罗登RodenLuo
罗登RodenLuo

亚马逊云教程7：安装支持GPU的TensorFlow

概要：启动带GPU的EC2实例，安装支持GPU的TensorFlow，运行MNIST，对比GPU和CPU的运行速度

读者：需要在云上使用做GPU计算的朋友

时间：3500字，阅读7min，操作路径一：20min，操作路径二：40min

前提：亚马逊云教程6：创建、启动AMI，设置Cloud Watch

GPU原是用于提高图像显示性能的，之前多用于玩3D游戏的电脑。2009年，斯坦福大学的学者Andrew Ng及一个团队意识到GPU可用于神经网络的并行运算（REF1）。GPU的并行运算要比CPU高出很多倍，所以现在被广泛运用于人工智能的计算中。而TensorFlow也有相应的GPU版本。

安装支持GPU的TensorFlow

首先我们需要一台有GPU硬件的服务器。目前支持GPU计算的EC2的类型有g2和p2系列。可能是因为p2的性能更好，在AWS的价格页面已经看不到g2了。注意后面的操作会产生较高的费用。p2.xlarge的价格是0.9美金一个小时。我们接下来将使用前面教程中创建的AMI来创建一个p2.xlarge的EC2实例。

  1. 在EC2控制台左侧“IMAGES”栏目下的“AMIs”找到快照。
  2. 右键点击快照，选择“Launch”。
  3. 在“Step 2: Choose and Instance Type”这里，选择需要的类型，如，“p2.xlarge”。
  4. “Step 6: Configure Security Group”，“Add Rule”，添加必要的端口，如之前jupyter notebook使用的9999。

GPU实例的启动等待的时间要稍微长一点。等到Public IP显示后我们可以尝试登录服务器。

接下来，我们有两个可选的安装方法。第一个是使用conda这个虚拟环境管理器来安装，只需要一行命令，优点是简洁，肯定可以安装成功并使用，不足是，conda维护的资源有的时候不一定是TensorFlow最新的包。第二个是根据谷歌官网提示，一个一个安装依赖项目，然后用官网的链接来安装TensorFlow。这里介绍两种方法，初学的话可以选择第一条路径，熟悉了之后，可以尝试第二条路径。

路径1. 使用conda安装tensorflow-gpu

  1. conda create -n tensorflow-gpu-conda python=3.6 ipykernel创建新虚拟环境，命名为tensorflow-gpu-conda

  2. source activate tensorflow-gpu-conda进入新环境。

  3. python -m ipykernel install --user --name tensorflow-gpu-conda把这个环境安装到ipykernel，用于jupyter notebook。

  4. conda install -c anaconda tensorflow-gpu=1.1.0安装支持GPU的TensorFlow。这里的方法是谷歌搜索“conda install tensorflow gpu”之后，在这个conda官网这个链接找到的。这个就是使用conda的优势，只需要一行命令，conda会负责安装各种依赖项目。

  5. 测试安装。进入Python后，执行下面的命令。

     >>> import tensorflow as tf
 >>> hello = tf.constant('Hello, TensorFlow!')
 >>> sess = tf.Session()
 >>> print(sess.run(hello))

    看到的结果应该是类似这样子的。

     >>> import tensorflow as tf
 >>> hello = tf.constant('Hello, TensorFlow!')
 >>> sess = tf.Session()
 2017-06-14 23:31:08.287078: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.1 instructions, but these are available on your machine and could speed up CPU computations.
 2017-06-14 23:31:08.287117: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.2 instructions, but these are available on your machine and could speed up CPU computations.
 2017-06-14 23:31:08.287130: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use AVX instructions, but these are available on your machine and could speed up CPU computations.
 2017-06-14 23:31:08.287144: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use AVX2 instructions, but these are available on your machine and could speed up CPU computations.
 2017-06-14 23:31:08.287158: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use FMA instructions, but these are available on your machine and could speed up CPU computations.
 2017-06-14 23:31:08.366924: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:901] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
 2017-06-14 23:31:08.367192: I tensorflow/core/common_runtime/gpu/gpu_device.cc:887] Found device 0 with properties:
 name: Tesla K80
 major: 3 minor: 7 memoryClockRate (GHz) 0.8235
 pciBusID 0000:00:1e.0
 Total memory: 11.17GiB
 Free memory: 2.86GiB
 2017-06-14 23:31:08.367220: I tensorflow/core/common_runtime/gpu/gpu_device.cc:908] DMA: 0
 2017-06-14 23:31:08.367233: I tensorflow/core/common_runtime/gpu/gpu_device.cc:918] 0:   Y
 2017-06-14 23:31:08.367251: I tensorflow/core/common_runtime/gpu/gpu_device.cc:977] Creating TensorFlow device (/gpu:0) -> (device: 0, name: Tesla K80, pci bus id: 0000:00:1e.0)
 >>> print(sess.run(hello))
 b'Hello, TensorFlow!'

    在最后一条消息中，看到下面的输出就代表安装成功了。

     >>> print(sess.run(hello))
 b'Hello, TensorFlow!'

路径2. 根据谷歌官网提示安装依赖项目后安装TensorFlow

依据TensorFlow官网的安装要求，为了让TensorFlow使用服务器的GPU，我们还需要在系统层面安装三个接口程序，cuda，cuDNN，和 libcupti-dev 包。原文如下（下述信息摘自谷歌官网，摘抄日期20170614），里面提到了其他要求，不过按照这个教程的方法，是默认符合的。

NVIDIA requirements to run TensorFlow with GPU support

If you are installing TensorFlow with GPU support using one of the mechanisms described in this guide, then the following NVIDIA software must be installed on your system:

  • CUDA® Toolkit 8.0. For details, see NVIDIA's documentation. Ensure that you append the relevant Cuda pathnames to the LD_LIBRARY_PATH environment variable as described in the NVIDIA documentation.

  • The NVIDIA drivers associated with CUDA Toolkit 8.0.

  • cuDNN v5.1. For details, see NVIDIA's documentation. Ensure that you create the CUDA_HOME environment variable as described in the NVIDIA documentation.

  • GPU card with CUDA Compute Capability 3.0 or higher. See NVIDIA documentation for a list of supported GPU cards.

  • The libcupti-dev library, which is the NVIDIA CUDA Profile Tools Interface. This library provides advanced profiling support. To install this library, issue the following command:

      $ sudo apt-get install libcupti-dev
2.1 安装cuda

官方的文档在这里。我们按照文档依次执行下面的必要操作，部分检查因为使用的Ubuntu默认自带，所以就没有严格按照文档一个一个检查。

  1. 检查是否有GPU。

     roden@ip-172-31-19-170:~$ lspci | grep -i nvidia
 00:1e.0 3D controller: NVIDIA Corporation GK210GL [Tesla K80] (rev a1)
 # 可以看到有一个Tesla K80

  2. 查看系统内核

     roden@ip-172-31-19-170:~$ uname -r
 4.4.0-1018-aws

  3. 安装内核头文件

     roden@ip-172-31-19-170:~$ sudo apt-get install linux-headers-$(uname -r)
 Reading package lists... Done
 Building dependency tree
 Reading state information... Done
 linux-headers-4.4.0-1018-aws is already the newest version (4.4.0-1018.27).
 linux-headers-4.4.0-1018-aws set to manually installed.
 The following packages were automatically installed and are no longer required:
   linux-aws-headers-4.4.0-1013 linux-aws-headers-4.4.0-1016
   linux-headers-4.4.0-1013-aws linux-headers-4.4.0-1016-aws linux-image-4.4.0-1013-aws
   linux-image-4.4.0-1016-aws
 Use 'sudo apt autoremove' to remove them.
 0 upgraded, 0 newly installed, 0 to remove and 37 not upgraded.
 # 提示已经是最新版的了，所以不用安装

  4. 下载deb安装包。在cuda工具箱下载页面依次选择“Linux, x8664, Ubuntu, 16.04， deb (network)”。然后复制下面出现的下载图标的下载地址（右键，“复制链接地址”）。其地址是 “http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x8664/cuda-repo-ubuntu1604_8.0.61-1_amd64.deb”

  5. 回到命令行，下载这个文件到服务器。

     roden@ip-172-31-19-170:~/download$ wget http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_8.0.61-1_amd64.deb
 # wget下载
 ...

 cuda-repo-ubuntu1604_ 100%[=========================>]   2.63K  --.-KB/s    in 0s
 ...
 roden@ip-172-31-19-170:~/download$ ls
 cuda-repo-ubuntu1604_8.0.61-1_amd64.deb
 # 下载成功

  6. 安装cuda。在命令行中依次输入下面的命令后，等待安装完成（我运行完命令后去洗澡了，下面这一步最多需要20分钟完成）。

     sudo dpkg -i cuda-repo-ubuntu1604_8.0.61-1_amd64.deb
 sudo apt-get update
 sudo apt-get install cuda # 这一步会提示需要你的确认，输入Y按回车确认。

    当看到下面的输出时，就代表安装完成了。

     done.
 done.
 roden@ip-172-31-19-170:~/download$

  7. 此时我们可以输入下面的命令来GPU的使用情况。

     roden@ip-172-31-19-170:~/download$ nvidia-smi
 # 上述命令只有在完成了cuda的安装后才有效
 Tue Jun 13 04:47:12 2017
 +-----------------------------------------------------------------------------+
 | NVIDIA-SMI 375.66                 Driver Version: 375.66                    |
 |-------------------------------+----------------------+----------------------+
 | GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
 | Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
 |===============================+======================+======================|
 |   0  Tesla K80           Off  | 0000:00:1E.0     Off |                    0 |
 | N/A   28C    P0    70W / 149W |      0MiB / 11439MiB |    100%      Default |
 +-------------------------------+----------------------+----------------------+

 +-----------------------------------------------------------------------------+
 | Processes:                                                       GPU Memory |
 |  GPU       PID  Type  Process name                               Usage      |
 |=============================================================================|
 |  No running processes found                                                 |
 +-----------------------------------------------------------------------------+

 # 上面显示我们有一个编号为0的GPU，还没有被使用。
 # 在使用GPU训练模型是，我们可以再次使用这个命令看看结果。
2.2 安装cuDNN

cuDNN是cuda的深度神经网络包。官方下载链接网址。这个软件需要注册成为用户后才能下载。点击“Download”后，点击“Join now”，完成注册。登录后下载。

  1. 阅读软件许可协议后，如果同意，点击同意软件许可协议。

  2. 选择“Download cuDNN v5.1 (Jan 20, 2017), for CUDA 8.0”。原因如下，我们之前安装的cuda是8.0版的，前后要一致。另外，谷歌的文档里面说，要求“cuDNN v5.1”，所以我们只能选择 v5.1 的。我最初写这个文档的时候，选择了最新版的，也就是 v6.0 的，后面运行的时候出现了错误，说没有找到“libcudnn.so.5”这个文件。错误报告如下“ImportError: libcudnn.so.5: cannot open shared object file: No such file or directory”。后来意识到这个问题。所以如果按照官方指南安装，一定要根据官方给的要求，一个一个，一模一样的安装依赖项目。在后面升级的时候要非常注意版本的对应。

  3. 点击cuDNN Install Guide查看安装指南。发现只需要下载这个文件，然后放在一个目录里面，再添加环境变量就好了。不需要编译等步骤。

  4. 点击cuDNN v5.1 Library for Linux下载。需要登录。我们可以先在本地下载好了之后scp上传到服务器。它有很多下载链接，记得选择“Linux”这个。文件有103.2MB。（wget也可以设置登录信息，感兴趣的朋友可以看推荐阅读并查阅资料深入学习，这里我们采用易理解但有些麻烦的方法来完成下载。）

  5. 然后在本地终端使用scp上传到服务器。

     ➜  Downloads scp cudnn-8.0-linux-x64-v5.1.tgz [email protected]:download/
 # scp 上传
 cudnn-8.0-linux-x64-v5.1.tgz           100%   98MB  12.3MB/s   00:08
 ➜  Downloads

  6. 登录到服务器，找到文件，解压缩。然后放到安装目录。

     roden@ip-172-31-19-170:~/download$ ls
 cudnn-8.0-linux-x64-v5.1.tgz
 # 找到文件
 roden@ip-172-31-19-170:~/download$ tar -xf cudnn-8.0-linux-x64-v5.1.tgz
 # 解压缩
 roden@ip-172-31-19-170:~/download$ ls
 cuda  cudnn-8.0-linux-x64-v5.1.tgz
 roden@ip-172-31-19-170:~/download$ ls cuda/
 # 解压缩之后的 cuda 这个文件夹就是cuDNN了。我们可以查看一下内容。
 include  lib64
 roden@ip-172-31-19-170:~/download$

  7. 截止目前（20170614），这个文件夹的名字显示是cuda，有点奇怪。我们把它重命名成cuDNN，然后放到一个目录，这个目录可以随便定，不过要和后面设置环境变量的时候保持一致。我这里设置到/usr/local/目录下，因为第一步的cuda是默认安装到这里的。

     roden@ip-172-31-19-170:~/download$ mv cuda cuDNN # 重命名文件夹，即把cuda改为cuDNN
 roden@ip-172-31-19-170:~/download$ ls /usr/local/ # 确认目标文件夹下没有同名文件夹，避免覆盖了重要数据。
 bin  cuda  cuda-8.0  etc  games  include  lib  man  sbin  share  src
 roden@ip-172-31-19-170:~/download$ sudo mv cuDNN/ /usr/local/
 # 把cuDNN转移过去。/usr/local/是系统文件夹，需要使用sudo才能写入文件。
 [sudo] password for roden: # 输入密码
 roden@ip-172-31-19-170:~/download$ ls /usr/local/ # 查看是否成功转移文件
 bin  cuda  cuda-8.0  cuDNN  etc  games  include  lib  man  sbin  share  src
 roden@ip-172-31-19-170:~/download$ ls /usr/local/cuDNN/
 include  lib64
 roden@ip-172-31-19-170:~/download$

  8. 接下来我们要添加几个环境变量。我们要把下面这段代码放到~/.bashrc这个文件里面，随便哪一行都行。我一般放在那个文件的开头。

     roden@ip-172-31-19-170:~/download$ vi ~/.bashrc # 编辑文件
 roden@ip-172-31-19-170:~/download$

    添加下面的内容。

     PATH=$PATH:/usr/local/cuda-8.0/bin
 LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64
 export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"
 export CUDA_HOME=/usr/local/cuda
 LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuDNN/lib64
 LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuDNN/include

  9. 运行下面的命令，使得上面的环境变量在当前这个ssh连接中生效。或者也可以断开连接再次登录服务器。

     source ~/.bashrc
2.3 安装libcupti-dev

只需要下面这一个命令。

sudo apt-get install libcupti-dev

好了，这样我们的cuda, cuDNN, 和l ibcupti-dev 就安装好了。也就是完成了一些前提条件，接下来正式安装支持GPU的TensorFlow。步骤和第5讲中的类似，不过要新建一个虚拟Python环境，更换一下TensorFlow包的链接。

安装支持GPU的TensorFlow

  1. conda create -n tensorflowGPU python=3.6 ipykernel创建虚拟环境

  2. source activate tensorflowGPU进入到tensorflowGPU虚拟环境

  3. python -m ipykernel install --user --name tensorflowGPU把这个环境安装到ipykernel，用于jupyter notebook。

  4. 在TensorFlow官网找到Ubuntu的，Python3.6的，支持GPU的包的安装链接。

  5. pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.1.0-cp36-cp36m-linux_x86_64.whl安装。

  6. 验证安装，先进入python，然后输入下面的命令。

     >>> import tensorflow as tf
 >>> hello = tf.constant('Hello, TensorFlow!')
 >>> sess = tf.Session()
 >>> print(sess.run(hello))

    看到的结果应该是类似这样子的。

     >>> import tensorflow as tf
 >>> hello = tf.constant('Hello, TensorFlow!')
 >>> sess = tf.Session()
 2017-06-15 02:55:33.982353: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.1 instructions, but these are available on your machine and could speed up CPU computations.
 2017-06-15 02:55:33.982396: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.2 instructions, but these are available on your machine and could speed up CPU computations.
 2017-06-15 02:55:33.982410: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use AVX instructions, but these are available on your machine and could speed up CPU computations.
 2017-06-15 02:55:33.982426: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use AVX2 instructions, but these are available on your machine and could speed up CPU computations.
 2017-06-15 02:55:33.982437: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use FMA instructions, but these are available on your machine and could speed up CPU computations.
 2017-06-15 02:55:37.038419: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:901] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
 2017-06-15 02:55:37.038938: I tensorflow/core/common_runtime/gpu/gpu_device.cc:887] Found device 0 with properties:
 name: Tesla K80
 major: 3 minor: 7 memoryClockRate (GHz) 0.8235
 pciBusID 0000:00:1e.0
 Total memory: 11.17GiB
 Free memory: 11.11GiB
 2017-06-15 02:55:37.038970: I tensorflow/core/common_runtime/gpu/gpu_device.cc:908] DMA: 0
 2017-06-15 02:55:37.038986: I tensorflow/core/common_runtime/gpu/gpu_device.cc:918] 0:   Y
 2017-06-15 02:55:37.039014: I tensorflow/core/common_runtime/gpu/gpu_device.cc:977] Creating TensorFlow device (/gpu:0) -> (device: 0, name: Tesla K80, pci bus id: 0000:00:1e.0)
 >>> print(sess.run(hello))
 b'Hello, TensorFlow!'

    在最后一条消息中，看到下面的输出就代表安装成功了。

     >>> print(sess.run(hello))
 b'Hello, TensorFlow!'

运行MNIST

我们首先按照第5讲中的方法，运行jupyter notebook，打开MNIST_demo那个笔记本。

roden@ip-172-31-19-170:~$ cd tf_notebook/
roden@ip-172-31-19-170:~/tf_notebook$ nohup jupyter notebook &
[1] 2219
roden@ip-172-31-19-170:~/tf_notebook$ nohup: ignoring input and appending output to 'nohup.out'

roden@ip-172-31-19-170:~/tf_notebook$

然后从浏览器中进入到jupyter notebook。打开"MNIST_demo.ipynb”这个笔记本。在工具栏中，选择"Kernel -> Change kernel"，然后选择其中一个支持GPU的TensorFlow，比如我们用conda安装的”tensorflow-gpu-conda“。然后点击”Cell -> Run All“。可以看到类似下面的结果。

step 0, training accuracy 0.08
step 100, training accuracy 0.9
step 200, training accuracy 0.88
step 300, training accuracy 0.94
step 400, training accuracy 0.86
step 500, training accuracy 1
step 600, training accuracy 0.96
step 700, training accuracy 0.96
step 800, training accuracy 0.96
step 900, training accuracy 0.9
step 1000, training accuracy 0.94
...
step 19000, training accuracy 1
step 19100, training accuracy 0.98
step 19200, training accuracy 1
step 19300, training accuracy 1
step 19400, training accuracy 1
step 19500, training accuracy 1
step 19600, training accuracy 1
step 19700, training accuracy 1
step 19800, training accuracy 1
step 19900, training accuracy 1
test accuracy 0.992

可以看到最后在测试集上面的准确率是0.992。可以感觉到这一次的运行速度要比之前快很多，比较快就等到全部程序运行完毕。大家可以返回到之前的没有GPU的kernel，选择"Kernel -> Change kernel -> tensorflow"，再运行，会发现这个就慢很多了，因为其使用的是CPU。

到这里，大家可以再次创建一个AMI快照，保存好辛辛苦苦创建的环境。当然，其实也有一些别人已经做好的了AMI，也有一些向大众出售的AMI。大家也可以考虑使用它们的。

推荐阅读

  1. REF1，The inevitable. Kevin Kelly. Page 38
  2. NVIDIA CUDA Installation Guide for Linux, 英文。
  3. wget with authentication 需要身份验证时的wget使用方法。
  4. AMI marketplace 链接。
  5. 分布式计算，AWS博客链接，TensorFlow文档。

集锦卡

  1. 路径1：使用conda安装TensorFlow-GPU
    1. conda create -n tensorflow-gpu-conda python=3.6 ipykernel创建新虚拟环境，命名为`tensorflow-gpu-conda
    2. source activate tensorflow-gpu-conda进入新环境。
    3. python -m ipykernel install --user --name tensorflow-gpu-conda把这个环境安装到ipykernel，用于jupyter notebook。
    4. conda install -c anaconda tensorflow-gpu=1.1.0安装支持GPU的TensorFlow。
  2. 路径2：根据谷歌官网提示安装依赖项目后安装TensorFlow。建议大家阅读正文后，查阅官方最新文档和最新要求，然后跟随官方指南完成安装。

本文于2017-06-12发布于个人博客，现原文搬运于此，如有过时信息，欢迎指正。

你可能感兴趣的:(亚马逊云教程7：安装支持GPU的TensorFlow)

  • 当你不快乐时这样做 相见别亦难
    我和老公最近都乖乖宅在家里，但我觉得两个人带崽反而比我一个人带还要辛苦，我就奇了怪了。老公会带着孩子一起看手机，或者让孩子一个人”“啊、啊”叫不管然后自己看手机，晚上哄不了孩子，每当这个时候，我都想抽出四十米的大刀杀敌。生前说不管孩子咋样，都会把老公放在第一位，现在再看看老公哪里是友军，分明就是反派，孩子还没他让我生气呢。怎么办呢？总不能一直持续这样的状态啊，改变老公？呵呵。那就只能改变自己了，首
  • 有什么别有病，没什么别没钱 卖白菜的大婶
    30岁难道是人生的分水岭嘛？混的好的被人借钱，混的不好的找人借钱。混的普通的不找别人借钱，也不借钱给别人。我是最后一种。这两年居然有人找我借钱，不知道在他们心目中我算混的好的，还是纯属穷途末路了想个找好下手的目标。然而，我让他们失望了。怎么就相中了我呢，找也得找个钱多人傻的，我钱也不多人也不傻，居然成了目标。最早找我借钱的这位，我们是一起共事过三个月的同事。对方有模有样的，工作勤奋刻苦，真的完全看
  • Redis：支撑高并发及高可用复杂的缓存架构 玉成226 【Redis】缓存redis架构
    这里写目录标题一、企业级Redis集群架构二、（nginx+lua）+redis+ehcache的三级缓存架构三、数据库+缓存双写一致性解决方案四、大key：缓存维度拆分解决方案五、如何提高缓存的命中率一、企业级Redis集群架构二、（nginx+lua）+redis+ehcache的三级缓存架构三、数据库+缓存双写一致性解决方案四、大key：缓存维度拆分解决方案五、如何提高缓存的命中率
  • Spring Boot应用部署 - WAR包部署 闫小甲 SpringBootspringboot
    WAR包部署将SpringBoot应用部署为WAR包并部署到外部Tomcat服务器上，需要进行一些特定的配置和步骤。以下是详细说明：1.修改打包方式在项目的构建工具配置文件中（通常是pom.xmlforMaven），将打包方式改为war。以下是构建工具的具体示例：Maven在pom.xml中的标签设置为war：war2.排除内置Tomcat为了防止与外部Tomcat服务器产生冲突，需要在构建配置中
  • 关于高防服务器租赁 yaoguainalipao 服务器
    59.56.66.*段是福州电信机房的得意之作，打底300G防护，独立清洗段，死扛防护定制。电信骨干网上层进行流量清洗！具体需求可咨询QQ：576091394为什么要封国外？封UDP？封掉后有什么好处？总所周知，目前国内的大攻击都是来自国外的，国外的成本较国内的成本低很多，为什么呢，因为我们国内的网络在全世界里算是落后很多的了，在国内我们家用宽带大家都知道都是百M口的，相比网络的发达呢，他们家用带
  • Spring Boot应用部署 - JAR包部署 闫小甲 SpringBootspringboot
    SpringBoot应用部署采用打包成JAR文件的方式，旨在利用其内置的嵌入式Tomcat或其他Servlet容器，简化传统Web应用部署流程。以下是详细的步骤和说明：1.使用Maven或Gradle进行打包Maven在SpringBoot项目中，确保pom.xml文件已经包含了SpringBootMaven插件。如果未添加，需添加如下配置：org.springframework.bootspri
  • 读《风雪追击》有感 HWFJerry
    出差途中终于把放在书架许久的东野圭吾的《风雪追击》读完了。小说不能说非常紧凑，只能说平淡，但是还是有着吸引力让人一口气读完。对于作者的分析推理并没有太多的关注，但是深刻领会到了其中讲述的一个浅显易懂的道理。图片来自于网络故事并不复杂，讲述的是一个叫龙实的年青人被误认为是杀人嫌犯而被警察追击的事。一开始龙实和他的朋友分析解除嫌疑最好的方法就是寻找目击证人，证明自己没有作案的时间。他们千方百计逃脱警察
  • 微服务架构中的注册中心：深入探讨与实际应用 需要重新演唱 架构微服务云原生
    微服务架构中的注册中心：深入探讨与实际应用在微服务架构中，服务的注册与发现是一个核心组件，它确保了服务之间的动态通信和协调。注册中心（ServiceRegistry）作为这一机制的关键组成部分，扮演着至关重要的角色。本文将深入探讨微服务注册中心的工作原理、常见实现、以及如何在实际项目中应用。无论你是微服务架构的新手还是经验丰富的开发者，这篇文章都将为你提供有价值的信息。前置知识在深入探讨注册中心之
  • Linux字符设备驱动 -- regulator子系统 lagransun linux驱动开发c语言
    文章目录环境regulator子系统简介：Regulator设备的注册Consumer设备的注册环境linux4.9armv8-Aregulator子系统简介：关于regulator子系统，可以看下这这些博客：Linux驱动之Regulator子系统Linux内核之电源篇(加载流程)regulator，翻译就是调节器。一些可以输出电流电压的设备可以使用该子系统。举个例子，一个PMIC有多路输出，每
  • 大力弘扬三牛精神 李家大少爷_7531
    2021年的新年茶话会上，习近平总书记说：“前进道路上，我们要大力发扬孺子牛、拓荒牛、老黄牛精神，以不怕苦，能吃苦的牛劲牛力，不用扬鞭自奋蹄，继续委中华民族伟大复兴辛勤耕耘，勇往直前，在新时代创造新的历史辉煌。”今年是牛年，映入眼帘的都是有关牛的典故与精神，像“孺子牛”“拓荒牛”“老黄牛”，是家喻户晓的美好形象，是底蕴深厚的文化意象，蕴含着中共人民自强不息、砥砺奋进的精神，这也即是“三牛精神”。深
  • 2022-6-30晨间日记 空山思
    今天是什么日子起床：六点四十起床就寝：十一点睡。天气：阴天心情：一般。任务清单昨日完成的任务，最重要的三件事：完成永强邀请。完成吉他练习。完成锻炼。改进：一个时刻就做一个时刻的事，自己分析得失，成就历练人生。习惯养成：好的习惯应该是灵活的东西，不会是死板的，才能很好地坚持下来。学习·信息·阅读昨晚没有完成睡前阅读，要注意把握时间。健康·饮食·锻炼几天不锻炼，人有点不舒服。人际·家人·朋友要有一个清
  • 2019-05-16（有你的四季） 依偎漫雨
    我的脑袋还是容易受自己的情绪控制，每个人似乎都是这样的。不要十分悲观，你还是有很多是值得许多人羡慕的，不要把所有的个错丢到自己的身上，霸道点，相信自己可以的。今天做的好的地方，知道明确自己要做的事情。做的不好的1，没有喊托运部的人帮助自己完成任务，拖延了时间。2，需要了解太阳网的各种知识。3，安排好自己一天的生活。4，学会如何阅读一本书。5，哈哈哈哈，每天写日记，心里还是十分踏实的。
  • 快充设计方案解说 xcx003 rabbitmqzookeeperflume
    快充设计方案是一个综合性的计术方案，在通过提高充电效率来缩短充电时间。以下是一个概括性的快充方案：1.快充技术原理快充技术核心原理是通过提高充电功率（p）来缩短充电时间（T），功率（P)是电压(U)和电流（I）的乘积，即P=UI。因此，增大功率的方法主要包括提高充电电压、提高充电电流，或者同时提高两者。2.快充方案设计要点1.电源管理芯片的选择主动控制器：选择集成度高、保护功能完备的电源管理芯片。
  • 在windows服务器上部署spring boot项目 Joinyo springbootjava
    前言写下这篇文章是为了记录第一次发布SpringBoot项目的过程。初步认识SpringBootSpringBoot是由Pivotal团队在2013年开始研发、2014年4月发布第一个版本的全新开源的轻量级框架。它基于Spring4.0设计，不仅继承了Spring框架原有的优秀特性，而且还通过简化配置来进一步简化了Spring应用的整个搭建和开发过程。SpringBoot所具备的特征（1）可以创建
  • DDOS和CC攻击 wys2338 服务器服务器
    DDOS攻击又称之为"分布式攻击",它使用非法数据淹没网络链路，这些数据可能淹没Internet链路，导致合法数据流被丢弃，DDOS攻击比旧时代的DOS（拒绝服务）更加可怕，规模极大，通常他们是以几百台计算机或甚至几万台以上的计算机进行以点试图掩没攻击为目标，使目标机子在1分钟内变成瘫痪状态，一下子接受那么多数据包，它就算是台巨型机的速度，也不可能达到一下处理几千台或几万台机子攻击目标的现象，相同
  • SEO垃圾邮件攻击是什么 wys2338 服务器服务器
    SEO垃圾邮件攻击是指黑客将恶意链接注入您网站上的各个页面，或在您的网站上创建包含垃圾邮件内容的新页面。此外，黑客会在您的页面上留下指向恶意网站的重定向。因此，当查看者单击其中一个恶意重定向链接时，他们会被带到可能感染了恶意软件的完全不同的网站。有时，这些网站也沉迷于网络钓鱼。网络犯罪分子还广泛使用机器人在您的网站上留下垃圾评论。搜索引擎优化垃圾邮件攻击通常发生，因为有恶意的人试图增加他们网站的流
  • WAF和防火墙有什么区别 wys2338 服务器服务器web安全
    WAF防火墙保护Web应用程序免受恶意攻击和漏洞。另一方面，传统防火墙提供针对网络威胁的保护。标准防火墙和Web应用程序防火墙不仅在它们扩展的保护类型上有所不同，而且在总体功能上也有所不同。WAF防火墙和防火墙之间的主要区别在于，WAF位于服务器和应用程序之前，可防御针对服务器的威胁。防火墙放置在网络的边界上，充当已知威胁和未知威胁之间的一道屏障。标准防火墙旨在允许或拒绝对网络的访问。WAF防火墙
  • 听曲黎敏讲座收获 傻大妮的精神之旅
    听讲座感受1、人要起欢喜之心，忧伤肺2、人不能被憋，怒伤肝。要多闭目养神。肝主目，肝主鼻，主节3、不能大乐。乐伤心。4、大脑，有为；身体，无为。大脑，不可思议；身体，要运动。5、补气血。归根结底，饮食。食法地，居法天。瘫法治失眠6、最好的补品。阳，阴，情，食，动。7、聪明不等于智慧。“尊严比人重要吗？比家重要吗？”活明白。朝闻道夕死可矣！8、嫁姑娘，做好吃苦的准备。上孝公婆，中敬丈夫，下抚子女，洒
  • PHP mail()本地邮箱服务器搭建全过程 礼貌先生 phpphpsendmail
    我用的是win10和WampServerphpmail()函数在windows中是不能直接使用的，需要安装sendmail,假如是用的XAMPP，则已经下载好，不需要重新下载1.下载sendmail.zip地址：http://glob.com.au/sendmail/2.下载成功后解压，并把下载好的文件剪切至wamp目录（其实存到哪里都一样这里为了方便存就放在wamp下好了，和www在同一目录）3
  • 我喜欢上了单位的女同事，该不该向她表白？ 古风心理咨询
    网友自述：“我一直以来都认为自己是一个原则性很强的人，我这一生中除了我妻子我不会喜欢上任何一个女人，我妻子严格来说是我的初恋，也是我这一生唯一的一个女人。但是最近一段时间，我却发现，我逐惭的喜欢上了我的同事，和我一个办公室的同事，说实话，这么多年来，对她是没有感觉的。我刚认识她的时候，她还是单身，后来结婚，有了孩子，这么多年来，一直是当同事、好朋友来看待，对她也没有任何的想法，一直认为我和她互相不
  • 【The Story of Philosophy 】Day 26 —最大的优点也是最大的缺点 学姐Mandy
    柏拉图的令人窒息的文体美一方面吸引我们，让我们有进一步阅读的愿望；同时，太优美的表述也会让我们陷入一种不是在读哲学的误区，我们要置身那个时代，才能够去了解理解柏拉图所呈现的哲学盛宴。最大的优点也是最大的缺点。想起之前读过的一个观点:我们要警惕那些让我们引以为傲的特质。能让我们引以为傲，肯定在过去的某个时间点，我们从中获得了某种好处。而现在，若是我们还是以此为荣，夸夸其谈，则会蒙蔽我们的双眼，阻碍进
  • 秒懂：进程（概念初晓） 是布吉岛 秒懂操作系统linux运维服务器
    1.概念：课本概念：程序的一个执行实例，正在执行的程序等内核观点：担当分配系统资源（CPU时间，内存）的实体。作者理解：一个加载到内存中的程序。进程不止包括程序加载到内存的数据，还包括该进程的属性，它的这个属性，操作系统用一个结构体PCB来封装，在linux中进程的属性统一叫做task_struct。所以进程=PCB(属性)+内容程序是存储在外存中，进程PCB是在内存中的，程序是“静”的从程序到进
  • 本题要求实现符号函数sign(x)。 百万象 蓝桥杯c语言
    函数接口定义：intsign(intx);其中x是用户传入的整型参数。符号函数的定义为：若x大于0，sign(x)=1；若x等于0，sign(x)=0；否则，sign(x)=−1。裁判测试程序样例：#includeintsign(intx);intmain(){intx;scanf("%d",&x);printf("sign(%d)=%d\n",x,sign(x));return0;}/*你的代码
  • 听说过走阴吗？ 少年清隽
    讲一个很邪性的故事吧，关于山西运城的走阴人。走阴，指的是一个民间传说中很诡异的现象，就是人死而复生后，可以穿梭阴阳，自由去阴间。这事情很诡异吧，但是，好像是真的……这个事情要从头开始讲。我大学肄业后，在清华大学旁边的房地产公司做过一段工作，当时老去旁边的语言大学踢球，就认识了一个大学生。这个过阴人的事情，就是他讲的。这个大学生是个博士，他是山西运城人。运城这个地方，有两个东西很出名，一个是关二爷，
  • 使用XShell、XFTP连接虚拟机或者服务器教程 尘封. #XSHELL/XFTP服务器运维linux
    文章目录前期准备安装建立连接XFTP部分前期准备官方网站下载需要购买，但是我记得我好像是通过邮件发送过来的，应该是那个30天试用版，要是不会操作的话可以评论私我发你网盘。安装打开安装包(xshell/xftp，两个软件的安装步骤相同)选择“接收协议条款”，点击“下一步”选择目的存储位置“选择程序文件夹”，默认不动即可点击完成建立连接打开软件（xshell/xftp，连接步骤均相同）查看被连接的系统
  • SpringBoot 转发重定向 摆动的手指 springboot
    SpringBoot转发重定向1、转发方式一：使用“forward”关键字（不是指java关键字），注意：类的注解不能使用@RestController要用@Controller@RequestMapping(value="/test/test01/{name}",method=RequestMethod.GET)publicStringtest(@PathVariableStringname){
  • 春日里的小确幸 娜里风景独好
    今天周日，难得家人都在家休息。昨天晚上和了面早上发酵的蓬松柔软，用五花肉、胡萝卜、酸菜、粉条、芹菜做了绞了馅儿，婆婆擀面皮我包包子，配合的天衣无缝，赶在俩宝上学前蒸了两锅白白胖胖的大包子当早餐。人均三个，太鼓励了。俩宝爱吃豆沙，超市里卖的成品过份甜腻品质也不尽人意，买了红豆，泡了一夜自己煮熟炒了豆沙做了豆沙包，俩宝的最爱。超市里还有不错的鸡翅中、鸭胗和鸭爪，清洗清洗干净，过年熬的卤汤还在，入了进去
  • 秋雨绵绵 云天雨风
    时光流影.自拍天阴阴沉沉，怕是要下雨了。急匆匆走出菜市场，天已经渐黑。回到家，犹豫着不知道想做什么饭菜。看着刚刚买回的菠菜，有了主意。那些翠绿的菠菜嫩嫩的，看着就喜欢。洗好，切段，入盆，洒少许盐，打入鸡蛋一枚，搅拌。电煎铛，低温加热，倒油少许，菠菜平铺铛内。几分钟后，菠菜翻面，香味飘溢。再翻面，稍稍即装盘，蒜泥上桌，齐活，开饭啦！这菠菜是乡下的农人自己种的，鲜嫩得很，入口即化，好吃！小时候，母亲喜
  • 东北一家人——考清华 二丫头226
    田福、田柱子和李荣赶着马车，到了家，卸了最后一车苞米。今年的地算是都收割回来了，后面就在家扒苞米就可以了，所以今天收工的特别晚。卸完苞米后，田柱子又把马喂上草，这才进屋。几个孩子也跟着进了屋，大家已经饿的前胸贴后背了。到家后，大孩儿赶紧放桌子，准备吃饭。田柱子和李荣虽然干了一天活，很累了，但是看到很多家务活，孩子们已经都帮忙干了，特别欣慰。“爸、妈，吃饭吧。”大孩儿张罗着。“吃吧，吃吧。”大家都上
  • 何如辨别高防服务器是否是真实防御 qq_2354861503 服务器安全防护服务器类别服务器网络运维
    1、看机房的带宽大小大部分网络攻击采用的是带宽消耗型攻击，所以机房需要提供足够大的带宽以应对带宽消耗型网络攻击，因此用户可根据机房所提供的带宽大小来判断优劣之分。蓝队云拥有电信、联通、移动三大机房，其中电信机房是云南唯一的国家级标准钻石四星级机房，提供7*24小时不间断机房服务。2、看机房防火墙的防御能力一般来说，提供高防服务器的数据中心都会配备防火墙设备，一般设备至少要在100G以上。用户需要了
  • java线程的无限循环和退出 3213213333332132 java
    最近想写一个游戏，然后碰到有关线程的问题，网上查了好多资料都没满足。 突然想起了前段时间看的有关线程的视频，于是信手拈来写了一个线程的代码片段。 希望帮助刚学java线程的童鞋 package thread; import java.text.SimpleDateFormat; import java.util.Calendar; import java.util.Date
  • tomcat 容器 BlueSkator tomcatWebservlet
    Tomcat的组成部分 1、server A Server element represents the entire Catalina servlet container. (Singleton) 2、service service包括多个connector以及一个engine，其职责为处理由connector获得的客户请求。   3、connector 一个connector
  • php递归,静态变量,匿名函数使用 dcj3sjt126com PHP递归函数匿名函数静态变量引用传参
      <!doctype html> <html lang="en"> <head> <meta charset="utf-8"> <title>Current To-Do List</title> </head> <body>
  • 属性颜色字体变化 周华华 JavaScript
    function changSize(className){ var diva=byId("fot") diva.className=className; } </script> <style type="text/css"> .max{ background: #900; color:#039;
  • 将properties内容放置到map中 g21121 properties
    代码比较简单： private static Map<Object, Object> map; private static Properties p; static { //读取properties文件 InputStream is = XXX.class.getClassLoader().getResourceAsStream("xxx.properti
  • [简单]拼接字符串 53873039oycg 字符串
             工作中遇到需要从Map里面取值拼接字符串的情况，自己写了个，不是很好，欢迎提出更优雅的写法，代码如下：           import java.util.HashMap; import java.uti
  • Struts2学习 云端月影
    最近开始关注struts2的新特性，从这个版本开始，Struts开始使用convention-plugin代替codebehind-plugin来实现struts的零配置。 配置文件精简了，的确是简便了开发过程，但是，我们熟悉的配置突然disappear了，真是一下很不适应。跟着潮流走吧，看看该怎样来搞定convention-plugin。 使用Convention插件，你需要将其JAR文件放
  • Java新手入门的30个基本概念二 aijuans java新手java 入门
    基本概念:　　1.OOP中唯一关系的是对象的接口是什么,就像计算机的销售商她不管电源内部结构是怎样的,他只关系能否给你提供电就行了,也就是只要知道can or not而不是how and why.所有的程序是由一定的属性和行为对象组成的,不同的对象的访问通过函数调用来完成,对象间所有的交流都是通过方法调用,通过对封装对象数据,很大限度上提高复用率。　　2.OOP中最重要的思想是类,类是模板是蓝图,
  • jedis 简单使用 antlove javarediscachecommandjedis
    jedis.RedisOperationCollection.java package jedis; import org.apache.log4j.Logger; import redis.clients.jedis.Jedis; import java.util.List; import java.util.Map; import java.util.Set; pub
  • PL/SQL的函数和包体的基础 百合不是茶 PL/SQL编程函数包体显示包的具体数据包
    由于明天举要上课,所以刚刚将代码敲了一遍PL/SQL的函数和包体的实现(单例模式过几天好好的总结下再发出来);以便明天能更好的学习PL/SQL的循环,今天太累了,所以早点睡觉,明天继续PL/SQL总有一天我会将你永远的记载在心里,,,   函数; 函数:PL/SQL中的函数相当于java中的方法;函数有返回值 定义函数的 --输入姓名找到该姓名的年薪 create or re
  • Mockito(二)--实例篇 bijian1013 持续集成mockito单元测试
            学习了基本知识后，就可以实战了，Mockito的实际使用还是比较麻烦的。因为在实际使用中，最常遇到的就是需要模拟第三方类库的行为。         比如现在有一个类FTPFileTransfer，实现了向FTP传输文件的功能。这个类中使用了a
  • 精通Oracle10编程SQL(7)编写控制结构 bijian1013 oracle数据库plsql
    /* *编写控制结构 */ --条件分支语句 --简单条件判断 DECLARE v_sal NUMBER(6,2); BEGIN select sal into v_sal from emp where lower(ename)=lower('&name'); if v_sal<2000 then update emp set
  • 【Log4j二】Log4j属性文件配置详解 bit1129 log4j
    如下是一个log4j.properties的配置   log4j.rootCategory=INFO, stdout , R log4j.appender.stdout=org.apache.log4j.ConsoleAppender log4j.appender.stdout.layout=org.apache.log4j.PatternLayout log4j.appe
  • java集合排序笔记 白糖_ java
    public class CollectionDemo implements Serializable,Comparable<CollectionDemo>{ private static final long serialVersionUID = -2958090810811192128L; private int id; private String nam
  • java导致linux负载过高的定位方法 ronin47
    定位java进程ID 可以使用top或ps -ef |grep java ![图片描述][1] 根据进程ID找到最消耗资源的java pid 比如第一步找到的进程ID为5431 执行 top -p 5431 -H ![图片描述][2] 打印java栈信息 $ jstack -l 5431 > 5431.log 在栈信息中定位具体问题 将消耗资源的Java PID转
  • 给定能随机生成整数1到5的函数，写出能随机生成整数1到7的函数 bylijinnan 函数
    import java.util.ArrayList; import java.util.List; import java.util.Random; public class RandNFromRand5 { /** 题目：给定能随机生成整数1到5的函数，写出能随机生成整数1到7的函数。 解法1： f(k) = (x0-1)*5^0+(x1-
  • PL/SQL Developer保存布局 Kai_Ge
          近日由于项目需要，数据库从DB2迁移到ORCAL，因此数据库连接客户端选择了PL/SQL Developer。由于软件运用不熟悉，造成了很多麻烦，最主要的就是进入后，左边列表有很多选项，自己删除了一些选项卡，布局很满意了，下次进入后又恢复了以前的布局，很是苦恼。在众多PL/SQL Developer使用技巧中找到如下这段：   &n
  • [未来战士计划]超能查派[剧透,慎入] comsci 计划
           非常好看,超能查派,这部电影......为我们这些热爱人工智能的工程技术人员提供一些参考意见和思想........        虽然电影里面的人物形象不是非常的可爱....但是非常的贴近现实生活....    &nbs
  • Google Map API V2 dai_lm google map
    以后如果要开发包含google map的程序就更麻烦咯 http://www.cnblogs.com/mengdd/archive/2013/01/01/2841390.html 找到篇不错的文章，大家可以参考一下 http://blog.sina.com.cn/s/blog_c2839d410101jahv.html 1. 创建Android工程 由于v2的key需要G
  • java数据计算层的几种解决方法2 datamachine javasql集算器
    2、SQL     SQL/SP/JDBC在这里属于一类，这是老牌的数据计算层，性能和灵活性是它的优势。但随着新情况的不断出现，单纯用SQL已经难以满足需求，比如： JAVA开发规模的扩大，数据量的剧增，复杂计算问题的涌现。虽然SQL得高分的指标不多，但都是权重最高的。     成熟度：5星。最成熟的。   
  • Linux下Telnet的安装与运行 dcj3sjt126com linuxtelnet
    Linux下Telnet的安装与运行   linux默认是使用SSH服务的 而不安装telnet服务  如果要使用telnet 就必须先安装相应的软件包  即使安装了软件包 默认的设置telnet 服务也是不运行的 需要手工进行设置 如果是redhat9，则在第三张光盘中找到 telnet-server-0.17-25.i386.rpm
  • PHP中钩子函数的实现与认识 dcj3sjt126com PHP
    假如有这么一段程序： function fun(){ fun1(); fun2(); }   首先程序执行完fun1()之后执行fun2()然后fun()结束。   但是，假如我们想对函数做一些变化。比如说，fun是一个解析函数，我们希望后期可以提供丰富的解析函数，而究竟用哪个函数解析，我们希望在配置文件中配置。这个时候就可以发挥钩子的力量了。   我们可以在fu
  • EOS中的WorkSpace密码修改 蕃薯耀 修改WorkSpace密码
    EOS中BPS的WorkSpace密码修改 >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>> 蕃薯耀 201
  • SpringMVC4零配置--SpringSecurity相关配置【SpringSecurityConfig】 hanqunfeng SpringSecurity
     SpringSecurity的配置相对来说有些复杂，如果是完整的bean配置，则需要配置大量的bean，所以xml配置时使用了命名空间来简化配置，同样，spring为我们提供了一个抽象类WebSecurityConfigurerAdapter和一个注解@EnableWebMvcSecurity，达到同样减少bean配置的目的，如下：   applicationContex
  • ie 9 kendo ui中ajax跨域的问题 jackyrong AJAX跨域
    这两天遇到个问题，kendo ui的datagrid，根据json去读取数据，然后前端通过kendo ui的datagrid去渲染，但很奇怪的是，在ie 10,ie 11,chrome,firefox等浏览器中，同样的程序， 浏览起来是没问题的，但把应用放到公网上的一台服务器， 却发现如下情况： 1） ie 9下，不能出现任何数据，但用IE 9浏览器浏览本机的应用，却没任何问题
  • 不要让别人笑你不能成为程序员 lampcy 编程程序员
    在经历六个月的编程集训之后，我刚刚完成了我的第一次一对一的编码评估。但是事情并没有如我所想的那般顺利。 说实话，我感觉我的脑细胞像被轰炸过一样。 手慢慢地离开键盘，心里很压抑。不禁默默祈祷：一切都会进展顺利的，对吧？至少有些地方我的回答应该是没有遗漏的，是不是？ 难道我选择编程真的是一个巨大的错误吗——我真的永远也成不了程序员吗？ 我需要一点点安慰。在自我怀疑，不安全感和脆弱等等像龙卷风一
  • 马皇后的贤德 nannan408
       马皇后不怕朱元璋的坏脾气，并敢理直气壮地吹耳边风。众所周知，朱元璋不喜欢女人干政，他认为“后妃虽母仪天下，然不可使干政事”，因为“宠之太过，则骄恣犯分，上下失序”，因此还特地命人纂述《女诫》，以示警诫。但马皇后是个例外。 　　有一次，马皇后问朱元璋道：“如今天下老百姓安居乐业了吗？”朱元璋不高兴地回答：“这不是你应该问的。”马皇后振振有词地回敬道：“陛下是天下之父，
  • 选择某个属性值最大的那条记录（不仅仅包含指定属性，而是想要什么属性都可以） Rainbow702 sqlgroup by最大值max最大的那条记录
    好久好久不写SQL了，技能退化严重啊！！！   直入主题： 比如我有一张表，file_info， 它有两个属性（但实际不只，我这里只是作说明用）： file_code, file_version 同一个code可能对应多个version 现在，我想针对每一个code，取得它相关的记录中，version 值 最大的那条记录， SQL如下： select *
  • VBScript脚本语言 tntxia VBScript
      VBScript 是基于VB的脚本语言。主要用于Asp和Excel的编程。   VB家族语言简介   Visual Basic 6.0           源于BASIC语言。           由微软公司开发的包含协助开发环境的事
  • java中枚举类型的使用 xiao1zhao2 javaenum枚举1.5新特性
    枚举类型是j2se在1.5引入的新的类型,通过关键字enum来定义,常用来存储一些常量.   1.定义一个简单的枚举类型 public enum Sex { MAN, WOMAN }   枚举类型本质是类,编译此段代码会生成.class文件.通过Sex.MAN来访问Sex中的成员,其返回值是Sex类型.   2.常用方法 静态的values()方
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他