- LoRA微调详解:如何为AIGC模型节省90%显存
SuperAGI2025
AI大模型应用开发宝典AIGCai
LoRA微调详解:如何为AIGC模型节省90%显存关键词:LoRA、低秩适应、AIGC模型、参数高效微调、显存优化摘要:在AIGC(人工智能生成内容)领域,大模型(如GPT-3、LLaMA、StableDiffusion)的微调需要消耗海量显存,普通用户或企业难以负担。本文将深入解析LoRA(Low-RankAdaptation,低秩适应)这一参数高效微调技术,通过生活类比、数学原理、代码实战和应
- Linux——内核——网络协议
Linux网络协议栈是Linux内核中实现网络通信的核心组件,其设计遵循分层架构,支持多种网络协议和功能。以下从协议栈的分层结构、关键组件、工作流程、数据包处理机制、优化与调试等方面进行详尽阐述:一、协议栈的分层结构Linux网络协议栈基于TCP/IP模型,分为四层:应用层提供用户接口,支持HTTP、FTP、SSH等协议。通过SocketAPI与传输层交互,实现数据收发。传输层TCP:面向连接,提
- CppCon 2018 学习:A Little Order! Delving into the STL sorting algorithms
虾球xz
CppCon学习c++排序算法
记录一下一个编译器加密的算法#include#include#include#include#include#include#includenamespacedetail{//编译期伪随机key:每个字符对应不同keytemplateconstexprstd::uint8_tkey8(){returnstatic_cast((N*31+57)^0xAA);}}//namespacedetail//
- LSTM(Long Short-Term Memory)模型的深度解析
AI扶我青云志
lstmrnn深度学习
在6.28号我发了一个博客《RNN(循环神经网络)与LSTM(长短期记忆网络)输出的详细对比分析》,但是我并未详细讲解LSTM,LSTM是循环神经网络中的一个模型,然而通过这篇博客给大家深度解析一下LSTM,重点关注其内部结构和参数。LSTM是为了解决标准RNN在处理长序列时出现的梯度消失/爆炸问题而设计的一种特殊循环神经网络结构。它的核心在于引入了门控机制和细胞状态,使得网络能够有选择地记住或忘
- 使用c++编写一段人脸识别眨眼检测的代码
语嫣凝冰
c++opencv计算机视觉图像处理开发语言
我可以给你一些大致的步骤:使用摄像头或图像文件获取视频帧。使用人脸检测算法检测视频帧中的人脸。对检测到的人脸进行眼睛检测。判断眼睛是否闭合,如果是则认为该人在眨眼。以下是一段使用OpenCV库编写的C代码示例:```#include#include#include#includeusingnamespacestd;usingnamespacecv;intmain(){//使用摄像头获取视频帧Vid
- 【Java面试】RocketMQ是如何做到零消息丢失的?
一、生产阶段:确保消息可靠发送同步发送与重试机制生产者采用同步发送(send()方法)并等待Broker返回SendResult,仅当状态为SEND_OK(刷盘和主从同步均成功)时确认发送成功。默认同步重试3次,可通过setRetryTimesWhenSendFailed(10)调整重试次数,应对网络抖动等问题。事务消息机制Half消息:生产者先发送半消息到Broker的HALF队列(对消费者不可
- 【Java面试】RocketMQ的设计原理
用心分享技术
Java面试题java面试rocketmq
一、核心架构设计原因NameServer轻量级无状态问题:传统注册中心(如ZooKeeper)强一致性(CP)设计复杂,且在高并发场景下性能瓶颈明显。解决:NameServer采用无状态+最终一致性(AP),节点间不通信,仅通过Broker心跳(30s/次)更新路由,降低复杂度并提升吞吐量。容忍分钟级不一致(如Broker宕机需120s剔除),适合消息路由这种非强一致场景。Broker主从架构与文
- [ 渗透测试面试篇 ] 渗透测试面试题大集合(详解)(4-2)XSS注入相关面试题
寒蝉听雨[原ID_PowerShell]
面试总结渗透测试自学篇渗透测试面试分享渗透测试升职加薪网络安全XSS注入面试题网络安全面试题1024程序员节
博主介绍博主介绍:大家好,我是_PowerShell,很高兴认识大家~✨主攻领域:【渗透领域】【数据通信】【通讯安全】【web安全】【面试分析】点赞➕评论➕收藏==养成习惯(一键三连)欢迎关注一起学习一起讨论⭐️一起进步文末有彩蛋作者水平有限,欢迎各位大佬指点,相互学习进步!渗透方向的岗位,涉及到的知识点是很广泛的。这里我总结了整个一系列的面试题,可能没有覆盖到全部的知识面,但是应该是比较全面的
- 欧盟AI法案、中国《生成式AI管理办法》规范数据隐私与算法歧视
DK_Allen
大模型人工智能算法
一、全球AI治理框架:双轨并行1.欧盟《AI法案》(2025全面生效)风险等级监管要求典型场景不可接受风险全面禁止社会评分系统、实时生物识别(公共场所)高风险强制注册+第三方评估+人工监督医疗诊断、关键基础设施管理有限风险透明度披露(AI生成内容标注)聊天机器人、深度伪造最小风险无限制垃圾邮件过滤、游戏AI处罚机制:最高罚金≈全球营收6%(或3000万欧元,取较高者)典型判例:ClearviewA
- 数据库领域数据仓库的星型模型与雪花模型对比
数据库管理艺术
数据库专家之路大数据AI人工智能MCP&AgentSQL实战数据库数据仓库ai
数据库领域数据仓库的星型模型与雪花模型对比关键词:数据仓库、星型模型、雪花模型、数据建模、对比分析摘要:本文深入探讨了数据库领域数据仓库中的星型模型与雪花模型。首先介绍了数据仓库建模的背景知识,包括目的、预期读者和文档结构等。接着详细阐述了星型模型和雪花模型的核心概念、联系以及各自的架构特点,并通过Mermaid流程图进行直观展示。然后对两种模型的核心算法原理展开分析,结合Python源代码进行说
- 学习记录:DAY33
2301_79760424
每日学习记录学习
前端学习之旅:Node.js模块与HTTP服务前言----------------------------------------又是许久许久没有更新,在苦哈哈弄完期末,然后花一天时间把计算机网络课设写了之后。现在又即将回到前后端学习的状态。我想现在正处于一个调整期的状态。一个是随着blog的不断堆积,有必要把它们整理成更具有逻辑性的知识片。另一个是我需要了解当前前后端需要学习的路线,这样我可以有
- GRU与LSTM之间的联系和区别
AI扶我青云志
机器学习人工智能深度学习
前面我们谈到RNN与LSTM之间的关系,而GRU也是循环神经网络中的一种模型,那么它与LSTM有什么区别呢?接下来我来对GRU(GatedRecurrentUnit)模型进行一次深度解析,重点关注其内部结构、参数以及与LSTM的对比。GRU是LSTM的一种流行且高效的变体,由Cho等人在2014年提出,旨在解决与LSTM相同的长期依赖问题,但通过更简化的结构和更少的参数来实现。核心思想:简化LST
- 细粒度IP定位参文27(HGNN):Identifying user geolocation(2022年)
[27]F.Zhou,T.Wang,T.Zhong,andG.Trajcevski,“Identifyingusergeolocationwithhierarchicalgraphneuralnetworksandexplainablefusion,”Inf.Fusion,vol.81,pp.1–13,2022.(用层次图、神经网络和可解释的融合来识别用户的地理定位)论文地址:https://do
- ADB常用命令
转身,就是永别
测试工具adb
ADB常用命令设备连接与管理adbdevices:列出当前连接的设备,显示设备序列号和状态(如device或offline)。adbconnect:通过网络连接设备(需开启设备的ADB调试网络权限)。adbdisconnect:断开网络连接的设备。adbkill-server:终止ADB服务进程。adbstart-server:启动ADB服务进程。应用管理adbinstall:安装应用(如adbi
- 华为和H3c--交换技术
华为和H3c–交换技术一、VLAN的作用和交换网络链路类以及VLAN封装1、VLAN的作用和优势1)VLAN的作用隔离广播域2)VLAN的优势降低广播网络占用带宽资源安全性强屏蔽VLAN间访问增强设备的稳定性2、隔离广播的方式1)物理隔离通过路由器设备实现成本高2)VLAN交换机创建VLAN将接口加入到不同的VLAN中,VLAN之间相互隔离一个VLAN表示一个广播域3、交换网络链路的类型和Trun
- 28.行为型模式分析对比
智想天开
设计模式详解设计模式
原文地址:行为型模式分析对比更多内容请关注:智想天开1.行为型设计模式概述行为型设计模式关注对象之间的通信与职责分配,旨在优化对象之间的交互和协作。通过定义清晰的职责和交互方式,行为型模式提高了系统的灵活性、可扩展性和可维护性。关键特点:对象交互:优化对象之间的通信方式,减少耦合。职责分配:明确对象的职责,遵循单一职责原则。灵活性:允许动态地改变对象的行为和职责。复用性:通过模式的应用,提升代码的
- 27.访问者模式
原文地址:访问者模式更多内容请关注:智想天开1.访问者模式简介访问者模式(VisitorPattern)是一种行为型设计模式,它允许在不改变元素类的前提下,向元素添加新的操作。通过将操作封装到访问者对象中,访问者模式实现了操作与数据结构的分离,使得可以在不修改元素类的情况下,新增操作。关键点:操作封装:将不同的操作封装到独立的访问者类中。分离数据结构与操作:访问者模式将数据结构(元素类)与对其执行
- 借助 KubeMQ 简化多 LLM 集成
强哥之神
智能路由器transformer深度学习语言模型架构deepseek
将多个大语言模型(LLM),如OpenAI和Anthropic的Claude集成到应用程序中是一项具有挑战性的任务。处理不同API和通信协议的复杂性,以及确保请求高效路由,都会带来诸多难题。然而,使用消息代理和路由器可以成为解决这些问题的优雅方案,能处理这些痛点并提供多项关键优势。在本文中,我们将探讨如何实现这一点,并提供代码示例,指导大家如何使用KubeMQ构建一个与OpenAI和Anthrop
- 西南交通大学【机器学习实验1】
实验目的理解和掌握回归问题和分类问题模型评估方法,学会使用均方误差、最大绝对误差、均方根误差指标评估回归模型,学会使用错误率、精度、查全率、查准率、F1指标评价分类模型。实验内容给定回归问题的真实标签和多个算法的预测结果,编程实现MSE、MAE、RMSE三种评测指标,对模型进行对比分析。给定二分类问题真实标签和多个算法的预测结果,编程实现混淆矩阵评测,采用错误率、精度、查全率、查准率、F1指标对结
- AWS WebRTC:根据viewer端拉流日志推算视频帧率和音频帧率
viewer端拉流日志是这样的:07:19:26.263VERBOSEsampleAudioFrameHandler():AudioFramereceived.TrackId:140092278368896,Size:160,Flags32107293682025-06-1207:19:26.283VERBOSEsampleAudioFrameHandler():AudioFramereceive
- AWS WebRTC: 判断viewer端拉流是否稳定的算法
Jasper张
AWSWebRTCwebrtcaws服务器linux
在使用sdk-cviewer端进行拉流的过程中,viewer端拉取的是视频帧和音频帧,不会在播放器中播放,所以要根据收到的流来判断拉流过程是否稳定流畅。我这边采用的算法是:依据相邻帧之间的时间间隔是否落在期望值的±20%范围内。音频帧、视频帧的日志打印如下:07:19:26.263VERBOSEsampleAudioFrameHandler():AudioFramereceived.TrackId
- WebRTC基础介绍
WebRTC全称为:WebReal-TimeCommunication。它是为了解决Web端无法捕获音视频的能力,并且提供了peer-to-peer(就是浏览器间)的视频交互。WebRTC汇集了先进的实时通信技术,包括:先进的音视频编解码器(Opus和VP8/9),强制加密协议(SRTP和DTLS)和网络地址转换器(ICE&STUN)。根据最初的定义,WebRTC被指定为P2P(peer-to-p
- webRTC入门概览
音视频开发老马
webrtc服务器运维
1.什么是webRTCWebRTC(WebReal-TimeCommunications)是由谷歌开源并推进纳入W3C标准的一项音视频技术,旨在通过点对点的方式,在不借助中间媒介的情况下,实现浏览器之间的实时音视频通信。与Web经典的B/S架构(即浏览器和服务器架构模式)最大的不同是WebRTC的通信不经过服务器,而直接与客户端连接,在节省服务器资源的同时,提高通信效率。2.信令服务器信令(sig
- 用sklearn库中的算法对数据集进行训练和auc评估(个人学习笔记)
ZD困困困
python机器学习
本文为个人学习笔记,仅供学习参考,欢迎讨论,要是有哪里写的不对或有疑问的欢迎讨论。题目:运用已给数据集进行模型训练,使用逻辑回归、决策树、随机森林和AdaBoost几个算法进行训练,并打印各个算法训练后的auc评价指标。文章目录1.导入数据集①read_csv():读取数据并以某字符分隔。②merge():合并③drop():删除行或列④tolist():将数组或矩阵转换为列表⑤train_tes
- 【网络编程】EPOLL 事件触发机制的服务器
啟明起鸣
网络服务器运维
文章目录业务拆解EPOLL机制介绍EPOLL的核心变量和函数EPOLL程序流程图C代码实现准备工作服务器代码代码运行效果总结推荐一个零声教育学习教程,个人觉得老师讲得不错,分享给大家:[Linux,Nginx,ZeroMQ,MySQL,Redis,fastdfs,MongoDB,ZK,流媒体,CDN,P2P,K8S,Docker,TCP/IP,协程,DPDK等技术内容,点击立即学习:https:/
- UDP服务器主要是指什么意思?
wanhengidc
udp服务器网络协议
UDP的全称为用户数据报协议,是一种在计算机网络中常用的传输协议,属于是传输层协议,UDP属于是一种无连接的协议,在发送数据信息之前,发送方和接收方不需要建立任何握手连接,主要是用于发送小量数据的实时应用。UDP服务器则是一种基于UDP协议实现的网络服务端程序,能够用来接收、处理和响应客户端发送的UDP数据报,UDP服务器与TCP服务器相比较来说,UDP服务器不需要建立连接,但是也不能够保证数据信
- 电信路由模式改桥接模式!
想尝一尝被打赏的味道
桥接模式
记录一下,怕日后忘记!第一步先进去超级管理后台http://192.168.1.1:8080/超级帐号是:telecomadmin密码:nE7jA%5m里面网络设置可以看到宽带账号,但是看不到密码,致电10000号,愉快的重置了。短信已收到密码;【20240-12-16】换了新猫后,上面的方案失效了。新密码账号:telecomadmin密码:pQCT!mW6直接在192.168.1.1登录就行了,
- LLCC68IMLTRT:Semtech新一代LoRa®射频收发器芯片,IoT设备续航翻倍
深圳市尚想信息技术有限公司
物联网收发器收发器芯片升特半导体工业传感器
LLCC68IMLTRT(Semtech)产品解析与推广文案1.产品概述LLCC68IMLTRT是Semtech(升特半导体)推出的一款高性能、低功耗LoRa®Sub-GHz射频收发器芯片,支持远距离无线通信,适用于物联网(IoT)、智能表计、工业传感器网络等场景。2.主要功能与优势(1)远距离&低功耗通信LoRa®调制技术:通信距离>5km(城市环境),>15km(郊区)。超低功耗:接收电流仅5
- 结合LangGraph、DeepSeek-R1和Qdrant 的混合 RAG 技术实践
大模型之路
RAGrag
一、引言:混合RAG技术的发展与挑战在人工智能领域,检索增强生成(RAG)技术正成为构建智能问答系统的核心方案。传统RAG通过向量数据库存储文档嵌入并检索相关内容,结合大语言模型(LLM)生成回答,有效缓解了LLM的“幻觉”问题。然而,单一的稠密向量检索(如基于Transformer的嵌入模型)在处理关键词匹配和多义词歧义时存在局限性,而稀疏向量检索(如BM25)虽擅长精确关键词匹配,却缺乏语义理
- 从数据抓取到智能分类:用 LangChain + 爬虫构建自动化工作流的实战笔记
大模型之路
大模型(LLM)人工智能langchain
一、从人工到自动化的迫切需求在数字化时代,信息的快速获取与处理成为个人和组织高效运转的关键。然而,许多重复性强、耗时长且缺乏创造性的任务,如定期收集和整理网络信息并制作成特定格式的内容,依然占据着人们大量的时间和精力。本文作者就面临这样的困境:每两周需花费数小时访问多个大学网站,提取活动信息,手动将其整理成繁琐的HTML表格,并确保在Outlook中格式正确无误。这一过程不仅涉及大量枯燥的重复劳动
- JVM StackMapTable 属性的作用及理解
lijingyao8206
jvm字节码Class文件StackMapTable
在Java 6版本之后JVM引入了栈图(Stack Map Table)概念。为了提高验证过程的效率,在字节码规范中添加了Stack Map Table属性,以下简称栈图,其方法的code属性中存储了局部变量和操作数的类型验证以及字节码的偏移量。也就是一个method需要且仅对应一个Stack Map Table。在Java 7版
- 回调函数调用方法
百合不是茶
java
最近在看大神写的代码时,.发现其中使用了很多的回调 ,以前只是在学习的时候经常用到 ,现在写个笔记 记录一下
代码很简单:
MainDemo :调用方法 得到方法的返回结果
- [时间机器]制造时间机器需要一些材料
comsci
制造
根据我的计算和推测,要完全实现制造一台时间机器,需要某些我们这个世界不存在的物质
和材料...
甚至可以这样说,这种材料和物质,我们在反应堆中也无法获得......
 
- 开口埋怨不如闭口做事
邓集海
邓集海 做人 做事 工作
“开口埋怨,不如闭口做事。”不是名人名言,而是一个普通父亲对儿子的训导。但是,因为这句训导,这位普通父亲却造就了一个名人儿子。这位普通父亲造就的名人儿子,叫张明正。 张明正出身贫寒,读书时成绩差,常挨老师批评。高中毕业,张明正连普通大学的分数线都没上。高考成绩出来后,平时开口怨这怨那的张明正,不从自身找原因,而是不停地埋怨自己家庭条件不好、埋怨父母没有给他创造良好的学习环境。
- jQuery插件开发全解析,类级别与对象级别开发
IT独行者
jquery开发插件 函数
jQuery插件的开发包括两种: 一种是类级别的插件开发,即给
jQuery添加新的全局函数,相当于给
jQuery类本身添加方法。
jQuery的全局函数就是属于
jQuery命名空间的函数,另一种是对象级别的插件开发,即给
jQuery对象添加方法。下面就两种函数的开发做详细的说明。
1
、类级别的插件开发 类级别的插件开发最直接的理解就是给jQuer
- Rome解析Rss
413277409
Rome解析Rss
import java.net.URL;
import java.util.List;
import org.junit.Test;
import com.sun.syndication.feed.synd.SyndCategory;
import com.sun.syndication.feed.synd.S
- RSA加密解密
无量
加密解密rsa
RSA加密解密代码
代码有待整理
package com.tongbanjie.commons.util;
import java.security.Key;
import java.security.KeyFactory;
import java.security.KeyPair;
import java.security.KeyPairGenerat
- linux 软件安装遇到的问题
aichenglong
linux遇到的问题ftp
1 ftp配置中遇到的问题
500 OOPS: cannot change directory
出现该问题的原因:是SELinux安装机制的问题.只要disable SELinux就可以了
修改方法:1 修改/etc/selinux/config 中SELINUX=disabled
2 source /etc
- 面试心得
alafqq
面试
最近面试了好几家公司。记录下;
支付宝,面试我的人胖胖的,看着人挺好的;博彦外包的职位,面试失败;
阿里金融,面试官人也挺和善,只不过我让他吐血了。。。
由于印象比较深,记录下;
1,自我介绍
2,说下八种基本类型;(算上string。楼主才答了3种,哈哈,string其实不是基本类型,是引用类型)
3,什么是包装类,包装类的优点;
4,平时看过什么书?NND,什么书都没看过。。照样
- java的多态性探讨
百合不是茶
java
java的多态性是指main方法在调用属性的时候类可以对这一属性做出反应的情况
//package 1;
class A{
public void test(){
System.out.println("A");
}
}
class D extends A{
public void test(){
S
- 网络编程基础篇之JavaScript-学习笔记
bijian1013
JavaScript
1.documentWrite
<html>
<head>
<script language="JavaScript">
document.write("这是电脑网络学校");
document.close();
</script>
</h
- 探索JUnit4扩展:深入Rule
bijian1013
JUnitRule单元测试
本文将进一步探究Rule的应用,展示如何使用Rule来替代@BeforeClass,@AfterClass,@Before和@After的功能。
在上一篇中提到,可以使用Rule替代现有的大部分Runner扩展,而且也不提倡对Runner中的withBefores(),withAfte
- [CSS]CSS浮动十五条规则
bit1129
css
这些浮动规则,主要是参考CSS权威指南关于浮动规则的总结,然后添加一些简单的例子以验证和理解这些规则。
1. 所有的页面元素都可以浮动 2. 一个元素浮动后,会成为块级元素,比如<span>,a, strong等都会变成块级元素 3.一个元素左浮动,会向最近的块级父元素的左上角移动,直到浮动元素的左外边界碰到块级父元素的左内边界;如果这个块级父元素已经有浮动元素停靠了
- 【Kafka六】Kafka Producer和Consumer多Broker、多Partition场景
bit1129
partition
0.Kafka服务器配置
3个broker
1个topic,6个partition,副本因子是2
2个consumer,每个consumer三个线程并发读取
1. Producer
package kafka.examples.multibrokers.producers;
import java.util.Properties;
import java.util.
- zabbix_agentd.conf配置文件详解
ronin47
zabbix 配置文件
Aliaskey的别名,例如 Alias=ttlsa.userid:vfs.file.regexp[/etc/passwd,^ttlsa:.:([0-9]+),,,,\1], 或者ttlsa的用户ID。你可以使用key:vfs.file.regexp[/etc/passwd,^ttlsa:.: ([0-9]+),,,,\1],也可以使用ttlsa.userid。备注: 别名不能重复,但是可以有多个
- java--19.用矩阵求Fibonacci数列的第N项
bylijinnan
fibonacci
参考了网上的思路,写了个Java版的:
public class Fibonacci {
final static int[] A={1,1,1,0};
public static void main(String[] args) {
int n=7;
for(int i=0;i<=n;i++){
int f=fibonac
- Netty源码学习-LengthFieldBasedFrameDecoder
bylijinnan
javanetty
先看看LengthFieldBasedFrameDecoder的官方API
http://docs.jboss.org/netty/3.1/api/org/jboss/netty/handler/codec/frame/LengthFieldBasedFrameDecoder.html
API举例说明了LengthFieldBasedFrameDecoder的解析机制,如下:
实
- AES加密解密
chicony
加密解密
AES加解密算法,使用Base64做转码以及辅助加密:
package com.wintv.common;
import javax.crypto.Cipher;
import javax.crypto.spec.IvParameterSpec;
import javax.crypto.spec.SecretKeySpec;
import sun.misc.BASE64Decod
- 文件编码格式转换
ctrain
编码格式
package com.test;
import java.io.File;
import java.io.FileInputStream;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.InputStream;
import java.io.OutputStream;
- mysql 在linux客户端插入数据中文乱码
daizj
mysql中文乱码
1、查看系统客户端,数据库,连接层的编码
查看方法: http://daizj.iteye.com/blog/2174993
进入mysql,通过如下命令查看数据库编码方式: mysql> show variables like 'character_set_%'; +--------------------------+------
- 好代码是廉价的代码
dcj3sjt126com
程序员读书
长久以来我一直主张:好代码是廉价的代码。
当我跟做开发的同事说出这话时,他们的第一反应是一种惊愕,然后是将近一个星期的嘲笑,把它当作一个笑话来讲。 当他们走近看我的表情、知道我是认真的时,才收敛一点。
当最初的惊愕消退后,他们会用一些这样的话来反驳: “好代码不廉价,好代码是采用经过数十年计算机科学研究和积累得出的最佳实践设计模式和方法论建立起来的精心制作的程序代码。”
我只
- Android网络请求库——android-async-http
dcj3sjt126com
android
在iOS开发中有大名鼎鼎的ASIHttpRequest库,用来处理网络请求操作,今天要介绍的是一个在Android上同样强大的网络请求库android-async-http,目前非常火的应用Instagram和Pinterest的Android版就是用的这个网络请求库。这个网络请求库是基于Apache HttpClient库之上的一个异步网络请求处理库,网络处理均基于Android的非UI线程,通
- ORACLE 复习笔记之SQL语句的优化
eksliang
SQL优化Oracle sql语句优化SQL语句的优化
转载请出自出处:http://eksliang.iteye.com/blog/2097999
SQL语句的优化总结如下
sql语句的优化可以按照如下六个步骤进行:
合理使用索引
避免或者简化排序
消除对大表的扫描
避免复杂的通配符匹配
调整子查询的性能
EXISTS和IN运算符
下面我就按照上面这六个步骤分别进行总结:
- 浅析:Android 嵌套滑动机制(NestedScrolling)
gg163
android移动开发滑动机制嵌套
谷歌在发布安卓 Lollipop版本之后,为了更好的用户体验,Google为Android的滑动机制提供了NestedScrolling特性
NestedScrolling的特性可以体现在哪里呢?<!--[if !supportLineBreakNewLine]--><!--[endif]-->
比如你使用了Toolbar,下面一个ScrollView,向上滚
- 使用hovertree菜单作为后台导航
hvt
JavaScriptjquery.nethovertreeasp.net
hovertree是一个jquery菜单插件,官方网址:http://keleyi.com/jq/hovertree/ ,可以登录该网址体验效果。
0.1.3版本:http://keleyi.com/jq/hovertree/demo/demo.0.1.3.htm
hovertree插件包含文件:
http://keleyi.com/jq/hovertree/css
- SVG 教程 (二)矩形
天梯梦
svg
SVG <rect> SVG Shapes
SVG有一些预定义的形状元素,可被开发者使用和操作:
矩形 <rect>
圆形 <circle>
椭圆 <ellipse>
线 <line>
折线 <polyline>
多边形 <polygon>
路径 <path>
- 一个简单的队列
luyulong
java数据结构队列
public class MyQueue {
private long[] arr;
private int front;
private int end;
// 有效数据的大小
private int elements;
public MyQueue() {
arr = new long[10];
elements = 0;
front
- 基础数据结构和算法九:Binary Search Tree
sunwinner
Algorithm
A binary search tree (BST) is a binary tree where each node has a Comparable key (and an associated value) and satisfies the restriction that the key in any node is larger than the keys in all
- 项目出现的一些问题和体会
Steven-Walker
DAOWebservlet
第一篇博客不知道要写点什么,就先来点近阶段的感悟吧。
这几天学了servlet和数据库等知识,就参照老方的视频写了一个简单的增删改查的,完成了最简单的一些功能,使用了三层架构。
dao层完成的是对数据库具体的功能实现,service层调用了dao层的实现方法,具体对servlet提供支持。
&
- 高手问答:Java老A带你全面提升Java单兵作战能力!
ITeye管理员
java
本期特邀《Java特种兵》作者:谢宇,CSDN论坛ID: xieyuooo 针对JAVA问题给予大家解答,欢迎网友积极提问,与专家一起讨论!
作者简介:
淘宝网资深Java工程师,CSDN超人气博主,人称“胖哥”。
CSDN博客地址:
http://blog.csdn.net/xieyuooo
作者在进入大学前是一个不折不扣的计算机白痴,曾经被人笑话过不懂鼠标是什么,