张鼎立
张鼎立

远亲，近邻

        昨天入睡前，在想岳母那天跟我聊得她妹妹病了住院，而儿子女儿却不在家，甚至也没有告诉他们！岳母也是无意间一个电话才知道妹妹在住院！更有意思的是，住院的医院与我岳母家不过千米！岳母对我唠叨了好多，他孩子不在家，在外地，父母病了也回不来，还是孩子近些好啊！……

        我也挺认同的，但也明白岳母更希望女儿离她近些，也自然的想到我和我爱人的故事，我们是大学同学，不在一个城市，岳母心里不太乐意我们的婚事，原因也只有一个，太远！我们的坚持才有了今天的结果！我们也兑现了承诺，在郑州居住，会两边都方便些！现在的交通也越来越便利！感觉也没有以前那么远了！但还是难免想自己的孩子！我爱人有时也问我，未来孩子要是也离我们挺远怎么办，对于这个问题我觉得有些远，但对我现在的想法，我想说的是：孩子应该有自己的生活，我们也过好自己的生活吧！

你可能感兴趣的:(远亲，近邻)

  • Faiss Tips：高效向量搜索与聚类的利器 焦习娜Samantha
    FaissTips：高效向量搜索与聚类的利器faiss_tipsSomeusefultipsforfaiss项目地址:https://gitcode.com/gh_mirrors/fa/faiss_tips项目介绍Faiss是由FacebookAIResearch开发的一个用于高效相似性搜索和密集向量聚类的库。它支持多种硬件平台，包括CPU和GPU，能够在海量数据集上实现快速的近似最近邻搜索（AN
  • Faiss：高效相似性搜索与聚类的利器 网络·魚 大数据faiss
    Faiss是一个针对大规模向量集合的相似性搜索库，由FacebookAIResearch开发。它提供了一系列高效的算法和数据结构，用于加速向量之间的相似性搜索，特别是在大规模数据集上。本文将介绍Faiss的原理、核心功能以及如何在实际项目中使用它。Faiss原理：近似最近邻搜索：Faiss的核心功能之一是近似最近邻搜索，它能够高效地在大规模数据集中找到与给定查询向量最相似的向量。这种搜索是近似的，
  • K近邻算法_分类鸢尾花数据集 _feivirus_ 算法机器学习和数学分类机器学习K近邻
    importnumpyasnpimportpandasaspdfromsklearn.datasetsimportload_irisfromsklearn.model_selectionimporttrain_test_splitfromsklearn.metricsimportaccuracy_score1.数据预处理iris=load_iris()df=pd.DataFrame(data=ir
  • 生活越来越好了，关系且越来越淡了！ 刷脸的时代
    你是不是也很久没有感受到小时候那种近邻如家人的感觉了？是不是很久没有体会到小时候那种做客的热闹了……物质生活越来越好了，可是人们的感情且越来越淡薄了。图片发自App小时候大人基本不怎么监护我们，只要保证不让我们饿肚子就行，出门或者上街，告诉邻居一声就可以了，就是不回家也跟小伙伴一起吃，一起睡。哪家有什么事，根本不用去请，大家自己就来帮忙了，那时候大家都穷，拿的东西虽没有现在的多，但是现在看来且很珍
  • 分类算法可视化方法 dundunmm 数据挖掘分类数据挖掘人工智能可视化
    可视化方法可以用于帮助理解分类算法的决策边界、性能和在不同数据集上的行为。下面列举几个常见的可视化方法。1.决策边界可视化这种方法用于可视化不同分类算法在二维特征空间中如何分隔不同类别。对于理解决策树、支持向量机（SVM）、逻辑回归和k近邻（k-NN）等模型的行为非常有用。importnumpyasnpimportmatplotlib.pyplotaspltfromsklearn.datasets
  • 39、离情别意《乌鸦落过的村庄》 亚宁
    我考上了大学，成了村里第二名跳过龙门的大学生，全家人为我骄傲，自己也头大的不知姓啥名谁。高远方闻讯把我拦在村口说：“玉明，你可真行，一考就上了大学。不像我折腾了几年都没个结果。你能上大学学习，是多幸福的一件喜事啊！让人羡慕死了。”我有点飘飘然，谦虚说：“我是瞎猫碰上了死耗子，侥幸上线而已。要说学习比你可差远了。”过几天就要去学校报到，父亲请了村里有身份的人来家里吃酒。我坚持叫了高远方，而近邻刘三亮
  • 研路漫漫复试篇（四） Mrchanges
    这次文章其实与复试没有直接的关系，但它也坚定了我积极准备复试的决心。过年走亲访友，我了解了许多远亲近邻的消息，总的来说，尽管他们的学历都不算特别高，但都在各自的领域有所成就，也都有幸福美满的家庭。我渴望拥有足够的经济实力，我渴望拥有忠贞的伴侣和幸福的家庭，可我现在一无所有。虽然各位亲朋都在夸赞我学有所成、前途光明，而我却心知肚明——我对自己的未来仍然充满迷茫和怀疑，我还没有什么拿的出手的东西，能够
  • 三只鹦鹉之小凤与阿苏 顾的猫宁
    图片发自App暴脾气的“小凤”看完《里约大冒险》，我们被蓝色金刚鹦鹉迷住了。多么聪明可爱的小精灵啊，可惜已绝迹。爱屋及乌，蓝色金刚不可得，我们找找它的远亲吧。一个阳光明媚的冬日，我们从熙熙攘攘的花鸟鱼虫市场带回了一对绿色虎皮。跟卖鸟的说好要一公一母，我们希望他们能喜欢新家，安稳地过上小日子，甚至希望迎接他们的下一代呢。我们给公的（尾巴略长，鼻肉更亮）起名“阿苏”，母的叫“小凤”。很浪漫的一对名字。
  • K近邻法（K-nearest neighbor,K-NN）—有监督学习方法、非概率模型、判别模型、线性模型、参数化模型、批量学习、核方法 剑海风云 ArtificialIntelligence人工智能机器学习K近邻法KNN
    定义输入：训练数据集（T={(x1,y1),(x2,y2),…,(xN,yN)}\left\{(x_1,y_1),(x_2,y_2),\dots,(x_N,y_N)\right\}{(x1,y1),(x2,y2),…,(xN,yN)}）其中：xi∈χ⊆Rnx_i\in{\tt\chi}\subseteqR^nxi∈χ⊆Rn:实例的特征向量yi∈yy_i\in{\tty}yi∈y={c1,c2,⋯ 
  • 向量数据库对比分析报告 大霸王龙 行业+领域+业务场景=定制人工智能深度学习python
    FAISS、Milvus、Weaviate和OpenAIAPI四个工具的对比分析，主要针对是否支持离线、开发难度、debug支持、生态系统以及Python接口等方面。1.FAISS(FacebookAISimilaritySearch)是否支持离线:支持。FAISS是一个离线库，可以部署在本地或服务器上，不需要网络连接。开发难度:中等。FAISS是一个低级别的工具，需要开发者对近似最近邻搜索算法和
  • 【机器学习】K近邻 可口的冰可乐 机器学习机器学习人工智能
    2.K近邻K近邻算法（KNN）的基本思想是通过计算待分类样本与训练集中所有样本之间的距离，选取距离最近的K个样本，根据这些样本的标签进行分类或回归。KNN属于非参数学习算法，因为它不假设数据的分布形式，主要依赖距离度量来进行决策。优点简单易懂：KNN算法非常直观，容易理解和实现。无假设：KNN算法对数据没有假设，适用于复杂分布的数据集。适用于多类分类问题：KNN能够处理多类分类问题，只需在投票过程
  • 2019-06-24 我和遥遥
    该是很远的关系了，她父母双亡，女儿和我女儿年龄相仿，这个孩子叫我姨婆。她没有房子没有户口，要来读我们学校。可是看看她的成绩，我无语。图片发自App不管怎么说，总是等待最后结果。希望有哪个孩子不读，给她一个名额。可是，我觉得人还是需要有自知之明为好。为了读书，进这个学校，费尽心机，一切枉然啊。可怕的39分。我觉得自己去和领导说都不好意思的。可我怎么拒绝这样的远亲关系呢？其实平时什么联系都没有。唉，一
  • 珠海的一个下雨天 秋的树
    在珠海的一个下雨天，人们都在做什么？在那些无休止的空闲时间里，人人都穿着裤衩和拖鞋，在屋里懒洋洋地浑身瘫软地躺着，以此来打发时间，直到有人提议打赌傍晚之后是否会有台风出现，为了明天可以不去上班这个共同的目的，无论是远亲近邻还是朋友及朋友的朋友以及同事或者随便那些能聊得来的人，只要他明天也不愿意上班，就都能来“我赌有台风，可不上班”的群里闲晃、聊天、吹牛。对现代人来说，这将会是一个比等待跨年更令人兴
  • K近邻(KNN)算法详解及Python实现 天明豆豆
    K近邻(KNN)算法详解及Python实现今天浏览网页看到一篇用Python实现K近邻(KNN)算法的详解教程，果断收藏下来，虽然是五年前的文章，可能有些语法已经不适合，但文章语法思路还是可以值得借鉴的，收藏之后以后慢慢研究。KNN依然是一种监督学习算法KNN（KNearestNeighbors,K近邻）算法是机器学习所有算法中理论最简单，最好理解的。KNN是一种基于实例的学习，通过计算新数据与训
  • PyTorch库学习之torch.nn.functional.interpolate(函数) Midsummer-逐梦 #torchpytorch学习人工智能
    PyTorch库学习之torch.nn.functional.interpolate(函数)一、简介torch.nn.functional.interpolate是PyTorch中用于对张量进行上采样或下采样的函数。它支持多种插值方法，例如双线性插值、最近邻插值等，广泛用于图像处理、特征图缩放等场景。二、语法和参数语法torch.nn.functional.interpolate(input,si
  • 【机器学习】5. K近邻（KNN） pen-ai 机器学习机器学习人工智能数据挖掘深度学习神经网络
    K近邻（KNN）1.K-NearestNeighbour1.1特点：计算复杂1.2K的设置1.3加权近邻Weightednearestneighbor1.4决策边界DecisionboundaryVoronoiregion2.KNN总结1.K-NearestNeighbourK:超参数(hyperparameter)定义一种距离，参考第三节距离公式计算预测点到其他训练数据的距离找到最近的K个邻居预
  • 《三字经》初鉴 其一 南川子
    引:人之初，性本善，性相近，習相遠。南川子曰:人之初，无善恶。善恶者，意之动。引:昔孟母，擇鄰處，子不學，斷機杼。南川子曰:择邻而处，此为居家之大要也。常言道:远亲不如近邻。然邻善则居家宁，邻恶则居家不宁。有一善邻，可谓福气。有一恶邻，难免受气。引:子不學，非所宜，幼不學，老何為？南川子曰:莫等闲，白了少年头，空悲切。岁月蹉跎，不可不惜。引:曰喜怒，曰哀懼，愛惡欲，七情具。南川子曰:七情六欲，人所
  • 机器学习：knn算法实现图像识别 夜清寒风 机器学习算法人工智能
    1、概述使用K-近邻（K-NearestNeighbors,KNN）算法对手写数字进行识别的过程。通过读取一张包含多个手写数字的图片，将其分割成单独的数字图像，并将其作为训练和测试数据集。2、数据处理思路1、图像分割该数据有50行100列，每个数字占据20*20个像素点，可以进行切分2、划分出训练集和测试集3、每个数据的像素点为20*20，将其全部变成一列1*400格式，转换成数值特征4、最后使用
  • python库——sklearn的关键组件和参数设置 零 度° pythonpythonsklearn
    文章目录模型构建线性回归逻辑回归决策树分类器随机森林支持向量机K-近邻模型评估交叉验证性能指标特征工程主成分分析标准化和归一化scikit-learn，简称sklearn，是Python中一个广泛使用的机器学习库，它建立在NumPy、SciPy和Matplotlib这些科学计算库之上。sklearn提供了简单而有效的工具来进行数据挖掘和数据分析。我们将介绍sklearn中一些关键组件的参数设置。模
  • 四十一、【人工智能】【机器学习】- Bayesian Logistic Regression算法模型 暴躁的大熊 人工智能人工智能机器学习算法
    系列文章目录第一章【机器学习】初识机器学习第二章【机器学习】【监督学习】-逻辑回归算法(LogisticRegression)第三章【机器学习】【监督学习】-支持向量机(SVM)第四章【机器学习】【监督学习】-K-近邻算法(K-NN)第五章【机器学习】【监督学习】-决策树(DecisionTrees)第六章【机器学习】【监督学习】-梯度提升机(GradientBoostingMachine,GBM
  • 重要的话才说3遍，观音菩萨收灵感大王，为何连念7遍？都念的啥 中山人读文史
    观音菩萨收灵感大王，为何很神秘，连念7遍颂语：死的去，活的住走过了车迟国，打败了虎力、鹿力、羊力三大仙，唐僧师徒进入了该国元会县的陈家庄。陈家庄近邻通天河畔。唐僧取经团队，想要继续西行，就必须渡过通天河。四大名著《西游记》里，谈到这条河的神奇之处时，用了3个“惊叹”之处。第一、通天河太长，碑文上有10个小字记载：径过八百里，亘古少人行；第二、通天河太深，孙悟空让八戒试下水的深浅，八戒抛起一块大石头
  • 中原焦点团队焦点解决网初18中20张红勋坚持分享第605天约练第232次2021年10月9日读书打卡第505天 啊哈d9387b66a3dc
    晚饭晚回了一会，送同事回家的路上楼上邻居打来电话，原来女儿打不开门了。等我匆忙赶到家时，邻居正和女儿一起找开锁的帮忙，很感动，不管门开不开，女儿没有孤单，真是远亲不如近邻。
  • 论文阅读笔记《SimpleShot: Revisiting Nearest-Neighbor Classification for Few-Shot Learning》 深视 论文阅读笔记#小样本学习深度学习小样本学习
    小样本学习&元学习经典论文整理||持续更新核心思想  本文提出一种基于最近邻方法的小样本学习算法（SimpleShot），作者指出目前大量的小样本学习算法都采用了元学习的方案，而作者却发现使用简单的特征提取器+最近邻分类器的方法就能实现非常优异的小样本分类效果。本文首先用特征提取网络fθf_{\theta}fθ+线性分类器在一个基础数据集上对网络进行训练，将训练得到的特征提取网络增加一个简单的特征
  • SimpleShot: Revisiting Nearest-Neighbor Classification for Few-Shot Learning 论文笔记 头柱碳只狼 小样本学习
    前言目前大多数小样本学习器首先使用一个卷积网络提取图像特征，然后将元学习方法与最近邻分类器结合起来，以进行图像识别。本文探讨了这样一种可能性，即在不使用元学习方法，而仅使用最近邻分类器的情况下，能否很好地处理小样本学习问题。本文发现，对图像特征进行简单的特征转换，然后再进行最近邻分类，也可以产生很好的小样本学习结果。比如，使用DenseNet特征的最近邻分类器，在结合均值相减（meansubtra
  • 机器学习-近邻KNN算法学习笔记 不会敲代码的陈序员 机器学习算法人工智能
    目录一、算法定义KNN算法性能：欠拟合和过拟合KNN算法优缺点二、算法原理算法通俗解释算法的公式欧氏距离曼哈顿距离三、算法实现与应用模型搭建思路KNN算法模型源码代码运行效果图四、总结一、算法定义K最近邻（K-NearestNeighbors，KNN）算法是一种用于分类和回归的监督学习算法。KNN算法的主要思想可以简单概括如下：训练阶段：在训练阶段，KNN算法将所有的训练样本和它们对应的标签存储在
  • 封龙山故地重游 3ad24734af2c
    图片发自App五一假期我们回到了石家庄，我们决定去封龙山玩儿，小时候妈妈经常带我来封龙山。封龙山不仅有秀美的自然景观，更是一座历史文化名山，传说大禹治水时把兴风作浪的蛟龙锁封在这座山里，顾名封龙山。图片发自App大公庙是为了纪念一位叫张大宏的人，他不仅武功高强，而且慷慨义气，当时盗贼蜂起，闻大公之名，皆不敢近邻，村民们赖以安宁，尊称他为张大公。图片发自App传说大禹治水时，把恶龙封印在山里，派大将
  • 惹祸的地：那些死于“小事”的邻里乡情 语语兮
    远亲不如近邻，近邻不抵对门。016.19日，发生在河北沧州南皮县。两家人为了争一小块能种树的地，一户人家的男主人残忍地杀死邻居家祖孙三代4人，最小的才3岁。嫌疑人被抓获有人说，那块地属集体的地，可谁想占就占，谁占得早就是谁家的。在这之前，他们是很好的邻居，关系一直不错。也就是说：让事情恶化到如此地步的，归根索源，那块地是祸首！（地表示：我不背这锅，人类自私贪婪~）因为那块地，今年春，嫌疑人的妻子心
  • Elasticsearch：什么是 kNN? Elastic 中国社区官方博客 ElasticsearchAIElasticelasticsearch大数据搜索引擎全文检索人工智能
    kNN-K-nearestneighbor定义kNN（即k最近邻算法）是一种机器学习算法，它使用邻近度将一个数据点与其训练并记忆的一组数据进行比较以进行预测。这种基于实例的学习为kNN提供了“惰性学习（lazylearning）”名称，并使算法能够执行分类或回归问题。kNN的假设是相似的点可以在彼此附近找到——物以类聚。作为一种分类算法，kNN将新数据点分配给其邻居中的多数集。作为一种回归算法，k
  • 在难在穷，都不要指望别人帮你 不问忧伤
    这几天，李先生的事业遇到瓶颈了！在和我碎碎念说亲戚朋友没有人能拉他一把，无奈的告诉他，你还没认清现实的社会，现实的人吗？肯借钱给你的屈指可数，肯拉你一把的寥寥无几。图片发自App没有靠山，自己就是自己的靠山，人生路上，纵使是满布荆棘，你也要义无反顾，因为无人给你依靠有钱，说话有底气，处世才硬气。这年头，富在深山有远亲，穷在闹市无人问。钱比人重要，利比情诱人!多少人，只看黄金，不看真心;只谈交易，不
  • 四方邻居聚餐说90-81 霜霜微记
    2018-8-22今天是个好日子，四方邻居聚餐，搬家有大半年了，总体来说邻居真的很不错，今年的大桃都没买过，都是邻居送的蟠桃、油桃、大毛桃，甜脆可口，还有时不时地聚餐，有事在邻居群呼叫，随时有人回应。真是验证了那句:远亲不如近邻。聚餐当然得有集体活动，那就是包饺子，饺子馅是事先调好的，大家分工明确，和面的、擀面的、擀饺子皮的、包饺子的，真是人多效率高，虽然我包的饺子上不了台面，但是也助力了，在互相
  • 多线程编程之卫生间 周凡杨 java并发卫生间线程厕所
    如大家所知，火车上车厢的卫生间很小，每次只能容纳一个人，一个车厢只有一个卫生间，这个卫生间会被多个人同时使用，在实际使用时，当一个人进入卫生间时则会把卫生间锁上，等出来时打开门，下一个人进去把门锁上，如果有一个人在卫生间内部则别人的人发现门是锁的则只能在外面等待。问题分析：首先问题中有两个实体，一个是人，一个是厕所，所以设计程序时就可以设计两个类。人是多数的，厕所只有一个（暂且模拟的是一个车厢）。
  • How to Install GUI to Centos Minimal sunjing linuxInstallDesktopGUI
    http://www.namhuy.net/475/how-to-install-gui-to-centos-minimal.html   I have centos 6.3 minimal running as web server. I’m looking to install gui to my server to vnc to my server. You can insta
  • Shell 函数 daizj shell函数
    Shell 函数 linux shell 可以用户定义函数，然后在shell脚本中可以随便调用。 shell中函数的定义格式如下： [function] funname [()]{ action; [return int;] } 说明： 1、可以带function fun() 定义，也可以直接fun() 定义,不带任何参数。 2、参数返回
  • Linux服务器新手操作之一 周凡杨 Linux 简单 操作
    1.whoami      当一个用户登录Linux系统之后，也许他想知道自己是发哪个用户登录的。      此时可以使用whoami命令。      [ecuser@HA5-DZ05 ~]$ whoami       e
  • 浅谈Socket通信（一） 朱辉辉33 socket
    在java中ServerSocket用于服务器端，用来监听端口。通过服务器监听，客户端发送请求，双方建立链接后才能通信。当服务器和客户端建立链接后，两边都会产生一个Socket实例，我们可以通过操作Socket来建立通信。    首先我建立一个ServerSocket对象。当然要导入java.net.ServerSocket包    ServerSock
  • 关于框架的简单认识 西蜀石兰 框架
    入职两个月多，依然是一个不会写代码的小白，每天的工作就是看代码，写wiki。 前端接触CSS、HTML、JS等语言，一直在用的CS模型，自然免不了数据库的链接及使用，真心涉及框架，项目中用到的BootStrap算一个吧，哦，JQuery只能算半个框架吧，我更觉得它是另外一种语言。 后台一直是纯Java代码，涉及的框架是Quzrtz和log4j。 都说学前端的要知道三大框架，目前node.
  • You have an error in your SQL syntax; check the manual that corresponds to your 林鹤霄
    You have an error in your SQL syntax; check the manual that corresponds to your MySQL server version for the right syntax to use near 'option,changed_ids  ) values('0ac91f167f754c8cbac00e9e3dc372
  • MySQL5.6的my.ini配置 aigo mysql
    注意：以下配置的服务器硬件是：8核16G内存    [client]   port=3306   [mysql]   default-character-set=utf8     [mysqld]   port=3306   basedir=D:/mysql-5.6.21-win
  • mysql 全文模糊查找 便捷解决方案 alxw4616 mysql
    mysql 全文模糊查找 便捷解决方案 2013/6/14 by 半仙 [email protected] 目的: 项目需求实现模糊查找. 原则: 查询不能超过 1秒. 问题: 目标表中有超过1千万条记录. 使用like '%str%' 进行模糊查询无法达到性能需求. 解决方案: 使用mysql全文索引. 1.全文索引 : MySQL支持全文索引和搜索功能。MySQL中的全文索
  • 自定义数据结构 链表(单项 ,双向,环形) 百合不是茶 单项链表双向链表
         链表与动态数组的实现方式差不多,    数组适合快速删除某个元素    链表则可以快速的保存数组并且可以是不连续的       单项链表;数据从第一个指向最后一个   实现代码:        //定义动态链表 clas
  • threadLocal实例 bijian1013 javathreadjava多线程threadLocal
    实例1： package com.bijian.thread; public class MyThread extends Thread { private static ThreadLocal tl = new ThreadLocal() { protected synchronized Object initialValue() { return new Inte
  • activemq安全设置—设置admin的用户名和密码 bijian1013 javaactivemq
            ActiveMQ使用的是jetty服务器, 打开conf/jetty.xml文件，找到 <bean id="adminSecurityConstraint" class="org.eclipse.jetty.util.security.Constraint"> <p
  • 【Java范型一】Java范型详解之范型集合和自定义范型类 bit1129 java
    本文详细介绍Java的范型，写一篇关于范型的博客原因有两个，前几天要写个范型方法(返回值根据传入的类型而定)，竟然想了半天，最后还是从网上找了个范型方法的写法；再者，前一段时间在看Gson, Gson这个JSON包的精华就在于对范型的优雅简单的处理，看它的源代码就比较迷糊，只其然不知其所以然。所以，还是花点时间系统的整理总结下范型吧。   范型内容 范型集合类 范型类
  • 【HBase十二】HFile存储的是一个列族的数据 bit1129 hbase
    在HBase中，每个HFile存储的是一个表中一个列族的数据，也就是说，当一个表中有多个列簇时，针对每个列簇插入数据，最后产生的数据是多个HFile，每个对应一个列族，通过如下操作验证   1. 建立一个有两个列族的表   create 'members','colfam1','colfam2'   2. 在members表中的colfam1中插入50*5
  • Nginx 官方一个配置实例 ronin47 nginx 配置实例
    user www www; worker_processes 5; error_log logs/error.log; pid logs/nginx.pid; worker_rlimit_nofile 8192; events { worker_connections 4096;} http { include conf/mim
  • java-15.输入一颗二元查找树，将该树转换为它的镜像， 即在转换后的二元查找树中，左子树的结点都大于右子树的结点。 用递归和循环 bylijinnan java
    //use recursion public static void mirrorHelp1(Node node){ if(node==null)return; swapChild(node); mirrorHelp1(node.getLeft()); mirrorHelp1(node.getRight()); } //use no recursion bu
  • 返回null还是empty bylijinnan javaapachespring编程
    第一个问题，函数是应当返回null还是长度为0的数组（或集合）？ 第二个问题，函数输入参数不当时，是异常还是返回null？ 先看第一个问题 有两个约定我觉得应当遵守： 1.返回零长度的数组或集合而不是null（详见《Effective Java》） 理由就是，如果返回empty，就可以少了很多not-null判断： List<Person> list
  • [科技与项目]工作流厂商的战略机遇期 comsci 工作流
          在新的战略平衡形成之前，这里有一个短暂的战略机遇期，只有大概最短6年，最长14年的时间，这段时间就好像我们森林里面的小动物，在秋天中，必须抓紧一切时间存储坚果一样，否则无法熬过漫长的冬季。。。。         在微软，甲骨文，谷歌，IBM,SONY
  • 过度设计-举例 cuityang 过度设计
    过度设计，需要更多设计时间和测试成本，如无必要，还是尽量简洁一些好。 未来的事情，比如 访问量，比如数据库的容量，比如是否需要改成分布式  都是无法预料的 再举一个例子，对闰年的判断逻辑： 　　1、 if($Year%4==0) return True; else return Fasle; 　　2、if (   ($Year%4==0  &am
  • java进阶，《Java性能优化权威指南》试读 darkblue086 java性能优化
    记得当年随意读了微软出版社的.NET 2.0应用程序调试，才发现调试器如此强大，应用程序开发调试其实真的简单了很多，不仅仅是因为里面介绍了很多调试器工具的使用，更是因为里面寻找问题并重现问题的思想让我震撼，时隔多年，Java已经如日中天，成为许多大型企业应用的首选，而今天，这本《Java性能优化权威指南》让我再次找到了这种感觉，从不经意的开发过程让我刮目相看，原来性能调优不是简单地看看热点在哪里，
  • 网络学习笔记初识OSI七层模型与TCP协议 dcj3sjt126com 学习笔记
      协议：在计算机网络中通信各方面所达成的、共同遵守和执行的一系列约定 　　计算机网络的体系结构：计算机网络的层次结构和各层协议的集合。 　　两类服务： 　　面向连接的服务通信双方在通信之前先建立某种状态，并在通信过程中维持这种状态的变化，同时为服务对象预先分配一定的资源。这种服务叫做面向连接的服务。 　　面向无连接的服务通信双方在通信前后不建立和维持状态，不为服务对象
  • mac中用命令行运行mysql dcj3sjt126com mysqllinuxmac
    参考这篇博客：http://www.cnblogs.com/macro-cheng/archive/2011/10/25/mysql-001.html  感觉workbench不好用（有点先入为主了）。 1，安装mysql 在mysql的官方网站下载 mysql 5.5.23 http://www.mysql.com/downloads/mysql/，根据我的机器的配置情况选择了64
  • MongDB查询（1）——基本查询[五] eksliang mongodbmongodb 查询mongodb find
    MongDB查询 转载请出自出处：http://eksliang.iteye.com/blog/2174452 一、find简介 MongoDB中使用find来进行查询。 API:如下 function ( query , fields , limit , skip, batchSize, options ){.....}  参数含义： query:查询参数 fie
  • base64，加密解密 经融加密，对接 y806839048 经融加密对接
    String data0 = new String(Base64.encode(bo.getPaymentResult().getBytes(("GBK")))); String data1 = new String(Base64.decode(data0.toCharArray()),"GBK"); // 注意编码格式，注意用于加密，解密的要是同
  • JavaWeb之JSP概述 ihuning javaweb
      什么是JSP？为什么使用JSP？ JSP表示Java Server Page，即嵌有Java代码的HTML页面。使用JSP是因为在HTML中嵌入Java代码比在Java代码中拼接字符串更容易、更方便和更高效。   JSP起源    在很多动态网页中，绝大部分内容都是固定不变的，只有局部内容需要动态产生和改变。  如果使用Servl
  • apple watch 指南 啸笑天 apple
    1. 文档 WatchKit Programming Guide（中译在线版 By @CocoaChina） 译文 译者 原文 概览 - 开始为 Apple Watch 进行开发 @星夜暮晨 Overview - Developing for Apple Watch 概览 - 配置 Xcode 项目 - Overview - Configuring Yo
  • java经典的基础题目 macroli java编程
    1.列举出 10个JAVA语言的优势 a:免费，开源，跨平台(平台独立性)，简单易用，功能完善，面向对象，健壮性，多线程，结构中立，企业应用的成熟平台, 无线应用 2.列举出JAVA中10个面向对象编程的术语 a:包，类，接口，对象，属性，方法，构造器，继承，封装，多态，抽象，范型 3.列举出JAVA中6个比较常用的包 Java.lang;java.util;java.io;java.sql;ja
  • 你所不知道神奇的js replace正则表达式 qiaolevip 每天进步一点点学习永无止境纵观千象regex
    var v = 'C9CFBAA3CAD0'; console.log(v); var arr = v.split(''); for (var i = 0; i < arr.length; i ++) { if (i % 2 == 0) arr[i] = '%' + arr[i]; } console.log(arr.join('')); console.log(v.r
  • [一起学Hive]之十五-分析Hive表和分区的统计信息(Statistics) superlxw1234 hivehive分析表hive统计信息hive Statistics
    关键字：Hive统计信息、分析Hive表、Hive Statistics   类似于Oracle的分析表，Hive中也提供了分析表和分区的功能，通过自动和手动分析Hive表，将Hive表的一些统计信息存储到元数据中。   表和分区的统计信息主要包括：行数、文件数、原始数据大小、所占存储大小、最后一次操作时间等；   14.1 新表的统计信息 对于一个新创建
  • Spring Boot 1.2.5 发布 wiselyman spring boot
        Spring Boot 1.2.5已在7月2日发布，现在可以从spring的maven库和maven中心库下载。   这个版本是一个维护的发布版，主要是一些修复以及将Spring的依赖提升至4.1.7(包含重要的安全修复)。   官方建议所有的Spring Boot用户升级这个版本。   项目首页 | 源
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他