- 随机梯度下降一定会收敛么？
AndrewHZ
人工智能深度学习算法
1.什么是随机梯度下降？随机梯度下降（StochasticGradientDescent，SGD）是一种用于最小化目标函数的迭代优化算法，在机器学习和深度学习领域应用广泛。2.随机梯度下降算法的基本原理1.基于梯度的优化基础该算法是基于梯度的优化算法，用于寻找函数的最优解，通常是最小化损失函数。在机器学习和深度学习中，模型通过调整参数来最小化损失函数，以达到最佳的预测性能。2.迭代更新参数从初始的
- 【华为机考必备】华为2024届技术岗笔试全解 | 第五套
春秋招笔试突围
最新互联网春秋招试题合集华为春秋招笔试题华为
博主简介深耕互联网大厂校招的算法博主笔试突围，累计发布百万字大厂笔试解析，带领数百名学员斩获华为offer。专栏提供：✅实时更新的华为真题题库✅ACM模式编程实战模板✅高频算法思维导图速记华为笔试核心情报⏱️关键时间节点（2026届预测）地区考试时间窗口考试时长国内每周三19:00~21:002小时固定海外每周三19:00~次周19:00自选2小时连续段重要提醒：机考链接提前1天通过邮箱发送，逾期
- 什么是Scaling Laws（缩放定律）；DeepSeek的Scaling Laws
ZhangJiQun&MXP
教学2024大模型以及算力2021论文人工智能自然语言处理神经网络语言模型深度学习
什么是ScalingLaws（缩放定律）ScalingLaws（缩放定律）在人工智能尤其是深度学习领域具有重要意义，以下是相关介绍及示例：定义与内涵ScalingLaws主要描述了深度学习模型在规模（如模型参数数量、训练数据量、计算资源等）不断扩大时，模型性能与这些规模因素之间的定量关系。它表明，在一定条件下，模型的性能会随着模型规模的增加而以某种可预测的方式提升，通常表现为模型的损失函数值随模型
- .NET Framework 3.5安装教程
大强同学
.net
对于Windows系统而言，大多数软件需要依赖.NETFramework3.5，如果你安装失败，可以启用Win更新后，再安装或离线安装，就可以解决这个问题。启用Win更新无论你是在线还是离线安装，如果禁用了Windows更新，安装前你需要启用更新，不然无法安装，可以通过下面这个软件，启用Win更新，安装3.5后，再禁用Win更新即可。在线安装NET3.5win+Q，搜索“Windows功能”，打开
- html5+ push-消息推送
代码简单说
html5+h5+muijs推送打包app
push-消息推送Push模块管理推送消息功能，可以实现在线、离线的消息推送，通过plus.push可获取推送消息管理对象。方法：addEventListener:添加推送消息事件监听器clear:清空所有推送消息createMessage:创建本地消息getAllMessage:获取所有推送消息getClientInfo:获取客户端推送标识信息setAutoNotification:设置程序是否
- 基于eBPF的智能诊断平台：实现云原生系统的自愈型运维体系
桂月二二
云原生运维
引言：从被动运维到预测性自愈的进化当某电商平台通过eBPF实时诊断系统提前48小时预测到MySQL集群的锁竞争风暴时，其核心是千万级指标粒度的内核状态分析与AI驱动的根因定位算法的结合。运维数据显示，该平台将平均故障恢复时间（MTTR）从23分钟压缩到71秒，并自动修复了87%的异常事件。通过动态注入修复策略，集群CPU毛刺现象减少了94%，开创了智能运维的新纪元。一、传统可观测性工具的桎梏1.1
- 银河麒麟V10安装docker和docker-compose
lj907722644
DockerLinuxdocker容器运维
1.说明系统镜像使用的是Kylin-Server-V10-SP3-2403-Release-20240426-x86_64.iso如果是在VMware中安装这个系统，需选择Ubuntu，如果选Centos会有问题。尝试使用在线方式安装docker，报了很多错误，比较麻烦，建议使用离线方式安装。下面是离线包下载路径，根据服务器架构信息下载对应的安装包。本文将介绍离线安装的方式。docker安装包下载
- 基于 Spring Cloud + Sentinel 的全面流量治理方案
power-辰南
java技术架构师成长专栏springcloudsentinelspring流量治理
一、精准评估系统最大负载1.流量建模历史日志分析流量特征提取业务场景拆解流量模型构建容量预测模型实施方法：使用ELK分析6个月Nginx日志，提取分时/分业务QPS曲线构建典型场景模型：日常流量（正态分布）、促销流量（脉冲模型）、恶意攻击（毛刺识别）容量公式：单实例容量=(CPU核心数*1000ms)/平均RT(ms)2.数据模拟与环境搭建#使用tcpcopy复制生产流量./tcpcopy-x80
- 机器学些|实战?
dami_king
随笔机器学习
机器学习实战：从零到%1…今天聊聊机器学习（MachineLearning,ML），这个听起来高大上的技术其实并没有那么神秘。跟着我的节奏，咱们一起来探索一下如何从零开始！准备工作：安装和导入必要的库在开始我们的房价预测项目之前，我们需要准备好开发环境并导入所有必要的库。这些库将帮助我们处理数据、构建模型、评估性能以及可视化结果。安装Python和JupyterNotebook首先，确保你已经安装
- 机器学习基本篇
胖胖的小肥猫
机器学习
1基本概念机器学习，分为回归，分类，聚类，降维有监督学习回归，分类，有特征，有标签，进行训练，然后对新数据进行预测无监督学习聚类，降维。题目越多，训练越好，2基本流程数据预处理——模型训练与评估可以优化为获取数据——数据预处理——EDA分析——特征工程——模型训练——可解释性分析2.0数据获取利用kaggle,天池等平台的开源数据，2.1预处理目的：让数据更符合逻辑让数据更容易计算借助函数实现变换
- 【YOLO模型】（1）--YOLO是什么
方世恩
YOLOYOLO人工智能目标检测
一、什么是YOLOYOLO（YouOnlyLookOnce）是一种基于深度学习的目标检测算法，由JosephRedmon等人于2016年提出。1.核心思想它的核心思想是将目标检测问题转化为一个回归问题，通过一个神经网络直接预测目标的类别和位置。2.原理YOLO算法将输入图像分成SxS个网格，每个网格负责预测该网格内是否存在目标以及目标的类别和位置信息。此外，YOLO算法还采用了多尺度特征融合的技术
- LLM 参数解析：使用 OpenAI API 在 Python 中的实用指南（含示例）
真智AI
python人工智能chatgpt
当你使用大语言模型（LLM）时，可能会注意到，即使提交相同的请求，多次运行后仍然会得到不同的回应。这是因为LLM具有概率性，它们的输出基于所学到的模式和概率，而不是固定规则。幸运的是，你可以通过调整特定的参数来控制LLM的行为，就像微调收音机的旋钮来调整到想要的电台一样。理解这些参数可以帮助你更好地定制LLM的输出，使其更具可预测性或创造性，具体取决于你的需求。在本文中，我们将探讨多个关键参数，这
- Rust 与 WebAssembly 结合的优势
exploration-earth
学习
性能卓越：Rust语言以其可预测的性能著称，能够避免垃圾收集（GC）引发的暂停问题，这些问题常被称作停止世界（STW）暂停或即时编译（JIT）性能瓶颈。代码精简：由Rust编译生成的.wasm文件体积小巧，这有助于提升网页的加载速度。这些文件不会包含如垃圾收集器等不必要的额外开销，同时，通过高级优化和摇树技术，可以有效剔除无用代码，进一步精简文件大小。无缝集成与互操作：Rust具备自动生成与Rus
- 深度学习与图像识别：机器学习基础之回归
Shenrn_
机器学习回归深度学习
1.线性回归1.1一元线性回归1.2多元线性回归2.逻辑回归与线性回归的不同在于其将最终预测值y固定在一个范围之中2.1Sigmoid函数sigmoid函数表达式：p为预测出来的概率，范围在0-1之间，一般用于处理二分类问题，因为这个式子的一个显著特征在于：当z=0,p=0.5当z>0,p>0.5当z<0,p<0.5所以当对z进行多元线性回归表示的时候，以p的值来反映y_pre是一个不错的选择，此
- 推荐系统Day2笔记
『₣λ¥√≈üĐ』
机器学习人工智能
协同过滤（CollaborativeFiltering）推荐算法是最经典、最常用的推荐算法。基本思想是：根据用户之前的喜好以及其他兴趣相近的用户的选择来给用户推荐物品。基于对用户历史行为数据的挖掘发现用户的喜好偏向，并预测用户可能喜好的产品进行推荐。一般是仅仅基于用户的行为数据（评价、购买、下载等）,而不依赖于项的任何附加信息（物品自身特征）或者用户的任何附加信息（年龄，性别等）。目前应用比较广泛
- 机器学习和线性回归、softmax回归
小名叫咸菜
人工智能线性回归
监督学习监督学习（supervisedlearning）擅⻓在“给定输⼊特征”的情况下预测标签。每个“特征-标签”对都称为一个样本（example）。我们的目标是生成一个模型，能够将任何输⼊特征映射到标签（即预测）。回归——平方误差损失函数回归（regression）是最简单的监督学习任务之一。分类——交叉熵样本属于“哪一类”的问题称为分类问题回归是训练一个回归函数来输出一个数值；分类是训练一个分
- 未来网络的高速引擎：800G光模块市场预测与应用前景
益莱储中国
信息与通信
近年来，VR、物联网、云计算等新业务的出现，对网络带宽、并发、实时性能提出了更高的要求。随着带宽需求持续飙升，100G、200G和400G光模块将保持重要的市场份额，800G光模块也将获得吸引力。800G光模块是AI算力产业链上的重要环节。随着AI算力需求的激增，800G光模块等高速光模块的需求显著增长，其市场规模也有望进一步扩大。光通信行业市场研究机构LightCounting指出，2022至2
- ubuntu安装mysql8，离线安装mysql8
lsw1990lsw
ubuntulinux运维mysql
1、mysql官网下载安装包，版本号以实际下载为准https://dev.mysql.com/downloads/mysql/如：mysql-server_8.0.40-1ubuntu24.04_amd64.deb-bundle.tar2、上传到服务器如/opt/目录3、创建一个mysql目录解压mkdirmysql&tar-xvfmysql-server_8.0.40-1ubuntu24.04_
- 大模型AI应用安全与合规测试实战指南-模型层
测试匠心：技能精进·职场跃迁·面试赢家
人工智能安全
——如何为生成式AI构筑“防火墙”与“红绿灯”一、当大模型落地时，我们在担忧什么？2023年，某金融公司上线智能客服，因未过滤用户隐私数据，导致信用卡号泄露；某医疗AI在诊断建议中生成错误药物剂量，引发监管审查……大模型在释放巨大商业价值的同时，安全与合规问题已成悬顶之剑。核心痛点直击：黑盒失控：生成内容不可预测，传统规则引擎失效数据深渊：训练数据含敏感信息，清洗难度指数级上升合规迷宫：全球AI监
- LSTM-SVM故障诊断 | 基于长短期记忆神经网络-支持向量机多特征分类预测/故障诊断Matlab代码实现
机器学习之心
分类预测神经网络lstm支持向量机LSTM-SVM故障诊断
LSTM-SVM故障诊断|基于长短期记忆神经网络-支持向量机多特征分类预测/故障诊断Matlab代码实现完整代码私信回复LSTM-SVM故障诊断|基于长短期记忆神经网络-支持向量机多特征分类预测/故障诊断Matlab代码实现一、引言1.1、研究背景和意义在现代工业生产中，机械设备的高效稳定运行对保障生产安全和提高生产效率至关重要。因此，故障诊断技术作为预防和维护设备性能的关键手段，受到了广泛关注和
- 吴恩达-机器学习-多元线性回归模型代码
StrawBerryTreea
机器学习机器学习线性回归python吴恩达
吴恩达《机器学习》2022版第一节第二周多元线性回归房价预测简单实现以下以下共两个实验，都是通过调用sklearn函数，分别实现了一元线性回归和多元线性回归的房价预测。一、一元线性回归importnumpyasnpnp.set_printoptions(precision=2)fromsklearn.linear_modelimportLinearRegression#输入数据X_train=np
- 基于Knative的无服务器引擎重构：实现毫秒级冷启动的云原生应用浪潮
桂月二二
云原生knativeserverless
引言：从微服务到无状态的量子跃迁当容器启动时间仍困在900ms高位时，某视频直播平台采用Knative将突发流量处理时效提升40倍，弹性扩缩响应速度突破至120ms级。基于流量预测的预启动算法与内核级资源复用池两大技术创新，正在重新定义Serverless时代的性能边界。IDC最新报告指出，采用该架构的企业资源利用率平均提升至78%，年度计算成本直降320万美元。一、传统FaaS模型的性能桎梏1.
- DeepSeek —— 金融市场中的AI颠覆者 ！！！
云边有个稻草人
热门文章人工智能金融大数据DeepSeek
目录云边有个稻草人-CSDN博客引言第1章：DeepSeek的技术概述第2章：DeepSeek对金融行业的影响2.1自动化与决策支持2.2风险评估与管理2.3金融市场预测2.4高频交易与量化分析第3章：展示如何利用DeepSeek进行不同的金融数据分析3.1市场情绪分析3.2新闻事件对股票价格的影响3.3使用DeepSeek进行量化策略回测3.4使用DeepSeek进行投资组合优化第4章：金融界专
- KubeEdge 1.20.0 版本发布
laowangsen
数据库
KubeEdge1.20.0现已发布。新版本针对大规模、离线等边缘场景对边缘节点和应用的管理、运维等能力进行了增强，同时新增了多语言Mapper-Framework的支持。新增特性：支持批量节点操作多语言Mapper-Framework支持边缘keadmctl新增podslogs/exec/describe和Devicesget/edit/describe能力解耦边缘应用与节点组，支持使用Node
- 初识redux
未命名小孩
前端知识reactjstypescript
Redux是一个用于管理JavaScript应用程序状态的可预测状态容器核心概念1.单一数据源整个应用的状态被存储在一个单一的对象树（store）中，这个对象树位于唯一的store里。创建store：conststore=createStore(reducer)2.状态是只读的唯一改变状态的方法是触发一个action，action是一个描述状态变化的纯对象。这保证了所有的状态变化都是可追踪的。一个
- 国内十大工业物联网平台分析报告(2025年)
CServer_01
工业物联网工业物联网平台工业物联网平台选型物联网
目录1、工业物联网简介1.1、引言1.2、工业物联网平台架构1.3、工业物联网平台核心功能2、工业物联网发展趋势2.1、总体趋势2.2、技术趋势2.3、市场发展趋势2.4、应用趋势3、工业物联网平台市场预测3.1、工业物联网平台3.2、DCS3.3、实时数据库3.4、SCADA3.5、数字孪生3.6、设备全生命周期管理系统4、主要工业物联网平台供应商介绍4.1、蓝卓4.2、涂鸦智能4.3、中服云4
- 《探秘AI绿色计算：降低人工智能硬件能耗的热点技术》
程序猿阿伟
人工智能
在人工智能飞速发展的当下，其硬件能耗问题愈发凸显。据国际能源署预测，人工智能的能源消耗可能大幅增长。因此，降低人工智能硬件能耗，实现绿色计算，已成为行业关键课题。以下是一些正在崭露头角的热点技术。新型硬件架构与材料计算随机存取内存（CRAM）：明尼苏达大学的研究团队开发的CRAM，能让数据完全在内存阵列内处理，无需离开计算机存储信息的网格，打破了传统冯·诺依曼体系结构中计算与内存之间的壁垒，可将人
- 银河麒麟系统V10（arm版）离线安装postgresql说明
爱T小毛驴
arm开发postgresql数据库
#银河麒麟系统#,#arm版操作系统）#随着2024年微软全球蓝屏丑闻的出现，系统安全越来越重要。目前很多企业开始尝试国产化操作系统上，本文介绍如何在国产化银河麒麟系统V10（arm）版上安装postgresql数据库，方便后续程序开发和环境部署。本资源使用的是arm版本的postgresql的docker镜像，能够在arm版国产化银河麒麟系统上进行安装。安装步骤如下：（1）导入镜像文件（找到po
- 程序员如何将技术咨询服务转化为SaaS产品
AI天才研究院
ChatGPTAI大模型企业级应用开发实战DeepSeekR1&大数据AI人工智能大模型大厂Offer收割机面试题简历程序员读书硅基计算碳基计算认知计算生物计算深度学习神经网络大数据AIGCAGILLMJavaPython架构设计Agent程序员实现财富自由
引言与概述在当今快速发展的数字化时代，软件即服务（SaaS）已经成为企业服务市场的重要趋势。随着云计算和大数据技术的普及，越来越多的企业开始将传统的技术咨询服务转化为SaaS产品，以提供更加灵活、可扩展的服务。这不仅为企业带来了新的增长点，也极大地改变了技术服务行业的发展格局。SaaS市场的增长趋势SaaS市场呈现出快速增长的态势，根据市场研究机构的预测，全球SaaS市场的规模将在未来几年内持续扩
- 2025游戏行业的趋势预测
疯子的游戏梦
游戏行业的理解游戏
一、市场现状从总产值的角度来看，游戏总产值的增长率已经放缓，由增量市场转化为存量市场，整体的竞争强度将会加大，技术水平不强（开发技术弱、产品品质低、开发效率低）的公司将会面临更大的生存的困难。从表现形式的角度来看，从2003年端游的兴起，到2015年移动游戏的兴起，游戏形式会随着设备的更迭而产生新的形式，在2025年-2030年，本人预测随着VR、AR设备的成熟（价格更低、性能更好、外形更小），游
- Java常用排序算法/程序员必须掌握的8大排序算法
cugfy
java
分类：
1）插入排序（直接插入排序、希尔排序）
2）交换排序（冒泡排序、快速排序）
3）选择排序（直接选择排序、堆排序）
4）归并排序
5）分配排序（基数排序）
所需辅助空间最多：归并排序
所需辅助空间最少：堆排序
平均速度最快：快速排序
不稳定：快速排序，希尔排序，堆排序。
先来看看8种排序之间的关系：
1.直接插入排序
（1
- 【Spark102】Spark存储模块BlockManager剖析
bit1129
manager
Spark围绕着BlockManager构建了存储模块，包括RDD，Shuffle，Broadcast的存储都使用了BlockManager。而BlockManager在实现上是一个针对每个应用的Master/Executor结构，即Driver上BlockManager充当了Master角色，而各个Slave上(具体到应用范围，就是Executor)的BlockManager充当了Slave角色
- linux 查看端口被占用情况详解
daizj
linux端口占用netstatlsof
经常在启动一个程序会碰到端口被占用，这里讲一下怎么查看端口是否被占用，及哪个程序占用，怎么Kill掉已占用端口的程序
1、lsof -i:port
port为端口号
[root@slave /data/spark-1.4.0-bin-cdh4]# lsof -i:8080
COMMAND PID USER FD TY
- Hosts文件使用
周凡杨
hostslocahost
一切都要从localhost说起，经常在tomcat容器起动后，访问页面时输入http://localhost:8088/index.jsp，大家都知道localhost代表本机地址，如果本机IP是10.10.134.21，那就相当于http://10.10.134.21:8088/index.jsp，有时候也会看到http: 127.0.0.1:
- java excel工具
g21121
Java excel
直接上代码，一看就懂，利用的是jxl：
import java.io.File;
import java.io.IOException;
import jxl.Cell;
import jxl.Sheet;
import jxl.Workbook;
import jxl.read.biff.BiffException;
import jxl.write.Label;
import
- web报表工具finereport常用函数的用法总结（数组函数）
老A不折腾
finereportweb报表函数总结
ADD2ARRAY
ADDARRAY(array,insertArray, start):在数组第start个位置插入insertArray中的所有元素，再返回该数组。
示例：
ADDARRAY([3,4, 1, 5, 7], [23, 43, 22], 3)返回[3, 4, 23, 43, 22, 1, 5, 7].
ADDARRAY([3,4, 1, 5, 7], "测试&q
- 游戏服务器网络带宽负载计算
墙头上一根草
服务器
家庭所安装的4M，8M宽带。其中M是指，Mbits/S
其中要提前说明的是：
8bits = 1Byte
即8位等于1字节。我们硬盘大小50G。意思是50*1024M字节，约为 50000多字节。但是网宽是以“位”为单位的，所以，8Mbits就是1M字节。是容积体积的单位。
8Mbits/s后面的S是秒。8Mbits/s意思是 每秒8M位，即每秒1M字节。
我是在计算我们网络流量时想到的
- 我的spring学习笔记2-IoC（反向控制 依赖注入）
aijuans
Spring 3 系列
IoC（反向控制 依赖注入）这是Spring提出来了，这也是Spring一大特色。这里我不用多说，我们看Spring教程就可以了解。当然我们不用Spring也可以用IoC，下面我将介绍不用Spring的IoC。
IoC不是框架，她是java的技术，如今大多数轻量级的容器都会用到IoC技术。这里我就用一个例子来说明：
如：程序中有 Mysql.calss 、Oracle.class 、SqlSe
- 高性能mysql 之 选择存储引擎(一)
annan211
mysqlInnoDBMySQL引擎存储引擎
1 没有特殊情况，应尽可能使用InnoDB存储引擎。 原因：InnoDB 和 MYIsAM 是mysql 最常用、使用最普遍的存储引擎。其中InnoDB是最重要、最广泛的存储引擎。她 被设计用来处理大量的短期事务。短期事务大部分情况下是正常提交的，很少有回滚的情况。InnoDB的性能和自动崩溃 恢复特性使得她在非事务型存储的需求中也非常流行，除非有非常
- UDP网络编程
百合不是茶
UDP编程局域网组播
UDP是基于无连接的,不可靠的传输 与TCP/IP相反
UDP实现私聊,发送方式客户端,接受方式服务器
package netUDP_sc;
import java.net.DatagramPacket;
import java.net.DatagramSocket;
import java.net.Ine
- JQuery对象的val()方法执行结果分析
bijian1013
JavaScriptjsjquery
JavaScript中，如果id对应的标签不存在（同理JAVA中，如果对象不存在），则调用它的方法会报错或抛异常。在实际开发中，发现JQuery在id对应的标签不存在时，调其val()方法不会报错，结果是undefined。
- http请求测试实例（采用json-lib解析）
bijian1013
jsonhttp
由于fastjson只支持JDK1.5版本，因些对于JDK1.4的项目，可以采用json-lib来解析JSON数据。如下是http请求的另外一种写法，仅供参考。
package com;
import java.util.HashMap;
import java.util.Map;
import
- 【RPC框架Hessian四】Hessian与Spring集成
bit1129
hessian
在【RPC框架Hessian二】Hessian 对象序列化和反序列化一文中介绍了基于Hessian的RPC服务的实现步骤，在那里使用Hessian提供的API完成基于Hessian的RPC服务开发和客户端调用，本文使用Spring对Hessian的集成来实现Hessian的RPC调用。
定义模型、接口和服务器端代码
|---Model
&nb
- 【Mahout三】基于Mahout CBayes算法的20newsgroup流程分析
bit1129
Mahout
1.Mahout环境搭建
1.下载Mahout
http://mirror.bit.edu.cn/apache/mahout/0.10.0/mahout-distribution-0.10.0.tar.gz
2.解压Mahout
3. 配置环境变量
vim /etc/profile
export HADOOP_HOME=/home
- nginx负载tomcat遇非80时的转发问题
ronin47
nginx负载后端容器是tomcat（其它容器如WAS,JBOSS暂没发现这个问题）非８０端口，遇到跳转异常问题。解决的思路是：$host:port
详细如下：
该问题是最先发现的，由于之前对nginx不是特别的熟悉所以该问题是个入门级别的：
? 1 2 3 4 5
- java-17-在一个字符串中找到第一个只出现一次的字符
bylijinnan
java
public class FirstShowOnlyOnceElement {
/**Q17.在一个字符串中找到第一个只出现一次的字符。如输入abaccdeff，则输出b
* 1.int[] count:count[i]表示i对应字符出现的次数
* 2.将26个英文字母映射：a-z <--> 0-25
* 3.假设全部字母都是小写
*/
pu
- mongoDB 复制集
开窍的石头
mongodb
mongo的复制集就像mysql的主从数据库，当你往其中的主复制集(primary)写数据的时候，副复制集(secondary)会自动同步主复制集(Primary)的数据,当主复制集挂掉以后其中的一个副复制集会自动成为主复制集。提供服务器的可用性。和防止当机问题
mo
- [宇宙与天文]宇宙时代的经济学
comsci
经济
宇宙尺度的交通工具一般都体型巨大，造价高昂。。。。。
在宇宙中进行航行，近程采用反作用力类型的发动机，需要消耗少量矿石燃料，中远程航行要采用量子或者聚变反应堆发动机，进行超空间跳跃，要消耗大量高纯度水晶体能源
以目前地球上国家的经济发展水平来讲，
- Git忽略文件
Cwind
git
有很多文件不必使用git管理。例如Eclipse或其他IDE生成的项目文件，编译生成的各种目标或临时文件等。使用git status时，会在Untracked files里面看到这些文件列表，在一次需要添加的文件比较多时（使用git add . / git add -u），会把这些所有的未跟踪文件添加进索引。
==== ==== ==== 一些牢骚
- MySQL连接数据库的必须配置
dashuaifu
mysql连接数据库配置
MySQL连接数据库的必须配置
1.driverClass：com.mysql.jdbc.Driver
2.jdbcUrl：jdbc:mysql://localhost:3306/dbname
3.user：username
4.password：password
其中1是驱动名；2是url，这里的‘dbna
- 一生要养成的60个习惯
dcj3sjt126com
习惯
一生要养成的60个习惯
第1篇 让你更受大家欢迎的习惯
1 守时，不准时赴约,让别人等,会失去很多机会。
如何做到：
①该起床时就起床，
②养成任何事情都提前15分钟的习惯。
③带本可以随时阅读的书，如果早了就拿出来读读。
④有条理，生活没条理最容易耽误时间。
⑤提前计划：将重要和不重要的事情岔开。
⑥今天就准备好明天要穿的衣服。
⑦按时睡觉，这会让按时起床更容易。
2 注重
- [介绍]Yii 是什么
dcj3sjt126com
PHPyii2
Yii 是一个高性能，基于组件的 PHP 框架，用于快速开发现代 Web 应用程序。名字 Yii （读作 易）在中文里有“极致简单与不断演变”两重含义，也可看作 Yes It Is! 的缩写。
Yii 最适合做什么？
Yii 是一个通用的 Web 编程框架，即可以用于开发各种用 PHP 构建的 Web 应用。因为基于组件的框架结构和设计精巧的缓存支持，它特别适合开发大型应
- Linux SSH常用总结
eksliang
linux sshSSHD
转载请出自出处：http://eksliang.iteye.com/blog/2186931 一、连接到远程主机
格式：
ssh name@remoteserver
例如：
ssh
[email protected]
二、连接到远程主机指定的端口
格式：
ssh name@remoteserver -p 22
例如：
ssh i
- 快速上传头像到服务端工具类FaceUtil
gundumw100
android
快速迭代用
import java.io.DataOutputStream;
import java.io.File;
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.FileOutputStream;
import java.io.IOExceptio
- jQuery入门之怎么使用
ini
JavaScripthtmljqueryWebcss
jQuery的强大我何问起（个人主页：hovertree.com）就不用多说了，那么怎么使用jQuery呢？
首先，下载jquery。下载地址：http://hovertree.com/hvtart/bjae/b8627323101a4994.htm，一个是压缩版本，一个是未压缩版本，如果在开发测试阶段，可以使用未压缩版本，实际应用一般使用压缩版本(min)。然后就在页面上引用。
- 带filter的hbase查询优化
kane_xie
查询优化hbaseRandomRowFilter
问题描述
hbase scan数据缓慢，server端出现LeaseException。hbase写入缓慢。
问题原因
直接原因是： hbase client端每次和regionserver交互的时候，都会在服务器端生成一个Lease,Lease的有效期由参数hbase.regionserver.lease.period确定。如果hbase scan需
- java设计模式-单例模式
men4661273
java单例枚举反射IOC
单例模式1，饿汉模式
//饿汉式单例类.在类初始化时，已经自行实例化
public class Singleton1 {
//私有的默认构造函数
private Singleton1() {}
//已经自行实例化
private static final Singleton1 singl
- mongodb 查询某一天所有信息的3种方法，根据日期查询
qiaolevip
每天进步一点点学习永无止境mongodb纵观千象
// mongodb的查询真让人难以琢磨，就查询单天信息，都需要花费一番功夫才行。
// 第一种方式：
coll.aggregate([
{$project:{sendDate: {$substr: ['$sendTime', 0, 10]}, sendTime: 1, content:1}},
{$match:{sendDate: '2015-
- 二维数组转换成JSON
tangqi609567707
java二维数组json
原文出处：http://blog.csdn.net/springsen/article/details/7833596
public class Demo {
public static void main(String[] args) { String[][] blogL
- erlang supervisor
wudixiaotie
erlang
定义supervisor时，如果是监控celuesimple_one_for_one则删除children的时候就用supervisor:terminate_child (SupModuleName, ChildPid)，如果shutdown策略选择的是brutal_kill，那么supervisor会调用exit(ChildPid, kill)，这样的话如果Child的behavior是gen_
