- 一文读懂stm32和51单片机的区别
对error说不
stm3251单片机嵌入式硬件
一、引言在嵌入式系统开发领域,STM32和51单片机是两款被广泛使用的微控制器。51单片机以其简单易学、成本低廉的特点,在早期的电子开发中占据了主导地位;而STM32作为后起之秀,凭借其高性能、丰富的外设和强大的处理能力,逐渐成为了中高端应用的首选。本文将从多个方面详细阐述STM32和51单片机的区别,并给出相应的代码示例进行对比。二、硬件架构2.1内核51单片机:采用8位的8051内核,数据处理
- 嵌入式硬件篇---龙芯UART通信
Ronin-Lotus
嵌入式硬件篇上位机知识篇程序代码篇嵌入式硬件cUART龙芯2k1000pwm
文章目录前言一、代码结构解析1.头文件部分作用2.宏定义与全局变量龙芯特性3.主函数流程关键点4.UART发送函数龙芯实现5.串口配置函数(set_port)龙芯注意事项6.GPIO控制函数龙芯GPIO特性7.PWM控制函数龙芯PWM实现二、龙芯UART深度解析1.硬件架构控制器类型时钟源寄存器映射2.关键寄存器3.驱动配置内核配置设备树配置4.波特率计算公式示例三、代码优化建议错误处理增强非阻塞
- Ubuntu常用命令
欲登绝巘
ubuntulinux运维
以下是一些常用的Ubuntu命令,可以帮助您在终端中进行各种任务和操作:文件和目录操作:ls:列出当前目录下的文件和目录。cd:切换目录。pwd:显示当前工作目录的路径。mkdir:创建新目录。rm:删除文件或目录。cp:复制文件和目录。mv:移动文件和目录。系统信息和管理:uname-a:显示系统信息,包括内核版本和硬件架构。top:实时显示系统资源使用情况和运行进程。free:显示内存使用情况
- 【TVM教程】为 Mobile GPU 自动调优卷积网络
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:LianminZheng,EddieYan针对特定设备的自动调优对于获得最佳性能至关重要。本文介绍如何调优整个卷积网络。TVM中MobileGPU的算子实现是以template形式编写的。该template有许多可调参数(tile因子
- 【TVM 教程】使用元组输入(Tuple Inputs)进行计算和归约
编译器编程后端人工智能深度学习
ApacheTVM是一个端到端的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:ZihengJiang若要在单个循环中计算具有相同shape的多个输出,或执行多个值的归约,例如argmax。这些问题可以通过元组输入来解决。本教程介绍了TVM中元组输入的用法。from__future__importabsolut
- Computer Systems A Programmer‘s Perspective 深入理解计算机系统 1
清水湾的水
linux
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言一、编译系统1.编译系统的流程二、硬件架构1.CPU2.内存3.总线4.输入输出设备三、解释内存中的指令1.程序执行的流程2.程序执行过程中发生了什么3.设备容量4.Cache5.存储设备的层次结构四、操作系统的作用1.操作系统的作用2.进程3.进程角度五、虚拟内存1.虚拟内存2.文件3.系统之间利用网络通信六、系统加速1
- 深入解析:FIR滤波器在FPGA上的设计与实现全流程
king-agic
FPGAfpga开发经验分享
在FPGA中实现FIR(FiniteImpulseResponse)滤波器涉及多个步骤,包括滤波器设计、系数量化、硬件架构设计、HDL(HardwareDescriptionLanguage)编码、综合、布局布线以及验证。1.滤波器设计使用软件工具如MATLAB、Octave或者Python中的SciPy库来设计FIR滤波器。定义滤波器的规格,例如采样频率、截止频率、通带和阻带衰减等。生成滤波器的
- 深度学习批次数据处理的理解
_DCG_
计算机视觉深度学习人工智能
基础介绍在计算机视觉深度学习网络中,在训练阶段数据输入通常是一个批次,即不是一次输入单张图片,而是一次性输入多张图片,而神经网络的结构内部一次只能处理一张图片,这时候很自然就会考虑为什么要这样的输入?神经网络是如何处理多个数据的,下面从硬件架构的角度去分析处理。GPU硬件架构GPU的硬件架构设计是批处理能够高效运行的关键原因之一。GPU现阶段一般采用SIMT架构,它的特点如下:SIMT(Singl
- 【TVM教程】为 NVIDIA GPU 自动调度神经网络
HyperAI超神经
TVM神经网络人工智能深度学习TVMGPUNVIDIA语言模型
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:LianminZheng针对特定设备和工作负载的自动调优对于获得最佳性能至关重要。本文介绍如何使用auto-scheduler为NVIDIAGPU调优整个神经网络。为自动调优神经网络,需要将网络划分为小的子图并独立调优。每个子图被视为
- Linux操作系统:基于Linux的智能安防系统
暮雨哀尘
Linux的那点事linux运维服务器大数据集群技术
基于Linux的智能安防系统开发文档1.项目概述本项目旨在开发一个基于Linux的智能安防系统,集成火灾报警、门禁控制和传感器数据采集功能。系统通过多种传感器实时监测环境状态,并在检测到异常时触发报警,同时将数据上传至云平台供远程监控。该系统适用于家庭、办公室、仓库等场景,能够有效提升安全性和管理效率。2.系统架构系统的整体架构分为硬件部分和软件部分,具体如下:2.1硬件架构核心控制器:树莓派(推
- OceanBase 初探学习历程之——安装部署
羽书飞影
oceanbase学习
一、介绍OceanBase数据库是一个原生的分布式关系数据库,它是完全由阿里巴巴和蚂蚁集团自主研发的项目。OceanBase数据库构建在通用服务器集群上,基于Paxos协议和分布式架构,提供金融级高可用和线性伸缩能力,不依赖特定硬件架构,具备高可用、线性扩展、高性能、低成本等核心技术优势。OceanBase数据库具有如下特点:高可用单服务器故障能够自愈,支持跨城多机房容灾,数据零丢失,可满足金融行
- **ARM Cortex-M4** 和 **ARM Cortex-M7* 运行freeRTOS
BlueBirdssh
arm开发
**是的,Cortex-M4和Cortex-M7都可以运行FreeRTOS**。FreeRTOS是一个轻量级的实时操作系统(RTOS),专为嵌入式系统设计,支持多种硬件架构,包括ARMCortex-M系列(如Cortex-M0、M3、M4、M7等)。由于FreeRTOS的设计灵活且硬件需求较低,Cortex-M4和Cortex-M7都能很好地运行FreeRTOS。以下是关于FreeRTOS在Cor
- 开发一个音响控制板程序,需要从硬件架构设计、通信协议选择、核心功能实现三个层面进行系统化开发。以下是基于工业级开发流程的实施方案
星糖曙光
后端语言(nodejavascriptvue等等)stm32emacsAI编程设计规范课程设计
一、硬件架构设计阶段主控芯片选型推荐采用STM32F4系列(如STM32F407VGT6),其168MHz主频和硬件浮点单元可满足实时音频处理需求[7]外围电路需集成PT2313音频处理芯片,实现4通道输入选择、音量/音调调节功能[13]存储系统采用W25Q128闪存保存用户配置参数,预留SDIO接口支持扩展存储信号处理架构cc//典型信号链路配置voidAudioPath_Init(void){
- 【TVM教程】为 x86 CPU 自动调优卷积网络
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:YaoWang,EddieYan本文介绍如何为x86CPU调优卷积神经网络。注意,本教程不会在Windows或最新版本的macOS上运行。如需运行,请将本教程的主体放在if__name__=="__main__":代码块中。impor
- 大规模GPU集群的进阶之路
卢旗
人工智能
大家好,我是卢旗。今天来聊聊GPU。GPU,全称GraphicProcessingUnit,即图形处理器。它的并行处理能力非常强大,能够同时处理多个任务和数据,因此被广泛用于图形渲染、视频处理、深度学习、科学计算等领域。研发团队在负责制定硬件选型策略并设计优化下一代大规模GPU集群的软硬件架构时,我们需要关注GPU技术的最新进展、重点研究问题以及潜在的技术突破。一、GPU在重点研究的问题算力提升与
- 【linux numa】 NUMA 绑核
Dayu_log
linuxlinux
1.NUMA的前世今生NUMA(NonUniformMemoryAccess)和UMA(UniformMemoryAccess)是两种CPU相关的硬件架构。在早期的UMA架构中,CPU通过前端总线(FSB,FrontSideBus)连接到北桥芯片,然后北桥芯片连接到内存,即内存控制器集成在北桥芯片中。外部IO设备与南桥芯片相连,南桥芯片与北桥芯片通过内部总线相连。下图为UMA架构图下图为早期的UM
- 《探秘AI绿色计算:降低人工智能硬件能耗的热点技术》
程序猿阿伟
人工智能
在人工智能飞速发展的当下,其硬件能耗问题愈发凸显。据国际能源署预测,人工智能的能源消耗可能大幅增长。因此,降低人工智能硬件能耗,实现绿色计算,已成为行业关键课题。以下是一些正在崭露头角的热点技术。新型硬件架构与材料计算随机存取内存(CRAM):明尼苏达大学的研究团队开发的CRAM,能让数据完全在内存阵列内处理,无需离开计算机存储信息的网格,打破了传统冯·诺依曼体系结构中计算与内存之间的壁垒,可将人
- 嵌入式工程师全攻略:岗位职责与技能要求详解
Nebula嵌入式
嵌入式科普嵌入式
文章目录一、前言二、**硬件架构中最常用的有哪几种**三、嵌入式的岗位及技能要求3.1嵌入式硬件3.1.1主要职责3.1.2技能要求3.1.3学习建议3.2嵌入式单片机3.2.1主要职责3.2.2技能要求3.2.3学习建议3.3嵌入式linux3.3.1主要职责3.3.2技能要求3.3.3学习建议一、前言这是根据我个人和网上的一些资料编写的,可能有不对的地方请及时提醒。二、硬件架构中最常用的有哪几
- qt 安装
科学的发展-只不过是读大自然写的代码
#linuxqt开发语言
1.概要2.内容安装Qt的步骤如下:一、下载Qt安装程序访问Qt官网:打开浏览器,访问Qt的官方网站:https://www.qt.io/。进入下载页面:在网站顶部菜单栏中,点击“Download”(下载)选项,进入下载页面。选择版本:在下载页面,根据您的操作系统(如Windows)和硬件架构(32位或64位)选择适合的Qt版本。Qt提供了多个版本,包括开源版和商业版。对于大多数开发者来说,开源版
- 《探秘AI绿色计算:降低人工智能硬件能耗的热点技术》
人工智能深度学习
在人工智能飞速发展的当下,其硬件能耗问题愈发凸显。据国际能源署预测,人工智能的能源消耗可能大幅增长。因此,降低人工智能硬件能耗,实现绿色计算,已成为行业关键课题。以下是一些正在崭露头角的热点技术。新型硬件架构与材料计算随机存取内存(CRAM):明尼苏达大学的研究团队开发的CRAM,能让数据完全在内存阵列内处理,无需离开计算机存储信息的网格,打破了传统冯·诺依曼体系结构中计算与内存之间的壁垒,可将人
- 拧紧“安全阀”,AORO-P300 Ultra防爆平板畅通新型工业化通信“大动脉”
AORO_BEIDOU
电脑5G信息与通信智能手机安全科技
在油气管道泄漏的浓烟中,在矿道坍塌的密闭空间里,在洪水肆虐的救援现场,传统通讯设备频频失效的困境已成为历史。AORO-P300Ultra防爆平板集5G通讯、红外感知、应急照明等实用功能于一体,以军工级防护与全场景智能应用,构建起"感知-通讯-决策"的完整安全闭环。AORO-P300Ultra防爆平板硬件架构:构筑本质安全防护体系通过SGS权威认证的IP68级防护架构与MIL-STD-810G标准的
- AI硬件加速:CPU vs GPU性能对比
AI天才研究院
AI大模型企业级应用开发实战Python实战DeepSeekR1&大数据AI人工智能大模型javapythonjavascriptkotlingolang架构人工智能大厂程序员硅基计算碳基计算认知计算生物计算深度学习神经网络大数据AIGCAGILLM系统架构设计软件哲学Agent程序员实现财富自由
AI硬件加速:CPUvsGPU性能对比关键词:人工智能、硬件加速、CPU、GPU、性能对比、硬件架构、并行计算、优化策略、项目实战摘要:本文将深入探讨AI硬件加速领域中的两个核心组件:CPU和GPU,通过性能对比分析,揭示它们在AI计算中的优势与不足。文章将从基本概念、硬件加速原理、性能指标评测、实际应用场景到项目实战,逐步分析CPU与GPU在AI硬件加速中的表现,为读者提供全面的技术解读与实战指
- x86 Docker镜像转换为 ARM 架构镜像
rkmhr_sef
dockerarm开发架构
Docker是一种流行的容器化技术,可以帮助开发人员在不同的操作系统和硬件平台上运行应用程序。然而,由于不同的硬件架构,例如x86和ARM,Docker镜像在不同的平台上不能直接运行。本文将介绍如何将x86Docker镜像转换为ARM架构,并提供代码示例。目录1.环境配置2.注意事项3.镜像拉取4.x86系统打包镜像1.环境配置docker运行其他平台容器,需要使用--platform参数来指定平
- 【知识贴】x86、amd64和arm64区别
瓜炉
linux
x86、amd64和arm64区别x86、amd64和arm64是指不同的处理器架构,它们主要区别在于指令集和硬件架构。这些架构影响着软件兼容性、性能和硬件设计。1.x86指的是:32位的x86架构(又叫i386或x86-32),由Intel最早在1978年推出。位宽:32位,也就是每次可以处理32位的数据。常用平台:最常用于较老的桌面和笔记本电脑,早期的Windows和Linux系统也多基于该架
- GPU硬件架构分析
你一身傲骨怎能输
渲染管线硬件架构
GPU和CPU的差异CPU与GPU的设计对比核心数量与计算单元:CPU:通常核心数量较少(如4到16个核心),每个核心都有独立的控制单元。这种设计使得CPU能够高效处理复杂的任务和多线程操作,适合需要快速响应和低延迟的应用。GPU:计算单元数量非常多(可能达到几千个),多个计算单元共享一个控制单元。这种设计使得GPU能够同时处理大量的并行任务,特别适合大规模数据处理和图形渲染。内存设计:CPU:内
- TVM:设计与架构
Adenialzz
tvm模型部署架构react.js前端
TVM:设计与架构本文档适用于想要了解TVM架构和/或积极开发项目的开发人员。页面组织如下:示例编译流程概述了TVM将模型的高层描述转换为可部署模块所采取的步骤。要开始使用,请先阅读本节。逻辑架构组件部分描述了逻辑组件。后面的部分是针对每个逻辑组件的特定指南,按组件的名称组织。设备/目标交互描述了TVM如何与每种支持的物理设备和代码生成目标进行交互。请查看开发人员操作指南以获取有用的开发技巧。本指
- TVM Compiler中文教程:TVM调度原语(Schedule Primitives)
Mars_WH
TVM深度学习编译器TVM中文教程调度Schedulesplittile
文章目录TVM调度原语(SchedulePrimitives)分裂split平铺tile融合fuse重排序reorder绑定bind从哪里开始计算compute_at计算内联compute_inlinecompute_root总结TVM调度原语(SchedulePrimitives)TVM是用于高效内核代码构建的版本领域专用语言(Domain-Specialed-Language,DSL)。这篇教
- 【TVM教程】为 Mobile GPU 自动调优卷积网络
HyperAI超神经
TVM人工智能机器学习TVM编程编译器GPUCPU
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:LianminZheng,EddieYan针对特定设备的自动调优对于获得最佳性能至关重要。本文介绍如何调优整个卷积网络。TVM中MobileGPU的算子实现是以template形式编写的。该template有许多可调参数(tile因子
- prebuilt-ffmpeg-android: 为Android设备预先构建的FFmpeg支持多架构
古斯塔夫歼星炮
本文还有配套的精品资源,点击获取简介:FFmpeg是一个开源的多媒体处理框架,用于处理音频和视频的编码、解码、转换和流媒体操作。在Android平台上,由于多种硬件架构的存在,如armv7,armv7-neon,和x86,为应用集成FFmpeg通常需要复杂的交叉编译过程。prebuilt-ffmpeg-android项目预先为这些架构构建了FFmpeg库,简化了开发者的集成过程,从而避免了自己编译
- Ubuntu交叉编译 arm板子上的TVM
陈有爱
TVMubuntu人工智能
目录X86Ubuntu的TVM安装LLVM下载tvm配置config.cmake编译源码python安装测试是否安装成功可以在安装一些库,用于RPCTracker和auto-tuning交叉编译801arm的TVM交叉编译链下载配置config.cmake编译源码编译的时候可能会遇到错误ONNX模型转换为TVM模型创建pre.py,将onnx模型编译成tvm.so文件测试TVM模型修改demo程序
- 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