mutourend
mutourend

GPU/CPU友好的模乘算法：Multi-Precision Fast Modular Multiplication

1. 引言

前序博客：

  • 基础算法优化——Fast Modular Multiplication

大整数的模乘：

  • 是每种SNARK计算的核心
  • 是最昂贵的基石
  • 通常可决定整个协议的复杂度

对模乘运算的哪怕一点点改进，都可能带来大幅加速。

Ingonyama团队2023年论文 Multi-Precision Fast Modular Multiplication，开源代码实现见：

  • https://github.com/ingonyama-zk/modular_multiplication（Python）

基础算法优化——Fast Modular Multiplication（本文称为Barrett-Domb模乘算法）是一种基于Barrett modular reduction方案的低复杂度、硬件友好的模乘算法。

Multi-Precision Fast Modular Multiplication为多精度的、GPU/CPU友好的Barrett-Domb模乘算法。相比于现有广泛使用的Montgomery模乘算法：

  • 本算法具有竞争力，且可能会消除对繁琐的Montgomery转换的需求。
  • 如NTT中需要大量的Montgomery格式转入转出，本算法可具有更低的乘法运算次数。

参考资料

[1] Ingonyama团队2023年1月博客 Multi-Precision Fast Modular Multiplication

ZKP加速系列博客

  • Multi-scalar multiplication: state of the art & new ideas
  • 采用特殊硬件指令对密码学算法加速
  • 零知识证明的硬件加速
  • STARK/SNARK加速小技巧
  • 借助FPGA硬件对Multi-Scalar Multiplication加速
  • 基础算法优化——Fast Modular Multiplication
  • Ingonyama团队的ZKP加速
  • ZKP加速 GPU/FPGA/ASIC

你可能感兴趣的:(基础理论,基础理论)

  • HarmonyNext实战：基于ArkTS的跨设备分布式数据同步应用开发 harmonyos-next
    HarmonyNext实战：基于ArkTS的跨设备分布式数据同步应用开发引言在分布式系统的开发中，跨设备数据同步是一个极具挑战性的问题。随着HarmonyOSNext的发布，ArkTS作为其核心开发语言，为开发者提供了强大的分布式能力。本文将深入探讨如何利用ArkTS在HarmonyNext平台上开发一个跨设备分布式数据同步应用。我们将从分布式数据管理的基础理论出发，逐步构建一个完整的应用，涵盖数
  • cv君独家视角 | AI内幕系列七：EfficientViT模型：基于多尺度线性注意力模块，实现高效的高分辨率密集预测 cv君 cv君独家视角AI内幕系列原创项目级实战项目深度学习与计算机视觉精品1024程序员节EfficientViT高分辨率密集预测任务高分辨率视觉模型Transformer人工智能计算机视觉
    专题概况cv君独家视角|AI内幕系列是一个专注于人工智能领域的深度专题，旨在为读者揭开AI所有领域技术的神秘面纱，展示其背后的科学原理和实际应用。通过一系列精心策划的文章，我们将带您深入了解AI的各个领域，从计算机视觉到文本语音等多模态领域，从基础理论到前沿技术，从行业应用到未来趋势。无论您是AI领域的工程师或者专家，还是对这一领域充满好奇的读者，这个系列都将为您提供高价值的见解和启发，为您带来横
  • AI的发展历程，你知道是从什么时候开始的吗？ A达峰绮 人工智能ai经验分享
    AI的发展历程是一段充满探索、突破与起伏的历史，以下是其主要阶段的介绍：诞生与早期探索阶段（20世纪50年代-60年代）基础理论奠基：1943年，美国神经生理学家沃伦·麦卡洛克和数学家沃尔特·皮茨发表了《Alogicalcalculusofideasimmanentinnervousactivity》论文，提出M-P模型，为神经网络的研究奠定了基础。1950年，阿兰·图灵发表《ComputingM
  • 使用Python进行火焰检测与识别：从基础理论到高级实现的全面指南 快撑死的鱼 python算法解析python开发语言
    使用Python进行火焰检测与识别：从基础理论到高级实现的全面指南火灾是一种常见而危险的自然灾害，在工业、家庭和公共场所中，实时检测火焰并做出响应是保障安全的重要手段。随着计算机视觉技术的发展，使用图像处理和机器学习的方法进行火焰检测已经成为可能。Python作为一种功能强大且广泛使用的编程语言，提供了丰富的库和工具，能够有效地实现火焰检测和识别。在本文中，我们将深入探讨如何使用Python进行火
  • 深度学习/机器学习入门基础数学知识整理（一）：线性代数基础，矩阵，范数等 chljerry_mouse 线性代数深度学习机器学习
    前面大概有2年时间，利用业余时间断断续续写了一个机器学习方法系列，和深度学习方法系列，还有一个三十分钟理解系列（一些趣味知识）；新的一年开始了，今年给自己定的学习目标——以补齐基础理论为重点，研究一些基础课题；同时逐步继续写上述三个系列的文章。最近越来越多的研究工作聚焦研究多层神经网络的原理，本质，我相信深度学习并不是无法掌控的“炼金术”，而是真真实实有理论保证的理论体系；本篇打算摘录整理一些最最
  • 中级网络工程师面试题参考示例（1） 他不爱吃香菜 网络协议网络面试解答网络运维面试职场和发展
    一、基础理论1.OSI七层模型与TCP/IP四层模型的区别是什么？请举例说明第三层（网络层）和第四层（传输层）的核心协议。参考答案：OSI七层模型分为物理层、数据链路层、网络层、传输层、会话层、表示层、应用层；TCP/IP四层模型分为网络接口层、网络层、传输层、应用层。网络层核心协议：IP、ICMP、ARP、OSPF。传输层核心协议：TCP（可靠传输，三次握手）、UDP（无连接，低延迟）。2.子网
  • 微博舆情分析：使用Python进行深度解析 傻啦嘿哟 关于python那些事儿python开发语言
    目录一、准备工作二、基础理论知识三、步骤详解数据预处理情感分析关键词提取四、案例分享数据爬取数据分析五、优化六、结论在当今信息爆炸的时代，社交媒体平台如微博已成为公众表达意见和情感的重要渠道。微博舆情分析通过对大量微博数据进行挖掘和分析，可以揭示公众对某些事件或话题的态度和情绪。本文将详细介绍如何使用Python进行微博舆情分析，包括数据获取、预处理、情感分析、关键词提取和数据可视化等步骤，并附上
  • 黑客入门手册 嗨起飞了 网络安全网络攻击模型网络安全
    零基础入门网络安全：黑客技术学习路线与实战手册摘要：本文面向网络安全初学者，系统化拆解黑客技术学习路径，涵盖基础理论、实战工具和代码实例。内容遵循合法合规原则，仅用于技术研究。一、黑客技术学习的认知前提1.1什么是真正的"黑客"黑客精神的核心：探索系统原理与漏洞本质白帽/灰帽/黑帽的伦理边界（以《网络安全法》为准则）1.2学习前的法律警示渗透测试授权原则虚拟机实验环境搭建的重要性推荐工具：VMwa
  • 面试基础---分布式架构基础：CAP 理论与 BASE WeiLai1112 后端面试redisjunitjava架构分布式后端
    分布式架构基础：CAP理论与BASE理论深度解析引言在互联网大厂的高并发、高可用场景下，分布式系统的设计是至关重要的。CAP理论和BASE理论是分布式系统设计的基石，理解这些理论对于设计高可用、高性能的分布式系统至关重要。本文将深入探讨CAP理论和BASE理论，结合实际项目案例和源码分析，帮助读者深入理解其实现原理。1.CAP理论CAP理论是分布式系统设计的基础理论之一，由EricBrewer在2
  • 深度学习模型：原理、应用与代码实践 accurater c++算法笔记人工智能深度学习
    引言深度学习作为人工智能的核心技术，已在图像识别、自然语言处理、代码生成等领域取得突破性进展。其核心在于通过多层神经网络自动提取数据特征，解决复杂任务。本文将从基础理论、模型架构、优化策略、应用场景及挑战等多个维度展开，结合代码示例，系统解析深度学习模型的技术脉络与实践方法。一、深度学习基础理论神经网络基本原理神经网络由输入层、隐藏层和输出层构成，通过反向传播算法调整权重。以全连接网络为例，前向传
  • 高频算法题精讲（Java解法）——算法+实际场景化拆解 大熊计算机毕设 技术博文算法java开发语言
    结合高频算法题，逐步带你走向深度理解。无论你是准备面试，还是在开发中需要优化，掌握这些基础的算法思维将会让你事半功倍。第一部分：算法的基础理论与实际意义在进入具体的算法问题之前，我们首先要理解一个问题：为什么要学习算法？在日常编程中，我们往往会遇到各种问题，而每一个问题背后都有不同的解法。而高效的算法不仅仅是为了拿到面试的offer，它们能帮助我们在工作中提升性能，减少复杂度，使得产品运行更加顺畅
  • 关于网络数通工程师 OSPF 协议的常见面试问题 他不爱吃香菜 网络面试解答网络协议网络服务器php面试运维网络协议
    基础理论部分‌‌OSPF是什么？其核心设计目标及主要特性有哪些？‌OSPF（开放式最短路径优先）是基于链路状态的内部网关协议（IGP），使用Dijkstra的SPF算法计算最短路径树，核心目标包括快速收敛、分层网络设计（区域划分）和避免路由环路‌12。‌主要特性‌：支持VLSM/CIDR，适用于复杂IP规划‌12。通过组播（224.0.0.5/224.0.0.6）传递协议报文，减少广播流量‌13。
  • HarmonyNext实战：基于ArkTS的高性能实时音视频通信应用开发 harmonyos-next
    HarmonyNext实战：基于ArkTS的高性能实时音视频通信应用开发引言实时音视频通信是现代应用中不可或缺的功能，尤其是在远程会议、在线教育、社交互动等场景中。HarmonyNext作为华为最新的操作系统，提供了强大的多媒体处理能力和高效的网络通信支持。本文将深入探讨如何在HarmonyNext平台上使用ArkTS开发一个高性能的实时音视频通信应用，涵盖从基础理论到实战案例的完整流程。1.实时
  • 职坐标AIGC课程实战项目深度解析 职坐标在线 其他
    内容概要在人工智能技术加速渗透各行业的背景下，职坐标IT培训体系中的AIGC课程以实战项目经验为核心，构建了从基础理论到产业落地的立体化培养框架。课程聚焦人工智能生成内容（AIGC）的核心技术链，涵盖自然语言处理、生成模型架构及多模态数据融合等模块，通过电商智能客服系统与新媒体文案生成工具两类典型场景的深度实践，强化学员对模型训练、参数调优及商业落地的综合能力。为适配行业需求，课程设计采用“三阶递
  • 自然语言处理之语法解析：BERT：自然语言处理基础理论 zhubeibei168 自然语言处理1024程序员节自然语言处理bert语音识别人工智能
    自然语言处理之语法解析：BERT：自然语言处理基础理论自然语言处理基础自然语言处理的定义与应用自然语言处理（NaturalLanguageProcessing，NLP）是计算机科学领域与人工智能领域中的一个重要方向。它研究如何处理和运用自然语言；自然语言认知则是指让计算机“懂”人类的语言。NLP建立于20世纪50年代，随着计算机技术的飞速发展，NLP技术在信息检索、文本挖掘、语音识别、机器翻译、情
  • 爬虫和逆向教程-专栏介绍和目录 数据知道 2025年爬虫和逆向教程爬虫python数据采集网络爬虫逆向
    文章目录一、爬虫基础和进阶二、App数据采集三、爬虫项目四、爬虫面试本专栏为爬虫初学者和进阶开发者量身定制的爬虫和逆向学习园地。为你提供全面而深入的爬虫和逆向技术指导，从入门到精通，从基础理论到高级实战，助你在数据的海洋中畅游，挖掘出有价值的信息。通过本专栏的学习，你将具备独立开发和优化爬虫程序的能力，及逆向分析能力和项目开发能力，成为爬虫领域的佼佼者。《本专栏持续更新中…（早订阅优惠仅需9.9元
  • 网络安全加密python代码 黑客Ash web安全安全
    点击文末小卡片，免费获取网络安全全套资料，资料在手，涨薪更快网络信息安全中遇到的各种攻击是防不胜防的，采取适当的防护措施就能有效地保护网络信息的安全,包括防火墙、入侵检测系统、漏洞扫描技术以及加密技术等多种防护措施。而信息安全的本质就是要保护信息本身和信息系统在存储、传输中的完整性和保密性,保障不被攻击和篡改,上述的主动攻击、被动攻击和病毒袭击都会造成信息的破坏和泄密,我们以信息安全中的基础理论出
  • 代码随想录 Day 37 | 【第九章 动态规划part 01】理论基础、509. 斐波那契数、70. 爬楼梯、746. 使用最小花费爬楼梯 Accept17 动态规划算法
    一、理论基础理论基础无论大家之前对动态规划学到什么程度，一定要先看我讲的动态规划理论基础。如果没做过动态规划的题目，看我讲的理论基础，会有感觉是不是简单题想复杂了？其实并没有，我讲的理论基础内容，在动规章节所有题目都有运用，所以很重要！如果做过动态规划题目的录友，看我的理论基础就会感同身受了。代码随想录视频：从此再也不怕动态规划了，动态规划解题方法论大曝光！|理论基础|力扣刷题总结|动态规划入门_
  • 西工大SSD7课程：固态硬盘技术习题解答大全 金尼玛哈
    本文还有配套的精品资源，点击获取简介：SSD7是关于固态硬盘技术的高级课程，覆盖了固态存储的基础理论、工作原理、设计与优化等方面。本资源集合了西安工业大学SSD7课程的所有习题解答，内容全面、格式规范，对于希望深入了解固态硬盘技术的学生和从业者非常有帮助。解答内容涵盖固态硬盘基础、NAND闪存类型、SSD控制器功能、读写操作、缓存与接口技术、性能指标、维护与优化等关键知识点，旨在帮助学习者掌握固态
  • 点云配准技术的演进与前沿探索：从传统算法到深度学习融合(1) 点云SLAM 点云数据处理技术算法深度学习点云数据处理点云配准刚体变换
    1、点云配准的基础理论1.1点云数据的特性与获取点云数据是一种通过大量离散的三维坐标点来精确表示物体或场景表面几何形状和空间位置关系的数字化信息表达方式。在实际应用中，点云数据展现出诸多独特的特性。从表达形式来看，点云数据能够直观地呈现出物体或场景的三维结构，每个点都包含了其在空间中的X、Y、Z坐标信息，这使得点云数据可以精确地描述物体表面的形状和位置。例如，在对古建筑进行三维建模时，通过点云数据
  • 01 目录-具身智能学习规划 天机️灵韵 具身智能人工智能具身智能机器人生物信息学
    具身智能（EmbodiedIntelligence）强调智能体通过身体与环境的动态交互实现学习和决策，是人工智能、机器人学、认知科学和神经科学交叉的前沿领域。其核心在于打破传统AI的“离身认知”，将智能与物理实体、感知-运动系统紧密结合。以下是具身智能学习规划的框架：一、基础理论储备数学与编程基础数学：概率统计、线性代数、微积分、优化理论、微分几何（运动规划）。编程：Python（主流工具链）、C
  • 程序员初识宏观经济学 猿脑2.0 python
    这是宏观经济学学习、核心内容概括、数据资源及实际作用的系统性总结：一、宏观经济学学习框架1.核心知识模块模块关键内容基础理论-国民收入核算（GDP、GNP）-总需求与总供给模型（AD-AS）-IS-LM模型与货币政策传导经济增长-索洛增长模型-内生增长理论（知识、技术的作用）-中国经济增长模式与挑战经济周期-经济波动的原因（需求冲击、供给冲击）-实际经济周期（RBC）与新凯恩斯主义理论失业与通胀-
  • 程序员读点微观经济学 猿脑2.0 python
    微观经济学学习路径、核心内容、数据来源、实际作用及案例实践的系统性总结：一、微观经济学学习框架1.核心知识模块模块关键内容基础理论-供需理论（均衡价格、弹性分析）-消费者行为（效用最大化、无差异曲线）-生产者行为（成本曲线、利润最大化）市场结构-完全竞争市场-垄断与寡头（价格歧视、博弈论）-垄断竞争（产品差异化）市场失灵与政策-外部性（污染、补贴）-公共物品与搭便车问题-信息不对称（逆向选择、道德
  • Golang从入门到精通 Wxhzy930120
    课程概述Golang从入门到精通，本课程以学习Golang语言开发互联网产品为目标，从基础理论知识入手，详实地讲解Golang语言的开发方法与技巧，并通过大量的线上训练，带领同学们全面掌握服务端高并发、过载保护、水平扩展、服务降级、服务限流以及微服务等主流互联网产品的开发技术栈，快速达到大公司工作两年的技术水平。章节1:Golang环境搭建课时1课程介绍10:08课时2Go的发展历史02:08课时
  • 企业项目管理入门指南：3000字实战宝典（附工具对比表）
    一、为什么每个企业都逃不开项目管理？（认知破冰）项目管理如同企业的"中枢神经系统"，据哈佛商学院研究显示，使用规范项目管理的企业交付效率提升47%，成本超支率降低28%。以特斯拉Model3量产为例，正是通过敏捷项目管理突破"产能地狱"，成为经典案例。二、新手必知的三大知识模块（认知脚手架）1.基础理论框架（项目管理DNA）五大过程组：启动→规划→执行→监控→收尾（PMBOK经典模型）十大知识领域
  • Python部署工控安全风险评估系统 mosquito_lover1 安全pytorchpython
    1.工控安全基础理论1.1风险评估概念风险定义：风险=事件发生的可能性×事件的影响影响分析（ImpactAnalysis）：评估特定事件（如设备故障、网络攻击）对工控系统的关键资产（设备、数据、流程）的破坏程度，通常从以下维度分析：机密性（Confidentiality）：数据是否被泄露。完整性（Integrity）：数据或设备是否被篡改。可用性（Availability）：系统是否能够正常运行。
  • 《机器学习实战》专栏 No12：项目实战—端到端的机器学习项目Kaggle糖尿病预测 带娃的IT创业者 机器学习实战机器学习人工智能分类算法python
    《机器学习实战》专栏第12集：项目实战——端到端的机器学习项目Kaggle糖尿病预测本集为专栏最后一集，本专栏的特点是短平快，聚焦重点，不长篇大论纠缠于理论，而是在介绍基础理论框架基础上，快速切入实战项目和代码，所有代码都经过实践检验，是读者入门和熟悉上手的上佳知识材料在本集中，我们将通过Kaggle平台的经典糖尿病预测（PimaIndiansDiabetesDataset）数据集，系统回顾完整的
  • 【架构】分层架构 (Layered Architecture) _君莫笑 软件架构架构c++
    一、分层模型基础理论![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/0365cf0bfa754229bdedca6b472bffc7.png1.核心定义分层架构（LayeredArchitecture）模型是一种常见的软件设计架构，它将软件系统按照功能划分为不同的层次，每个层次都有特定的职责和功能，层与层之间存在清晰的依赖关系。这种架构有助于提高软件的可
  • 知识图谱：【知识图谱基础理论（八）】——知识更新 J_Xiong0117 python基础理论自然语言处理知识图谱人工智能自然语言处理
    从逻辑上看，知识库的更新包括概念层的更新和数据层的更新。更新的两种方式：数据驱动下的全面更新增量更新
  • 揭密 scaling laws deardao 机器学习
    ScalinglawsOpenAI在其早期的关于scalinglaws的论文[1]中提出了基础理论，但该文缺乏一些具体的求解过程，且未能在更大规模的模型上进行验证。与此同时，后续研究，例如DeepMind的ChinChilla[2]还提出了不同的结论。论文题目：UnravelingtheMysteryofScalingLaws:PartI论文地址：https://arxiv.org/abs/240
  • html页面js获取参数值 0624chenhong html
    1.js获取参数值js function GetQueryString(name) {      var reg = new RegExp("(^|&)"+ name +"=([^&]*)(&|$)");      var r = windo
  • MongoDB 在多线程高并发下的问题 BigCat2013 mongodbDB高并发重复数据
    最近项目用到 MongoDB , 主要是一些读取数据及改状态位的操作. 因为是结合了最近流行的 Storm进行大数据的分析处理，并将分析结果插入Vertica数据库，所以在多线程高并发的情境下, 会发现 Vertica 数据库中有部分重复的数据. 这到底是什么原因导致的呢？笔者开始也是一筹莫 展，重复去看 MongoDB 的 API , 终于有了新发现 ： com.mongodb.DB 这个类有
  • c++ 用类模版实现链表(c++语言程序设计第四版示例代码) CrazyMizzz 数据结构C++
    #include<iostream> #include<cassert> using namespace std; template<class T> class Node { private: Node<T> * next; public: T data;
  • 最近情况 麦田的设计者 感慨考试生活
       在五月黄梅天的岁月里，一年两次的软考又要开始了。到目前为止，我已经考了多达三次的软考，最后的结果就是通过了初级考试（程序员）。人啊，就是不满足，考了初级就希望考中级，于是，这学期我就报考了中级，明天就要考试。感觉机会不大，期待奇迹发生吧。这个学期忙于练车，写项目，反正最后是一团糟。后天还要考试科目二。这个星期真的是很艰难的一周，希望能快点度过。   
  • linux系统中用pkill踢出在线登录用户 被触发 linux
    由于linux服务器允许多用户登录，公司很多人知道密码，工作造成一定的障碍所以需要有时踢出指定的用户 1/#who   查出当前有那些终端登录（用 w 命令更详细） # who root     pts/0        2010-10-28 09:36 (192
  • 仿QQ聊天第二版 肆无忌惮_ qq
    在第一版之上的改进内容:  第一版链接: http://479001499.iteye.com/admin/blogs/2100893   用map存起来号码对应的聊天窗口对象,解决私聊的时候所有消息发到一个窗口的问题. 增加ViewInfo类,这个是信息预览的窗口,如果是自己的信息,则可以进行编辑.   信息修改后上传至服务器再告诉所有用户,自己的窗口
  • java读取配置文件 知了ing
    1，java读取.properties配置文件 InputStream in; try { in = test.class.getClassLoader().getResourceAsStream("config/ipnetOracle.properties");//配置文件的路径 Properties p = new Properties()
  • __attribute__ 你知多少？ 矮蛋蛋 C++gcc
    原文地址: http://www.cnblogs.com/astwish/p/3460618.html GNU C 的一大特色就是__attribute__ 机制。__attribute__ 可以设置函数属性（Function Attribute ）、变量属性（Variable Attribute ）和类型属性（Type Attribute ）。 __attribute__ 书写特征是：
  • jsoup使用笔记 alleni123 java爬虫JSoup
    <dependency> <groupId>org.jsoup</groupId> <artifactId>jsoup</artifactId> <version>1.7.3</version> </dependency> 2014/08/28 今天遇到这种形式，
  • JAVA中的集合 Collectio 和Map的简单使用及方法 百合不是茶 listmapset
             List ,set ,map的使用方法和区别 java容器类类库的用途是保存对象，并将其分为两个概念：     Collection集合：一个独立的序列，这些序列都服从一条或多条规则;List必须按顺序保存元素  ，set不能重复元素；Queue按照排队规则来确定对象产生的顺序（通常与他们被插入的
  • 杀LINUX的JOB进程 bijian1013 linuxunix
    今天发现数据库一个JOB一直在执行，都执行了好几个小时还在执行，所以想办法给删除掉   系统环境：    ORACLE 10G    Linux操作系统   操作步骤如下： 第一步.查询出来那个job在运行，找个对应的SID字段 select * from dba_jobs_running--找到job对应的sid &n
  • Spring AOP详解 bijian1013 javaspringAOP
            最近项目中遇到了以下几点需求，仔细思考之后，觉得采用AOP来解决。一方面是为了以更加灵活的方式来解决问题，另一方面是借此机会深入学习Spring AOP相关的内容。例如，以下需求不用AOP肯定也能解决，至于是否牵强附会，仁者见仁智者见智。 1.对部分函数的调用进行日志记录，用于观察特定问题在运行过程中的函数调用
  • [Gson六]Gson类型适配器(TypeAdapter) bit1129 Adapter
    TypeAdapter的使用动机  Gson在序列化和反序列化时，默认情况下，是按照POJO类的字段属性名和JSON串键进行一一映射匹配，然后把JSON串的键对应的值转换成POJO相同字段对应的值，反之亦然，在这个过程中有一个JSON串Key对应的Value和对象之间如何转换(序列化/反序列化)的问题。   以Date为例，在序列化和反序列化时，Gson默认使用java.
  • 【spark八十七】给定Driver Program， 如何判断哪些代码在Driver运行，哪些代码在Worker上执行 bit1129 driver
    Driver Program是用户编写的提交给Spark集群执行的application，它包含两部分 作为驱动： Driver与Master、Worker协作完成application进程的启动、DAG划分、计算任务封装、计算任务分发到各个计算节点(Worker)、计算资源的分配等。 计算逻辑本身，当计算任务在Worker执行时，执行计算逻辑完成application的计算任务
  • nginx 经验总结 ronin47 nginx 总结
    　　　深感nginx的强大，只学了皮毛，把学下的记录。 　　　获取Header 信息，一般是以$http_XX（ＸＸ是小写）            获取body,通过接口，再展开，根据Ｋ取Ｖ 　　　获取uri,以$arg_XX      &n
  • 轩辕互动-1.求三个整数中第二大的数2.整型数组的平衡点 bylijinnan 数组
    import java.util.ArrayList; import java.util.Arrays; import java.util.List; public class ExoWeb { public static void main(String[] args) { ExoWeb ew=new ExoWeb(); System.out.pri
  • Netty源码学习-Java-NIO-Reactor bylijinnan java多线程netty
    Netty里面采用了NIO-based Reactor Pattern 了解这个模式对学习Netty非常有帮助 参考以下两篇文章： http://jeewanthad.blogspot.com/2013/02/reactor-pattern-explained-part-1.html http://gee.cs.oswego.edu/dl/cpjslides/nio.pdf
  • AOP通俗理解 cngolon springAOP
    1.我所知道的aop     初看aop,上来就是一大堆术语，而且还有个拉风的名字，面向切面编程，都说是OOP的一种有益补充等等。一下子让你不知所措，心想着：怪不得很多人都和 我说aop多难多难。当我看进去以后，我才发现：它就是一些java基础上的朴实无华的应用，包括ioc，包括许许多多这样的名词，都是万变不离其宗而 已。 2.为什么用aop&nb
  • cursor variable 实例 ctrain variable
    create or replace procedure proc_test01 as type emp_row is record( empno emp.empno%type, ename emp.ename%type, job emp.job%type, mgr emp.mgr%type, hiberdate emp.hiredate%type, sal emp.sal%t
  • shell报bash: service: command not found解决方法 daizj linuxshellservicejps
    今天在执行一个脚本时，本来是想在脚本中启动hdfs和hive等程序，可以在执行到service hive-server start等启动服务的命令时会报错，最终解决方法记录一下：   脚本报错如下： ./olap_quick_intall.sh: line 57: service: command not found ./olap_quick_intall.sh: line 59
  • 40个迹象表明你还是PHP菜鸟 dcj3sjt126com 设计模式PHP正则表达式oop
    你是PHP菜鸟，如果你：1. 不会利用如phpDoc 这样的工具来恰当地注释你的代码2. 对优秀的集成开发环境如Zend Studio 或Eclipse PDT 视而不见3. 从未用过任何形式的版本控制系统，如Subclipse4. 不采用某种编码与命名标准 ，以及通用约定，不能在项目开发周期里贯彻落实5. 不使用统一开发方式6. 不转换（或）也不验证某些输入或SQL查询串（译注：参考PHP相关函
  • Android逐帧动画的实现 dcj3sjt126com android
    一、代码实现： private ImageView iv; private AnimationDrawable ad; @Override protected void onCreate(Bundle savedInstanceState) { super.onCreate(savedInstanceState); setContentView(R.layout
  • java远程调用linux的命令或者脚本 eksliang linuxganymed-ssh2
    转载请出自出处： http://eksliang.iteye.com/blog/2105862        Java通过SSH2协议执行远程Shell脚本(ganymed-ssh2-build210.jar)   使用步骤如下： 1.导包 官网下载: http://www.ganymed.ethz.ch/ssh2/ ma
  • adb端口被占用问题 gqdy365 adb
    最近重新安装的电脑，配置了新环境，老是出现： adb server is out of date. killing... ADB server didn't ACK * failed to start daemon * 百度了一下，说是端口被占用，我开个eclipse，然后打开cmd，就提示这个，很烦人。 一个比较彻底的解决办法就是修改
  • ASP.NET使用FileUpload上传文件 hvt .netC#hovertreeasp.netwebform
    前台代码： <asp:FileUpload ID="fuKeleyi" runat="server" /> <asp:Button ID="BtnUp" runat="server" onclick="BtnUp_Click" Text="上 传" />
  • 代码之谜（四）- 浮点数（从惊讶到思考） justjavac 浮点数精度代码之谜IEEE
    在『代码之谜』系列的前几篇文章中，很多次出现了浮点数。 浮点数在很多编程语言中被称为简单数据类型，其实，浮点数比起那些复杂数据类型（比如字符串）来说， 一点都不简单。 单单是说明 IEEE浮点数 就可以写一本书了，我将用几篇博文来简单的说说我所理解的浮点数，算是抛砖引玉吧。 一次面试 记得多年前我招聘 Java 程序员时的一次关于浮点数、二分法、编码的面试， 多年以后，他已经称为了一名很出色的
  • 数据结构随记_1 lx.asymmetric 数据结构笔记
    第一章   1.数据结构包括数据的 逻辑结构、数据的物理/存储结构和数据的逻辑关系这三个方面的内容。 2.数据的存储结构可用四种基本的存储方法表示，它们分别是 顺序存储、链式存储 、索引存储 和 散列存储。 3.数据运算最常用的有五种，分别是  查找/检索、排序、插入、删除、修改。 4.算法主要有以下五个特性：  输入、输出、可行性、确定性和有穷性。 5.算法分析的
  • linux的会话和进程组 网络接口 linux
    会话： 一个或多个进程组。起于用户登录，终止于用户退出。此期间所有进程都属于这个会话期。会话首进程：调用setsid创建会话的进程1.规定组长进程不能调用setsid，因为调用setsid后，调用进程会成为新的进程组的组长进程.如何保证？ 先调用fork，然后终止父进程，此时由于子进程的进程组ID为父进程的进程组ID，而子进程的ID是重新分配的，所以保证子进程不会是进程组长，从而子进程可以调用se
  • 二维数组 元素的连续求解 1140566087 二维数组ACM
    import java.util.HashMap; public class Title { public static void main(String[] args){ f(); } // 二位数组的应用 //12、二维数组中，哪一行或哪一列的连续存放的0的个数最多，是几个0。注意，是“连续”。 public static void f(){
  • 也谈什么时候Java比C++快 windshome javaC++
      刚打开iteye就看到这个标题“Java什么时候比C++快”，觉得很好笑。   你要比，就比同等水平的基础上的相比，笨蛋写得C代码和C++代码，去和高手写的Java代码比效率，有什么意义呢？   我是写密码算法的，深刻知道算法C和C++实现和Java实现之间的效率差，甚至也比对过C代码和汇编代码的效率差，计算机是个死的东西，再怎么优化，Java也就是和C
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他