- Linux性能测试工具整理
雪绒~
Linuxgit测试工具linux
性能测试工具:Unixbenchlmbenchstreamiozonefionetperfspec2000spec2006一、unixbenchunixbench主要是用于系统基础性能测试,unixbench也包含一些非常简单的2D和3D图形测试UnixBench一个基于系统的基准测试工具,不单纯是CPU内存或者磁盘测试工具。测试结果不仅仅取决于硬件,也取决于系统、开发库、甚至是编译器【测试步骤】
- 对领域驱动设计(DDD)的学习成果
huaishu
架构
领域驱动设计之领域模型2004年EricEvans发表Domain-DrivenDesign–TacklingComplexityintheHeartofSoftware(领域驱动设计),简称EvansDDD。领域驱动设计分为两个阶段:以一种领域专家、设计人员、开发人员都能理解的“通用语言”作为相互交流的工具,在不断交流的过程中不断发现一些主要的领域概念,然后将这些概念设计成一个领域模型;由领域模
- 使用Colpali架构掌握多模态RAG技术
大模型之路
RAGRAG多模态多模态RAG检索增强生成LLM
传统的LLM面临着“幻觉”问题,即它们可能生成听起来合理但实际上错误或未经证实的信息。为了解决这个问题,检索增强生成(RAG)模型应运而生。RAG(语义缓存:提升RAG性能的关键策略)通过将LLM的生成能力与外部知识检索系统相结合,实现了更准确、更可靠的输出。然而,传统的RAG主要局限于文本数据,无法充分利用多模态信息。为了应对这一挑战,多模态RAG应运而生,其中Colpali架构成为这一领域的佼
- 数控领域 - NC(Numerical Control,数控)极简理解
我命由我12345
行业-简化概念数控自动化行业职场和发展职场发展求职招聘需求分析
NC概述NC全称是NumericalControl,即数控NC是一种通过数字化信号控制机床或其他制造设备的技术NC利用计算机或专用控制器执行预编程指令,实现自动化加工NC的特点硬件控制:NC系统依赖于硬件控制器,通常不具备编程和存储能力介质存储:加工程序存储在穿孔纸带或磁带上,修改程序需要重新制作介质功能有限:NC系统的功能较为简单,通常只能执行基本的加工任务精度较低:由于硬件限制,NC系统的加工
- tf.Keras (tf-1.15)使用记录4-model.fit方法及其callbacks参数
普通攻击往后拉
NN技巧tf.keraskeras人工智能深度学习
model.fit()方法是TensorFlowKeras中用于训练模型的核心方法。其中里面的callbacks参数是实现模型保存、监控、以及和tensorboard联动的重要API1model.fit()方法的参数及使用必需参数x:训练数据的输入。可以是NumPy数组、TensorFlowtf.data.Dataset、Python生成器或keras.utils.Sequence实例。y:训练数
- 解决:npm : 无法加载文件 D:\Node\node_global\npm.ps1,因为在此系统上禁止运行脚本
小李搬砖
npm前端node.js
1.原因有一次下载了pnpm并配置环境后,不知道是不是配置环境的时候操作错了还是其他什么原因。再次打开一个项目使用npm或pnpm命令的时候就报错了。首先理解一下报错信息的意思,无法加载npm下载时文件存放的路径(D:\Node\node_global)下的npm.ps1这个文件,打开一看是关于执行在powershell上,node环境下执行npm相关命令的脚本,当我们使用npm命令的时候,操作系
- python 安装包 site-packages
cliffordl
综合pythonpython开发语言
1.site-packages文件夹的位置当我们通过pip或其他方式安装一个Python包时,这些包的文件就会被复制到site-packages文件夹下。site-packages文件夹通常位于Python的安装目录下的Lib文件夹内。具体的路径会根据你使用的操作系统和Python版本的不同而有所不同。下面是一些常见操作系统下site-packages文件夹的默认位置:1.1.在Windows系统
- 小南每日 AI 资讯 |美国与日本企业联合投资“星际之门”项目| 罗永浩老师最新初创项目上线! | 25/01/24
小南AI学院
人工智能microsoft
近期人工智能(AI)领域的重要动态随着人工智能技术的迅猛发展,多个领域涌现出令人瞩目的创新。以下是近期AI领域的几项重大进展,涵盖技术创新、行业合作以及AI在各个领域的应用:1.AI技术创新与产品发布DeepSeek发布开源模型R1,挑战传统开发模式中国初创公司深度求索(DeepSeek)于1月27日发布开源AI模型R1。该模型以低成本实现接近OpenAIGPT-3的性能,打破了“越大越好”的传统
- AIGC的底层框架和技术模块
五岔路口
AIGC
AIGC(ArtificialIntelligenceGeneratedContent,人工智能生成内容)的底层框架和技术模块是构建其强大自然语言处理能力的核心组成部分。以下是对AIGC底层框架和技术模块的详细解析:底层框架AIGC的底层框架主要基于深度学习的语言模型,特别是Transformer模型及其变种,如GPT(GenerativePre-trainedTransformer)等。这些模型
- 为什么要用tauri开发跨平台桌面
扎量丙不要犟
rusttauri
1、跨平台:tauri目前能跑PC和移动端,支持windows,macos,linux,android,ios。2、体积小:electron打包非常大,特别是在macos中打包,大得可怕。我在macos中打包了一个electron项目,占600MB,改成tauri,只用了16MB。这差距太大了,macos的硬盘很贵的。3、兼容性:tauri依靠webview2或者其他类似webview的技术,确实
- Stable Diffusion 3 与 OpenAI 的 DALL-E 3 谁才是AI绘画的扛把子?
kcarly
杂谈StableDiffusion使用stablediffusionAI作画
StableDiffusion3和OpenAI的DALL-E3是当前最顶尖的两种AI图像生成模型,它们在技术架构、应用场景和性能表现上各有特点。以下从多个角度详细比较这两种模型:1.开发背景与架构StableDiffusion3是由StabilityAI开发的开源模型,基于扩散Transformer架构和流匹配(FlowMatching)技术,支持多种参数配置(从800M到8B),能够满足多样化的
- Windows11上的虚拟化软件推荐
kcarly
杂谈系统运维认识系列服务器运维虚拟化Windows11
在Windows11上运行虚拟化软件时,有多种选择可供用户根据需求进行选择。以下是几款推荐的虚拟化软件及其特点:1.VMwareWorkstation优点:VMwareWorkstation是一款功能强大且广泛使用的虚拟化软件,支持多种操作系统(包括Windows、Linux、macOS等),并提供丰富的功能,如快照、克隆、虚拟网络和3D图形加速等。它适用于需要高性能虚拟机的用户,尤其适合开发者和
- Stable Diffusion 3.5 正式发布!免费开源,堪称最强AI文生图模型,附本地安装和在线使用教程
Qingmu2024
AIGC(文本图像视频)特训营人工智能pythonstablediffusion
关键要点:10月22日,stability.ai重磅推出StableDiffusion3.5,号称迄今为止最强大的文生图模型。此次公开版本包括多个模型变体,其中有StableDiffusion3.5Large和StableDiffusion3.5LargeTurbo。此外,StableDiffusion3.5Medium将于10月29日发布。这些模型在尺寸方面具有高度可定制性,可在消费级硬件上运行
- Stable Diffusion创始人:DeepSeek没有抄袭!
Datawhale
stablediffusion人工智能
Datawhale分享观点:EmadMostaque,编译:Datawhale视频中英对照如下:Distillationisnothingnew,andthere'snowaytokindofstopthisfromthemodelbasis.蒸馏技术并不是什么新事物,而且从模型的角度来看,没有办法完全阻止这种情况的发生。Butifyouactuallylookatwhatthepapersays
- LeetCode—406.根据身高重建队列(Queue Reconstruction by Height)——分析及代码(Java)
江南土豆
数据结构与算法LeetCodeJava题解
LeetCode—406.根据身高重建队列[QueueReconstructionbyHeight]——分析及代码[Java]一、题目二、分析及代码1.贪心算法(1)思路(2)代码(3)结果三、其他一、题目假设有打乱顺序的一群人站成一个队列。每个人由一个整数对(h,k)表示,其中h是这个人的身高,k是排在这个人前面且身高大于或等于h的人数。编写一个算法来重建这个队列。注意:总人数少于1100人。示
- java xml dom 解析_解析 XML DOM
十二月极光
javaxmldom解析
解析XMLDOM大多数浏览器都内建了供读取和操作XML的XML解析器。解析器把XML转换为JavaScript可存取的对象。实例W3School提供的实例独立于浏览器和平台。这些实例可在所有现代浏览器中运行。解析XML所有现代浏览器都内建了用于读取和操作XML的XML解析器。解析器把XML读入内存,并把它转换为可被JavaScript访问的XMLDOM对象。微软的XML解析器与其他浏览器中的解析器
- Python机器学习实战:人脸识别技术的实现和挑战
AI天才研究院
AI大模型企业级应用开发实战大数据AI人工智能计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
Python机器学习实战:人脸识别技术的实现和挑战作者:禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming关键词:人脸识别技术,模型训练,多人识别,动态人脸检测,应用场景1.背景介绍1.1问题的由来随着科技的进步和互联网的普及,人脸识别技术因其在安全验证、生物特征识别、智能监控等多个领域的广泛应用而迅速崛起。从传统的门禁系统到现代的人脸支付、社交媒体的自动登
- 深度学习:基础原理与实践
阿尔法星球
深度学习python人工智能
1.深度学习概述1.1定义与发展历程深度学习是机器学习的一个分支,它基于人工神经网络的学习算法,特别是那些具有多层(深层)结构的网络。深度学习模型能够自动从原始数据中提取复杂的特征,而不需要人为设计特征提取算法。定义:深度学习可以定义为使用深层神经网络进行学习的过程,这些网络由多个非线性的变换组成,能够学习数据的多层次表示。发展历程:深度学习的起源可以追溯到1943年WarrenSturgisMc
- 什么是MOE架构?哪些大模型使用了MOE?
明哲AI
AIGC架构人工智能大模型MOE
在人工智能快速发展的今天,大语言模型(LLM)的规模越来越大,参数量动辄上千亿甚至万亿。然而,更大的模型往往意味着更高的计算成本和更多的资源消耗。混合专家模型(MixtureofExperts,简称MoE)作为一种创新的架构设计,为解决这一难题提供了一个优雅的解决方案。什么是混合专家模型?想象一下,如果把一个大语言模型比作一所综合性大学,传统的模型就像是让所有教授(参数)都参与每一次教学活动。而M
- 谷歌Gemini1.5火速上线:MoE架构,100万上下文
AI生成曾小健
#混合专家模型MOELLM大语言模型人工智能深度学习pytorch机器学习python
谷歌Gemini1.5火速上线:MoE架构,100万上下文机器之心2024-02-1608:53北京机器之心报道机器之心编辑部今天,谷歌宣布推出Gemini1.5。Gemini1.5建立在谷歌基础模型开发和基础设施的研究与工程创新的基础上,包括通过新的专家混合(MoE)架构使Gemini1.5的训练和服务更加高效。谷歌现在推出的是用于早期测试的Gemini1.5的第一个版本——Gemini1.5P
- 愿景:做机器视觉行业的颠覆者
gaoenyang760525
人工智能
一个愿景,两场战斗,专注制胜。一个愿景:做机器视觉行业的颠覆者。我给自己创业,立一个大的愿景:做机器视觉行业的颠覆者。两场战斗:无监督-大模型上半场,无监督。2025-2030,共五年。用无监督算法,颠覆现有缺陷检测方法,争取在2-3个场景落地。在以下几个场景中,选择最容易的场景落地,做细分场景的标准检测设备:1、视觉筛选机2、PCB相关3、半导体、芯片4、纺织服装5、包装印刷(激光打标、喷码、瓶
- XMLDOM之浏览器差异
dengguxinghe4335
javascriptxhtmlViewUI
DOM解析中的浏览器差异所有现代浏览器都支持w3cDOM规范,不过浏览器之间是有差异的,重要的区别有两点:加载XML的方式;处理空白和换行的方式;1、加载XML的方式:所有现代浏览器都内建了用于读取和操作XML的XML解析器。解析器把XML读入内存,并把它转换为可被JavaScript访问的XMLDOM对象;微软的XML解析器与其他浏览器中的解析器是有差异的。微软的解析器支持对XML文件和XML字
- 什么是MoE?
CM莫问
深度学习人工智能算法常见概念人工智能算法python深度学习MoE混合专家模型机器学习
一、概念MoE(MixtureofExperts)是一种深度学习架构,它结合了多个专家模型(Experts)和一个门控机制(GatingMechanism)来处理不同的输入数据或任务。MoE的核心思想是将复杂的任务分解为多个子任务,由不同的专家网络来处理,以此来提升整体模型的性能和效率。MOE通过集成多个专家来显著提高模型的容量和表达能力,每个专家可以专注于学习输入数据的不同方面或特征,使得整个模
- 第三篇:模型压缩与量化技术——DeepSeek如何在边缘侧突破“小而强”的算力困局
python算法(魔法师版)
数据挖掘机器学习人工智能深度学习神经网络生成对抗网络边缘计算
——从算法到芯片的全栈式优化实践随着AI应用向移动终端与物联网设备渗透,模型轻量化成为行业核心挑战。DeepSeek通过自研的“算法-编译-硬件”协同优化体系,在保持模型性能的前提下,实现参数量与能耗的指数级压缩。本文从技术原理、工程实现到落地应用,完整解析其全链路压缩技术体系。第一章算法层创新:结构化压缩与动态稀疏化1.1非均匀结构化剪枝技术DeepSeek提出**“敏感度感知通道剪枝”(SAC
- RPC 和 RESTFUL
快乐的小三菊
java基础java
一、网络分层聊今天的话题之前,先普及个关于网络架构的分层的知识,在当前的世界中,有两套网络的参考模型,一套是OSI参考模型,一套是TCP/IP的参考模型。对于java开发而言,我们只需要知道现在用的是TCP/IP模型,这个模型分为四层就可以了。OSI参考模型(OpenSystemsInterconnectionReferenceModel):包括七层,这个模型过于理想化,未能在因特网中进行广泛推广
- word撰写格式系列1——毕业论文格式设置
Max_J999
computer
word格式设置1.页眉页脚设置1.1编辑目录页码----去掉前后横线的问题1.2页眉页脚奇偶页不同2.其他2.1word目录生成后页码前面的小点点有些有,有些又没有2.2将参考文献编号批量设置为上标2.3取消英文首字母大写1.页眉页脚设置总要求:页眉:从目录页开始往后须有页眉:目录页页眉为“湖南科技大学□士学位论文”(符号□用“博”或“硕”字替代);从正文开始奇数页页眉:“湖南科技大学□士学位论
- 【 书生·浦语大模型实战营】学习笔记(三):“茴香豆” 搭建你的RAG 智能助理
GoAI
自然语言处理NLP深入浅出AI深入浅出LLM深度学习LLM人工智能大模型
AI学习星球推荐:GoAI的学习社区知识星球是一个致力于提供《机器学习|深度学习|CV|NLP|大模型|多模态|AIGC》各个最新AI方向综述、论文等成体系的学习资料,配有全面而有深度的专栏内容,包括不限于前沿论文解读、资料共享、行业最新动态以、实践教程、求职相关(简历撰写技巧、面经资料与心得)多方面综合学习平台,强烈推荐AI小白及AI爱好者学习,性价比非常高!加入星球➡️点击链接【书生·
- 『大模型笔记』视觉语言模型解释
AI大模型前沿研究
大模型笔记LLMVLM视觉语言模型语言模型大模型人工智能
视觉语言模型解释文章目录一.视觉语言模型解析1.什么是视觉语言模型?2.开源视觉语言模型概览3.如何找到合适的视觉语言模型MMMUMMBench4.技术细节5.使用变压器(transformers)运用视觉语言模型6.使用TRL微调视觉语言模型二.参考文章一.视觉语言模型解析视觉语言模型是一类能够同时从图像和文本中学习,以处理从视觉问题回答到图像描述等多种任务的模型。本文将深入探讨视觉语言模型的核
- 告警架构高可用怎么做?
企鹅侠客
面试云原生架构监控告警prometheus
在Prometheus和Thanos环境中,为了实现告警架构的高可用性,需要在多个层面进行设计和配置。以下是实现告警高可用性的几个关键步骤:1.Prometheus实例的高可用多Prometheus实例:部署多个Prometheus实例来监控相同的服务和指标。这些实例可以彼此独立运行,保证即使其中一个实例发生故障,其他实例仍然可以继续收集数据和评估告警规则。Prometheus数据同步:使用Tha
- css(尚硅谷笔记)
rzl02
css笔记前端
接着上次的内容写一、css字体属性1.字体大小·属性名:font-size(作用:控制字体大小。)·语法:div{font-size:40px;}注意点:1.Chrome浏览器支持的最小文字为12px,默认的文字大小为16px,并且0px会自动消失。2.不同浏览器默认的字体大小可能不一致,所以最好给一个明确的值,不要用默认大小。3.通常以给body设置font-size属性,这样body中的其他元
- jquery实现的jsonp掉java后台
知了ing
javajsonpjquery
什么是JSONP?
先说说JSONP是怎么产生的:
其实网上关于JSONP的讲解有很多,但却千篇一律,而且云里雾里,对于很多刚接触的人来讲理解起来有些困难,小可不才,试着用自己的方式来阐释一下这个问题,看看是否有帮助。
1、一个众所周知的问题,Ajax直接请求普通文件存在跨域无权限访问的问题,甭管你是静态页面、动态网页、web服务、WCF,只要是跨域请求,一律不准;
2、
- Struts2学习笔记
caoyong
struts2
SSH : Spring + Struts2 + Hibernate
三层架构(表示层,业务逻辑层,数据访问层) MVC模式 (Model View Controller)
分层原则:单向依赖,接口耦合
1、Struts2 = Struts + Webwork
2、搭建struts2开发环境
a>、到www.apac
- SpringMVC学习之后台往前台传值方法
满城风雨近重阳
springMVC
springMVC控制器往前台传值的方法有以下几种:
1.ModelAndView
通过往ModelAndView中存放viewName:目标地址和attribute参数来实现传参:
ModelAndView mv=new ModelAndView();
mv.setViewName="success
- WebService存在的必要性?
一炮送你回车库
webservice
做Java的经常在选择Webservice框架上徘徊很久,Axis Xfire Axis2 CXF ,他们只有一个功能,发布HTTP服务然后用XML做数据传输。
是的,他们就做了两个功能,发布一个http服务让客户端或者浏览器连接,接收xml参数并发送xml结果。
当在不同的平台间传输数据时,就需要一个都能解析的数据格式。
但是为什么要使用xml呢?不能使json或者其他通用数据
- js年份下拉框
3213213333332132
java web ee
<div id="divValue">test...</div>测试
//年份
<select id="year"></select>
<script type="text/javascript">
window.onload =
- 简单链式调用的实现技术
归来朝歌
方法调用链式反应编程思想
在编程中,我们可以经常遇到这样一种场景:一个实例不断调用它自身的方法,像一条链条一样进行调用
这样的调用你可能在Ajax中,在页面中添加标签:
$("<p>").append($("<span>").text(list[i].name)).appendTo("#result");
也可能在HQ
- JAVA调用.net 发布的webservice 接口
darkranger
webservice
/**
* @Title: callInvoke
* @Description: TODO(调用接口公共方法)
* @param @param url 地址
* @param @param method 方法
* @param @param pama 参数
* @param @return
* @param @throws BusinessException
- Javascript模糊查找 | 第一章 循环不能不重视。
aijuans
Way
最近受我的朋友委托用js+HTML做一个像手册一样的程序,里面要有可展开的大纲,模糊查找等功能。我这个人说实在的懒,本来是不愿意的,但想起了父亲以前教我要给朋友搞好关系,再加上这也可以巩固自己的js技术,于是就开始开发这个程序,没想到却出了点小问题,我做的查找只能绝对查找。具体的js代码如下:
function search(){
var arr=new Array("my
- 狼和羊,该怎么抉择
atongyeye
工作
狼和羊,该怎么抉择
在做一个链家的小项目,只有我和另外一个同事两个人负责,各负责一部分接口,我的接口写完,并全部测联调试通过。所以工作就剩下一下细枝末节的,工作就轻松很多。每天会帮另一个同事测试一些功能点,协助他完成一些业务型不强的工作。
今天早上到公司没多久,领导就在QQ上给我发信息,让我多协助同事测试,让我积极主动些,有点责任心等等,我听了这话,心里面立马凉半截,首先一个领导轻易说
- 读取android系统的联系人拨号
百合不是茶
androidsqlite数据库内容提供者系统服务的使用
联系人的姓名和号码是保存在不同的表中,不要一下子把号码查询来,我开始就是把姓名和电话同时查询出来的,导致系统非常的慢
关键代码:
1, 使用javabean操作存储读取到的数据
package com.example.bean;
/**
*
* @author Admini
- ORACLE自定义异常
bijian1013
数据库自定义异常
实例:
CREATE OR REPLACE PROCEDURE test_Exception
(
ParameterA IN varchar2,
ParameterB IN varchar2,
ErrorCode OUT varchar2 --返回值,错误编码
)
AS
/*以下是一些变量的定义*/
V1 NUMBER;
V2 nvarc
- 查看端号使用情况
征客丶
windows
一、查看端口
在windows命令行窗口下执行:
>netstat -aon|findstr "8080"
显示结果:
TCP 127.0.0.1:80 0.0.0.0:0 &
- 【Spark二十】运行Spark Streaming的NetworkWordCount实例
bit1129
wordcount
Spark Streaming简介
NetworkWordCount代码
/*
* Licensed to the Apache Software Foundation (ASF) under one or more
* contributor license agreements. See the NOTICE file distributed with
- Struts2 与 SpringMVC的比较
BlueSkator
struts2spring mvc
1. 机制:spring mvc的入口是servlet,而struts2是filter,这样就导致了二者的机制不同。 2. 性能:spring会稍微比struts快。spring mvc是基于方法的设计,而sturts是基于类,每次发一次请求都会实例一个action,每个action都会被注入属性,而spring基于方法,粒度更细,但要小心把握像在servlet控制数据一样。spring
- Hibernate在更新时,是可以不用session的update方法的(转帖)
BreakingBad
Hibernateupdate
地址:http://blog.csdn.net/plpblue/article/details/9304459
public void synDevNameWithItil()
{Session session = null;Transaction tr = null;try{session = HibernateUtil.getSession();tr = session.beginTran
- 读《研磨设计模式》-代码笔记-观察者模式
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/
import java.util.ArrayList;
import java.util.List;
import java.util.Observable;
import java.util.Observer;
/**
* “观
- 重置MySQL密码
chenhbc
mysql重置密码忘记密码
如果你也像我这么健忘,把MySQL的密码搞忘记了,经过下面几个步骤就可以重置了(以Windows为例,Linux/Unix类似):
1、关闭MySQL服务
2、打开CMD,进入MySQL安装目录的bin目录下,以跳过权限检查的方式启动MySQL
mysqld --skip-grant-tables
3、新开一个CMD窗口,进入MySQL
mysql -uroot
- 再谈系统论,控制论和信息论
comsci
设计模式生物能源企业应用领域模型
再谈系统论,控制论和信息论
偶然看
- oracle moving window size与 AWR retention period关系
daizj
oracle
转自: http://tomszrp.itpub.net/post/11835/494147
晚上在做11gR1的一个awrrpt报告时,顺便想调整一下AWR snapshot的保留时间,结果遇到了ORA-13541这样的错误.下面是这个问题的发生和解决过程.
SQL> select * from v$version;
BANNER
-------------------
- Python版B树
dieslrae
python
话说以前的树都用java写的,最近发现python有点生疏了,于是用python写了个B树实现,B树在索引领域用得还是蛮多了,如果没记错mysql的默认索引好像就是B树...
首先是数据实体对象,很简单,只存放key,value
class Entity(object):
'''数据实体'''
def __init__(self,key,value)
- C语言冒泡排序
dcj3sjt126com
算法
代码示例:
# include <stdio.h>
//冒泡排序
void sort(int * a, int len)
{
int i, j, t;
for (i=0; i<len-1; i++)
{
for (j=0; j<len-1-i; j++)
{
if (a[j] > a[j+1]) // >表示升序
- 自定义导航栏样式
dcj3sjt126com
自定义
-(void)setupAppAppearance
{
[[UILabel appearance] setFont:[UIFont fontWithName:@"FZLTHK—GBK1-0" size:20]];
[UIButton appearance].titleLabel.font =[UIFont fontWithName:@"FZLTH
- 11.性能优化-优化-JVM参数总结
frank1234
jvm参数性能优化
1.堆
-Xms --初始堆大小
-Xmx --最大堆大小
-Xmn --新生代大小
-Xss --线程栈大小
-XX:PermSize --永久代初始大小
-XX:MaxPermSize --永久代最大值
-XX:SurvivorRatio --新生代和suvivor比例,默认为8
-XX:TargetSurvivorRatio --survivor可使用
- nginx日志分割 for linux
HarborChung
nginxlinux脚本
nginx日志分割 for linux 默认情况下,nginx是不分割访问日志的,久而久之,网站的日志文件将会越来越大,占用空间不说,如果有问题要查看网站的日志的话,庞大的文件也将很难打开,于是便有了下面的脚本 使用方法,先将以下脚本保存为 cutlog.sh,放在/root 目录下,然后给予此脚本执行的权限
复制代码代码如下:
chmo
- Spring4新特性——泛型限定式依赖注入
jinnianshilongnian
springspring4泛型式依赖注入
Spring4新特性——泛型限定式依赖注入
Spring4新特性——核心容器的其他改进
Spring4新特性——Web开发的增强
Spring4新特性——集成Bean Validation 1.1(JSR-349)到SpringMVC
Spring4新特性——Groovy Bean定义DSL
Spring4新特性——更好的Java泛型操作API
Spring4新
- centOS安装GCC和G++
liuxihope
centosgcc
Centos支持yum安装,安装软件一般格式为yum install .......,注意安装时要先成为root用户。
按照这个思路,我想安装过程如下:
安装gcc:yum install gcc
安装g++: yum install g++
实际操作过程发现,只能有gcc安装成功,而g++安装失败,提示g++ command not found。上网查了一下,正确安装应该
- 第13章 Ajax进阶(上)
onestopweb
Ajax
index.html
<!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/
- How to determine BusinessObjects service pack and fix pack
blueoxygen
BO
http://bukhantsov.org/2011/08/how-to-determine-businessobjects-service-pack-and-fix-pack/
The table below is helpful. Reference
BOE XI 3.x
12.0.0.
y BOE XI 3.0 12.0.
x.
y BO
- Oracle里的自增字段设置
tomcat_oracle
oracle
大家都知道吧,这很坑,尤其是用惯了mysql里的自增字段设置,结果oracle里面没有的。oh,no 我用的是12c版本的,它有一个新特性,可以这样设置自增序列,在创建表是,把id设置为自增序列
create table t
(
id number generated by default as identity (start with 1 increment b
- Spring Security(01)——初体验
yang_winnie
springSecurity
Spring Security(01)——初体验
博客分类: spring Security
Spring Security入门安全认证
首先我们为Spring Security专门建立一个Spring的配置文件,该文件就专门用来作为Spring Security的配置