于尽可能和原文内容一致，所以有些地方如果不熟悉，看中文版的文档的也会有一定的障碍，所以本章根据该中文文档以及实际应用，使用通俗的语言来讲解详细的配置。 本文使用Markdown进行编辑，但是博客显示效
  • 继承与多态的探讨 百合不是茶 JAVA面向对象 继承 对象
    继承 extends   多态 继承是面向对象最经常使用的特征之一：继承语法是通过继承发、基类的域和方法 //继承就是从现有的类中生成一个新的类，这个新类拥有现有类的所有extends是使用继承的关键字：     在A类中定义属性和方法； class A{ //定义属性 int age； //定义方法 public void go
  • JS的undefined与null的实例 bijian1013 JavaScriptJavaScript
    <form name="theform" id="theform"> </form> <script language="javascript"> var a alert(typeof(b)); //这里提示undefined if(theform.datas
  • TDD实践（一） bijian1013 java敏捷TDD
    一.TDD概述         TDD：测试驱动开发，它的基本思想就是在开发功能代码之前，先编写测试代码。也就是说在明确要开发某个功能后，首先思考如何对这个功能进行测试，并完成测试代码的编写，然后编写相关的代码满足这些测试用例。然后循环进行添加其他功能，直到完全部功能的开发。     
  • [Maven学习笔记十]Maven Profile与资源文件过滤器 bit1129 maven
    什么是Maven Profile Maven Profile的含义是针对编译打包环境和编译打包目的配置定制，可以在不同的环境上选择相应的配置，例如DB信息，可以根据是为开发环境编译打包，还是为生产环境编译打包，动态的选择正确的DB配置信息   Profile的激活机制 1.Profile可以手工激活，比如在Intellij Idea的Maven Project视图中可以选择一个P
  • 【Hive八】Hive用户自定义生成表函数(UDTF) bit1129 hive
    1. 什么是UDTF   UDTF，是User Defined Table-Generating Functions，一眼看上去，貌似是用户自定义生成表函数，这个生成表不应该理解为生成了一个HQL Table， 貌似更应该理解为生成了类似关系表的二维行数据集   2. 如何实现UDTF 继承org.apache.hadoop.hive.ql.udf.generic
  • tfs restful api 加auth 2.0认计 ronin47
    　　目前思考如何给tfs的ngx-tfs api增加安全性。有如下两点： 　　一是基于客户端的ip设置。这个比较容易实现。 　　二是基于OAuth2.0认证，这个需要lua，实现起来相对于一来说，有些难度。 　　现在重点介绍第二种方法实现思路。 　　 前言：我们使用Nginx的Lua中间件建立了OAuth2认证和授权层。如果你也有此打算，阅读下面的文档，实现自动化并获得收益。SeatGe
  • jdk环境变量配置 byalias javajdk
    进行java开发，首先要安装jdk，安装了jdk后还要进行环境变量配置： 1、下载jdk（http://java.sun.com/javase/downloads/index.jsp），我下载的版本是：jdk-7u79-windows-x64.exe 2、安装jdk-7u79-windows-x64.exe 3、配置环境变量：右击"计算机"-->&quo
  • 《代码大全》表驱动法-Table Driven Approach-2 bylijinnan java
    package com.ljn.base; import java.io.BufferedReader; import java.io.FileInputStream; import java.io.InputStreamReader; import java.util.ArrayList; import java.util.Collections; import java.uti
  • SQL 数值四舍五入 小数点后保留2位 chicony 四舍五入
    1.round() 函数是四舍五入用，第一个参数是我们要被操作的数据，第二个参数是设置我们四舍五入之后小数点后显示几位。 2.numeric 函数的2个参数，第一个表示数据长度，第二个参数表示小数点后位数。 例如： 　　select   cast(round(12.5,2)   as   numeric(5,2))  
  • c++运算符重载 CrazyMizzz C++
    一、加+，减-，乘*，除/ 的运算符重载 Rational operator*(const Rational &x) const{ return Rational(x.a * this->a); } 在这里只写乘法的，加减除的写法类似 二、<<输出,>>输入的运算符重载      &nb
  • hive DDL语法汇总 daizj hive修改列DDL修改表
    hive DDL语法汇总 １、对表重命名 hive> ALTER TABLE table_name RENAME TO new_table_name;   2、修改表备注 hive> ALTER TABLE table_name SET TBLPROPERTIES ('comment' = new_comm
  • jbox使用说明 dcj3sjt126com Web
    参考网址：http://www.kudystudio.com/jbox/jbox-demo.html jBox v2.3 beta [ 点击下载]  技术交流QQGroup：172543951 100521167 [2011-11-11] jBox v2.3 正式版 - [调整&修复] IE6下有iframe或页面有active、applet控件
  • UISegmentedControl 开发笔记 dcj3sjt126com
      //    typedef NS_ENUM(NSInteger, UISegmentedControlStyle) {     //        UISegmentedControlStylePlain,     // large plain   &
  • Slick生成表映射文件 ekian scala
    Scala添加SLICK进行数据库操作，需在sbt文件上添加slick-codegen包 "com.typesafe.slick" %% "slick-codegen" % slickVersion 因为我是连接SQL Server数据库，还需添加slick-extensions，jtds包 "com.typesa
  • ES-TEST gengzg test
    package com.MarkNum; import java.io.IOException; import java.util.Date; import java.util.HashMap; import java.util.Map; import javax.servlet.ServletException; import javax.servlet.annotation
  • 为何外键不再推荐使用 hugh.wang mysqlDB
    表的关联，是一种逻辑关系，并不需要进行物理上的“硬关联”，而且你所期望的关联，其实只是其数据上存在一定的联系而已，而这种联系实际上是在设计之初就定义好的固有逻辑。 在业务代码中实现的时候，只要按照设计之初的这种固有关联逻辑来处理数据即可，并不需要在数据库层面进行“硬关联”，因为在数据库层面通过使用外键的方式进行“硬关联”，会带来很多额外的资源消耗来进行一致性和完整性校验，即使很多时候我们并不
  • 领域驱动设计 julyflame VODAO设计模式DTOpo
    概念： VO（View Object）：视图对象，用于展示层，它的作用是把某个指定页面（或组件）的所有数据封装起来。 DTO（Data Transfer Object）：数据传输对象，这个概念来源于J2EE的设计模式，原来的目的是为了EJB的分布式应用提供粗粒度的数据实体，以减少分布式调用的次数，从而提高分布式调用的性能和降低网络负载，但在这里，我泛指用于展示层与服务层之间的数据传输对
  • 单例设计模式 hm4123660 javaSingleton单例设计模式懒汉式饿汉式
           单例模式是一种常用的软件设计模式。在它的核心结构中只包含一个被称为单例类的特殊类。通过单例模式可以保证系统中一个类只有一个实例而且该实例易于外界访问，从而方便对实例个数的控制并节约系统源。如果希望在系统中某个类的对象只能存在一个，单例模式是最好的解决方案。      &nb
  • logback zhb8015 loglogback
    一、logback的介绍      Logback是由log4j创始人设计的又一个开源日志组件。logback当前分成三个模块：logback-core,logback- classic和logback-access。logback-core是其它两个模块的基础模块。logback-classic是log4j的一个 改良版本。此外logback-class
  • 整合Kafka到Spark Streaming——代码示例和挑战 Stark_Summer sparkstormzookeeperPARALLELISMprocessing
    作者Michael G. Noll是瑞士的一位工程师和研究员，效力于Verisign，是Verisign实验室的大规模数据分析基础设施（基础Hadoop）的技术主管。本文，Michael详细的演示了如何将Kafka整合到Spark Streaming中。 期间， Michael还提到了将Kafka整合到 Spark Streaming中的一些现状，非常值得阅读，虽然有一些信息在Spark 1.2版
  • spring-master-slave-commondao 王新春 DAOspringdataSourceslavemaster
    互联网的web项目，都有个特点：请求的并发量高，其中请求最耗时的db操作，又是系统优化的重中之重。 为此，往往搭建 db的 一主多从库的 数据库架构。作为web的DAO层，要保证针对主库进行写操作，对多个从库进行读操作。当然在一些请求中，为了避免主从复制的延迟导致的数据不一致性，部分的读操作也要到主库上。（这种需求一般通过业务垂直分开，比如下单业务的代码所部署的机器，读去应该也要从主库读取数
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他