T0620514
T0620514

企业数字化转型与供应链效率-基准回归复刻（2007-2022年）

参照张树山（2023）的做法，本团队对来自统计与决策《企业数字化转型与供应链效率》一文中的基准回归部分进行复刻。文章实证检验企业数字化转型对供应链效率的影响。用年报词频衡量上市公司数字化转型程度，以库存周转天数来衡量供应链效率。

企业数字化转型与供应链效率-基准回归复刻（2007-2022年）_第1张图片


一、数据介绍

数据名称：企业数字化转型与供应链效率

参考期刊：《统计与决策》

数据范围：上市公司

数据年份：2007-2022年

有效样本：40943条

数据来源：上市公司年报

数据整理：自主整理，内含原始数据、dofile和基准回归结果


二、数据指标

供应链效率

以库存周转天数来衡量供应链效率

数字化转型A

参考吴非(2021)，用年报词频+1的对数，衡量上市公司数字化转型程度

数字化转型B

参考赵宸宇(2021)，用年报词频+1的对数，衡量上市公司数字化转型程度

企业规模

企业总资产的对数值

资产负债率

总负债与总资产比值

资产收益率

净利润与总资产比值

经营性现金流

现金流量净值与总资产比值

销售增长率

当年主营业务收入增长额与上年主营业务收入比值

企业年龄

ln(企业上市年龄+1)

托宾Q值

企业市价与重置资本比值

管理费用率

管理费用与总资产比值

股权集中度

第一大股东持股比例

独立董事占比

独立董事数量与董事规模比值

董事会规模

ln(董事会人数+1)



三、参考文献

张树山,张佩雯,谷城.企业数字化转型与供应链效率[J].统计与决策,2023,39(18)

数字化转型影响供应链效率的3个间接机制

数字化转型拓展企业市场战略布局，提高销售规模，减少企业库存周转天数、提高供应链效率

改善了资产使用方式，提高企业资产利用效率，从而提高供应链效率

有效缓解融资约束，有助于减少企业库存周转天数、提高供应链效率


四、数据概览

基本数据

企业数字化转型与供应链效率-基准回归复刻（2007-2022年）_第2张图片

处理代码

企业数字化转型与供应链效率-基准回归复刻（2007-2022年）_第3张图片

描述性统计

企业数字化转型与供应链效率-基准回归复刻（2007-2022年）_第4张图片

基准回归

企业数字化转型与供应链效率-基准回归复刻（2007-2022年）_第5张图片

五、下载链接

基础数据集：https://download.csdn.net/download/T0620514/88507251

回归代码：https://download.csdn.net/download/T0620514/88507252

你可能感兴趣的:(回归,数据挖掘)

  • 入门 勤学奋进小郎君
    了解机器学习标签需要通过机器学习模型判断出的结果特征机器学习模型进行判断的条件（可以是很多的变量）模型机器学习判断的工具降低损失线性回归y=mx+b其中：y指的是温度（以摄氏度表示），即我们试图预测的值。m指的是直线的斜率。x指的是每分钟的鸣叫声次数，即输入特征的值。b指的是y轴截距。2018-10-31_155803.png但是这样会对一些样本有误差，而我们的目的就是得到将误差降到最低的模型降低
  • SFT：大型语言模型专业化定制的核心技术体系——原理、创新与应用全景 大千AI助手 人工智能Python#OTHER语言模型人工智能自然语言处理深度学习机器学习微调SFT
    本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我，一起撕掉过度包装，学习真实的AI技术！以下基于权威期刊、会议论文及技术报告，对监督微调（SupervisedFine-Tuning,SFT）的技术框架、创新方法与实际应用进行系统梳理：一、核心定义与技术原理基本概念SFT是在预训练语言模型（如GPT、BERT）基础上，利用标注数据集对模型进
  • Mock单元测试----对Controller层进行单独测试，不调用Service层 樾云枫 mock单元测试springbootjavaintellijidea
    前言：根据相关需求，需要对编写的代码进行逻辑检测以及功能的完整性，从而开始了单元测试之路。在编写的中间段时，突然被不经过Service层直接测试Controller层这个要求难住了。在我看来，单元测试除了Junit还是Junit，属实是学艺不精，之后接触了Mock，才发现Mock太牛逼了，爱死了。回归正题，单独使用Juit测试，我目前是不太会的，而且需要保证使用Controller层时不调用Ser
  • KL散度：信息差异的量化标尺 | 从概率分布对齐到模型优化的核心度量
    不对称性、计算本质与机器学习的普适应用本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我，一起撕掉过度包装，学习真实的AI技术！一、核心定义与数学本质KL散度（Kullback-LeiblerDivergence）用于衡量两个概率分布PPP和QQQ的差异程度，定义为：DKL(P∥Q)=∑x∈XP(x)log⁡P(x)Q(x)(离散形式)D_
  • Transformer：自注意力驱动的神经网络革命引擎 大千AI助手 人工智能Python#OTHERtransformer神经网络深度学习google人工智能机器学习大模型
    本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我，一起撕掉过度包装，学习真实的AI技术！从语言理解到多模态智能的通用架构基石⚙️一、核心定义与历史意义Transformer是由Google团队在2017年论文《AttentionIsAllYouNeed》中提出的深度学习架构，其颠覆性创新在于：完全摒弃RNN/CNN：仅依赖自注意力机制（S
  • [特殊字符] LLM（大型语言模型）：智能时代的语言引擎与通用推理基座 大千AI助手 人工智能Python#OTHER语言模型人工智能自然语言处理LLM大模型Transformer
    本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我，一起撕掉过度包装，学习真实的AI技术！从千亿参数到人类认知的AI革命一、核心定义与核心特征LLM（LargeLanguageModel）是基于海量文本数据训练的深度学习模型，通过神经网络架构（尤其是Transformer）模拟人类语言的复杂规律，实现文本理解、生成与推理任务。其核心特征可概
  • MAP最大后验估计：贝叶斯决策的优化引擎 大千AI助手 人工智能Python#OTHERpython人工智能算法贝叶斯MAP概率论条件概率
    融合先验知识与观测数据的概率推断方法本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我，一起撕掉过度包装，学习真实的AI技术！一、核心概念与数学本质MAP（MaximumAPosteriori）估计是贝叶斯框架下的参数估计方法，其目标为：最大化后验概率(P(\theta\midX))，即：[\hat{\theta}{MAP}=\arg\ma
  • MLE最大似然估计：数据驱动的概率模型参数推断基石 大千AI助手 人工智能Python#OTHER数据挖掘人工智能机器学习算法MLE参数估计概率论
    从样本中还原未知分布的本质规律本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我，一起撕掉过度包装，学习真实的AI技术！一、核心思想与数学定义最大似然估计（MaximumLikelihoodEstimation,MLE）是频率学派的参数估计方法，其核心思想为：选择使观测数据出现概率最大的参数值。给定独立同分布样本X={x1,x2,…,xn}
  • 知识蒸馏：模型压缩与知识迁移的核心引擎 大千AI助手 人工智能Python#OTHERtransformer人工智能神经网络深度学习知识蒸馏KD蒸馏
    本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我，一起撕掉过度包装，学习真实的AI技术！从软目标迁移到无数据合成的轻量化革命一、核心定义与技术价值知识蒸馏（KnowledgeDistillation,KD）是一种通过迁移大型教师模型（Teacher）的知识至小型学生模型（Student）的模型压缩技术。其核心思想是：学生模型不仅学习原始数
  • 错觉 沐风洋
    两个人，什么话也不说；就根据自己了解到的，看到的，然后捕风捉影的觉得就是这样，就是那样的；可真相谁知道呢，她觉得他已经离开，忘记承诺；他觉得她想放下他，回归以前的平静生活，可写这句话的说他，他觉得的难道就不是一种错觉吗，可笑。如果只是喜欢，那么他可能会冲动的，追求她。可他不是轻浮的人，他很认真，在他眼中只有爱、喜欢是短暂的，一旦确定一个人，那么就会为她考虑，并不是冲动的在一起就够了；她对他讲过，不
  • 推荐文章：《同济大学软件学院万院长谈择业》 weixin_34087301
    同济大学软件学院万院长谈择业一、关于企业计算方向企业计算（EnterpriseComputing）是稍时髦较好听的名词，主要是指企业信息系统，如ERP软件（企业资源规划）、CRM软件（客户关系管理）、SCM软件（供应链管理，即物流软件），银行证券软件，财务软件，电子商务/政务（包括各种网站），数据仓库，数据挖掘，商务智能等企业信息管理系统。企业计算领域对人才的需求显然永远是数量最大的，因为这是计算
  • 计算机系毕业生的前途在哪（一个牛人对计算机系的阐述） 蚊子 嵌入式嵌入式操作系统wincelinux手机游戏j2me
    值得未毕业的、刚毕业的、或想转行的朋友们揣摩参考。一、关于企业计算方向企业计算(EnterpriseComputing)是稍时髦较好听的名词，主要是指企业信息系统如：ERP软件(企业资源规划)、CRM软件(客户关系管理)、SCM软件(供应链管理，即物流软件)，银行证券软件财务软件电子商务/政务(包括各种网站)，数据仓库，数据挖掘，商务智能等企业信息管理系统。企业计算领域对人才的需求显然永远是数量最
  • 大学生学软件必看 欧巴Godwin 日志嵌入式嵌入式操作系统wincelinux手机游戏j2me
    一、关于企业计算方向企业计算(EnterpriseComputing)是稍时髦较好听的名词，主要是指企业信息系统,如ERP软件（企业资源规划）、CRM软件（客户关系管理）、SCM软件（供应链管理，即物流软件）,银行证券软件,财务软件,电子商务/政务（包括各种网站），数据仓库，数据挖掘，商务智能等企业信息管理系统.企业计算领域对人才的需求显然永远是数量最大的,因为这是计算机应用最多的领域.搞这方面的
  • 你说对新一季《奇葩说》失望 你的希望怎么这么脆弱 夭翊大姨
    千呼万唤奇葩说第五季重磅回归，这一季中马晓康依然坚守，还来了人间才华之子李诞，经济学界的网红男神薛兆丰老师。然而还没等奇葩大会因为辩题再次掀起讨论热潮，老奇葩们的撕逼大战倒是提前开播，暂不表董靖傅首尔从节目开播双方冷嘲热讽，微博撕逼到前几日的董靖微博道歉。出了无法逃避撕逼困境，紧接着，随着前两期节目的播出，粉丝的困惑与失望接踵而来。无数的粉丝开始吐槽，说奇葩说的新环节奇怪，再也不是一个的辩论节目；
  • 学习笔记(39):结合生活案例，介绍 10 种常见模型 宁儿数据安全 #机器学习学习笔记生活
    学习笔记(39):结合生活案例，介绍10种常见模型线性回归只是机器学习的“冰山一角”！根据不同的任务场景（分类、回归、聚类等），还有许多强大的模型可以选择。下面我用最通俗易懂的语言，结合生活案例，介绍10种常见模型及其适用场景：一、回归模型（预测连续值，如房价）1.决策树（DecisionTree）原理：像玩“20个问题”游戏，通过一系列判断（如“面积是否>100㎡？”“房龄是否0.5就判为“会”
  • 2023-01-05 图灵基因
    Nature|重新优化突变负荷指导免疫治疗决策原创三千图灵基因2023-01-0509:55发表于江苏收录于合集#前沿分子生物学机制撰文：三千IF=69.504推荐度：⭐⭐⭐⭐⭐亮点：通过与肿瘤/非肿瘤组织配对测序结果对比发现，因为不正确地将胚系突变指定为肿瘤突变，仅肿瘤组织测序分析大大高估了TMB，特别是非欧洲血统的患者。基于回归分析，提出了一种以遗传特异性的方式重新校准肿瘤检测组的TMB值的方
  • Copula 回归与结构方程模型：R 语言构建多变量因果关系网络
    技术点目录专题一、R及Python语言及相关性研究初步专题二、二元Copula理论与实践（一）专题三、二元Copula理论与实践（二）【R语言为主】专题四、Copula函数的统计检验与选择【R语言为主】专题五、高维数据与VineCopula【R语言】专题六、正则VineCopula（一）【R语言】专题七、正则VineCopula（二）【R语言】专题八、时间序列中的Copula【R语言】专题九、Co
  • 与雨轩的对话（基于名次下降的对话，之前的对话用焦点讨论进行分析） 子浩竣
    师：我看到你的现在的班级位次是116名，你学期初的位次是：生：105（事实性问题：名次下降）师：是什么原因导致下降了呢？生：不用心师：还有呢？生：不勤奋（感觉绕开了反应性层面，直接回归到解释性层面，自己为什么下意识的绕开呢？反思：在教练式对话中，突然感觉自己对感受层面的问题没怎么共鸣点，是不是暴露出自己的情商需要改善？生活中感觉确实有这点）师：不勤奋，不用心，我感觉你自己也不着急。生：都急死了师：
  • 真实面对生命成长 郭云若
    陈老师再次带领我们面对自己，从清晰过程中不断揭开对于生命成长的误区，又一次靠近自己。一、什么是真正的生命成长?真正的生命成长是基于外界照见自己的模式，并且勇于面对自己，打破自己的模式，生命真正得到转化，看见生命新的可能性，最终回归生命的真实、平静和自然。生命成长的过程不是做加法—获得什么，而是在相互照见中打破了什么，重建了什么，或者说减少了什么。因为生命本然的需要并不多，是我们内在伤痛形成的空洞及
  • 爸爸妈妈不怕，有我们呢，抱抱吧 亚堂家的央初
    不知何时，我们的很多传统节日突然回归大众眼前，正如这重阳节，很小就背诵过《九月九日忆山东兄弟》的八零后，那时就已知重阳节了吧，可从未想过把这个节日与自己的父母挂钩，三十年后，慢慢意识到曾经身强体壮、堪称家里顶梁柱的父母已然老去。原来以为时间没那么匆忙，然不知岁月向来如此嚣张，哗哗几笔就让身边的亲人戴上了布满皱纹和老年斑的面具，身形也日渐趋向于佝偻。年近四十，我们就开始害怕老去，害怕面对很多老了可能
  • 孙萍2月10日感恩日志 随风浮萍
    孙萍2月10日感恩日志1.感恩天地万物护佑之恩；2.感恩祖先，父母的传承及养育之恩；3.感恩梁董事长，韩总共创的中钧互联网平台，感恩团队的每一位伙伴们!4.感恩在意识上与伙伴一起做晨起回归中心的静心，让我们的意识共振感恩伙伴们汇报健康状况，所在地点以及最近自己所做的工作。5.感恩薛总在晨会的方向引领，无论何时我们都向着共同的方向，愿景前行；感恩在分享后，伙伴们的回馈，滋养着我的生命与意识，感恩有你
  • 基于Python的健身数据分析工具的搭建流程day1 weixin_45677320 python开发语言数据挖掘爬虫
    基于Python的健身数据分析工具的搭建流程分数据挖掘、数据存储和数据分析三个步骤。本文主要介绍利用Python实现健身数据分析工具的数据挖掘部分。第一步：加载库加载本文需要的库，如下代码所示。若库未安装，请按照python如何安装各种库（保姆级教程）_python安装库-CSDN博客https://blog.csdn.net/aobulaien001/article/details/133298
  • 【医学影像】无痛安装mamba 周树皮 医学影像python
    去年编辑的一个帖子。摆了一段时间后重新回归，发送一下作为状态分界线。很癫狂的体验，man，whatcanisay！issue查看我的狗急跳墙状态1.确定版本cudanvcc-Vpythonpython--versiontorchpipshowtorch2.下载对应版本wheelcausal-conv1d：https://github.com/Dao-AILab/causal-conv1d/rele
  • 图神经网络：挖掘关系数据中的宝藏
    图神经网络：挖掘关系数据中的宝藏在浩瀚的数据海洋中，蕴藏着一类特殊而强大的资源——关系数据。它们不是孤立的点，而是相互连接、彼此影响的复杂网络：社交平台上朋友的朋友、电商系统中商品与用户的互动、蛋白质分子内原子的结合、城市交通网中的道路连接……这些数据天然以图的形式存在，节点代表实体，边则承载着实体间千丝万缕的关系。传统的数据挖掘工具面对这些盘根错节的结构往往力不从心，而图神经网络（GNN）的崛起
  • 使用tensorflow的多项式回归的例子（二） lishaoan77 tensorflowtensorflow回归人工智能多项式回归
    例2importtensorflowastfimportnumpyasnpimportmatplotlib.pyplotaspltplt.style.use('default')#importtensorflow.contrib.eagerastfe#fromgoogle.colabimportfiles#tf.enable_eager_execution()x=np.arange(0,5,0.1
  • 使用tensorflow的线性回归的例子（七） lishaoan77 tensorflowtensorflow线性回归人工智能
    L1与L2损失这个脚本展示如何用TensorFlow求解线性回归。在算法的收敛性中，理解损失函数的影响是很重要的。这里我们展示L1和L2损失函数是如何影响线性回归的收敛性的。我们使用iris数据集,但是我们将改变损失函数和学习速率来看收敛性的改变。importmatplotlib.pyplotaspltimportnumpyasnpimporttensorflowastffromsklearnim
  • 使用tensorflow的线性回归的例子（十二） lishaoan77 tensorflowtensorflow线性回归人工智能戴明回归
    DemingRegression这里展示如何用TensorFlow求解线性戴明回归。=+y=Ax+b我们用iris数据集,特别是:y=SepalLength且x=PetalWidth。戴明回归Demingregression也称为totalleastsquares,其中我们最小化从预测线到实际点(x,y)的最短的距离。最小二乘线性回归最小化与预测线的垂直距离，戴明回归最小化与预测线的总的距离，这种
  • 搜广推校招面经九十一
    美团机器学习/数据挖掘算法工程师_二面一、介绍一下ESMM模型，是否有进行过函数推导传统的转化率建模方式：只用发生点击（click=1）的样本来训练CVR模型。CVR定义如下：CVR=P(y=1∣x,z=1)CVR=P(y=1|x,z=1)CVR=P(y=1∣x,z=1)y=1表示用户发生了转化（如购买）z=1表示用户点击了广告这样做的问题：样本选择偏差（SampleSelectionBias,S
  • 12 | 走向元宇宙：数字化工作与生活 _Rye_ 元宇宙
    专栏快接近尾声了。在之前的课程里，我们一直在用一个框架来概括元宇宙，那就是：元宇宙=立体互联网+价值互联网。这个公式可以帮助我们从宏观角度更好地理解元宇宙。当我们回归工作和生活，用更加个人化的角度来观察元宇宙时，我们可以换用另外一个等式：元宇宙=实体空间+数字空间。通过这个等式，我们可以看到，元宇宙将带给我们线上线下全面融合的数字生活。这一讲的讨论分成两个部分。首先，我们来看看自己周围的数字化发展
  • 【字节跳动】数据挖掘面试题0010：解释全国人均收入下降，各省份人均收入增加的现象，属于辛普森悖论（开放性问题） 言析数智 数据挖掘常见面试题辛普森悖论局部与整体分析差异归因数据分析面试题
    文章大纲一、辛普森悖论的核心定义二、现象成因：加权平均中的“权重偏移”三、数学逻辑与案例说明1.数学表达式2.具体案例四、辛普森悖论的本质：忽略“混杂因素”的影响五、生活中常见的辛普森悖论案例及应对策略1.医疗疗法效果评估2.大学录取率的性别偏差3.篮球运动员投篮效率4.公司员工绩效与部门规模如何利用辛普森悖论？（数据分析中的价值）六、总结全国人均收入下降而各省份人均收入增加的现象，确实属于辛普森
  • LeetCode[位运算] - #137 Single Number II Cwind javaAlgorithmLeetCode题解位运算
    原题链接：#137 Single Number II  要求： 给定一个整型数组，其中除了一个元素之外，每个元素都出现三次。找出这个元素 注意：算法的时间复杂度应为O(n)，最好不使用额外的内存空间   难度：中等   分析： 与#136类似，都是考察位运算。不过出现两次的可以使用异或运算的特性 n XOR n = 0, n XOR 0 = n，即某一
  • 《JavaScript语言精粹》笔记 aijuans JavaScript
    0、JavaScript的简单数据类型包括数字、字符创、布尔值（true/false）、null和undefined值，其它值都是对象。 1、JavaScript只有一个数字类型，它在内部被表示为64位的浮点数。没有分离出整数，所以1和1.0的值相同。 2、NaN是一个数值，表示一个不能产生正常结果的运算结果。NaN不等于任何值，包括它本身。可以用函数isNaN(number)检测NaN,但是
  • 你应该更新的Java知识之常用程序库 Kai_Ge java
    在很多人眼中，Java 已经是一门垂垂老矣的语言，但并不妨碍 Java 世界依然在前进。如果你曾离开 Java，云游于其它世界，或是每日只在遗留代码中挣扎，或许是时候抬起头，看看老 Java 中的新东西。 Guava Guava[gwɑ:və]，一句话，只要你做Java项目，就应该用Guava（Github）。 guava 是 Google 出品的一套 Java 核心库，在我看来，它甚至应该
  • HttpClient 120153216 httpclient
    /** * 可以传对象的请求转发，对象已流形式放入HTTP中 */ public static Object doPost(Map<String,Object> parmMap,String url) { Object object = null; HttpClient hc = new HttpClient(); String fullURL
  • Django model字段类型清单 2002wmj django
    Django 通过 models 实现数据库的创建、修改、删除等操作，本文为模型中一般常用的类型的清单，便于查询和使用： AutoField：一个自动递增的整型字段，添加记录时它会自动增长。你通常不需要直接使用这个字段；如果你不指定主键的话，系统会自动添加一个主键字段到你的model。(参阅自动主键字段) BooleanField：布尔字段,管理工具里会自动将其描述为checkbox。 Cha
  • 在SQLSERVER中查找消耗CPU最多的SQL 357029540 SQL Server
    返回消耗CPU数目最多的10条语句 SELECT TOP 10    total_worker_time/execution_count AS avg_cpu_cost, plan_handle,    execution_count,    (SELECT SUBSTRING(text, statement_start_of
  • Myeclipse项目无法部署，Undefined exploded archive location 7454103 eclipseMyEclipse
    做个备忘！ 错误信息为：       Undefined exploded archive location 原因：           在工程转移过程中，导致工程的配置文件出错； 解决方法：    
  • GMT时间格式转换 adminjun GMT时间转换
    普通的时间转换问题我这里就不再罗嗦了，我想大家应该都会那种低级的转换问题吧，现在我向大家总结一下如何转换GMT时间格式，这种格式的转换方法网上还不是很多，所以有必要总结一下，也算给有需要的朋友一个小小的帮助啦。 1、可以使用 SimpleDateFormat SimpleDateFormat    EEE-三位星期 d-天 MMM-月 yyyy-四位年
  • Oracle数据库新装连接串问题 aijuans oracle数据库
    割接新装了数据库，客户端登陆无问题，apache/cgi-bin程序有问题，sqlnet.log日志如下： Fatal NI connect error 12170.   VERSION INFORMATION:         TNS for Linux: Version 10.2.0.4.0 - Product
  • 回顾java数组复制 ayaoxinchao java数组
    在写这篇文章之前，也看了一些别人写的，基本上都是大同小异。文章是对java数组复制基础知识的回顾，算是作为学习笔记，供以后自己翻阅。首先，简单想一下这个问题：为什么要复制数组？我的个人理解：在我们在利用一个数组时，在每一次使用，我们都希望它的值是初始值。这时我们就要对数组进行复制，以达到原始数组值的安全性。java数组复制大致分为3种方式：①for循环方式 ②clone方式 ③arrayCopy方
  • java web会话监听并使用spring注入 bewithme Java Web
            在java web应用中，当你想在建立会话或移除会话时，让系统做某些事情，比如说，统计在线用户，每当有用户登录时，或退出时，那么可以用下面这个监听器来监听。        import java.util.ArrayList; import java.ut
  • NoSQL数据库之Redis数据库管理(Redis的常用命令及高级应用) bijian1013 redis数据库NoSQL
    一 .Redis常用命令         Redis提供了丰富的命令对数据库和各种数据库类型进行操作，这些命令可以在Linux终端使用。         a.键值相关命令         b.服务器相关命令 1.键值相关命令       &
  • java枚举序列化问题 bingyingao java枚举序列化
    对象在网络中传输离不开序列化和反序列化。而如果序列化的对象中有枚举值就要特别注意一些发布兼容问题: 1.加一个枚举值 新机器代码读分布式缓存中老对象，没有问题，不会抛异常。 老机器代码读分布式缓存中新对像，反序列化会中断，所以在所有机器发布完成之前要避免出现新对象，或者提前让老机器拥有新增枚举的jar。 2.删一个枚举值 新机器代码读分布式缓存中老对象，反序列
  • 【Spark七十八】Spark Kyro序列化 bit1129 spark
    当使用SparkContext的saveAsObjectFile方法将对象序列化到文件，以及通过objectFile方法将对象从文件反序列出来的时候，Spark默认使用Java的序列化以及反序列化机制，通常情况下，这种序列化机制是很低效的，Spark支持使用Kyro作为对象的序列化和反序列化机制，序列化的速度比java更快，但是使用Kyro时要注意，Kyro目前还是有些bug。 Spark
  • Hybridizing OO and Functional Design bookjovi erlanghaskell
      推荐博文： Tell Above, and Ask Below - Hybridizing OO and Functional Design 文章中把OO和FP讲的深入透彻，里面把smalltalk和haskell作为典型的两种编程范式代表语言，此点本人极为同意，smalltalk可以说是最能体现OO设计的面向对象语言，smalltalk的作者Alan kay也是OO的最早先驱，
  • Java-Collections Framework学习与总结-HashMap BrokenDreams Collections
            开发中常常会用到这样一种数据结构，根据一个关键字，找到所需的信息。这个过程有点像查字典，拿到一个key，去字典表中查找对应的value。Java1.0版本提供了这样的类java.util.Dictionary(抽象类)，基本上支持字典表的操作。后来引入了Map接口，更好的描述的这种数据结构。  &nb
  • 读《研磨设计模式》-代码笔记-职责链模式-Chain Of Responsibility 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/ /** * 业务逻辑：项目经理只能处理500以下的费用申请，部门经理是1000，总经理不设限。简单起见，只同意“Tom”的申请 * bylijinnan */ abstract class Handler { /*
  • Android中启动外部程序 cherishLC android
    1、启动外部程序 引用自： http://blog.csdn.net/linxcool/article/details/7692374 //方法一 Intent intent=new Intent(); //包名 包名+类名（全路径） intent.setClassName("com.linxcool", "com.linxcool.PlaneActi
  • summary_keep_rate coollyj SUM
    BEGIN /*DECLARE minDate varchar(20) ; DECLARE maxDate varchar(20) ;*/ DECLARE stkDate varchar(20) ; DECLARE done int default -1; /* 游标中 注册服务器地址 */ DE
  • hadoop hdfs 添加数据目录出错 daizj hadoophdfs扩容
    由于原来配置的hadoop data目录快要用满了，故准备修改配置文件增加数据目录，以便扩容，但由于疏忽，把core-site.xml, hdfs-site.xml配置文件dfs.datanode.data.dir 配置项增加了配置目录，但未创建实际目录，重启datanode服务时，报如下错误： 2014-11-18 08:51:39,128 WARN org.apache.hadoop.h
  • grep 目录级联查找 dongwei_6688 grep
           在Mac或者Linux下使用grep进行文件内容查找时，如果给定的目标搜索路径是当前目录，那么它默认只搜索当前目录下的文件，而不会搜索其下面子目录中的文件内容，如果想级联搜索下级目录，需要使用一个“-r”参数： grep -n -r "GET" .   上面的命令将会找出当前目录“.”及当前目录中所有下级目录
  • yii 修改模块使用的布局文件 dcj3sjt126com yiilayouts
    方法一：yii模块默认使用系统当前的主题布局文件，如果在主配置文件中配置了主题比如: 'theme'=>'mythm', 那么yii的模块就使用 protected/themes/mythm/views/layouts 下的布局文件； 如果未配置主题，那么 yii的模块就使用  protected/views/layouts 下的布局文件， 总之默认不是使用自身目录 pr
  • 设计模式之单例模式 come_for_dream 设计模式单例模式懒汉式饿汉式双重检验锁失败无序写入
                    今天该来的面试还没来，这个店估计不会来电话了，安静下来写写博客也不错，没事翻了翻小易哥的博客甚至与大牛们之间的差距，基础知识不扎实建起来的楼再高也只能是危楼罢了，陈下心回归基础把以前学过的东西总结一下。   *********************************
  • 8、数组 豆豆咖啡 二维数组数组一维数组
      一、概念       数组是同一种类型数据的集合。其实数组就是一个容器。   二、好处       可以自动给数组中的元素从0开始编号，方便操作这些元素   三、格式   //一维数组 1,元素类型[] 变量名 = new 元素类型[元素的个数] int[] arr =
  • Decode Ways hcx2013 decode
    A message containing letters from A-Z is being encoded to numbers using the following mapping: 'A' -> 1 'B' -> 2 ... 'Z' -> 26 Given an encoded message containing digits, det
  • Spring4.1新特性——异步调度和事件机制的异常处理 jinnianshilongnian spring 4.1
    目录 Spring4.1新特性——综述 Spring4.1新特性——Spring核心部分及其他 Spring4.1新特性——Spring缓存框架增强 Spring4.1新特性——异步调用和事件机制的异常处理 Spring4.1新特性——数据库集成测试脚本初始化 Spring4.1新特性——Spring MVC增强 Spring4.1新特性——页面自动化测试框架Spring MVC T
  • squid3(高命中率)缓存服务器配置 liyonghui160com
        系统:centos 5.x   需要的软件:squid-3.0.STABLE25.tar.gz 1.下载squid wget http://www.squid-cache.org/Versions/v3/3.0/squid-3.0.STABLE25.tar.gz tar zxf squid-3.0.STABLE25.tar.gz &&
  • 避免Java应用中NullPointerException的技巧和最佳实践 pda158 java
    1) 从已知的String对象中调用equals()和equalsIgnoreCase()方法，而非未知对象。 　　总是从已知的非空String对象中调用equals()方法。因为equals()方法是对称的，调用a.equals(b)和调用b.equals(a)是完全相同的，这也是为什么程序员对于对象a和b这么不上心。如果调用者是空指针，这种调用可能导致一个空指针异常 Object unk
  • 如何在Swift语言中创建http请求 shoothao httpswift
    概述：本文通过实例从同步和异步两种方式上回答了”如何在Swift语言中创建http请求“的问题。 如果你对Objective-C比较了解的话，对于如何创建http请求你一定驾轻就熟了，而新语言Swift与其相比只有语法上的区别。但是，对才接触到这个崭新平台的初学者来说，他们仍然想知道“如何在Swift语言中创建http请求？”。 在这里,我将作出一些建议来回答上述问题。常见的
  • Spring事务的传播方式 uule spring事务
    传播方式：        新建事务       required       required_new   - 挂起当前         非事务方式运行       supports   &nbs
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他