欧恩方
欧恩方

扫读 | Towards Personalized Federated Learning

arxiv:2103.00710 传送门

  1. 综述个性化联邦学习（Personalized FL，PFL）的进展。讨论了PFL目前的发展阻碍，并将PFL分为基于数据的和基于模型的方法。展望PFL的发展轨迹、PFL的benchmarking、可信赖的PFL方法
  2. PFL的发展阻碍
    • 有限的FL框架
    • 隐私保护约束。现有很多方法不满足隐私保护的需求，有的允许本地数据或元数据的共享，有的假设可以用能代表整体分布的代理数据集
  3. PFL方法
    • 基于数据的方法
      • 目标是平滑掉统计上的异构性
      • 数据增强，通常需要共享一些数据
      • 客户节点选择，用本地更新的梯度，跟在服务器上代理数据集上的梯度进行比较
    • 基于模型的方法
      • 单模型PFL方法
        • 学习模型的一个可用的初始化版本，或者学习更理想的任务特定的本地表示
        • 元学习
        • 参数解耦，比如把embedding层作为私密参数，或者把特征提取层作为隐私层，只联邦学习其他的层
      • 多模型PFL方法
        • 节点聚类，每类节点维持一个模型。这种方法需要更多的计算和通讯消耗
      • N-模型PFL方法
        • 多任务学习，通常假设任务之间存在联系
        • 模型插值，每个节点训练自己的模型，用一个惩罚项来约束它跟平均的结果尽量相同，保持整体的相似性
        • 迁移学习
        • 参数解耦，把模型分为base层和personalized层，只共享base层（跟拆分特征提取层和分类层有何区别？）
    • 未来发展方向
      • 客户端的数据分布分析
      • 聚合处理：如匹配平均
      • 空间适应性：处理如新节点、掉线、stragglers的能力
      • 时间适应性：处理非静态数据的能力
        扫读 | Towards Personalized Federated Learning_第1张图片

你可能感兴趣的:(联邦学习)

  • 联邦学习 Federated learning Google I/O‘19 笔记 努力搬砖的星期五 笔记联邦学习机器学习机器学习tensorflow
    FederatedLearning:MachineLearningonDecentralizeddatahttps://www.youtube.com/watch?v=89BGjQYA0uE文章目录FederatedLearning:MachineLearningonDecentralizeddata1.DecentralizeddataEdgedevicesGboard:mobilekeyboa
  • SAFEFL: MPC-friendly Framework for Private and Robust Federated Learning论文阅读笔记 慘綠青年627 论文阅读笔记深度学习
    SAFEFL:MPC-friendlyFrameworkforPrivateandRobustFederatedLearning适用于私有和鲁棒联邦学习的MPC友好框架SAFEFL，这是一个利用安全多方计算(MPC)来评估联邦学习(FL)技术在防止隐私推断和中毒攻击方面的有效性和性能的框架。概述传统机器学习（ML）：集中收集数据->隐私保护问题privacy-preservingML(PPML)采
  • 探索联邦学习：保护隐私的机器学习新范式 洋葱蚯蚓 机器学习python机器学习人工智能神经网络深度学习算法
    探索联邦学习：保护隐私的机器学习新范式前言联邦学习简介联邦学习的原理联邦学习的应用场景联邦学习示例代码结语前言  在数字化浪潮的推动下，我们步入了一个前所未有的数据驱动时代。海量的数据不仅为科学研究、商业决策和日常生活带来了革命性的变化，同时也带来了前所未有的挑战。尤其是数据隐私和安全问题，已经成为全球关注的焦点。  随着对个人隐私保护意识的增强，传统的集中式数据处理方式正逐渐暴露出其局限性。数据
  • 网络安全: 模型的脆弱性，鲁棒性和隐私性 不当菜鸡的程序媛 学习记录web安全安全
    在网络安全领域，通常描述模型安全性时，会提到以下三个特性：脆弱性（Vulnerability）：指模型在某些情况下容易受到攻击或被利用的弱点。例如，模型可能对对抗性攻击或梯度泄露攻击敏感。鲁棒性（Robustness）：指模型抵御攻击和在恶劣环境下保持性能的能力。提高模型的鲁棒性是增强其抵御攻击能力的关键。隐私性（Privacy）：指保护模型或其训练数据免受信息泄露的能力。隐私性问题在联邦学习和其
  • 实践案例｜孟宪超：基于隐语深度学习在保险联合定价中的应用（附演讲视频） 隐私开源
    “隐语”是开源的可信隐私计算框架，内置MPC、TEE、同态等多种密态计算虚拟设备供灵活选择，提供丰富的联邦学习算法和差分隐私机制。开源项目：https://github.com/secretflowhttps://gitee.com/secretflow演讲实录11月25日，「隐语开源社区Meetup·西安站」顺利举办，本文为大家带来的是蚂蚁集团车险精算平台技术专家孟宪超，在「隐语开源社区Meet
  • 【Deep Dive:AI Webinar】联邦学习-数据安金性和隐私性分析的思维转换 开源社 人工智能
    【深入探讨人工智能】网络研讨系列总共有17个视频。我们按照视频内容，大致上分成了3个大类：1.人工智能的开放、风险与挑战（4篇）2.人工智能的治理（总共12篇），其中分成了几个子类：a.人工智能的治理框架（3篇）b.人工智能的数据治理（4篇）c.人工智能的许可证（4篇）d.人工智能的法案（1篇）3.炉边对谈-谁在构建开源人工智能?今天发布的是第11个视频，亦即第二个大类别“人工智能的治理”里的第二
  • Apache Pulsar 在腾讯 Angel PowerFL 联邦学习平台上的实践 StreamNative
    腾讯AngelPowerFL联邦学习平台联邦学习作为新一代人工智能基础技术，通过解决数据隐私与数据孤岛问题，重塑金融、医疗、城市安防等领域。腾讯AngelPowerFL联邦学习平台构建在Angel机器学习平台上，利用Angel-PS支持万亿级模型训练的能力，将很多在Worker上的计算提升到PS（参数服务器）端；AngelPowerFL为联邦学习算法提供了计算、加密、存储、状态同步等基本操作接口，
  • 联邦学习-安全树模型 SecureBoost之Desicion Tree 秃顶的码农
    联邦学习-安全树模型SecureBoost之DesicionTree1联邦学习背景鉴于数据隐私的重要性，国内外对于数据的保护意识逐步加强。2018年欧盟发布了《通用数据保护条例》（GDPR），我国国家互联网信息办公室起草的《数据安全管理办法(征求意见稿)》因此数据在安全合规的前提下自由流动，成了大势所趋。这些法律法规的出台，不同程度的对人工智能传统处理数据的方式提出更多的挑战。AI高度发展的今天，
  • 最新论文笔记(+21)：Privacy-Preserving Byzantine-Robust Federated Learning via Blockchain Systems/ TIFS2022 cryptocxf 论文笔记联邦学习论文阅读区块链
    Privacy-PreservingByzantine-RobustFederatedLearningviaBlockchainSystems可译为“利用区块链实现隐私保护的拜占庭鲁棒性联邦学习”这篇是今年八月份被TIFS2022（CCFA）收录的文章，写的利用全同态加密和区块链技术解决联邦学习中隐私问题和可信问题（虽然区块链仅仅只是存储的作用，也稍微提了一下）。精读完这篇文章，整体感觉还不错，毕
  • pysyft框架中WebsocketClientWorker与WebsocketServerWorker的消息传输 一只特立独行的猫 Pysyft学习笔记pytorch
    引言pysyft是基于pytorch的一个联邦学习框架（虽然用起来很难受），通过内存管理实现联邦学习的模拟。在pysyft中，WebsocketServerWorker充当数据的提供方（数据存储方），而WebsocketClientWorker作为数据的使用方（指令提供方），通过WebsocketClientWorker以TCP连接的方式向WebsocketServerWorker请求服务，从而实
  • 论文解读-Agglomerative Federated Learning: Empowering Larger Model Training MCRG 联邦学习学习笔记联邦学习云计算边缘计算机器学习分布式
    联邦学习新探：端边云协同引领大模型训练的未来｜INFOCOM2024联邦学习（FederatedLearning）就是一种能够在不损害用户隐私的前提下，训练人工智能模型的技术。随着云计算、边缘计算和终端设备的发展，端边云协同（End-Edge-CloudCollaboration）计算范式的出现，为联邦学习算法的实施与部署提供了新的路径。由中国科学院计算技术研究所、中国科学院大学、中关村实验室和北
  • 2019年3月18日 真昼之月
    醒来时状态很一般。地铁上暂时不想看书，就把灌篮高手的漫画带着翻了一阵子。今天的SQB模式也一如既往地没有出货。上午各种刷reddit摸鱼+水群，期间看群里FIFA视频时还被领导路过了电脑，不得不感叹幸好当时不是在看色图（？）因为有点困所以没下楼吃午饭直接睡觉，睡醒之后才下楼买零食充饥。下午看了会儿keras的文档，感觉还是欠缺实战，这一点还是得依赖kaggle？之后开虚拟机打算研究一下联邦学习，结
  • 我的隐私计算学习——联邦学习（3） Atara8088 学习密码学安全人工智能同态加密
    本篇笔记主要是根据这位老师的知识分享整理而成【公众号：秃顶的码农】，我从他的资料里学到了很多，期间还私信询问了一些困惑，都得到了老师详细的答复，相当nice！（五）纵向联邦学习—安全树思路可以通过以下脉络学习：决策树--------->集成方法Bagging&Boosting--------->GBDT--------->XGBoost--------->SecureBoostTree这个版块的内
  • 我的隐私计算学习——联邦学习（4） Atara8088 学习密码学安全人工智能
    本篇笔记部分内容来源于这位老师的知识分享【公众号：秃顶的码农】，我从他的资料里学到了很多，期间还私信询问了一些困惑，都得到了老师详细的答复，相当nice！（六）横向联邦学习—梯度更新聚合云端数据中心的分布式机器学习可以有成百上千的节点，对比横向联邦学习有一定的借鉴意义，都存在着节点更新的同步与异步的问题，节点梯度更新之后的问题、节点掉线的问题、数据的NonIID问题，但是横向联邦学习的场景更加复杂
  • 我的隐私计算学习——联邦学习（5） Atara8088 学习人工智能密码学安全
    笔记内容来自多本书籍、学术资料、白皮书及ChatGPT等工具，经由自己阅读后整理而成。（七）联邦迁移学习相关研究表明，联邦迁移学习不需要主服务器作为各参与方间的协调者，旨在让模型具备举一反三能力，在各参与方样本空间以及特征空间均存在较少交叉信息的情况下，使用迁移学习算法互助地构建模型，可解决标签样本少和数据集不足的问题，例如，某国电商平台与其他国家银行间的数据迁移场景，联邦迁移学习可以很好地解决数
  • 全同态加密的硬件加速：让机器学习更懂隐私保护 PrimiHub 同态加密机器学习区块链密码学可信计算技术
    PrimiHub一款由密码学专家团队打造的开源隐私计算平台，专注于分享数据安全、密码学、联邦学习、同态加密等隐私计算领域的技术和内容。问题：保护敏感数据企业机构间合作处理数据越来越频繁，通常使用云服务为数据共享保驾护航。保护数据隐私至关重要，特别是在处理个人可识别信息（PII）、个人健康信息（PHI）、知识产权和情报洞察等敏感数据时。数据有三种基本状态：静态、传输和使用。通常情况下，敏感数据在存储
  • 2024年深圳市工业和信息化局软件产业高质量发展技术创新体系扶持计划产业链关键环节提升项目申请指南 高新技术企业认定条件 项目政策大数据
    一、资助的项目类别软件企业围绕大数据、云计算、区块链、信息安全、数字孪生等软件产业重点发展方向，组织实施经济社会效益显著、主要性能指标取得突破的新产品应用推广项目。（一）大数据:重点支持数据采集、数据清洗、数据分析发掘、数据可视化、大数据行业应用、联邦学习、隐私计算等领域。（二）云计算：重点支持平台即服务（PaaS）、软件即服务（SaaS）等领域。（三）区块链：重点支持区块链底层平台建设，以及在金
  • 联邦学习：密码学 + 机器学习 + 分布式 实现隐私计算，破解医学界数据孤岛的长期难题 Debroon 医学视觉#AI安全#机器学习深度学习
    联邦学习：密码学+机器学习+分布式提出背景：数据不出本地，又能合力干大事联邦学习的问题联邦学习架构分布式机器学习：解决大数据量处理的问题横向联邦学习：解决跨多个数据源学习的问题纵向联邦学习：解决数据分散在多个参与者但部分特征重叠的问题联邦+迁移学习：结合联邦学习和迁移学习，不同任务间共享知识，同时保持数据隐私医疗+联邦学习：跨多个医疗机构共享模型学习，同时保护患者隐私大模型+联邦学习提出背景：数据
  • 阿里巴巴开源联邦学习框架FederatedScope 魏铁锤爱摸鱼 开源
    5月5日，阿里巴巴达摩院发布新型联邦学习框架FederatedScope，声称可以在不共享训练数据的情况下开发机器学习算法，从而保护隐私。，其源代码现已在Apache2.0许可下发布在GitHub上。介绍该平台被描述为一个全面的联邦学习框架，为学术界和工业界的各种机器学习任务提供灵活的定制。它还被声称易于掌握，允许用户集成自己的组件，包括特定应用程序的数据集和模型。联邦学习，顾名思义，是一种跨多个
  • 联邦学习框架：FedAdapt: Adaptive Offloading for IoT Devices in Federated Learning 框架的部署实现 我要 成果 边缘计算边缘智能框架联邦学习centos通信协同推理
    目录虚拟机的安装简化版（三台）环境配置安装Anaconda创建环境安装pytorch关闭防火墙代码代码下载数据集下载代码修改上传到虚拟机虚拟机测试修改虚拟机的主机名运行FedAdapt是一个全面的物联网边缘环境的框架，克服了加速联合学习资源有限的设备上的挑战，减少散兵游勇所产生的物联网设备的计算异质性和适应不同的设备和边缘服务器之间的网络带宽的影响。虚拟机的安装简化版（三台）三台centos7虚拟
  • 联邦学习论文阅读：Federated collaborative filtering thormas1996 联邦学习联邦学习论文阅读
    今年一月刚挂上arXiv的一篇联邦推荐文章Federatedcollaborativefilteringforprivacy-preservingpersonalizedrecommendationsystem。摘要作者将一个隐形反馈的CF模型修改成了联邦学习的框架，隐私性用Fed-Avg算法保证。总的来说，没什么创新。问题在保护用户隐私的情况下利用隐性反馈进行推荐框架一个横向联邦的框架，和goo
  • 边缘计算和联邦学习的联系 slomay 边缘计算经验分享
    1.什么是边缘计算？边缘计算（EdgeComputing）是一种计算模型，其主要思想是将计算、存储和数据处理能力推送到离数据源近的边缘设备，而不是依赖于远程的云服务器。这样做的目的是减少数据传输延迟、提高响应速度，同时降低对云计算中心的依赖性。边缘计算通常在物理临近设备的位置进行数据处理，以满足实时性、安全性和隐私性的要求。例如：考虑一个城市的智能监控摄像头系统，用于监测交通、公共场所和安全状况。
  • 高级分布式系统-第15讲 分布式机器学习--联邦学习 十有久诚 分布式机器学习人工智能高级分布式系统神经网络
    联邦学习两种常见的架构：客户-服务器架构和对等网络架构联邦学习在传统的分布式机器学习基础上的变化。传统的分布式机器学习：在数据中心或计算集群中使用并行训练，因为有高速通信连接，所以通信开销相对很小，计算开销将会占主导地位。联邦学习：通信需要依靠互联网，甚至是无线网络，所以通信代价是占主导地位的。减少通信轮次的方法增加并行度：加入更多的参与方，让它们在通信轮次间各自独立地进行模型训练。增加每一个
  • 【论文阅读】异构联邦学习综述：最新进展与研究挑战 鸿鹄一夏 论文笔记机器学习人工智能
    目录前言Background什么是联邦学习什么是异构联邦学习AbstractIntroductionSurveyResearchChallenges（研究挑战）StatisticalHeterogeneity(数据异质性)ModelHeterogeneity(模型异质性)ComuunicationHeterogeneity（通信异质性）DeviceHeterogeneity（设备异质性）State
  • 分裂联邦学习论文-混合联邦分裂学习GAN驱动的预测性多目标优化 梦灯 人工智能论文EdgeAI生成对抗网络人工智能机器学习
    论文标题：《PredictiveGAN-PoweredMulti-ObjectiveOptimizationforHybridFederatedSplitLearning》期刊：IEEETransactionsonCommunications,2023一、论文介绍背景：联邦学习作为一种多设备协同训练的边缘智能算法，可以保护数据隐私，但增加了无线设备的计算负担。模型：为了解决上述问题，我们提出了一种
  • 使用MistNet在COCO128数据集上协作训练Yolo-v5 星星失眠️ 联邦学习YOLOpython人工智能
    本案例介绍如何在MNIST手写数字分类场景中，使用名为MistNet的聚合算法训练联邦学习作业。数据分散在不同的地方（如边缘节点、摄像头等），由于数据隐私和带宽的原因，无法在服务器上聚合。因此，我们不能将所有数据都用于训练。在某些情况下，边缘节点的计算资源有限，甚至没有训练能力。边缘无法从训练过程中获取更新的权重。因此，传统算法（例如，联合平均算法）通常聚合由不同边缘客户端训练的更新权重，在这种情
  • 迈向可持续人工智能：通过拍卖实现云边缘系统中的联邦学习需求响应 zhy2267291213 人工智能
    （原文：TowardSustainableAI:FederatedLearningDemandResponseinCloud-EdgeSystemsviaAuctions）摘要：云边缘系统时紧急需求响应EDR的重要参与者，有助于维持电网稳定和供需平衡。然而，UI这用户越来越多的在云边缘系统中执行人工智能工作负载，现有的ERD管理并不是针对al工作负载而设计的，因此面临着能源消耗和al模型准确性之间
  • 联邦学习的联合参与激励和网络定价设计 zhy2267291213 网络机器学习人工智能
    （原文：JointParticipationIncentiveandNetworkPricingDesignforFederatedLearning）摘要：由于当大量用户通过联邦学习训练大型机器学习模型时，动态变化且通常繁重的通信开销会给网络运营商带来巨大压力。运营商可能会选择动态改变网络价格作为响应，这最终将影响服务器和用户的收益。本文考虑了参与激励（用于鼓励用户对联邦学习的贡献）和网络定价（用
  • 零知识证明的最新发展和应用 PrimiHub 零知识证明区块链密码学可信计算技术同态加密github
    PrimiHub一款由密码学专家团队打造的开源隐私计算平台，专注于分享数据安全、密码学、联邦学习、同态加密等隐私计算领域的技术和内容。当企业收集大量客户数据去审查、改进产品和服务以及将数据资产货币化时，他们容易受到网络攻击威胁，造成数据泄露。数据泄露的损失每年都在上升，每次泄露平均造成损失420万美元，如下图所示，它们严重损害了企业的声誉和可信度。数据泄露的成本零知识证明(ZKPs)等隐私增强技术
  • 2024年1月10日最热AI论文Top5：DebugBench、AI智能体对齐、开放域问答系统、谈判游戏、联邦学习 夕小瑶 人工智能计算机视觉自然语言处理大模型chatgpt
    本文整理了今日发表在ArXiv上的AI论文中最热门的TOP5。论文热度排序、论文标签、中文标题、推荐理由和论文摘要均由赛博马良平台（saibomaliang.com）上的智能体「AI论文解读达人」提供。如需查看其他热门论文，欢迎移步saibomaliang.com^_^TOP1DebugBench:EvaluatingDebuggingCapabilityofLargeLanguageModels
  • HttpClient 4.3与4.3版本以下版本比较 spjich javahttpclient
    网上利用java发送http请求的代码很多，一搜一大把，有的利用的是java.net.*下的HttpURLConnection，有的用httpclient，而且发送的代码也分门别类。今天我们主要来说的是利用httpclient发送请求。 httpclient又可分为 httpclient3.x httpclient4.x到httpclient4.3以下 httpclient4.3
  • Essential Studio Enterprise Edition 2015 v1新功能体验 Axiba .net
    概述：Essential Studio已全线升级至2015 v1版本了！新版本为JavaScript和ASP.NET MVC添加了新的文件资源管理器控件，还有其他一些控件功能升级，精彩不容错过，让我们一起来看看吧！ syncfusion公司是世界领先的Windows开发组件提供商，该公司正式对外发布Essential Studio Enterprise Edition 2015 v1版本。新版本
  • [宇宙与天文]微波背景辐射值与地球温度 comsci 背景
            宇宙这个庞大,无边无际的空间是否存在某种确定的,变化的温度呢?      如果宇宙微波背景辐射值是表示宇宙空间温度的参数之一,那么测量这些数值,并观测周围的恒星能量输出值,我们是否获得地球的长期气候变化的情况呢?   &nbs
  • lvs-server 男人50 server
    #!/bin/bash # # LVS script for VS/DR # #./etc/rc.d/init.d/functions # VIP=10.10.6.252 RIP1=10.10.6.101 RIP2=10.10.6.13 PORT=80 case $1 in start)   /sbin/ifconfig eth2:0 $VIP broadca
  • java的WebCollector爬虫框架 oloz 爬虫
    WebCollector主页： https://github.com/CrawlScript/WebCollector 下载：webcollector-版本号-bin.zip将解压后文件夹中的所有jar包添加到工程既可。 接下来看demo package org.spider.myspider; import cn.edu.hfut.dmic.webcollector.cra
  • jQuery append 与 after 的区别 小猪猪08
    1、after函数 定义和用法： after() 方法在被选元素后插入指定的内容。 语法： $(selector).after(content) 实例： <html> <head> <script type="text/javascript" src="/jquery/jquery.js"></scr
  • mysql知识充电 香水浓 mysql
    索引 索引是在存储引擎中实现的，因此每种存储引擎的索引都不一定完全相同，并且每种存储引擎也不一定支持所有索引类型。 根据存储引擎定义每个表的最大索引数和最大索引长度。所有存储引擎支持每个表至少16个索引，总索引长度至少为256字节。 大多数存储引擎有更高的限制。MYSQL中索引的存储类型有两种：BTREE和HASH，具体和表的存储引擎相关； MYISAM和InnoDB存储引擎
  • 我的架构经验系列文章索引 agevs 架构
    下面是一些个人架构上的总结，本来想只在公司内部进行共享的，因此内容写的口语化一点，也没什么图示，所有内容没有查任何资料是脑子里面的东西吐出来的因此可能会不准确不全，希望抛砖引玉，大家互相讨论。 要注意，我这些文章是一个总体的架构经验不针对具体的语言和平台，因此也不一定是适用所有的语言和平台的。 （内容是前几天写的，现附上索引）   前端架构 http://www.
  • Android so lib库远程http下载和动态注册 aijuans andorid
    一、背景      在开发Android应用程序的实现，有时候需要引入第三方so lib库，但第三方so库比较大，例如开源第三方播放组件ffmpeg库, 如果直接打包的apk包里面, 整个应用程序会大很多.经过查阅资料和实验，发现通过远程下载so文件，然后再动态注册so文件时可行的。主要需要解决下载so文件存放位置以及文件读写权限问题。   二、主要
  • linux中svn配置出错 conf/svnserve.conf:12: Option expected 解决方法 baalwolf option
    在客户端访问subversion版本库时出现这个错误： svnserve.conf:12: Option expected 为什么会出现这个错误呢，就是因为subversion读取配置文件svnserve.conf时，无法识别有前置空格的配置文件，如### This file controls the configuration of the svnserve daemon, if you##
  • MongoDB的连接池和连接管理 BigCat2013 mongodb
    在关系型数据库中，我们总是需要关闭使用的数据库连接，不然大量的创建连接会导致资源的浪费甚至于数据库宕机。这篇文章主要想解释一下mongoDB的连接池以及连接管理机制，如果正对此有疑惑的朋友可以看一下。 通常我们习惯于new 一个connection并且通常在finally语句中调用connection的close()方法将其关闭。正巧，mongoDB中当我们new一个Mongo的时候，会发现它也
  • AngularJS使用Socket.IO bijian1013 JavaScriptAngularJSSocket.IO
            目前，web应用普遍被要求是实时web应用，即服务端的数据更新之后，应用能立即更新。以前使用的技术（例如polling）存在一些局限性，而且有时我们需要在客户端打开一个socket，然后进行通信。         Socket.IO(http://socket.io/)是一个非常优秀的库，它可以帮你实
  • [Maven学习笔记四]Maven依赖特性 bit1129 maven
    三个模块 为了说明问题，以用户登陆小web应用为例。通常一个web应用分为三个模块，模型和数据持久化层user-core, 业务逻辑层user-service以及web展现层user-web， user-service依赖于user-core user-web依赖于user-core和user-service   依赖作用范围  Maven的dependency定义
  • 【Akka一】Akka入门 bit1129 akka
    什么是Akka Message-Driven Runtime is the Foundation to Reactive Applications In Akka, your business logic is driven through message-based communication patterns that are independent of physical locatio
  • zabbix_api之perl语言写法 ronin47 zabbix_api之perl
    zabbix_api网上比较多的写法是python或curl。上次我用java－－http://bossr.iteye.com/blog/2195679，这次用perl。for example: #!/usr/bin/perl use 5.010 ; use strict ; use warnings ; use JSON :: RPC :: Client ; use
  • 比优衣库跟牛掰的视频流出了，兄弟连Linux运维工程师课堂实录，更加刺激，更加实在！ brotherlamp linux运维工程师linux运维工程师教程linux运维工程师视频linux运维工程师资料linux运维工程师自学
    比优衣库跟牛掰的视频流出了，兄弟连Linux运维工程师课堂实录，更加刺激，更加实在！   ----------------------------------------------------- 兄弟连Linux运维工程师课堂实录-计算机基础-1-课程体系介绍1 链接：http://pan.baidu.com/s/1i3GQtGL 密码：bl65   兄弟连Lin
  • bitmap求哈密顿距离-给定N（1<=N<=100000）个五维的点A(x1,x2,x3,x4,x5)，求两个点X(x1,x2,x3,x4,x5)和Y( bylijinnan java
    import java.util.Random; /** * 题目： * 给定N（1<=N<=100000）个五维的点A(x1,x2,x3,x4,x5)，求两个点X(x1,x2,x3,x4,x5)和Y(y1,y2,y3,y4,y5)， * 使得他们的哈密顿距离（d=|x1-y1| + |x2-y2| + |x3-y3| + |x4-y4| + |x5-y5|）最大
  • map的三种遍历方法 chicony map
    package com.test; import java.util.Collection; import java.util.HashMap; import java.util.Iterator; import java.util.Map; import java.util.Set; public class TestMap { public static v
  • Linux安装mysql的一些坑 chenchao051 linux
    1、mysql不建议在root用户下运行   2、出现服务启动不了，111错误，注意要用chown来赋予权限， 我在root用户下装的mysql，我就把usr/share/mysql/mysql.server复制到/etc/init.d/mysqld, (同时把my-huge.cnf复制/etc/my.cnf)  chown -R cc /etc/init.d/mysql
  • Sublime Text 3 配置 daizj 配置Sublime Text
    Sublime Text 3 配置解释(默认){// 设置主题文件“color_scheme”: “Packages/Color Scheme – Default/Monokai.tmTheme”,// 设置字体和大小“font_face”: “Consolas”,“font_size”: 12,// 字体选项：no_bold不显示粗体字，no_italic不显示斜体字，no_antialias和
  • MySQL server has gone away 问题的解决方法 dcj3sjt126com SQL Server
    MySQL server has gone away 问题解决方法，需要的朋友可以参考下。 应用程序（比如PHP）长时间的执行批量的MYSQL语句。执行一个SQL，但SQL语句过大或者语句中含有BLOB或者longblob字段。比如，图片数据的处理。都容易引起MySQL server has gone away。 今天遇到类似的情景，MySQL只是冷冷的说：MySQL server h
  • javascript/dom:固定居中效果 dcj3sjt126com JavaScript
    <!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/1999/xhtml&
  • 使用 Spring 2.5 注释驱动的 IoC 功能 e200702084 springbean配置管理IOCOffice
    使用 Spring 2.5 注释驱动的 IoC 功能 developerWorks 文档选项 将打印机的版面设置成横向打印模式 打印本页 将此页作为电子邮件发送 将此页作为电子邮件发送 级别： 初级 陈 雄华 ([email protected]), 技术总监, 宝宝淘网络科技有限公司 2008 年 2 月 28 日  &nb
  • MongoDB常用操作命令 geeksun mongodb
    1.   基本操作 db.AddUser(username,password)               添加用户 db.auth(usrename,password)      设置数据库连接验证 db.cloneDataBase(fromhost)    
  • php写守护进程（Daemon） hongtoushizi PHP
    转载自： http://blog.csdn.net/tengzhaorong/article/details/9764655   守护进程（Daemon）是运行在后台的一种特殊进程。它独立于控制终端并且周期性地执行某种任务或等待处理某些发生的事件。守护进程是一种很有用的进程。php也可以实现守护进程的功能。   1、基本概念   &nbs
  • spring整合mybatis,关于注入Dao对象出错问题 jonsvien DAOspringbeanmybatisprototype
    今天在公司测试功能时发现一问题： 先进行代码说明： 1，controller配置了Scope="prototype"（表明每一次请求都是原子型）    @resource/@autowired service对象都可以（两种注解都可以）。 2，service 配置了Scope="prototype"（表明每一次请求都是原子型）
  • 对象关系行为模式之标识映射 home198979 PHP架构企业应用对象关系标识映射
    HELLO!架构   一、概念 identity Map:通过在映射中保存每个已经加载的对象，确保每个对象只加载一次，当要访问对象的时候，通过映射来查找它们。其实在数据源架构模式之数据映射器代码中有提及到标识映射，Mapper类的getFromMap方法就是实现标识映射的实现。     二、为什么要使用标识映射？ 在数据源架构模式之数据映射器中 //c
  • Linux下hosts文件详解 pda158 linux
    　1、主机名： 　　无论在局域网还是INTERNET上，每台主机都有一个IP地址，是为了区分此台主机和彼台主机，也就是说IP地址就是主机的门牌号。 　　公网：IP地址不方便记忆，所以又有了域名。域名只是在公网（INtERNET)中存在，每个域名都对应一个IP地址，但一个IP地址可有对应多个域名。 　　局域网：每台机器都有一个主机名，用于主机与主机之间的便于区分，就可以为每台机器设置主机
  • nginx配置文件粗解 spjich javanginx
    #运行用户#user  nobody;#启动进程,通常设置成和cpu的数量相等worker_processes  2;#全局错误日志及PID文件#error_log  logs/error.log;#error_log  logs/error.log  notice;#error_log  logs/error.log  inf
  • 数学函数 w54653520 java
    public  class  S {        // 传入两个整数，进行比较，返回两个数中的最大值的方法。      public  int  get( int  num1, int  nu
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他