- 整理了上百个开源中文大语言模型,涵盖模型、应用、数据集、微调、部署、评测_基于大语言模型的网络自动配置平台的设计与开发
AI大模型-搬运工
开源语言模型网络AI大模型自然语言处理LLM人工智能
自ChatGPT为代表的大语言模型(LargeLanguageModel,LLM)出现以后,由于其惊人的类通用人工智能(AGI)的能力,掀起了新一轮自然语言处理领域的研究和应用的浪潮。尤其是以ChatGLM、LLaMA等平民玩家都能跑起来的较小规模的LLM开源之后,业界涌现了非常多基于LLM的二次微调或应用的案例。本项目旨在收集和梳理中文LLM相关的开源模型、应用、数据集及教程等资料,目前收录的资
- 用好外呼机器人,帮助企业提升客户管理效率
天润融通
机器人
外呼机器人,作为现代科技与企业管理的结合体,正在企业客户管理领域掀起革命性的变化。随着人工智能技术的不断进步,外呼机器人不仅实现了自动化呼叫,还能根据客户的语音情感进行相应的反馈和操作,极大地提高了客户满意度和企业运营效率。一、外呼机器人的基本原理外呼机器人是一种以人工智能为核心,结合语音识别、自然语言处理等技术,替代人工完成呼叫任务的智能系统。其主要工作流程包括以下几个步骤:1.数据导入和整理:
- 综合治税的发展前景
alankuo
人工智能人工智能
综合治税的发展前景较为广阔,主要体现在以下几个方面:-技术应用持续深化:-大数据与人工智能助力精准治税:随着大数据技术的不断发展,税务部门能够整合来自多部门、多渠道的海量数据,包括企业的财务数据、交易数据、银行流水等,通过对这些数据的深度分析和挖掘,可以精准识别税收风险点和潜在的偷逃税行为。例如,利用大数据分析企业的销售数据与申报纳税数据的匹配度,发现异常及时预警和查处。人工智能技术则可以辅助税务
- 论文速读|全身人型机器人控制学习与序列接触
28BoundlessHope
人形机器人文献阅读人工智能机器人
项目地址:WoCoCo:LearningWhole-BodyHumanoidControlwithSequentialContactsWoCoCo(Whole-BodyControlwithSequentialContacts)框架通过将任务分解为多个接触阶段,简化了策略学习流程,使得RL策略能够通过任务无关的奖励和模拟到现实的设计来学习复杂的人型机器人控制任务。该框架仅需要对每个任务指定少量任务
- 2018-10-17
北京信息化协会
北京信息化协会(BeijingInformatizationAssociation缩写BIA)于2003年10月16日成立,是经北京市社会团体管理办公室核准登记的非营利性社会团体法人。协会由从事计算机信息系统集成、运行维护、互联网、信息安全、云计算、物联网、人工智能、共享经济和大数据等业务的企业、投资机构及应用信息化的单位组成。协会成立至今共产生5届理事会,目前为第五届。协会理事长为东华软件股份公
- 智能未来:低代码与AI如何重塑企业应用开发
HUIBUR科技
低代码平台AI企业应用开发低代码ai
引言在当今瞬息万变的商业环境中,企业面临着前所未有的挑战与机遇。数字化转型已经成为各行各业的必然趋势,而在这一过程中,应用开发的效率与智能化程度成为企业竞争力的重要衡量标准。传统的开发模式往往需要大量的时间和资源,而低代码平台的兴起则为企业提供了一条更加敏捷、灵活的开发路径。与此同时,人工智能(AI)技术,尤其是大规模语言模型的进步,为应用程序赋予了前所未有的智能化能力。然而,单靠低代码或AI技术
- BlinqIO:业界首个生成式 AI 测试平台
blues_C
AI测试:从入门到进阶人工智能AIAI测试AI测试平台
BlinqIO:业界首个生成式AI测试平台前言简介1.注册2.生成测试自动化代码3.运行测试4.查看报告5.使用AI添加场景总结前言生成式人工智能软件测试初创公司BlinqIO打造了业界首个生成式AI测试平台,由专有的大型语言模型提供支持,采用生成式人工智能技术,并宣称该平台可以替代手工测试工程师;它能够理解软件测试的需求、可以自行创建测试自动化代码,并完全自主地维护该代码;它可以在无需任何监督的
- 探索智能边缘计算:Game-Theoretic-Deep-Reinforcement-Learning
瞿旺晟
探索智能边缘计算:Game-Theoretic-Deep-Reinforcement-LearningGame-Theoretic-Deep-Reinforcement-LearningCodeofPaper"JointTaskOffloadingandResourceOptimizationinNOMA-basedVehicularEdgeComputing:AGame-TheoreticDRL
- 【论文阅读】Purloining Deep Learning Models Developed for an Ultrasound Scanner to a Competitor Machine
Bosenya12
科研学习模型窃取论文阅读深度学习人工智能模型安全
TheArtoftheSteal:PurloiningDeepLearningModelsDevelopedforanUltrasoundScannertoaCompetitorMachine(2024)摘要Atransferfunctionapproach(传递函数方法)hasrecentlyproveneffectiveforcalibratingdeeplearning(DL)algorit
- 求任意两顶点间最短路算法及其matlab程序详解
夏天天天天天天天#
图论算法图论matlab
#################本文为学习《图论算法及其MATLAB实现》的学习笔记#################算法用途图中任意两点间最短路的求法算法思想利用求最短路的Floyd算法的思想。首先,求得最短距离矩阵;然后,求任意给定两个顶点间的最短路所包含的顶点。程序参数说明W:图的权值矩阵k1:始点k2:终点P:k1,k2之间的最短路,顶点以经过次序排列u:最短路的距离算法的matlab程
- html语言及js脚本基础,Javascript基础学习笔记(菜鸟必看篇)
游苏昱
html语言及js脚本基础
什么是变量?变量是用于存储信息的容器变量的声明语法:var变量名变量名=值;变量要先声明再赋值变量可以重复赋值变量的命名规则变量必须以字母开头;变量也能以$和_符号开头(不过我们不推荐这么做);变量名称对大小写敏感(a和A是不同的变量)。语句语句以一个分号结尾;如果省略分号,则由解析器确定语句的结尾。有个好的编码习惯,都要以;结尾数据类型在JavaScript中,一段信息就是一个值(value)。
- 大项目前章-4 人工智能问题
zeifer001
人工智能sql前端前端框架编辑器
项目做到至今,介绍过一些小网站,可以帮我们快速查找到素材,但是,还是不够,因为一个合格的程序员,需要掌握的工具远远不止于此因为工欲善其事,必先利其器,要先有一个好的工具,才可以帮助我们更好的完善项目,构建项目。很好,开始我们今天的话题,人工智能,自2022年以来人工智能迎来迅猛发展,出现了很多非常厉害的语言大模型,后续发展出了图片生成大模型、视频生成大模型,甚至还有AI音频,可以说是五花八门,但是
- 【大数据】孤立森林算法
大雨淅淅
大数据算法python大数据人工智能
目录一、孤立森林算法概述二、孤立森林算法优缺点和改进2.1孤立森林算法优点2.2孤立森林算法缺点2.3孤立森林算法改进三、孤立森林算法代码实现3.1孤立森林算法python实现3.2孤立森林算法JAVA实现3.3孤立森林算法C++实现四、孤立森林算法应用一、孤立森林算法概述孤立森林算法是一种用于异常检测的机器学习算法。它基于这样的直觉:异常点是数据中的少数派,它们在特征空间中的分布与正常数据点不同
- Python算法模糊匹配:FuzzyWuzzy深度剖析,从入门到精通,解决你所有需要匹配的需求
长风清留扬
Python人工智能算法python算法大数据网络dba
在数据科学与机器学习的广阔领域中,处理不精确或模糊的数据是一项至关重要的技能。想象一下,当你面对的是一堆拼写错误、缩写、或是格式不一的文本数据时,如何高效地从中提取有价值的信息?这正是FuzzyWuzzy——Python中一个强大的模糊字符串匹配库,能够大展身手的地方。本文将为你全面介绍FuzzyWuzzy——Python中一个强大的通过算法模糊字符串匹配库,全网最全最新,一看就会,接下来带你走进
- 周工作计划2019-03-25
MikeShine
很久没有写工作计划了。之前一个星期生了病,很难受。上个星期基本上什么都没有干。但是好的一点是,西瓜书基本都看完了。本周工作计划:机器学习分享活动(关于决策树的分享)回看一下西瓜书的东西,每一章把开头总结写一下。老师没有给具体的任务,留了再说吧。
- Spring Cloud Gateway整合Nacos实现服务路由及集群负载均衡
asdfadafd
面试学习路线阿里巴巴android前端后端
目录一、序言二、代码示例1、父工程spring-cloud-gateway-learning2、子工程spring-cloud-api-gateway(1)pom.xml(2)配置文件和代码示例3、子工程spring-cloud-user-service(1)pom.xml(2)配置文件4、子工程spring-cloud-message-service(1)pom.xml(2)配置文件和代码示例三
- 今日感悟:
勤奋的许南
每个人的成功背后都有艰辛的努力和持续不断的付出,没有无缘无故的成功。只有近似于偏执狂的人才能取得一定成功。近些年随着移动支付、物流配送、人工智能,云计算的日臻成熟,新技术不断运用到零售行业。尤其是自2017年开始的直播+社区团购模式,预计到2020年底达到1万亿的规模,使得全社会的整体效率在不断提升,从而使得电商助力农产品销售得到跨越式发展。成为助力脱贫的有效手段。新时代的上山下乡,贴近资源储备地
- 《数据思维课》学习笔记之一
昌平老刘
我是那种特别、特别、特别不愿意花钱去学习的人。一方面是由于吝啬的天性,另一方面,则是由于不信任。在这个时代,只要花钱,基本上就意味着又上了一次当。当然也有例外。《得到》上的课程,有一个好处,可以先试读试学五节课,如果觉得不怎么样,那就随它去,花钱还在其次,主要是不能再继续浪费时间。有一个叫宣明栋的老师,据他自我介绍说是负责《得到》品控的,工作三十多年了,一直在跟数据打交道,完全有资格有能力开设这么
- unity3D学习笔记之三:全局光照
watl0
UnityUnity
本文整理自Unity全球官方网站,原文:UNITY5-LIGHTINGANDRENDERING(文章较长,请耐心阅读)简介全局光照,简称GI,是一个用来模拟光的互动和反弹等复杂行为的算法,要精确的仿真全局光照非常有挑战性,付出的代价也高,正因为如此,现代游戏会先一定程度的预先处理这些计算,而非游戏执行时实时运算。同一场景里:没有照明(左),只有直接光源(中),和有间接光源的全局光照(右)的表现,注
- 《随园诗话》学习笔记三百零一
飞鸿雪舞
卷四人所难言,我易言之七十六、妙诗【原文】余宰江宁时,查宣门居士开赠《蔗塘诗》一集,盖其族人心谷先生为仁所作。本籍海宁,寓居天津,十九岁即经患难,在狱八年,始得释归;怜才爱士,置驿通宾,其诗清妙,盖深得初白老人之教者。《同友集空谷园》云:“郊居尘埃少,幽访共沿回。柳下孤篷泊,花间白版开。高人还掩卧,稚子识曾来。小立窥鸥鹭,忘机客不猜。”《秋夜病中》云:“巷尾迢迢报柝声,虚堂如水断人行。云移一朵月吞
- 数据结构(邓俊辉)学习笔记】串 10——BM_BC算法:坏字符
诸葛悠闲
数据结构学习笔记
文章目录1.坏字符2.特殊情况1.坏字符实际上,刚才的实例中我们所展示的那样一个计算过程,就是所谓BM算法所采用的策略之一,而这一策略,将我们刚才所说的教训称作坏字符。在这里,不妨改为基于蛮力算法的第二个版本来进行改造。也就是说模式算中当前参与比对的如果是字符P[j],那么文本串中对应的就是T[i+j],这幅图画出的就是这样一个一般性的场景。请注意,当前这趟扫描如果的确已经抵达P[j]或T[i+j
- 组态软件
ytffhew
分享一下我老师大神的人工智能教程!零基础,通俗易懂!http://blog.csdn.net/jiangjunshow也欢迎大家转载本篇文章。分享知识,造福人民,实现我们中华民族伟大复兴!组态软件组态软件,又称组态监控软件系统软件。译自英文SCADA,即SupervisoryControlandDataAcquisition(数据采集与监视控制)。它是指一些数据采集与过程控制的专用软件。它们处在自
- windows系统huggingface连接不上的解决方案
herosunly
windowshuggingface连接不上解决方案
大家好,我是herosunly。985院校硕士毕业,现担任算法研究员一职,热衷于大模型算法的研究与应用。曾担任百度千帆大模型比赛、BPAA算法大赛评委,编写微软OpenAI考试认证指导手册。曾获得阿里云天池比赛第一名,CCF比赛第二名,科大讯飞比赛第三名。授权多项发明专利。对机器学习和深度学习拥有自己独到的见解。曾经辅导过若干个非计算机专业的学生进入到算法行业就业。希望和大家一起成长进步。
- 深度学习100问43:什么是过拟合
不断持续学习ing
人工智能自然语言处理机器学习
嘿,咱来聊聊过拟合是什么。想象一下,有个机器学习的模型就像一个学生在准备考试。如果这个模型对训练数据就像学生把课本上的题目背得超级熟,在训练数据上表现得那叫一个棒,就像学生在做课本上的题时成绩超高。但是呢,一旦碰到新的、从来没见过的数据,就傻眼了,表现得一塌糊涂。这时候就可以说这个模型过拟合啦。为啥会过拟合呢?一方面可能是这个模型太复杂了,就像学生学得太“死”,记住了训练数据里的一些小噪声和特别的
- C++学习笔记----5、重用之设计(四)---- 设计一个成功的抽象与SOLID原则
王俊山IT
学习笔记c++开发语言
1、设计一个成功的抽象经验与迭代对于好的抽象非常重要。真正好的设计的接口来自于经年的编写与使用其他的抽象。你也可以通过重要既存的、以标准设计模式形式存在的设计好的抽象来利用其他人的经年的编写与使用抽象。当你碰到其他的抽象,尝试记住什么起作用什么不起作用。在上周使用的Windows文件系统API有发现什么缺陷吗?如果你不使用同事的而要自己写网络包装器,会有什么不同吗?最好的接口鲜有一蹴而就,所以要保
- Second-Order Information Matters: Revisiting Machine Unlearning for Large Language Models
UnknownBody
LLMDailyUnlearningModelForgetting语言模型人工智能自然语言处理
本文是LLM系列文章,针对《Second-OrderInformationMatters:RevisitingMachineUnlearningforLargeLanguageModels》的翻译。二阶信息问题:修改大型语言模型的机器学习摘要1引言2前言3LLM的遗忘4实验设置5实验结果6意外记忆的遗忘7DP-SGD和遗忘8相关工作9讨论10局限性和未来工作11结论摘要随着大型语言模型(LLM)的
- 【论文阅读】QUEEN: Query Unlearning against Model Extraction(2024)
Bosenya12
科研学习模型窃取论文阅读提取攻击模型安全
摘要Modelextractionattacks(模型提取攻击)currentlyposeanon-negligiblethreat(不可忽视的威胁)tothesecurity(安全性)andprivacy(隐私性)ofdeeplearningmodels.Byqueryingthemodelwithasmalldataset(通过小数据集查询模型)andusingthequeryresultsa
- 如何开发针对不平衡分类的成本敏感神经网络 python
背包客研究
不平衡学习分类神经网络python
如何开发针对不平衡分类的成本敏感神经网络深度学习神经网络是一类灵活的机器学习算法,可以在各种问题上表现良好。神经网络使用误差反向传播算法进行训练,该算法涉及计算模型在训练数据集上产生的误差,并根据这些误差的比例更新模型权重。这种训练方法的局限性在于,每个类别的示例都被视为相同,对于不平衡的数据集,这意味着模型对一个类别的适应性要强得多,而对另一个类别的适应性则弱得多。反向传播算法可以更新,以根据类
- 如何校准不平衡分类的概率
背包客研究
不平衡学习分类数据挖掘人工智能
如何校准不平衡分类的概率许多机器学习模型能够预测一个概率或概率类成员的分数。可能性为评估和比较模型提供了所需的粒度水平,特别是在诸如工具弧度曲线用于解释预测,并使用ROC等标准来比较模型性能,两者都使用概率。不幸的是,许多模型预测的概率或概率都没有校准。这意味着他们在某些情况下可能过于自信,而在其他情况下则缺乏信心。更糟糕的是,分类任务中存在的严重倾斜的分类分布,可能会导致预测概率的更大偏差,因为
- 对机器学习中Fbeta指标的简介
背包客研究
机器学习人工智能
对机器学习的Fbeta指标的概括介绍Fbeta指标是一种可配置的单得分度量,用于基于对正类的预测来评价二元分类模型。用精确度和回收率计算出Fbeta测量值。精密是用来计算正类正确预测的百分比的度量。回忆从所有可以作出的正预测中计算出正类的正确预测的百分比。精确度最大化将最小化错误,而最大化回忆将最小化错误。…F尺寸按精确度和回收率的调和平均值计算,给予相同的权重。它允许使用单评分来评估模型,同时考
- Spring中@Value注解,需要注意的地方
无量
springbean@Valuexml
Spring 3以后,支持@Value注解的方式获取properties文件中的配置值,简化了读取配置文件的复杂操作
1、在applicationContext.xml文件(或引用文件中)中配置properties文件
<bean id="appProperty"
class="org.springframework.beans.fac
- mongoDB 分片
开窍的石头
mongodb
mongoDB的分片。要mongos查询数据时候 先查询configsvr看数据在那台shard上,configsvr上边放的是metar信息,指的是那条数据在那个片上。由此可以看出mongo在做分片的时候咱们至少要有一个configsvr,和两个以上的shard(片)信息。
第一步启动两台以上的mongo服务
&nb
- OVER(PARTITION BY)函数用法
0624chenhong
oracle
这篇写得很好,引自
http://www.cnblogs.com/lanzi/archive/2010/10/26/1861338.html
OVER(PARTITION BY)函数用法
2010年10月26日
OVER(PARTITION BY)函数介绍
开窗函数 &nb
- Android开发中,ADB server didn't ACK 解决方法
一炮送你回车库
Android开发
首先通知:凡是安装360、豌豆荚、腾讯管家的全部卸载,然后再尝试。
一直没搞明白这个问题咋出现的,但今天看到一个方法,搞定了!原来是豌豆荚占用了 5037 端口导致。
参见原文章:一个豌豆荚引发的血案——关于ADB server didn't ACK的问题
简单来讲,首先将Windows任务进程中的豌豆荚干掉,如果还是不行,再继续按下列步骤排查。
&nb
- canvas中的像素绘制问题
换个号韩国红果果
JavaScriptcanvas
pixl的绘制,1.如果绘制点正处于相邻像素交叉线,绘制x像素的线宽,则从交叉线分别向前向后绘制x/2个像素,如果x/2是整数,则刚好填满x个像素,如果是小数,则先把整数格填满,再去绘制剩下的小数部分,绘制时,是将小数部分的颜色用来除以一个像素的宽度,颜色会变淡。所以要用整数坐标来画的话(即绘制点正处于相邻像素交叉线时),线宽必须是2的整数倍。否则会出现不饱满的像素。
2.如果绘制点为一个像素的
- 编码乱码问题
灵静志远
javajvmjsp编码
1、JVM中单个字符占用的字节长度跟编码方式有关,而默认编码方式又跟平台是一一对应的或说平台决定了默认字符编码方式;2、对于单个字符:ISO-8859-1单字节编码,GBK双字节编码,UTF-8三字节编码;因此中文平台(中文平台默认字符集编码GBK)下一个中文字符占2个字节,而英文平台(英文平台默认字符集编码Cp1252(类似于ISO-8859-1))。
3、getBytes()、getByte
- java 求几个月后的日期
darkranger
calendargetinstance
Date plandate = planDate.toDate();
SimpleDateFormat df = new SimpleDateFormat("yyyy-MM-dd");
Calendar cal = Calendar.getInstance();
cal.setTime(plandate);
// 取得三个月后时间
cal.add(Calendar.M
- 数据库设计的三大范式(通俗易懂)
aijuans
数据库复习
关系数据库中的关系必须满足一定的要求。满足不同程度要求的为不同范式。数据库的设计范式是数据库设计所需要满足的规范。只有理解数据库的设计范式,才能设计出高效率、优雅的数据库,否则可能会设计出错误的数据库.
目前,主要有六种范式:第一范式、第二范式、第三范式、BC范式、第四范式和第五范式。满足最低要求的叫第一范式,简称1NF。在第一范式基础上进一步满足一些要求的为第二范式,简称2NF。其余依此类推。
- 想学工作流怎么入手
atongyeye
jbpm
工作流在工作中变得越来越重要,很多朋友想学工作流却不知如何入手。 很多朋友习惯性的这看一点,那了解一点,既不系统,也容易半途而废。好比学武功,最好的办法是有一本武功秘籍。研究明白,则犹如打通任督二脉。
系统学习工作流,很重要的一本书《JBPM工作流开发指南》。
本人苦苦学习两个月,基本上可以解决大部分流程问题。整理一下学习思路,有兴趣的朋友可以参考下。
1 首先要
- Context和SQLiteOpenHelper创建数据库
百合不是茶
androidContext创建数据库
一直以为安卓数据库的创建就是使用SQLiteOpenHelper创建,但是最近在android的一本书上看到了Context也可以创建数据库,下面我们一起分析这两种方式创建数据库的方式和区别,重点在SQLiteOpenHelper
一:SQLiteOpenHelper创建数据库:
1,SQLi
- 浅谈group by和distinct
bijian1013
oracle数据库group bydistinct
group by和distinct只了去重意义一样,但是group by应用范围更广泛些,如分组汇总或者从聚合函数里筛选数据等。
譬如:统计每id数并且只显示数大于3
select id ,count(id) from ta
- vi opertion
征客丶
macoprationvi
进入 command mode (命令行模式)
按 esc 键
再按 shift + 冒号
注:以下命令中 带 $ 【在命令行模式下进行】,不带 $ 【在非命令行模式下进行】
一、文件操作
1.1、强制退出不保存
$ q!
1.2、保存
$ w
1.3、保存并退出
$ wq
1.4、刷新或重新加载已打开的文件
$ e
二、光标移动
2.1、跳到指定行
数字
- 【Spark十四】深入Spark RDD第三部分RDD基本API
bit1129
spark
对于K/V类型的RDD,如下操作是什么含义?
val rdd = sc.parallelize(List(("A",3),("C",6),("A",1),("B",5))
rdd.reduceByKey(_+_).collect
reduceByKey在这里的操作,是把
- java类加载机制
BlueSkator
java虚拟机
java类加载机制
1.java类加载器的树状结构
引导类加载器
^
|
扩展类加载器
^
|
系统类加载器
java使用代理模式来完成类加载,java的类加载器也有类似于继承的关系,引导类是最顶层的加载器,它是所有类的根加载器,它负责加载java核心库。当一个类加载器接到装载类到虚拟机的请求时,通常会代理给父类加载器,若已经是根加载器了,就自己完成加载。
虚拟机区分一个Cla
- 动态添加文本框
BreakingBad
文本框
<script> var num=1; function AddInput() { var str=""; str+="<input 
- 读《研磨设计模式》-代码笔记-单例模式
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/
public class Singleton {
}
/*
* 懒汉模式。注意,getInstance如果在多线程环境中调用,需要加上synchronized,否则存在线程不安全问题
*/
class LazySingleton
- iOS应用打包发布常见问题
chenhbc
iosiOS发布iOS上传iOS打包
这个月公司安排我一个人做iOS客户端开发,由于急着用,我先发布一个版本,由于第一次发布iOS应用,期间出了不少问题,记录于此。
1、使用Application Loader 发布时报错:Communication error.please use diagnostic mode to check connectivity.you need to have outbound acc
- 工作流复杂拓扑结构处理新思路
comsci
设计模式工作算法企业应用OO
我们走的设计路线和国外的产品不太一样,不一样在哪里呢? 国外的流程的设计思路是通过事先定义一整套规则(类似XPDL)来约束和控制流程图的复杂度(我对国外的产品了解不够多,仅仅是在有限的了解程度上面提出这样的看法),从而避免在流程引擎中处理这些复杂的图的问题,而我们却没有通过事先定义这样的复杂的规则来约束和降低用户自定义流程图的灵活性,这样一来,在引擎和流程流转控制这一个层面就会遇到很
- oracle 11g新特性Flashback data archive
daizj
oracle
1. 什么是flashback data archive
Flashback data archive是oracle 11g中引入的一个新特性。Flashback archive是一个新的数据库对象,用于存储一个或多表的历史数据。Flashback archive是一个逻辑对象,概念上类似于表空间。实际上flashback archive可以看作是存储一个或多个表的所有事务变化的逻辑空间。
- 多叉树:2-3-4树
dieslrae
树
平衡树多叉树,每个节点最多有4个子节点和3个数据项,2,3,4的含义是指一个节点可能含有的子节点的个数,效率比红黑树稍差.一般不允许出现重复关键字值.2-3-4树有以下特征:
1、有一个数据项的节点总是有2个子节点(称为2-节点)
2、有两个数据项的节点总是有3个子节点(称为3-节
- C语言学习七动态分配 malloc的使用
dcj3sjt126com
clanguagemalloc
/*
2013年3月15日15:16:24
malloc 就memory(内存) allocate(分配)的缩写
本程序没有实际含义,只是理解使用
*/
# include <stdio.h>
# include <malloc.h>
int main(void)
{
int i = 5; //分配了4个字节 静态分配
int * p
- Objective-C编码规范[译]
dcj3sjt126com
代码规范
原文链接 : The official raywenderlich.com Objective-C style guide
原文作者 : raywenderlich.com Team
译文出自 : raywenderlich.com Objective-C编码规范
译者 : Sam Lau
- 0.性能优化-目录
frank1234
性能优化
从今天开始笔者陆续发表一些性能测试相关的文章,主要是对自己前段时间学习的总结,由于水平有限,性能测试领域很深,本人理解的也比较浅,欢迎各位大咖批评指正。
主要内容包括:
一、性能测试指标
吞吐量、TPS、响应时间、负载、可扩展性、PV、思考时间
http://frank1234.iteye.com/blog/2180305
二、性能测试策略
生产环境相同 基准测试 预热等
htt
- Java父类取得子类传递的泛型参数Class类型
happyqing
java泛型父类子类Class
import java.lang.reflect.ParameterizedType;
import java.lang.reflect.Type;
import org.junit.Test;
abstract class BaseDao<T> {
public void getType() {
//Class<E> clazz =
- 跟我学SpringMVC目录汇总贴、PDF下载、源码下载
jinnianshilongnian
springMVC
----广告--------------------------------------------------------------
网站核心商详页开发
掌握Java技术,掌握并发/异步工具使用,熟悉spring、ibatis框架;
掌握数据库技术,表设计和索引优化,分库分表/读写分离;
了解缓存技术,熟练使用如Redis/Memcached等主流技术;
了解Ngin
- the HTTP rewrite module requires the PCRE library
流浪鱼
rewrite
./configure: error: the HTTP rewrite module requires the PCRE library.
模块依赖性Nginx需要依赖下面3个包
1. gzip 模块需要 zlib 库 ( 下载: http://www.zlib.net/ )
2. rewrite 模块需要 pcre 库 ( 下载: http://www.pcre.org/ )
3. s
- 第12章 Ajax(中)
onestopweb
Ajax
index.html
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/
- Optimize query with Query Stripping in Web Intelligence
blueoxygen
BO
http://wiki.sdn.sap.com/wiki/display/BOBJ/Optimize+query+with+Query+Stripping+in+Web+Intelligence
and a very straightfoward video
http://www.sdn.sap.com/irj/scn/events?rid=/library/uuid/40ec3a0c-936
- Java开发者写SQL时常犯的10个错误
tomcat_oracle
javasql
1、不用PreparedStatements 有意思的是,在JDBC出现了许多年后的今天,这个错误依然出现在博客、论坛和邮件列表中,即便要记住和理解它是一件很简单的事。开发者不使用PreparedStatements的原因可能有如下几个: 他们对PreparedStatements不了解 他们认为使用PreparedStatements太慢了 他们认为写Prepar
- 世纪互联与结盟有感
阿尔萨斯
10月10日,世纪互联与(Foxcon)签约成立合资公司,有感。
全球电子制造业巨头(全球500强企业)与世纪互联共同看好IDC、云计算等业务在中国的增长空间,双方迅速果断出手,在资本层面上达成合作,此举体现了全球电子制造业巨头对世纪互联IDC业务的欣赏与信任,另一方面反映出世纪互联目前良好的运营状况与广阔的发展前景。
众所周知,精于电子产品制造(世界第一),对于世纪互联而言,能够与结盟