星戈瑞-荧光居
星戈瑞-荧光居

瑞禧定制技术介绍-ICG成像技术原理简析-ICG-PEG-Mannose/ICG-PL-PEG-mAb

ICG是一种特殊的荧光染料，可被波长范围在750～810 nm的外来光所激发，发射波长约840 nm的近红外光。局部注射的ICG可被淋巴系统吸收并与淋巴系统中的白蛋白结合，随淋巴系统引流至淋巴结最终回流至血液系统。由于淋巴系统转运缓慢，ICG可在淋巴系统内存在较长时间，ICG荧光成像技术正是基于以上原理，通过特殊的显像设备实现引流淋巴管和淋巴结的示踪。并且由于不同组织摄取ICG率不同，其可在术中有效分辨淋巴组织与胃周血管、脂肪、胰腺等其他组织。

瑞禧定制技术介绍-ICG成像技术原理简析-ICG-PEG-Mannose/ICG-PL-PEG-mAb_第1张图片
ICG-PEG-Mannose 甘露糖
ICG-PL-PEG-mAb 整合素α(v)β₃单克隆抗体
APT-PEG-ICG-Der-02 MUC1适体的靶配体APT-聚乙二醇-吲哚菁绿
ICG-PEG-MTX 甲氨蝶呤
ICG-PEG-DOX 阿霉素
GNR-PEG-ICG 纳米金棒-聚乙二醇-吲哚菁绿
GNR-PEG-ICG-FA纳米金棒-聚乙二醇-吲哚菁绿-叶酸
Cu9S5@mSiO2-ICG-PEG-LA 核壳结构介孔二氧化硅纳米粒子-吲哚菁绿-聚乙二醇-硫辛酸
PEG-PCL-C3-ICG-NPs PEG-PCL加有机化合物C3-ICG的纳米粒
双功能ICG衍生物ICG-PEG8-Sulfo-OSu
双功能ICG衍生物ICG-PEG4-Sulfo-OSu
ICG吲哚菁绿标记精子蛋白
吲哚菁绿标记糖蛋白RNaseB
吲哚菁绿标记连接蛋白32
吲哚菁绿标记丝切蛋白cofilin
吲哚菁绿标记的激酶蛋白
吲哚菁绿标记的粘蛋白1(MUC1)
吲哚菁绿标记纤维蛋白
吲哚菁绿标记小麦醇溶蛋白Wheat Gliadin

以上资料来自小编西安瑞禧生物YQ2021.4

你可能感兴趣的:(生物试剂)

  • 2025 年政府工作报告中的科技要点解读以及机会点 番茄老夫子 科技人工智能
    2025年政府工作报告中的科技要点主要包括以下方面：培育未来产业：建立未来产业投入增长机制，培育生物制造、量子科技、具身智能、6G等未来产业，体现了对前沿科技领域的高度重视，旨在抢占未来科技和产业发展的制高点，这些领域具有巨大的发展潜力和创新空间，有望为经济增长带来新的动力。壮大新兴产业：深入推进战略性新兴产业融合集群发展，开展新技术新产品新场景大规模应用示范行动，推动商业航天、低空经济等新兴产业
  • 百奥赛图的AI野心：用2500万抗体序列改写医药研发规则 港股研究社 人工智能大数据
    在生物医药领域，技术突破的浪潮从未停歇。随着DeepSeek的爆火，AI技术也正在深度渗透生物医药行业。近日，百奥赛图作为行业先锋，率先DeepSeek平台本地化部署，结合“千鼠万抗”计划，打造“AI+抗体药物研发”的全新模式，大幅提升药物研发效率与成功率，引领行业迈向智能化创新时代。回顾百奥赛图的发展之路，公司创始人沈月雷博士，凭借十余年深耕免疫学和基因编辑领域的经验，带领团队从锻造靶点人源化小
  • Spike Neural Network Introduction and Research Directions Debug_Snail SNNNeuralnetwork人工智能AIGC
    1.SNNs是一类神经网络,其中的神经元通过脉冲(spikes)来传递信息,而不是像传统的人工神经网络中那样使用实数值激活。SNNs更接近生物学上的神经系统,因为生物神经元也是通过电信号脉冲来传递信息的。与传统神经网络相比,SNNs具有以下几个特点:更低的功耗-因为只在发生脉冲时才激活神经元,所以整体功耗会比传统神经网络低很多。这使得SNNs很适合应用在对功耗要求非常严格的场景,如边缘计算。时序编
  • 三种优化算法 旅者时光 算法算法python开发语言
    本文将总结遗传算法、粒子群算法、模拟退火三种优化算法的核心思路，并使用python完整实现。实际上，越来越多的优秀算法已经被封装为一个易用的接口。很多时候，一行代码就能实现我们的需求。但了解这些算法的基本逻辑，能够使用最基本的代码实现它。无论对于提升我们的编程能力还是解决问题的能力，都会大有裨益。甚至，改变我们思考问题的方式。1、遗传算法遗传算法，顾名思义，就是借鉴了生物通过遗传变异来逐渐适应环境
  • 用共线性分析的方法进行古基因组重构（前置知识与准备） ALPH_ 古基因组重构重构wgdi生物信息基因组r语言-4.2.1r语言数据分析
    一、什么是全基因组加倍事件许多生物目前是多倍体，或者具有多倍体祖先并且现在具有次生的“二倍体化”基因组。这一发现令人惊讶，因为保留整个基因组重复（WGD）非常罕见，这表明多倍体往往是进化的死胡同。我们认为，古代基因组倍增可能只在非常特定的条件下能够存活，但是，无论何时建立，它们可能对物种多样化产生显著影响，并导致生物复杂性增加和进化新奇性的起源。全基因组复制（WGD）或多倍体，随后伴随基因丢失和二
  • Python第十六课：深度学习入门 | 神经网络解密 程之编 Python全栈通关秘籍python神经网络青少年编程
    本节目标理解生物神经元与人工神经网络的映射关系掌握激活函数与损失函数的核心作用使用Keras构建手写数字识别模型可视化神经网络的训练过程掌握防止过拟合的基础策略一、神经网络基础（大脑的数字化仿生）1.神经元对比生物神经元人工神经元树突接收信号输入层接收特征数据细胞体整合信号加权求和（∑(权重×输入)+偏置）轴突传递电信号激活函数处理输出2.核心组件解析激活函数：神经元的"开关"（如ReLU：max
  • CAS：1178931-50-4，GalNAz-1-P，N-azidoacetylgalactosamine tetraacylated 1-phosphate 陕西星贝爱科 GalNAz-1-P1178931-50-4
    GalNAz-1-P是一种化合物，通常用于糖基化生物学研究中。以下是关于它的详细介绍：基本信息中文名称：GalNAz-1-P，N-azidoacetylgalactosaminetetraacylated1-phosphate英文名称：GalNAz-1-P，N-azidoacetylgalactosaminetetraacylated1-phosphateCAS号：1178931-50-4化学结构
  • 基于BMO磁性细菌优化的WSN网络最优节点部署算法matlab仿真 软件算法开发 MATLAB程序开发#网络仿真matlabBMO磁性细菌优化WSN网络最优节点部署
    目录1.程序功能描述2.测试软件版本以及运行结果展示3.核心程序4.本算法原理5.完整程序1.程序功能描述无线传感器网络（WirelessSensorNetwork,WSN）由大量分布式传感器节点组成，用于监测物理或环境状况。节点部署是WSN的关键问题，合理的部署可以提高网络的覆盖范围、连通性和能量效率。磁性细菌是一类能够感知地球磁场并沿磁场方向游动的微生物。在BMO算法中，模拟磁性细菌的这种趋磁
  • 多宠识别：基于计算机视觉的智能宠物管理系统架构解析 深圳市快瞳科技有限公司 计算机视觉宠物系统架构
    一、行业痛点与技术方案演进在多宠家庭场景中，传统方案面临三大技术瓶颈：1.生物特征混淆：同品种/毛色宠物识别准确率低于65%2.动态场景适应：进食/奔跑状态下的误检率达30%+3.数据孤岛问题：离线设备无法实现持续学习优化快瞳科技采用**双模态视觉融合架构**，结合轻量化YOLOv7-Tiny模型与CLIP多模态大模型，实现：-98.7%的跨品种宠物识别准确率（CVPR2024最新测试数据）-单次
  • Laurdan是一种可以研究膜环境极性变化的荧光探针 强化生物实验室 广度优先leetcode决策树最小二乘法排序算法支持向量机
    一、试剂描述Laurdan是一种极性敏感的荧光探针，由西安强化生物科技开发，是一种可以研究膜环境极性变化的荧光探针。Laurdan由一条月桂酸长链连接到一个萘分子上组合而成。脂肪酸的疏水性尾使探针能牢牢嵌入脂质双分子层；而分子上的萘部分定位在膜磷脂的甘油骨架上。二、试剂信息英文名：Laurdan中文名：6-丙烯酰基-2-二甲氨基萘CAS号：74515-25-6分子式：C24H35NO分子量：353
  • 神经网络图像识别技术,神经网络如何识别图像 小浣熊的技术 神经网络机器学习深度学习
    什么是神经网络神经网络可以指向两种，一个是生物神经网络，一个是人工神经网络。生物神经网络：一般指生物的大脑神经元，细胞，触点等组成的网络，用于产生生物的意识，帮助生物进行思考和行动。人工神经网络（ArtificialNeuralNetworks，简写为ANNs）也简称为神经网络（NNs）或称作连接模型（ConnectionModel），它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法
  • 人工神经网络的基本属性,神经网络四个基本属性 小浣熊的技术 神经网络机器学习深度学习
    什么是神经网络神经网络可以指向两种，一个是生物神经网络，一个是人工神经网络。生物神经网络：一般指生物的大脑神经元，细胞，触点等组成的网络，用于产生生物的意识，帮助生物进行思考和行动。人工神经网络（ArtificialNeuralNetworks，简写为ANNs）也简称为神经网络（NNs）或称作连接模型（ConnectionModel），它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法
  • 神经网络：让机器学会“观察与思考“的数字大脑 安意诚Matrix 机器学习笔记神经网络人工智能深度学习
    你可以把神经网络想象成一个会学习的"电子大脑"，它的工作原理既神秘又有趣：1.从单个神经元开始就像人类大脑由神经元组成，神经网络的基本单元是"人工神经元"。每个神经元接收多个输入信号（比如图片的像素值），每个信号被赋予不同的"权重"（重要性），然后通过类似"加权投票"的方式计算总和。当总和超过某个阈值时，神经元就会"激活"，输出一个信号。这个过程模仿了生物神经元的"全或无"放电机制。2.神经元的超
  • 深度学习笔记——神经网络 肆—— 深度学习深度学习笔记神经网络人工智能python
    本文为在拓尔思智能举办的训练营中学习内容的总结，部分内容摘自百度百科个人在这里推荐一个好用的软件，Trae，主要是免费。人工神经元是人工神经网络的基本单元。模拟生物神经元，人工神经元有1个或者多个输入（模拟多个树突或者多个神经元向该神经元传递神经冲动）；对输入进行加权求和（模拟细胞体将神经信号进行积累和树突强度不同）；对输入之和使用激活函数计算活性值（模拟细胞体产生兴奋或者抑制）；输出活性值并传递
  • 信息管理之信息管理者的好习惯，轻松管理项目，实现知识复利 Linzerox 信息论笔记数据库职场和发展
    总结在保持内心守序的同时，我们还须遵循一套外部秩序——由基本原则和行为准则构成的规则体系。本文介绍的体系给出三种好的习惯，帮助我们减轻认知负荷，释放思维能力。三种好的习惯：项目清单：关注项目启动和结束阶段，给出两种清单工具（启动清单和结束清单），确保项目从启动到收尾整个过程的前后一致性，并强化成果运用。使用清单工具，不必担心生物大脑没有记全，释放大脑压力，保证完成质量。定期回顾：定期回顾你的工作和
  • 生物信息学工作流（Bioinformatics Workflow）：概念、历史、现状与展望？ lisw05 生物信息学生物信息学工作流
    李升伟整理1.引言生物信息学工作流是指通过一系列计算步骤和工具，对生物学数据进行处理、分析和解释的系统化流程。随着高通量测序技术的普及和生物数据的爆炸式增长，生物信息学工作流在基因组学、转录组学、蛋白质组学等领域中扮演着至关重要的角色。它不仅提高了数据分析的效率，还为生命科学研究提供了新的视角和方法。2.生物信息学工作流的概念生物信息学工作流的核心是将复杂的生物学数据分析任务分解为多个可管理的步骤
  • 体育数据分析：竞技表现优化与商业价值挖掘的技术范式 Tina0898 数据分析数据挖掘
    体育数据分析作为一门交叉学科，正在重塑现代体育产业的发展轨迹。通过多源数据采集、机器学习建模和商业智能分析，体育数据分析已经形成了完整的技术体系和应用生态。本文将深入探讨体育数据分析的技术架构、应用场景和商业价值。一、数据采集与处理技术架构现代体育数据采集系统采用分布式架构，集成了计算机视觉、惯性测量单元(IMU)和生物电传感器等多模态数据源。计算机视觉系统通过高速摄像机和深度学习算法，可实现运动
  • 羧基/氨基化sio2荧光微球：是一种表面修饰有羧基或氨基的荧光二氧化硅微球 星贝爱科生物-xb 氨基化sio2荧光微球羧基化sio2荧光微球
    羧基/氨基化SiO₂荧光微球是一种表面修饰有羧基或氨基的荧光二氧化硅微球，具有特别的物理化学性质和广泛的应用前景，以下为你详细介绍：基本信息外观：通常为白色粉末或胶体溶液，在特定波长的激发光下可发出荧光。粒径：粒径可在纳米到微米级别进行调控，常见的粒径范围包括20nm-200μm等。表面性质：表面修饰的羧基或氨基赋予微球良好的生物相容性和化学反应活性，使其能够与生物分子或其他材料进行特异性结合。制
  • 总理在政府工作报告中提到具身智能，so！这是个什么玩意？竟也能帮我发高分顶会 前沿速递AI 具身智能ai人工智能
    3月5日，李强总理在政府工作报告时提到，“将建立未来产业投入增长机制，培育生物制造、量子科技、具身智能、6G等未来产业”。在未来具身智能势必会有爆发式的发展。从学术研究的角度来看，具身智能已成为各大顶会的热门议题。以CVPR2025为例，具身智能成功跻身热门研究领域前三，充分展现了其重要性。那么总理提到的具身智能是个什么呢？目前，具身智能的研究主要集中在四个核心方向：具身感知、具身互动、具身智能体
  • RK3568与掌静脉模块：解锁安防新未来 计算机学长 瑞星微芯片AndroidRK3568Android
    引言在当今数字化时代，随着人工智能和物联网技术的飞速发展，各类智能设备如雨后春笋般涌现，为我们的生活和工作带来了极大的便利。在这些智能设备的背后，高性能的处理器和先进的生物识别技术起着关键作用。RK3568处理器作为一款中高端的芯片，以其出色的性能和丰富的接口，在物联网、安防监控、智能家居等众多领域得到了广泛应用。而掌静脉模块作为一种高精度、高安全性的生物识别技术，正逐渐成为身份验证和安全控制领域
  • 【MATLAB源码-第269期】基于matlab的鱼鹰优化算法(OOA)无人机三维路径规划，输出做短路径图和适应度曲线. Matlab程序猿小助手 路径规划matlab算法开发语言人工智能无人机网络机器人
    操作环境：MATLAB2022a1、算法描述鱼鹰优化算法（OspreyOptimizationAlgorithm，简称OOA）是一种新兴的基于自然界生物行为的智能优化算法，其灵感来自于鱼鹰这种海鸟在捕猎过程中的独特行为。鱼鹰是一种生活在全球范围内的猛禽，以鱼类为主食。它们的捕猎方式非常高效和精准，能够通过快速调整飞行路径和俯冲角度来捕捉猎物。鱼鹰的捕猎行为不仅表现出高度的灵活性，还能在不同环境中表
  • 遗传算法基础讲解 HH予 深度学习
    一、遗传算法基础1.什么是遗传算法？一种模拟生物进化过程的优化算法，基于达尔文的“自然选择”和“遗传学理论”。核心思想：通过选择（优胜劣汰）、交叉（基因重组）、变异（基因突变）操作，逐步逼近问题的最优解。2.为什么用遗传算法？适用性强：解决复杂的非线性、多峰、离散或连续优化问题。无需梯度信息：对目标函数的数学性质要求低，适合黑箱优化。全局搜索能力：通过种群并行搜索，避免陷入局部最优，适合多维优化。
  • 【数据挖掘】异构图与同构图 dundunmm 数据挖掘深度学习数据挖掘知识图谱人工智能
    在图论（GraphTheory）中，异构图（HeterogeneousGraph）和同构图（HomogeneousGraph）是两种不同的图结构概念，它们的主要区别在于节点和边的类型是否单一。1.异构图（HeterogeneousGraph）定义：异构图是指节点类型和/或边类型不同的图，通常用于建模具有多种实体和关系的复杂系统。例如，在社交网络、知识图谱、生物网络等领域，数据往往包含多个类别的实体
  • AbMole肿瘤研究综述（二）：靶向抑制剂与人源单抗，开启肿瘤研究新篇章 AbMole AbMole生物化学生物试剂科研生物实验
    肿瘤的研究一直是生命科学和基础医学领域中的热门话题，随着分子生物学和肿瘤生物学等学科的发展，人们逐渐明确了一系列与肿瘤发生和转移等密切关系的基因、蛋白，包括多种受体酪氨酸激酶（RTKs，如EGFR、ALK、c-Met、TRK、BCR-ABL等）和非RTKs（如BCR-ABL、BTK、CDK等），以及一些重要的细胞信号通路，如RAS/RAF/MEK、PI3K/mTOR等。AbMole向大家介绍围绕上
  • BP神经网络计算过程：从数学原理到实践优化 Acd_713 BP神经网络神经网络人工智能深度学习
    引言：神经网络的时代意义与BP算法地位在深度学习重构人工智能边界的今天（Goodfellowetal.,2016），误差反向传播（Backpropagation，BP）算法作为神经网络训练的基石，其数学优雅性和工程实用性完美统一。本文将深入剖析BP神经网络的计算本质，揭示其如何在非线性空间中构建认知通道。第1章神经网络拓扑结构的数学建模1.1生物神经元到M-P模型的抽象跃迁McCulloch-Pi
  • Fura-FF AM，Cell Permeant 钙离子荧光探针，工作溶液的配制方法 试剂琼 leetcode模拟退火算法支持向量机决策树最小二乘法散列表随机森林
    试剂简介Fura-FFAM，CellPermeant钙离子荧光探针由西安强化生物科技开发。在比率钙指示剂中，常用的是Fura-2和Indo-1。Fura-2具有激发比率，而Indo-1具有发射比率。Fura-2是比率成像显微镜的一种，在这种显微镜中，改变激发波长比改变发射波长要实用。具有细胞渗透性的Fura-2FFAM是Fura-2AM的类似物，具有低得多的钙结合亲和力，Kd~10µM。这种AM酯
  • 神经网络:人工智能的核心技术 m0_75126181 人工智能神经网络深度学习
    神经网络简介神经网络是一种模仿生物神经系统的计算模型,由大量相互连接的神经元组成。它通过学习大量的数据来完成复杂的模式识别和决策任务,是当前人工智能和机器学习领域最重要的技术之一。神经网络的基本结构包括输入层、隐藏层和输出层。输入层接收外部数据,隐藏层对数据进行处理和特征提取,输出层产生最终结果。神经元之间通过带权重的连接相互作用,通过调整这些权重来实现学习过程。神经网络的工作原理神经网络的工作原
  • 数字免疫系统：现代网络安全的生物启发式重构 Bruce_xiaowei 笔记总结经验web安全重构网络
    数字免疫系统：现代网络安全的生物启发式重构引言在生物进化史上，人类免疫系统完成了对数千种病原体的精准识别与防御；在数字世界，网络安全系统正面临相似的挑战。这种跨维度的相似性为技术架构师提供了独特的认知框架——通过将免疫系统的动态防御机制映射到网络安全领域，我们不仅能构建更直观的安全模型，更能从生命科学四十亿年的进化智慧中汲取灵感。一、免疫系统的数字化映射1.物理防御层的生物学解构网络安全中的防火墙
  • 统基化磁珠是一种表面修饰有巯基（-SH）的磁性微球 星贝爱科生物-xb 统基化磁珠
    巯基化磁珠是一种表面修饰有巯基（-SH）的磁性微球，在生物医学、生物化学等领域有广泛应用。以下是其相关介绍：特点良好的生物相容性：可与生物分子如蛋白质、核酸等进行特异性结合，且对生物分子的活性影响较小。易于修饰：巯基可通过化学反应与多种生物活性分子进行共价连接，如与马来酰亚胺反应形成稳定的硫醚键，从而实现对磁珠表面的功能化修饰。超顺磁性：在磁场作用下能迅速被磁化，产生较强的磁性响应，便于快速分离和
  • 迷你世界脚本实体接口：Actor 星空露珠 笔记游戏lua数据结构
    实体接口：Actor彼得兔更新时间:2024-05-3117:39:51具体函数名及描述如下:序号函数名函数描述1isPlayer(...)检测是否为玩家2isMob(...)检测是否为怪物3getObjType(...)获取对象类型（玩家、生物、投掷物、掉落物等^）4isInAir(...)是否在空中5getPosition(...)获取actor位置6setPosition(...)设置act
  • 深入浅出Java Annotation(元注解和自定义注解） Josh_Persistence Java Annotation元注解自定义注解
    一、基本概述     　　 Annontation是Java5开始引入的新特征。中文名称一般叫注解。它提供了一种安全的类似注释的机制，用来将任何的信息或元数据（metadata）与程序元素（类、方法、成员变量等）进行关联。   　　更通俗的意思是为程序的元素（类、方法、成员变量）加上更直观更明了的说明，这些说明信息是与程序的业务逻辑无关，并且是供指定的工具或
  • mysql优化特定类型的查询 annan211 java工作mysql
    本节所介绍的查询优化的技巧都是和特定版本相关的，所以对于未来mysql的版本未必适用。 1 优化count查询 对于count这个函数的网上的大部分资料都是错误的或者是理解的都是一知半解的。在做优化之前我们先来看看 真正的count()函数的作用到底是什么。 count()是一个特殊的函数，有两种非常不同的作用，他可以统计某个列值的数量，也可以统计行数。 在统
  • MAC下安装多版本JDK和切换几种方式 棋子chessman jdk
    环境： MAC AIR,OS X 10.10,64位   历史： 过去 Mac 上的 Java 都是由 Apple 自己提供，只支持到 Java 6，并且OS X 10.7 开始系统并不自带（而是可选安装）（原自带的是1.6）。 后来 Apple 加入 OpenJDK 继续支持 Java 6，而 Java 7 将由 Oracle 负责提供。   在终端中输入jav
  • javaScript （1） Array_06 JavaScriptjava浏览器
    JavaScript 1、运算符 　　运算符就是完成操作的一系列符号，它有七类： 　　赋值运算符（=,+=,-=,*=,/=,%=,<<=,>>=,|=,&=）、算术运算符(+,-,*,/,++,--,%)、比较运算符(>,<,<=,>=,==,===,!=,!==)、逻辑运算符(||,&&,!)、条件运算(?:)、位
  • 国内顶级代码分享网站 袁潇含 javajdkoracle.netPHP
           现在国内很多开源网站感觉都是为了利益而做的                  当然利益是肯定的,否则谁也不会免费的去做网站      &
  • Elasticsearch、MongoDB和Hadoop比较 随意而生 mongodbhadoop搜索引擎
      IT界在过去几年中出现了一个有趣的现象。很多新的技术出现并立即拥抱了“大数据”。稍微老一点的技术也会将大数据添进自己的特性，避免落大部队太远，我们看到了不同技术之间的边际的模糊化。假如你有诸如Elasticsearch或者Solr这样的搜索引擎，它们存储着JSON文档，MongoDB存着JSON文档，或者一堆JSON文档存放在一个Hadoop集群的HDFS中。你可以使用这三种配
  • mac os 系统科研软件总结 张亚雄 mac os
    1.1 Microsoft Office for Mac 2011      大客户版，自行搜索。      1.2 Latex （MacTex）:      系统环境：https://tug.org/mactex/     &nb
  • Maven实战（四）生命周期 AdyZhang maven
    1. 三套生命周期     Maven拥有三套相互独立的生命周期，它们分别为clean，default和site。 每个生命周期包含一些阶段，这些阶段是有顺序的，并且后面的阶段依赖于前面的阶段，用户和Maven最直接的交互方式就是调用这些生命周期阶段。 以clean生命周期为例，它包含的阶段有pre-clean, clean 和 post
  • Linux下Jenkins迁移 aijuans Jenkins
    1. 将Jenkins程序目录copy过去      源程序在/export/data/tomcatRoot/ofctest-jenkins.jd.com下面            tar -cvzf jenkins.tar.gz ofctest-jenkins.jd.com &
  • request.getInputStream()只能获取一次的问题 ayaoxinchao requestInputstream
    问题：在使用HTTP协议实现应用间接口通信时，服务端读取客户端请求过来的数据，会用到request.getInputStream()，第一次读取的时候可以读取到数据，但是接下来的读取操作都读取不到数据   原因： 1. 一个InputStream对象在被读取完成后，将无法被再次读取，始终返回-1； 2. InputStream并没有实现reset方法（可以重
  • 数据库SQL优化大总结之 百万级数据库优化方案 BigBird2012 SQL优化
    网上关于SQL优化的教程很多，但是比较杂乱。近日有空整理了一下，写出来跟大家分享一下，其中有错误和不足的地方，还请大家纠正补充。 这篇文章我花费了大量的时间查找资料、修改、排版，希望大家阅读之后，感觉好的话推荐给更多的人，让更多的人看到、纠正以及补充。 1.对查询进行优化，要尽量避免全表扫描，首先应考虑在 where 及 order by 涉及的列上建立索引。 2.应尽量避免在 where
  • jsonObject的使用 bijian1013 javajson
            在项目中难免会用java处理json格式的数据，因此封装了一个JSONUtil工具类。 JSONUtil.java package com.bijian.json.study; import java.util.ArrayList; import java.util.Date; import java.util.HashMap;
  • [Zookeeper学习笔记之六]Zookeeper源代码分析之Zookeeper.WatchRegistration bit1129 zookeeper
    Zookeeper类是Zookeeper提供给用户访问Zookeeper service的主要API，它包含了如下几个内部类     首先分析它的内部类，从WatchRegistration开始，为指定的znode path注册一个Watcher，   /** * Register a watcher for a particular p
  • 【Scala十三】Scala核心七：部分应用函数 bit1129 scala
    何为部分应用函数？ Partially applied function: A function that’s used in an expression and that misses some of its arguments.For instance, if function f has type Int => Int => Int, then f and f(1) are p
  • Tomcat Error listenerStart 终极大法 ronin47 tomcat
    Tomcat报的错太含糊了，什么错都没报出来，只提示了Error listenerStart。为了调试，我们要获得更详细的日志。可以在WEB-INF/classes目录下新建一个文件叫logging.properties，内容如下 Java代码  handlers = org.apache.juli.FileHandler, java.util.logging.ConsoleHa
  • 不用加减符号实现加减法 BrokenDreams 实现
            今天有群友发了一个问题，要求不用加减符号(包括负号)来实现加减法。         分析一下，先看最简单的情况，假设1+1，按二进制算的话结果是10，可以看到从右往左的第一位变为0，第二位由于进位变为1。    
  • 读《研磨设计模式》-代码笔记-状态模式-State 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/ /* 当一个对象的内在状态改变时允许改变其行为，这个对象看起来像是改变了其类 状态模式主要解决的是当控制一个对象状态的条件表达式过于复杂时的情况 把状态的判断逻辑转移到表示不同状态的一系列类中，可以把复杂的判断逻辑简化 如果在
  • CUDA程序block和thread超出硬件允许值时的异常 cherishLC CUDA
    调用CUDA的核函数时指定block 和 thread大小，该大小可以是dim3类型的（三维数组），只用一维时可以是usigned int型的。 以下程序验证了当block或thread大小超出硬件允许值时会产生异常！！！GPU根本不会执行运算！！！ 所以验证结果的正确性很重要！！！ 在VS中创建CUDA项目会有一个模板，里面有更详细的状态验证。 以下程序在K5000GPU上跑的。
  • 诡异的超长时间GC问题定位 chenchao051 jvmcmsGChbaseswap
    HBase的GC策略采用PawNew+CMS, 这是大众化的配置，ParNew经常会出现停顿时间特别长的情况，有时候甚至长到令人发指的地步，例如请看如下日志： 2012-10-17T05:54:54.293+0800: 739594.224: [GC 739606.508: [ParNew: 996800K->110720K(996800K), 178.8826900 secs] 3700
  • maven环境快速搭建 daizj 安装mavne环境配置
    一 下载maven 安装maven之前，要先安装jdk及配置JAVA_HOME环境变量。这个安装和配置java环境不用多说。 maven下载地址：http://maven.apache.org/download.html，目前最新的是这个apache-maven-3.2.5-bin.zip，然后解压在任意位置，最好地址中不要带中文字符，这个做java 的都知道，地址中出现中文会出现很多
  • PHP网站安全，避免PHP网站受到攻击的方法 dcj3sjt126com PHP
    对于PHP网站安全主要存在这样几种攻击方式:1、命令注入(Command Injection)2、eval注入(Eval Injection)3、客户端脚本攻击(Script Insertion)4、跨网站脚本攻击(Cross Site Scripting, XSS)5、SQL注入攻击(SQL injection)6、跨网站请求伪造攻击(Cross Site Request Forgerie
  • yii中给CGridView设置默认的排序根据时间倒序的方法 dcj3sjt126com GridView
    public function searchWithRelated() {         $criteria = new CDbCriteria;         $criteria->together = true; //without th
  • Java集合对象和数组对象的转换 dyy_gusi java集合
        在开发中，我们经常需要将集合对象（List，Set）转换为数组对象，或者将数组对象转换为集合对象。Java提供了相互转换的工具，但是我们使用的时候需要注意，不能乱用滥用。 1、数组对象转换为集合对象     最暴力的方式是new一个集合对象，然后遍历数组，依次将数组中的元素放入到新的集合中，但是这样做显然过
  • nginx同一主机部署多个应用 geeksun nginx
    近日有一需求，需要在一台主机上用nginx部署2个php应用，分别是wordpress和wiki，探索了半天，终于部署好了，下面把过程记录下来。 1.   在nginx下创建vhosts目录，用以放置vhost文件。 mkdir vhosts   2.   修改nginx.conf的配置， 在http节点增加下面内容设置，用来包含vhosts里的配置文件 #
  • ubuntu添加admin权限的用户账号 hongtoushizi ubuntuuseradd
    ubuntu创建账号的方式通常用到两种：useradd 和adduser . 本人尝试了useradd方法，步骤如下： 1:useradd    使用useradd时，如果后面不加任何参数的话，如：sudo useradd sysadm 创建出来的用户将是默认的三无用户：无home directory ,无密码,无系统shell。 顾应该如下操作：  
  • 第五章 常用Lua开发库2-JSON库、编码转换、字符串处理 jinnianshilongnian nginxlua
      JSON库   在进行数据传输时JSON格式目前应用广泛，因此从Lua对象与JSON字符串之间相互转换是一个非常常见的功能；目前Lua也有几个JSON库，本人用过cjson、dkjson。其中cjson的语法严格（比如unicode \u0020\u7eaf），要求符合规范否则会解析失败（如\u002），而dkjson相对宽松，当然也可以通过修改cjson的源码来完成
  • Spring定时器配置的两种实现方式OpenSymphony Quartz和java Timer详解 yaerfeng1989 timerquartz定时器
    原创整理不易，转载请注明出处：Spring定时器配置的两种实现方式OpenSymphony Quartz和java Timer详解 代码下载地址：http://www.zuidaima.com/share/1772648445103104.htm 有两种流行Spring定时器配置：Java的Timer类和OpenSymphony的Quartz。 1.Java Timer定时 首先继承jav
  • Linux下df与du两个命令的差别？ pda158 linux
    　一、df显示文件系统的使用情况，与du比較，就是更全盘化。 　　最经常使用的就是 df -T，显示文件系统的使用情况并显示文件系统的类型。 　　举比例如以下： 　　[root@localhost ~]# df -T 　　Filesystem                   Type &n
  • [转]SQLite的工具类 ---- 通过反射把Cursor封装到VO对象 ctfzh VOandroidsqlite反射Cursor
    在写DAO层时，觉得从Cursor里一个一个的取出字段值再装到VO(值对象)里太麻烦了，就写了一个工具类，用到了反射，可以把查询记录的值装到对应的VO里，也可以生成该VO的List。   使用时需要注意： 考虑到Android的性能问题，VO没有使用Setter和Getter，而是直接用public的属性。 表中的字段名需要和VO的属性名一样，要是不一样就得在查询的SQL中
  • 该学习笔记用到的Employee表 vipbooks oraclesql工作
        这是我在学习Oracle是用到的Employee表，在该笔记中用到的就是这张表，大家可以用它来学习和练习。 drop table Employee; -- 员工信息表 create table Employee( -- 员工编号 EmpNo number(3) primary key, -- 姓
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他