水经注GIS
水经注GIS

免费下载6G全国90米高程DEM

这里为大家分享全国90米高程原始数据。

全国90米高程DEM

90米高程数据的经纬度跨度有按30度进行分块和按5度进行分块两种，下载完成后的文件如下图所示。

免费下载6G全国90米高程DEM_第1张图片

30度分块与5度分块

当经纬度跨度按30度进行分块时，全国范围共分成6块，由于分块的跨度比较大，因此数据覆盖范围远超过了全国范围，如下图所示。

免费下载6G全国90米高程DEM_第2张图片

30度分块与覆盖范围

全国90米高程DEM数据按30度分块后，共4.13GB大小，一共有6个文件，如下图所示。   

免费下载6G全国90米高程DEM_第3张图片

6个分块文件

文件解压后，可以在GlobalMapper中打开进行预览查看，如下图所示。

免费下载6G全国90米高程DEM_第4张图片

高程预览

全国90米SRTM数据按30度进行分块之后，全国数据覆盖范围接图表如下图所示。   

免费下载6G全国90米高程DEM_第5张图片

30度分块接图表

按30度跨度进行分块之后，覆盖全国的90米高程数据共有64个分块文件，共1.94GB大小，如下图所示。

免费下载6G全国90米高程DEM_第6张图片

64个分块文件

同样地，可以将任何文件解决之后，在Global Mapper中进行打开查看，也可以进行三维渲染和提取等高线等。

免费下载6G全国90米高程DEM_第7张图片

30度跨度渲染图

写在最后

由于按30度分块的全国范围数据有4.13GB，而按5度分块的全国范围数据有1.94G大小，因此共约6G大小。

你可能感兴趣的:(原始数据)

  • 数据守护者：备份文件的重要性及自动化备份实践 Konkakou 电脑文件自动备份文件自动备份win10自动备份一键备份文件全自动备份文件全自动备份
    在信息化社会，数据已成为企业运营和个人生活的重要组成部分。无论是企业的核心业务数据，还是个人的珍贵照片、重要文档，数据的丢失或损坏都可能带来无法估量的损失。因此，备份文件的重要性愈发凸显，它不仅是数据安全的最后一道防线，更是确保业务连续性和个人隐私安全的基石。电脑文件自动备份一、备份文件的重要性备份文件，顾名思义，就是将原始数据复制到另一个存储介质或位置，以便在原始数据丢失或损坏时能够恢复。这一简
  • 20250124 Flink 增量聚合 vs 全量聚合 靈臺清明 Flinkflink
    1.增量聚合vs全量聚合(1)增量聚合（ReduceFunction/AggregateFunction）工作方式：逐步计算：每一条数据到达窗口时，立即与当前聚合结果结合，生成新的中间结果。仅保存中间状态：内存中只保留当前的聚合值（如累加和、最大值等），不保存原始数据。触发窗口计算时：直接输出最终的聚合结果，无需遍历所有数据。示例：计算窗口内数字的和DataStreamnumbers=...;nu
  • 数据仓库与数据挖掘记录 三 匆匆整棹还 数据挖掘
    数据仓库的数据存储和处理数据的ETL过程数据ETL是用来实现异构数据源的数据集成,即完成数据的抓取/抽取、清洗、转换.加载与索引等数据调和工作,如图2.2所示。1）数据提取（Extract）从多个数据源中获取原始数据（如数据库、日志文件、API、云存储等）。数据源可能是结构化（如MySQL）、半结构化（如JSON）、非结构化（如文本）。关键技术：SQL查询、Web爬虫、日志采集工具（如Flume）
  • LeetCode Hot 100-394字符串解码 pup1L LeetCodeLeetCodeHot
    给定一个经过编码的字符串，返回它解码后的字符串。编码规则为:k[encoded_string]，表示其中方括号内部的encoded_string正好重复k次。注意k保证为正整数。你可以认为输入字符串总是有效的；输入字符串中没有额外的空格，且输入的方括号总是符合格式要求的。此外，你可以认为原始数据不包含数字，所有的数字只表示重复的次数k，例如不会出现像3a或2[4]的输入。示例:s=“3[a]2[b
  • LeetCode Hot 100 No.394 字符串解码 counting_stars123 LeetCodeHot100栈编码解码字符串处理数字判断字符判断
    给定一个经过编码的字符串，返回它解码后的字符串。编码规则为:k[encoded_string]，表示其中方括号内部的encoded_string正好重复k次。注意k保证为正整数。你可以认为输入字符串总是有效的；输入字符串中没有额外的空格，且输入的方括号总是符合格式要求的。此外，你可以认为原始数据不包含数字，所有的数字只表示重复的次数k，例如不会出现像3a或2[4]的输入。示例1：输入：s=“3[a
  • SQL实现md5加密方法 出门喝奶茶 笔记sql数据库
    1.MD5加密概述MD5(MessageDigestAlgorithm5)是一种广泛使用的哈希算法，它将输入的字符串（或数据）转换为固定长度的128位（16字节）哈希值。MD5的主要特点是：不可逆性：MD5是一种单向哈希算法，这意味着你无法从MD5哈希值还原出原始数据。输出固定长度：无论输入数据的长度如何，MD5输出的哈希值始终是32个字符的十六进制数（128位）。碰撞性：虽然MD5很长时间被广泛
  • 基于Python的人工智能驱动基因组变异算法：设计与应用（下） Allen_LVyingbo python医疗高效编程研发python人工智能算法健康医疗系统架构
    3.3.2数据清洗与预处理在基因组变异分析中，原始数据往往包含各种噪声和不完整信息，数据清洗与预处理是确保分析结果准确性和可靠性的关键步骤。通过Python的相关库和工具，可以有效地去除噪声、填补缺失值、标准化数据等，为后续的分析提供高质量的数据基础。在基因组数据中，噪声数据可能来源于测序误差、实验操作不当等因素，这些噪声会干扰分析结果的准确性。使用Python的相关库和工具可以对数据进行过滤，去
  • 常见目录和文件 被放养的研究生 计算机视觉计算机视觉python
    常见目录data——存放数据集models——存放模型utils——通常会包含一些用于数据预处理的函数，这些函数的目的是将原始数据转换为适合神经网络输入的格式。激活函数、损失函数常见文件detec.py——传入参数，调用modelstrain.py——传入参数，调用models，学习率test.py——复现最佳结果main.py——定义一些参数。比如模型参数，epoch，patchsize，数据集
  • 三、隐语架构 人生相聚两依依 隐私计算架构可信计算技术密码学
    一、架构隐语架构设计的出发点：1、完备性：目前隐私计算技术较多，没有哪一种技术具有明显优势，一般是通过多种技术结合互补优势综合使用2、高内聚低耦合3、开放性二、产品层三、算法层大致分为3类：PSI/PIR：具体见前2讲数据分析：一种多方安全数据分析系统，可以让互不信任的参与方在保护自己数据隐私的前提下，完成多方数据分析任务。联邦学习：在原始数据不出域的前提下，通过交换中间数据完成机器学习建模，包含
  • VPN服务器是怎么把数据转发到外网的？ 什么蜜桃绵绵冰 计算机网络服务器运维
    1.数据到达OpenVPN服务器客户端发送数据：客户端设备（如电脑、手机）将数据（如网页请求、文件传输等）封装在加密的隧道中，通过互联网发送到OpenVPN服务器。服务器接收数据：OpenVPN服务器收到客户端发送的加密数据包后，会解封装这些数据包，提取出原始数据。2.路由选择目标地址解析：OpenVPN服务器解析数据包中的目标地址（如目标网站的IP地址或公司内部服务器的IP地址）。路由决策：服务
  • 了解深度神经网络模型（Deep Neural Networks, DNN） huaqianzkh 未来技术dnn人工智能神经网络
    深度神经网络模型（DeepNeuralNetworks,DNN）深度神经网络模型是一种包含多个隐藏层的神经网络，能够通过多层次的非线性变换从数据中提取复杂特征，广泛应用于图像识别、自然语言处理等领域。基本结构输入层：接收原始数据。隐藏层：包含多个层，每层有多个神经元，通过非线性激活函数处理数据。输出层：生成最终预测或分类结果。主要特点多层次结构：通过多个隐藏层逐步提取高层次特征。非线性变换：使用激
  • Android笔记--MediaCodec(一) ljt2724960661 Android基础androidandroid
    这一节主要来了解一下MediaCodec，AndroidMediaCodec是Android平台提供的一个用于处理音频和视频数据的API。它允许开发者对音频和视频数据进行编码和解码，支持多种格式和编解码器。MediaCodecAPI通常用于实现实时音视频处理，如视频录制、播放、转码等。基本概念：编解码器（Codec）：编解码器是负责将原始音视频数据压缩成特定格式（编码）或将压缩数据还原为原始数据（
  • 10. 神经网络（二.多层神经网络模型） 啊波次得饿佛哥 AI人工智能神经网络人工智能深度学习
    多层神经网络（Multi-LayerNeuralNetwork），也称为深度神经网络（DeepNeuralNetwork,DNN），是机器学习中一种重要的模型，能够通过多层次的非线性变换解决复杂的分类、回归和模式识别问题。以下是其详细介绍：1.基本概念多层神经网络由多个层（Layer）堆叠而成，包括：输入层（InputLayer）：接收原始数据（如图像像素、文本向量等）。隐藏层（HiddenLay
  • DeepSeek联邦学习（Federated Learning）基础与实践 Evaporator Core DeepSeek快速入门人工智能深度学习pythontornadodash
    联邦学习（FederatedLearning,FL）是一种在分布式环境中训练模型的技术，允许多个设备或节点在不共享原始数据的情况下协同训练模型。这种方法在保护数据隐私的同时，能够利用分散的数据资源提升模型性能。DeepSeek提供了强大的工具和API，帮助我们高效地构建和训练联邦学习模型。本文将详细介绍如何使用DeepSeek进行联邦学习的基础与实践，并通过代码示例帮助你掌握这些技巧。1.联邦学习
  • 无人机目标追踪技术 kely117 无人机
    无人机目标追踪是指通过无人机搭载的传感器和计算系统，实时跟踪和定位特定目标的技术：传感器技术：无人机通常配备摄像头、雷达、激光雷达等传感器，用于捕捉目标的图像和距离信息。图像处理与计算机视觉：通过先进的图像处理和计算机视觉算法，无人机能够从传感器获取的原始数据中提取有用的信息，如目标的位置、形状和运动轨迹。目标识别与跟踪算法：采用机器学习和深度学习算法，无人机能够识别和分类不同的目标，并对目标进行
  • 【Py/Java/C++三种语言OD独家2024E卷真题】20天拿下华为OD笔试之【DP/贪心】2024E-观看文艺汇演【欧弟算法】全网注释最详细分类最全的华为OD真题题解 闭着眼睛学算法 最新华为OD真题#dp#贪心javac++华为odleetcode算法python
    可上欧弟OJ系统练习华子OD、大厂真题绿色聊天软件戳od1441了解算法冲刺训练（备注【CSDN】否则不通过）文章目录相关推荐阅读题目描述与示例输入输出示例一输入输出说明示例二输入输出说明示例三输入输出解题思路原始数据处理贪心思想求解问题动态规划求解问题代码解法一：贪心pythonjavacpp时空复杂度解法二：DPpythonjavacpp时空复杂度华为OD算法/大厂面试高频题算法练习冲刺训练相
  • 前端Vue必问面试题 前端vue.js
    1，Vue3.0为什么要使用proxy在Vue2中，0bject.defineProperty会改变原始数据，而Proxy是创建对象的虚拟表示，并提供set、get和deleteProperty等处理器，这些处理器可在访问或修改原始对象上的属性时进行拦截，有以下特点∶不需用使用Vue.$set或Vue.$delete触发响应式。全方位的数组变化检测，消除了Vue2无效的边界情况。支持Map，Set
  • Rrd 文档 总结（一） _loehuang_ 后端文档存储archive算法磁盘java
    2010年1月15日Rrd文档总结*rrd是一种数据的存储格式，它使用环形的数据存储格式，可以用固定的大小的空间存储数据，当数据存满整个环形时，它将把前面的数据覆盖！*它还支持数据的归并，将多个数据以一定得方式合并成一个数据，再将这个数据存储，这样就可以存储长时间段的数据。--注：rrd存储的不是原始数据，而是将原始数据与它存储的时间，以一定得算法计算出数据，存储到rrd文件中。后面介绍怎么计算的
  • 特征编码技术:onehot编码与label编码 AGI大模型与大数据研究院 DeepSeekR1&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
    特征编码技术:one-hot编码与label编码1.背景介绍在机器学习和数据科学领域,特征工程是一个至关重要的步骤。特征工程的目的是将原始数据转换成适合机器学习算法输入的格式。其中,特征编码是特征工程中的一个关键步骤。本文将重点介绍两种常用的特征编码技术:one-hot编码和label编码。2.核心概念与联系one-hot编码是一种常见的将类别型特征转换为数值型特征的方法。它的基本思想是为每一个类
  • MATLAB主成分分析实战指南 Ready-Player
    本文还有配套的精品资源，点击获取简介：主成分分析（PCA）是数据降维的一种技术，它通过转换原始数据到线性无关的主成分，降低数据复杂性，同时尽可能保留原始数据的方差信息。MATLAB提供强大的矩阵运算功能和内置函数，便于实现PCA。本文将详细介绍如何使用MATLAB进行PCA的每个步骤，包括数据预处理、计算协方差矩阵、提取特征向量和特征值、选择主成分、数据转换、结果可视化以及从主成分恢复原始数据。P
  • 【机器学习】自定义数据集，使用scikit-learn 中K均值包 进行聚类 加德霍克 机器学习scikit-learn均值算法python作业
    一、K均值算法简介K均值算法的目标是将数据集划分为K个簇，使得每个数据点属于离它最近的簇中心（centroid）所代表的簇。K均值聚类算法步骤①初始化：随机选择原始数据的K个数据点作为初始质心（聚类中心）。②分配：将每个数据点划分到距离最近的质心所对应的簇中，即计算每个数据点到每个质心的距离，选择距离最近的质心作为该数据点所属的簇。③更新：重新计算每个簇的质心，即将该簇中所有数据点的坐标取平均值，
  • 【机器学习BDT】python代码实现(下) mcoc132 Python机器学习机器学习python人工智能
    文章目录BDT(BootstrapDecisionTree)python实现导入库分类树主体代码回归树主体代码输出函数完整代码后续可能添加的功能BDT(BootstrapDecisionTree)python实现代码仅供参考导入库importCART树_自己写importnumpy其中一个库之前写的分类树主体代码在原始数据权重基础上使用更新的数据权重以更新BDT模型.def分类树(self,BDT
  • 深度学习盛行，还记得哪些传统机器学习方法和模型？ 硬件学长森哥 人工智能深度学习机器学习人工智能
    开头森哥说：假期前后在准备成像技术的总结，目前已完成两部分，争取在摸索出一些编辑和运营技巧后，完善成一个系列和大家见面；当然也有可能会通过一些更加贴合摄影实用的角度出一些更加浅显的内容。最终如何呈现还需要慢慢摸索。传统机器学习是指在深度学习盛行之前开发的机器学习和人工智能技术。这些传统方法通常依赖于手工设计的特征提取和模型结构。而深度学习是一种机器学习技术，它通过深层神经网络从原始数据中学习特征表
  • Inflate动态Huffman解压缩 vcshcn 开发语言InflateHuffmangzip
    上个已经实现GZIP压缩文件格式的Inflate静态Huffman解压，这个实现Inflate的无压缩输出和动态Huffman解压。Java语言实现，Eclipse下编写。范式Huffman解码实现，输入huffman编码，输出原始数据//范式huffman解码staticclassCanonicalCode{Vectortable=newVector(){@Overridepublicintco
  • 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
  • 机器学习-期末复习题 泡椒鸡jo 期末复习机器学习python
    给人脸打上标签再让模型进行学习训练的方法，属于()强化学习B.半监督学习C.监督学习D.无监督学习在机器学习中，用计算机处理一副图像，维度是：上万维B.二维C.三维D.一维‎以下关于降维的说法不正确的是？A.降维是将训练样本从高维空间转换到低维空间B.降维不会对数据产生损伤C.通过降维可以更有效地发掘有意义的数据结构D.降维将有助于实现数据可视化‍将原始数据进行集成、变换、维度规约、数值规约是在以
  • 【Elasticsearch】 es 索引 内置 字段 _source 九师兄 elasticsearch索引内置_source
    1.概述该字段属于索引的元数据，其中存储了文档原始的JSON内容，会被存储但不会被索引，用于执行fetch请求时返回原始数据。当我们不需要获得任何原始数据，只需要对数据进行排序，聚合等计算，或者写入时文档id是手动指定的，通过搜索取到文档id来进一步处理，可以将"_source"设为false来节约大量的磁盘空间。注意，禁用"_source"后会导致无法使用update，update_by_que
  • （3-5）文生图模型架构：扩散模型 码农三叔 训练RAG多模态)人工智能python深度学习大模型文生图多模态
    3.5扩散模型扩散模型（DiffusionModels）是一类用于生成图像的深度学习模型，近年来在图像生成任务中取得了显著的进展。扩散模型的基本思想是通过逐步添加噪声到数据中，然后学习从噪声中恢复原始数据的过程。3.5.1扩散模型的基本概念扩散模型是一种基于随机过程的生成模型，通过逐步添加和去除噪声，实现从随机噪声到高质量数据的转化，其独特的训练和生成机制使其在图像生成领域表现出色。1.扩散过程扩
  • 2006-2021年 省级数字经济与实体经济融合水平计算代码及原始数据-社科数据 泡芙萝莉酱 社科数据数据挖掘人工智能大数据深度学习数据分析毕业论文
    省级数字经济与实体经济融合水平计算代码及原始数据2006-2021年-社科数据https://download.csdn.net/download/paofuluolijiang/90028609https://download.csdn.net/download/paofuluolijiang/90028609数字经济与实体经济的融合是推动现代经济发展的关键力量。从2006年至2021年的数据来
  • 梯度提升用于高效的分类与回归 纠结哥_Shrek 分类回归数据挖掘
    使用决策树（DecisionTree）实现梯度提升（GradientBoosting）主要是模拟GBDT（GradientBoostingDecisionTrees）的原理，即：第一棵树拟合原始数据计算残差（负梯度方向）用新的树去拟合残差累加所有树的预测值重复步骤2-4，直至达到指定轮数下面是一个纯Python+PyTorch实现GBDT（梯度提升决策树）的代码示例。1.纯Python实现梯度提升
  • 关于旗正规则引擎规则中的上传和下载问题 何必如此 文件下载压缩jsp文件上传
    文件的上传下载都是数据流的输入输出，大致流程都是一样的。 一、文件打包下载 1.文件写入压缩包 string mainPath="D:\upload\";     下载路径 string tmpfileName=jar.zip;        &n
  • 【Spark九十九】Spark Streaming的batch interval时间内的数据流转源码分析 bit1129 Stream
      以如下代码为例（SocketInputDStream）： Spark Streaming从Socket读取数据的代码是在SocketReceiver的receive方法中，撇开异常情况不谈(Receiver有重连机制，restart方法，默认情况下在Receiver挂了之后，间隔两秒钟重新建立Socket连接)，读取到的数据通过调用store(textRead)方法进行存储。数据
  • spark master web ui 端口8080被占用解决方法 daizj 8080端口占用sparkmaster web ui
    spark master web ui 默认端口为8080，当系统有其它程序也在使用该接口时，启动master时也不会报错，spark自己会改用其它端口，自动端口号加1，但为了可以控制到指定的端口，我们可以自行设置，修改方法：   1、cd SPARK_HOME/sbin   2、vi start-master.sh     3、定位到下面部分
  • oracle_执行计划_谓词信息和数据获取 周凡杨 oracle执行计划
      oracle_执行计划_谓词信息和数据获取(上) 一：简要说明 在查看执行计划的信息中，经常会看到两个谓词filter和access，它们的区别是什么，理解了这两个词对我们解读Oracle的执行计划信息会有所帮助。 简单说，执行计划如果显示是access，就表示这个谓词条件的值将会影响数据的访问路径（表还是索引），而filter表示谓词条件的值并不会影响数据访问路径，只起到
  • spring中datasource配置 g21121 dataSource
    datasource配置有很多种，我介绍的一种是采用c3p0的，它的百科地址是： http://baike.baidu.com/view/920062.htm   <!-- spring加载资源文件 --> <bean name="propertiesConfig" class="org.springframework.b
  • web报表工具FineReport使用中遇到的常见报错及解决办法（三） 老A不折腾 finereportFAQ报表软件
    这里写点抛砖引玉，希望大家能把自己整理的问题及解决方法晾出来，Mark一下，利人利己。   出现问题先搜一下文档上有没有，再看看度娘有没有，再看看论坛有没有。有报错要看日志。下面简单罗列下常见的问题，大多文档上都有提到的。 1、repeated column width is largerthan paper width： 这个看这段话应该是很好理解的。比如做的模板页面宽度只能放
  • mysql 用户管理 墙头上一根草 linuxmysqluser
    1.新建用户 //登录MYSQL@>mysql -u root -p@>密码//创建用户mysql> insert into mysql.user(Host,User,Password) values(‘localhost’,'jeecn’,password(‘jeecn’));//刷新系统权限表mysql>flush privileges;这样就创建了一个名为：
  • 关于使用Spring导致c3p0数据库死锁问题 aijuans springSpring 入门Spring 实例Spring3Spring 教程
    这个问题我实在是为整个 springsource 的员工蒙羞 如果大家使用 spring 控制事务，使用 Open Session In View 模式， com.mchange.v2.resourcepool.TimeoutException: A client timed out while waiting to acquire a resource from com.mchange.
  • 百度词库联想 annan211 百度
    <!DOCTYPE html> <html> <head> <meta http-equiv="Content-Type" content="text/html; charset=UTF-8"> <title>RunJS</title&g
  • int数据与byte之间的相互转换实现代码 百合不是茶 位移int转bytebyte转int基本数据类型的实现
    在BMP文件和文件压缩时需要用到的int与byte转换,现将理解的贴出来;   主要是要理解;位移等概念 http://baihe747.iteye.com/blog/2078029   int转byte;   byte转int;   /** * 字节转成int,int转成字节 * @author Administrator *
  • 简单模拟实现数据库连接池 bijian1013 javathreadjava多线程简单模拟实现数据库连接池
    简单模拟实现数据库连接池 实例1： package com.bijian.thread; public class DB { //private static final int MAX_COUNT = 10; private static final DB instance = new DB(); private int count = 0; private i
  • 一种基于Weblogic容器的鉴权设计 bijian1013 javaweblogic
            服务器对请求的鉴权可以在请求头中加Authorization之类的key，将用户名、密码保存到此key对应的value中，当然对于用户名、密码这种高机密的信息，应该对其进行加砂加密等，最简单的方法如下： String vuser_id = "weblogic"; String vuse
  • 【RPC框架Hessian二】Hessian 对象序列化和反序列化 bit1129 hessian
     任何一个对象从一个JVM传输到另一个JVM，都要经过序列化为二进制数据(或者字符串等其他格式，比如JSON)，然后在反序列化为Java对象，这最后都是通过二进制的数据在不同的JVM之间传输(一般是通过Socket和二进制的数据传输)，本文定义一个比较符合工作中。   1. 定义三个POJO    Person类 package com.tom.hes
  • 【Hadoop十四】Hadoop提供的脚本的功能 bit1129 hadoop
    1. hadoop-daemon.sh 1.1 启动HDFS ./hadoop-daemon.sh start namenode ./hadoop-daemon.sh start datanode  通过这种逐步启动的方式，比start-all.sh方式少了一个SecondaryNameNode进程，这不影响Hadoop的使用，其实在 Hadoop2.0中，SecondaryNa
  • 中国互联网走在“灰度”上 ronin47 管理 灰度
    中国互联网走在“灰度”上（转） 文/孕峰   第一次听说灰度这个词，是任正非说新型管理者所需要的素质。第二次听说是来自马化腾。似乎其他人包括马云也用不同的语言说过类似的意思。   灰度这个词所包含的意义和视野是广远的。要理解这个词，可能同样要用“灰度”的心态。灰度的反面，是规规矩矩，清清楚楚，泾渭分明，严谨条理，是决不妥协，不转弯，认死理。黑白分明不是灰度，像彩虹那样
  • java-51-输入一个矩阵，按照从外向里以顺时针的顺序依次打印出每一个数字。 bylijinnan java
    public class PrintMatrixClockwisely { /** * Q51.输入一个矩阵，按照从外向里以顺时针的顺序依次打印出每一个数字。 例如：如果输入如下矩阵： 1 2 3 4 5 6 7 8 9
  • mongoDB 用户管理 开窍的石头 mongoDB用户管理
      1:添加用户    第一次设置用户需要进入admin数据库下设置超级用户（use admin）      db.addUsr({user:'useName',pwd:'111111',roles:[readWrite,dbAdmin]});    第一个参数用户的名字    第二个参数
  • [游戏与生活]玩暗黑破坏神3的一些问题 comsci 生活
        暗黑破坏神3是有史以来最让人激动的游戏。。。。但是有几个问题需要我们注意      玩这个游戏的时间，每天不要超过一个小时，且每次玩游戏最好在白天      结束游戏之后，最好在太阳下面来晒一下身上的暗黑气息，让自己恢复人的生气   &nb
  • java 二维数组如何存入数据库 cuiyadll java
    using System; using System.Linq; using System.Text; using System.Windows.Forms; using System.Xml; using System.Xml.Serialization; using System.IO; namespace WindowsFormsApplication1 {
  • 本地事务和全局事务Local Transaction and Global Transaction(JTA) darrenzhu javaspringlocalglobaltransaction
    Configuring Spring and JTA without full Java EE http://spring.io/blog/2011/08/15/configuring-spring-and-jta-without-full-java-ee/ Spring doc -Transaction Management http://docs.spring.io/spri
  • Linux命令之alias - 设置命令的别名，让 Linux 命令更简练 dcj3sjt126com linuxalias
    用途说明 设置命令的别名。在linux系统中如果命令太长又不符合用户的习惯，那么我们可以为它指定一个别名。虽然可以为命令建立“链接”解决长文件名的问 题，但对于带命令行参数的命令，链接就无能为力了。而指定别名则可以解决此类所有问题【1】。常用别名来简化ssh登录【见示例三】，使长命令变短，使常 用的长命令行变短，强制执行命令时询问等。   常用参数 格式：alias 格式：ali
  • yii2 restful web服务[格式响应] dcj3sjt126com PHPyii2
    响应格式 当处理一个 RESTful API 请求时， 一个应用程序通常需要如下步骤 来处理响应格式： 确定可能影响响应格式的各种因素， 例如媒介类型， 语言， 版本， 等等。 这个过程也被称为 content negotiation。 资源对象转换为数组， 如在 Resources 部分中所描述的。 通过 [[yii\rest\Serializer]]
  • MongoDB索引调优（2）——[十] eksliang mongodbMongoDB索引优化
    转载请出自出处：http://eksliang.iteye.com/blog/2178555 一、概述       上一篇文档中也说明了，MongoDB的索引几乎与关系型数据库的索引一模一样，优化关系型数据库的技巧通用适合MongoDB，所有这里只讲MongoDB需要注意的地方 二、索引内嵌文档     可以在嵌套文档的键上建立索引，方式与正常
  • 当滑动到顶部和底部时，实现Item的分离效果的ListView gundumw100 android
    拉动ListView，Item之间的间距会变大，释放后恢复原样； package cn.tangdada.tangbang.widget; import android.annotation.TargetApi; import android.content.Context; import android.content.res.TypedArray; import andr
  • 程序员用HTML5制作的爱心树表白动画 ini JavaScriptjqueryWebhtml5css
    体验效果：http://keleyi.com/keleyi/phtml/html5/31.htmHTML代码如下： <!DOCTYPE html> <html xmlns="http://www.w3.org/1999/xhtml"><head><meta charset="UTF-8" > <ti
  • 预装windows 8 系统GPT模式的ThinkPad T440改装64位 windows 7旗舰版 kakajw ThinkPad预装改装windows 7windows 8
      该教程具有普遍参考性，特别适用于联想的机器，其他品牌机器的处理过程也大同小异。 该教程是个人多次尝试和总结的结果，实用性强，推荐给需要的人！   缘由 小弟最近入手笔记本ThinkPad T440，但是特别不能习惯笔记本出厂预装的Windows 8系统，而且厂商自作聪明地预装了一堆没用的应用软件，消耗不少的系统资源（本本的内存为4G，系统启动完成时，物理内存占用比
  • Nginx学习笔记 mcj8089 nginx
    一、安装nginx             1、在nginx官方网站下载一个包，下载地址是：  http://nginx.org/download/nginx-1.4.2.tar.gz      2、WinSCP(ftp上传工
  • mongodb 聚合查询每天论坛链接点击次数 qiaolevip 每天进步一点点学习永无止境mongodb纵观千象
    /* 18 */ { "_id" : ObjectId("5596414cbe4d73a327e50274"), "msgType" : "text", "sendTime" : ISODate("2015-07-03T08:01:16.000Z"
  • java术语（PO/POJO/VO/BO/DAO/DTO） Luob. DAOPOJODTOpoVO BO
    PO(persistant object) 持久对象 在o/r 映射的时候出现的概念,如果没有o/r映射,就没有这个概念存在了.通常对应数据模型(数据库),本身还有部分业务逻辑的处理.可以看成是与数据库中的表相映射的java对象.最简单的PO就是对应数据库中某个表中的一条记录,多个记录可以用PO的集合.PO中应该不包含任何对数据库的操作. VO(value object) 值对象 通
  • 算法复杂度 Wuaner Algorithm
    Time Complexity & Big-O： http://stackoverflow.com/questions/487258/plain-english-explanation-of-big-o http://bigocheatsheet.com/ http://www.sitepoint.com/time-complexity-algorithms/
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他