- 基于昇腾910B部署Qwen3-embedding-8B模型(通过vllm 推理引擎部署)
萌新--加油
embedding人工智能经验分享
目前基于知识库搭建,会涉及到embedding和rerank模型,目前阿里通义千问Qwen3-embedding-8B模型在网上测评效果还不错,本文基于vllm部署Qwen3-embedding-8B模型,使用的国产化算力910B2-64G单卡资源。1、环境要求:软件支持版本CANN>=8.1.RC1torch-npu>=2.5.1torch>=2.5.1Python>=3.9,<3.122、to
- LoRA微调详解:如何为AIGC模型节省90%显存
SuperAGI2025
AI大模型应用开发宝典AIGCai
LoRA微调详解:如何为AIGC模型节省90%显存关键词:LoRA、低秩适应、AIGC模型、参数高效微调、显存优化摘要:在AIGC(人工智能生成内容)领域,大模型(如GPT-3、LLaMA、StableDiffusion)的微调需要消耗海量显存,普通用户或企业难以负担。本文将深入解析LoRA(Low-RankAdaptation,低秩适应)这一参数高效微调技术,通过生活类比、数学原理、代码实战和应
- LoRA 实战指南:NLP 与 CV 场景的高效微调方法全解析
fairymt
产品经理的AI秘籍自然语言处理人工智能机器学习
大模型已成AI应用的“标配”,但高昂的训练和部署成本让很多企业望而却步。LoRA(Low-RankAdaptation)作为一种轻量级微调方案,正成为NLP与CV场景中低成本定制的利器。本文详细通过详细介绍LoRA的核心原理、在文本与图像任务中的应用场景、主流工具框架与实践方式,帮助你快速掌握这项高性价比技术。国产生态实战:基于LLaMA-Factory+DeepSeek+LoRA+FastAPI
- 概述-1-数据库的相关概念
He.ZaoCha
MySQL数据库mysql
数据库的相关概念用户通过SQL操作数据库管理系统,再通过数据库管理系统操作数据库以及数据库中的数据。数据库数据库是存储数据的仓库,数据是有组织的进行存储,DataBase简称(DB)数据库管理系统操纵和管理数据库的大型软件,DataBaseManagementSystem简称(DBMS)主流的关系型数据库管理系统DB-EnginesRanking根据数据库管理系统的受欢迎程度对其进行排名。排名每月
- 强化学习 16G实践以下是基于CQL(Conservative Q-Learning)与QLoRA(Quantized Low-Rank Adaptation)结合的方案相关开源项目及资源,【ai技】
行云流水AI笔记
开源人工智能
根据你提供的CUDA版本(11.5)和NVIDIA驱动错误信息,以下是PyTorch、TensorFlow的兼容版本建议及环境修复方案:1.版本兼容性表框架兼容CUDA版本推荐安装命令(CUDA11.5)PyTorch11.3/11.6pipinstalltorchtorchvisiontorchaudio--extra-index-urlhttps://download.pytorch.org/
- 【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
- manjaro安装微软雅黑字体_开始使用 Manjaro(添加源+字体渲染去模糊+软件安装+优化配置+常见错误)(30)...
真的是单大宝
manjaro安装微软雅黑字体
1.添加archlinux镜像源1.步骤一向/etc/pacman.d/mirrorlist中添加国内镜像地址1.1方法1:自动添加1、输入如下命令查看国内镜像源,并按质量排序:sudopacman-mirrors-i-cChina-mrank,之后会弹出一个窗口,可以选择想要的镜像源,选择确定后会自动导入/etc/pacman.d/mirrorlist配置文件中。1.2方法2:手动添加直接在et
- LLMs之Embedding:Qwen3 Embedding的简介、安装和使用方法、案例应用之详细攻略
一个处女座的程序猿
NLP/LLMsembeddingLLM
LLMs之Embedding:Qwen3Embedding的简介、安装和使用方法、案例应用之详细攻略目录Qwen3Embedding的简介1、特点2、模型列表3、评测结果MTEB(Multilingual)MTEB(Engv2)C-MTEB(MTEBChinese)RerankerQwen3Embedding的使用方法1、安装2、使用方法2.1、TextEmbedding嵌入模型的使用方法Tran
- java工程师面试题大全-100%公司笔试题你都能碰到几个
javaPie
Javaid="cproIframe_u788097_1"width="336"height="280"src="http://pos.baidu.com/acom?adn=3&at=166&aurl=&cad=1&ccd=24&cec=UTF-8&cfv=16&ch=0&col=zh-CN&conOP=0&cpa=1&dai=1&dis=0&layout_filter=rank%2Ctabclo
- Hadoop 发展过程是怎样的?
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2003年,美国加州大学洛杉矶分校教授李彦宏博士发明了一种分布式文件系统——GFS(GoogleFileSystem)。由于该文件系统设计得足够简单,可以适应大规模数据集存储需求,在此基础上演化出多种应用,包括MapReduce、BigTable、PageRank等,并成为当时互联网公司的标配技术之一。2004年,Google发布了第一版Hadoop项目,定位是
- 【iSAQB软件架构】架构模式
小马哥编程
架构java开发语言代理模式微服务系统架构
模式在软件的设计和开发中是一个重要的工具。在软件开发的许多领域都存在模式——例如,设计模式、架构模式、分析模式、软件组织模式和教学模式。架构模式的分类是按照弗兰克·布施曼(FrankBuschmann)的四类系统进行的。其基本概念是以模式所解决的问题作为分类的基础。适应性系统此类别中的模式支持应用程序的扩展以及它们对不断发展的技术和不断变化的功能需求的适应。依赖注入在面向对象设计中,由于需要创建一
- 人工智能: 矩阵的秩从数学基础到综合实战!!
AI Agent首席体验官
人工智能矩阵算法
1.矩阵的秩矩阵的秩(Rank)是描述矩阵线性独立的行或列的最大数目。对于一个矩阵AAA,其秩记作rank(A)rank(A)rank(A)或r(A)r(A)r(A)。基本性质对于m×nm\timesnm×n矩阵AAA,秩满足:0≤rank(A)≤min(m,n)0\leqrank(A)\leqmin(m,n)0≤rank(A)≤min(m,n)行秩等于列秩:矩阵的线性独立的行数等于线性独立的列数
- 如何高效训练通义万相2.1的LoRA:从原理到实战指南
Liudef06小白
AI作画图生视频lora通义万相WAN2.1
在AI图像生成领域,通义万相2.1作为领先的扩散模型,其官方API虽功能强大,但定制能力有限。LoRA(Low-RankAdaptation)技术正是解决这一痛点的关键钥匙——它允许开发者以极低成本实现模型个性化定制。本文将详细解析训练通义万相2.1LoRA的全流程,助你掌握定制专属AI艺术家的核心技能。一、认识通义万相2.1与LoRA1.1通义万相2.1核心特性多模态理解:精准解析复杂文本提示(
- 【libyuv】windows cmake 构建 for webrtc
等风来不如迎风去
WebRTC入门与实战windowsgitbashlibyuv
使用vs直接构建webrtc的部分源码,发现libyuv是webrtc源码的依赖库,会有链接错误官方说明https://github.com/frankpapenmeier/libyuv/blob/master/docs/getting_started.md看起来官方灭有推荐windows用cmake构建实测,用cmake也是可以的。deptoolsYou’llneedtohavedepottoo
- GitHub 趋势日报 (2025年06月18日)
qianmoQ
GitHub项目趋势日报(2025年)github
由TrendForge系统生成|https://trendforge.devlive.org/本日报中的项目描述已自动翻译为中文今日获星趋势图今日获星趋势图1759jan991fluentui-system-icons549ragflow522anthropic-cookbook452automatisch265data-engineer-handbook194frankenphp171DeepE
- RAG 处理流程
成都犀牛
网络自然语言处理神经网络深度学习RAG
下面是处理流程图UserSystemEmbeddingModelRetrieverRerankerLLMKnowledgeBase输入问题(Query)用嵌入模型编码QueryQuery向量用Query向量检索查找相似向量(原始使用嵌入模型编码)返回TopK文档块原始检索结果对结果重排序(可选)精排后文档组合:Query+相关文档生成最终回答返回答案UserSystemEmbeddingModel
- 一文读懂CompassRank榜单的评测指标【多模态学习实战手册】
大F的智能小课
大模型理论和实战人工智能
大家好,我是大F,深耕AI算法十余年,互联网大厂技术岗。分享AI算法干货、技术心得。欢迎关注《大模型理论和实战》、《DeepSeek技术解析和实战》,一起探索技术的无限可能!1.前言榜单链接:CompassRankCompassRank是一个中立且全面的性能榜单,作为大模型评测体系OpenCompass2.0中各类榜单的承载平台。它覆盖多领域、多任务下的模型性能,并定期更新,以提供动态的行业洞察。
- 针对HR的陷阱,攻击者利用虚假简历传播恶意软件
新型攻击手法曝光以经济利益为驱动的威胁组织FIN6(又称CamouflageTempest、GoldFranklin等)近期被发现利用亚马逊云服务(AWS)基础设施托管虚假简历,传播名为More_eggs的恶意软件家族。DomainTools调查团队(DTI)向《黑客新闻》提供的报告显示:"该组织通过伪装求职者在LinkedIn等平台与招聘人员建立联系后,发送包含恶意软件的钓鱼信息。"恶意软件技术
- 什么是 QLoRA(Quantized Low-Rank Adaptation,量化低秩适配)
彬彬侠
大模型QLoRA量化低秩适配PEFT参数高效微调transformersbitsandbytespython
QLoRA(QuantizedLow-RankAdaptation,量化低秩适配)是LoRA(Low-RankAdaptation)的一种优化扩展,旨在进一步降低大语言模型微调的计算和内存需求。QLoRA结合了4-bit量化(quantization)和LoRA的低秩更新技术,使超大规模模型(如70B参数的LLaMA)能够在单GPU上进行高效微调,同时保持与全参数微调相近的性能。QLoRA由Det
- LoRA、QLoRA是什么
爱吃土豆的马铃薯ㅤㅤㅤㅤㅤㅤㅤㅤㅤ
人工智能机器学习深度学习
一:LoRA(Low-RankAdaptation,低秩适应)是一种高效的大模型参数微调技术,由Meta在2021年提出。它通过冻结预训练模型参数,仅训练少量新增的低秩矩阵,大幅减少了需要训练的参数量,同时保持接近全参数微调的效果。为什么需要LoRA?传统的全参数微调(Fine-tuning)需要更新大型语言模型的所有参数(如GPT-3有1750亿参数),这带来两个核心问题:计算资源需求极高:需要
- Qwen3-Embedding-Reranker本地部署教程:8B 参数登顶 MTEB 多语言榜首,100 + 语言跨模态检索无压力!
算家计算
模型构建embeddingQwen3Qwen3-Reranker模型部署教程智能检索算家云镜像社区
一、简介Qwen3-Embedding与Qwen3-Reranker是阿里巴巴通义实验室于今年6月开源的双模型系列,专为文本表征、检索与排序任务设计。基于Qwen3基础模型构建,二者通过协同工作显著提升语义理解与信息检索效率,在多语言场景和工业部署中表现卓越。基于Qwen3系列的密集基础模型,提供了各种大小(0.6B、4B和8B)的全面文本嵌入和重新排序模型。该系列继承了其基础模型出色的多语言能力
- 如何使用EnsembleRetriever结合多个检索器的结果
weixin_43212959
windows人工智能microsoft
在信息检索领域,融合不同检索器的结果可以提升搜索结果的质量。EnsembleRetriever是一个支持将多个检索器的结果组合起来的工具。它通过复合互排名融合算法(ReciprocalRankFusion)重新排序各个检索器的结果,以实现更好的性能。技术背景介绍在搜索和信息检索中,"混合搜索"模式成为一种常见的做法。混合搜索通常结合稀疏检索器(如BM25)和密集检索器(如基于嵌入的相似性)。稀疏检
- RAG 工业落地方案框架(Qanything、RAGFlow、FastGPT、智谱RAG)细节比对!CVPR自动驾驶最in挑战赛赛道,全球冠军被算力选手夺走了
代码讲故事
学术相关自动驾驶人工智能机器学习RAGCVPRQanythingFastGPT
RAG工业落地方案框架(Qanything、RAGFlow、FastGPT、智谱RAG)细节比对!CVPR自动驾驶最in挑战赛赛道,全球冠军被算力选手夺走了。本文详细比较了四种RAG工业落地方案——Qanything、RAGFlow、FastGPT和智谱RAG,重点分析了它们在知识处理、召回模块、重排模块、大模型处理、Web服务和切词处理等方面的具体实现。Qanything在rerank模块设计上
- 矩阵的秩 - 全面解析
二分掌柜的
数学物理矩阵机器学习线性代数
矩阵的秩:全面解析flyfish秩的概念揭示了“独立”与“依赖”的数量关系。秩的定义与直观理解1.秩的核心定义定义1(线性无关组视角):矩阵的秩是其列向量组中极大线性无关组的向量个数,记为r(A)r(A)r(A)或rank(A)\text{rank}(A)rank(A)。例:矩阵A=(1224)A=\begin{pmatrix}1&2\\2&4\end{pmatrix}A=(1224),列向量为a
- 窗口函数总结篇
fieldsss
Mysql刷题算法
一、基本语法及常见函数SELECTcolumn1,column2,窗口函数()OVER(PARTITIONBY分组列ORDERBY排序列[ASC|DESC]ROWS/RANGEBETWEEN起始位置AND结束位置)AS别名FROMtable_name;分类函数作用典型场景排名函数ROW_NUMBER()为每行分配唯一序号(无并列)生成唯一行号RANK()允许并列排名,跳过重复序号(如1,1,3)带
- 大数据学习(138)-Hive数据分析3
viperrrrrrr
大数据学习hive
大数据学习系列专栏:哲学语录:用力所能及,改变世界。如果觉得博主的文章还不错的话,请点赞+收藏⭐️+留言支持一下博主哦一、分组排序问题(TopN变体)1.按多个条件排序并取TopN问题:查询每个部门薪资最高且入职最早的前2名员工。思路:窗口函数中用ORDERBYsalaryDESC,hire_dateASC实现多条件排序。用ROW_NUMBER()生成唯一排名,避免并列。代码模板:WITHrank
- 山东大学2020-2021春季web数据管理期末考试
Joheey
山东大学web数据管理
一、填空题(30空,只记得这些了)DFS比BFS好处在于爬虫礼貌性BM25三个参数词项处理——文档解析、词条化、词项归一化、次干还原、词型归并三种分词算法统计语言模型的定义LBP定义tamura的特征颜色矩二、简答题1、RE2、web数据抽取3、TF/IDF4、倒排索引的定义5、忘记了三、论述题1、网站和爬虫的博弈2、基于HMM的分词算法3、网页排序算法PageRank、HITS、HillTop4
- md文件转换word文档
下载pandoc软件https://pandoc.org/installing.html下载pandoc安装包之后,像安装普通软件一样点开安装就可以了。安装完成之后,打开cmd命令行,输入pandoc-v,如果正常显示出类似下面的信息就表明安装成功,如果未成功,可能需要配置环境变量,把安装的路径C:\Users\Frank\AppData\Local\Pandoc\加入环境变量配置bat批处理文件
- 为什么RAG系统必须引入Rerank?深入解析两阶段检索的价值与挑战
一休哥助手
人工智能RAG
在当今大模型应用中,检索增强生成(RAG)已成为解决知识更新和幻觉问题的关键技术,但超过70%的RAG系统在首次部署后都面临答案不精准的困扰——而引入Rerank重排序机制,正是解开这一困局的关键密钥。一、RAG的精度困境:当“近似”检索遇到生成需求在经典RAG流程中,系统通过以下步骤运作:用户查询被Embedding模型转换为向量在向量数据库中进行相似度搜索(ANN)返回Top-K相关文档提示工
- 【RAG排序】rag排序代码示例-简单版
weixin_37763484
大模型人工智能算法搜索引擎
claude生成的一个排序的例子,有几种简单的方法。示例数据查询:“人工智能在医疗领域的应用前景如何?”文档库:8个相关文档,涵盖AI在医疗、金融、教育、自动驾驶等领域的应用实现的排序方法SimpleBM25Ranker-中文BM25排序器使用jieba进行中文分词计算TF-IDF和文档长度归一化处理中文停用词ChineseKeywordRanker-关键词匹配排序器Jaccard相似度+查询词覆
- mondb入手
木zi_鸣
mongodb
windows 启动mongodb 编写bat文件,
mongod --dbpath D:\software\MongoDBDATA
mongod --help 查询各种配置
配置在mongob
打开批处理,即可启动,27017原生端口,shell操作监控端口 扩展28017,web端操作端口
启动配置文件配置,
数据更灵活 
- 大型高并发高负载网站的系统架构
bijian1013
高并发负载均衡
扩展Web应用程序
一.概念
简单的来说,如果一个系统可扩展,那么你可以通过扩展来提供系统的性能。这代表着系统能够容纳更高的负载、更大的数据集,并且系统是可维护的。扩展和语言、某项具体的技术都是无关的。扩展可以分为两种:
1.
- DISPLAY变量和xhost(原创)
czmmiao
display
DISPLAY
在Linux/Unix类操作系统上, DISPLAY用来设置将图形显示到何处. 直接登陆图形界面或者登陆命令行界面后使用startx启动图形, DISPLAY环境变量将自动设置为:0:0, 此时可以打开终端, 输出图形程序的名称(比如xclock)来启动程序, 图形将显示在本地窗口上, 在终端上输入printenv查看当前环境变量, 输出结果中有如下内容:DISPLAY=:0.0
- 获取B/S客户端IP
周凡杨
java编程jspWeb浏览器
最近想写个B/S架构的聊天系统,因为以前做过C/S架构的QQ聊天系统,所以对于Socket通信编程只是一个巩固。对于C/S架构的聊天系统,由于存在客户端Java应用,所以直接在代码中获取客户端的IP,应用的方法为:
String ip = InetAddress.getLocalHost().getHostAddress();
然而对于WEB
- 浅谈类和对象
朱辉辉33
编程
类是对一类事物的总称,对象是描述一个物体的特征,类是对象的抽象。简单来说,类是抽象的,不占用内存,对象是具体的,
占用存储空间。
类是由属性和方法构成的,基本格式是public class 类名{
//定义属性
private/public 数据类型 属性名;
//定义方法
publ
- android activity与viewpager+fragment的生命周期问题
肆无忌惮_
viewpager
有一个Activity里面是ViewPager,ViewPager里面放了两个Fragment。
第一次进入这个Activity。开启了服务,并在onResume方法中绑定服务后,对Service进行了一定的初始化,其中调用了Fragment中的一个属性。
super.onResume();
bindService(intent, conn, BIND_AUTO_CREATE);
- base64Encode对图片进行编码
843977358
base64图片encoder
/**
* 对图片进行base64encoder编码
*
* @author mrZhang
* @param path
* @return
*/
public static String encodeImage(String path) {
BASE64Encoder encoder = null;
byte[] b = null;
I
- Request Header简介
aigo
servlet
当一个客户端(通常是浏览器)向Web服务器发送一个请求是,它要发送一个请求的命令行,一般是GET或POST命令,当发送POST命令时,它还必须向服务器发送一个叫“Content-Length”的请求头(Request Header) 用以指明请求数据的长度,除了Content-Length之外,它还可以向服务器发送其它一些Headers,如:
- HttpClient4.3 创建SSL协议的HttpClient对象
alleni123
httpclient爬虫ssl
public class HttpClientUtils
{
public static CloseableHttpClient createSSLClientDefault(CookieStore cookies){
SSLContext sslContext=null;
try
{
sslContext=new SSLContextBuilder().l
- java取反 -右移-左移-无符号右移的探讨
百合不是茶
位运算符 位移
取反:
在二进制中第一位,1表示符数,0表示正数
byte a = -1;
原码:10000001
反码:11111110
补码:11111111
//异或: 00000000
byte b = -2;
原码:10000010
反码:11111101
补码:11111110
//异或: 00000001
- java多线程join的作用与用法
bijian1013
java多线程
对于JAVA的join,JDK 是这样说的:join public final void join (long millis )throws InterruptedException Waits at most millis milliseconds for this thread to die. A timeout of 0 means t
- Java发送http请求(get 与post方法请求)
bijian1013
javaspring
PostRequest.java
package com.bijian.study;
import java.io.BufferedReader;
import java.io.DataOutputStream;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.HttpURL
- 【Struts2二】struts.xml中package下的action配置项默认值
bit1129
struts.xml
在第一部份,定义了struts.xml文件,如下所示:
<!DOCTYPE struts PUBLIC
"-//Apache Software Foundation//DTD Struts Configuration 2.3//EN"
"http://struts.apache.org/dtds/struts
- 【Kafka十三】Kafka Simple Consumer
bit1129
simple
代码中关于Host和Port是割裂开的,这会导致单机环境下的伪分布式Kafka集群环境下,这个例子没法运行。
实际情况是需要将host和port绑定到一起,
package kafka.examples.lowlevel;
import kafka.api.FetchRequest;
import kafka.api.FetchRequestBuilder;
impo
- nodejs学习api
ronin47
nodejs api
NodeJS基础 什么是NodeJS
JS是脚本语言,脚本语言都需要一个解析器才能运行。对于写在HTML页面里的JS,浏览器充当了解析器的角色。而对于需要独立运行的JS,NodeJS就是一个解析器。
每一种解析器都是一个运行环境,不但允许JS定义各种数据结构,进行各种计算,还允许JS使用运行环境提供的内置对象和方法做一些事情。例如运行在浏览器中的JS的用途是操作DOM,浏览器就提供了docum
- java-64.寻找第N个丑数
bylijinnan
java
public class UglyNumber {
/**
* 64.查找第N个丑数
具体思路可参考 [url] http://zhedahht.blog.163.com/blog/static/2541117420094245366965/[/url]
*
题目:我们把只包含因子
2、3和5的数称作丑数(Ugly Number)。例如6、8都是丑数,但14
- 二维数组(矩阵)对角线输出
bylijinnan
二维数组
/**
二维数组 对角线输出 两个方向
例如对于数组:
{ 1, 2, 3, 4 },
{ 5, 6, 7, 8 },
{ 9, 10, 11, 12 },
{ 13, 14, 15, 16 },
slash方向输出:
1
5 2
9 6 3
13 10 7 4
14 11 8
15 12
16
backslash输出:
4
3
- [JWFD开源工作流设计]工作流跳跃模式开发关键点(今日更新)
comsci
工作流
既然是做开源软件的,我们的宗旨就是给大家分享设计和代码,那么现在我就用很简单扼要的语言来透露这个跳跃模式的设计原理
大家如果用过JWFD的ARC-自动运行控制器,或者看过代码,应该知道在ARC算法模块中有一个函数叫做SAN(),这个函数就是ARC的核心控制器,要实现跳跃模式,在SAN函数中一定要对LN链表数据结构进行操作,首先写一段代码,把
- redis常见使用
cuityang
redis常见使用
redis 通常被认为是一个数据结构服务器,主要是因为其有着丰富的数据结构 strings、map、 list、sets、 sorted sets
引入jar包 jedis-2.1.0.jar (本文下方提供下载)
package redistest;
import redis.clients.jedis.Jedis;
public class Listtest
- 配置多个redis
dalan_123
redis
配置多个redis客户端
<?xml version="1.0" encoding="UTF-8"?><beans xmlns="http://www.springframework.org/schema/beans" xmlns:xsi=&quo
- attrib命令
dcj3sjt126com
attr
attrib指令用于修改文件的属性.文件的常见属性有:只读.存档.隐藏和系统.
只读属性是指文件只可以做读的操作.不能对文件进行写的操作.就是文件的写保护.
存档属性是用来标记文件改动的.即在上一次备份后文件有所改动.一些备份软件在备份的时候会只去备份带有存档属性的文件.
- Yii使用公共函数
dcj3sjt126com
yii
在网站项目中,没必要把公用的函数写成一个工具类,有时候面向过程其实更方便。 在入口文件index.php里添加 require_once('protected/function.php'); 即可对其引用,成为公用的函数集合。 function.php如下:
<?php /** * This is the shortcut to D
- linux 系统资源的查看(free、uname、uptime、netstat)
eksliang
netstatlinux unamelinux uptimelinux free
linux 系统资源的查看
转载请出自出处:http://eksliang.iteye.com/blog/2167081
http://eksliang.iteye.com 一、free查看内存的使用情况
语法如下:
free [-b][-k][-m][-g] [-t]
参数含义
-b:直接输入free时,显示的单位是kb我们可以使用b(bytes),m
- JAVA的位操作符
greemranqq
位运算JAVA位移<<>>>
最近几种进制,加上各种位操作符,发现都比较模糊,不能完全掌握,这里就再熟悉熟悉。
1.按位操作符 :
按位操作符是用来操作基本数据类型中的单个bit,即二进制位,会对两个参数执行布尔代数运算,获得结果。
与(&)运算:
1&1 = 1, 1&0 = 0, 0&0 &
- Web前段学习网站
ihuning
Web
Web前段学习网站
菜鸟学习:http://www.w3cschool.cc/
JQuery中文网:http://www.jquerycn.cn/
内存溢出:http://outofmemory.cn/#csdn.blog
http://www.icoolxue.com/
http://www.jikexue
- 强强联合:FluxBB 作者加盟 Flarum
justjavac
r
原文:FluxBB Joins Forces With Flarum作者:Toby Zerner译文:强强联合:FluxBB 作者加盟 Flarum译者:justjavac
FluxBB 是一个快速、轻量级论坛软件,它的开发者是一名德国的 PHP 天才 Franz Liedke。FluxBB 的下一个版本(2.0)将被完全重写,并已经开发了一段时间。FluxBB 看起来非常有前途的,
- java统计在线人数(session存储信息的)
macroli
javaWeb
这篇日志是我写的第三次了 前两次都发布失败!郁闷极了!
由于在web开发中常常用到这一部分所以在此记录一下,呵呵,就到备忘录了!
我对于登录信息时使用session存储的,所以我这里是通过实现HttpSessionAttributeListener这个接口完成的。
1、实现接口类,在web.xml文件中配置监听类,从而可以使该类完成其工作。
public class Ses
- bootstrp carousel初体验 快速构建图片播放
qiaolevip
每天进步一点点学习永无止境bootstrap纵观千象
img{
border: 1px solid white;
box-shadow: 2px 2px 12px #333;
_width: expression(this.width > 600 ? "600px" : this.width + "px");
_height: expression(this.width &
- SparkSQL读取HBase数据,通过自定义外部数据源
superlxw1234
sparksparksqlsparksql读取hbasesparksql外部数据源
关键字:SparkSQL读取HBase、SparkSQL自定义外部数据源
前面文章介绍了SparSQL通过Hive操作HBase表。
SparkSQL从1.2开始支持自定义外部数据源(External DataSource),这样就可以通过API接口来实现自己的外部数据源。这里基于Spark1.4.0,简单介绍SparkSQL自定义外部数据源,访
- Spring Boot 1.3.0.M1发布
wiselyman
spring boot
Spring Boot 1.3.0.M1于6.12日发布,现在可以从Spring milestone repository下载。这个版本是基于Spring Framework 4.2.0.RC1,并在Spring Boot 1.2之上提供了大量的新特性improvements and new features。主要包含以下:
1.提供一个新的sprin