- “Datawhale AI夏令营”基于带货视频评论的用户洞察挑战赛
fzyz123
DatawhaleAI夏令营人工智能Datawhale大模型技术NLP深度学习AI夏令营
前言:本次是DatawhaleAI夏令营2025年第一期的内容,赛事是:基于带货视频评论的用户洞察挑战赛(科大讯飞AI大赛)一、赛事背景在直播电商爆发式增长浪潮中,短视频平台积累的海量带货视频及用户评论数据蕴含巨大商业价值。这些数据不仅是消费者体验的直接反馈,更是驱动品牌决策的关键资产。用户洞察的核心在于视频内容与评论数据的联合挖掘:通过智能识别推广商品分析评论中的情感表达与观点聚合精准捕捉消费者
- 24GB GPU 中的 DeepSeek R1:Unsloth AI 针对 671B 参数模型进行动态量化
知识大胖
NVIDIAGPU和大语言模型开发教程人工智能deepseekollama
简介最初的DeepSeekR1是一个拥有6710亿个参数的语言模型,UnslothAI团队对其进行了动态量化,将模型大小减少了80%(从720GB减少到131GB),同时保持了强大的性能。当添加模型卸载功能时,该模型可以在24GBVRAM下以低令牌/秒的推理速度运行。推荐文章《本地构建AI智能分析助手之01快速安装,使用PandasAI和Ollama进行数据分析,用自然语言向你公司的数据提问为决策
- 初学者如何选购性价比国产电钢琴?
指尖跃动的 C 大调
电钢琴
内容概要本文专为初学者设计,系统解析选购性价比国产电钢琴的关键要点。我们将从选购指南入手,深入探讨手感还原度(如逐级重锤技术和实木琴键设计)、音质稳定性(高复音数确保不跑音)、实用功能(如耳机插孔避免扰民)及性价比策略(低价位结合零调音成本)。随后,推荐高性价比型号,例如贝琪电钢琴,并全面分析其优缺点,帮助读者明智决策。此外,常见问题部分将解答入门常见困惑。为清晰展示核心内容,下表概述文章结构:文
- 从卡顿到丝滑:uni-app房产App性能优化实践
儿歌八万首
uniappuni-app性能优化
1.性能优化概述在移动互联网时代,用户对应用性能的要求越来越高。据统计,如果一个应用的启动时间超过3秒,将有53%的用户选择放弃使用。对于房产行业的移动应用来说,性能优化更是至关重要,因为它直接影响到用户的看房体验和决策效率。房产应用的独特挑战房产应用相比其他类型的应用,面临着更多的性能挑战:数据量大:房源、客户、跟进记录等海量数据需要高效处理和展示图片密集:房源图片、户型图、实景照片等大量高清图
- Python数据分析:从入门到精通
引言在当今数据驱动的时代,数据分析已成为企业和组织做出明智决策的关键。Python作为一种强大的编程语言,因其简洁性和丰富的数据分析库而成为数据科学领域的首选工具。无论你是初学者还是有一定经验的数据分析师,本指南都将带你从入门到精通Python数据分析,掌握必备技能和最佳实践。数据分析的重要性与Python的角色数据分析涉及收集、处理和解释数据,以揭示模式、趋势和见解。它有助于解决复杂问题,优化业
- 如何通过YashanDB做到企业数据的透明化管理
数据库
在当前数字化转型的背景下,企业面临的数据管理挑战愈发复杂,尤其是数据的透明化管理显得尤为重要。企业往往需要对海量数据进行实时分析和决策支持,而现有的传统管理方式难以满足高效和透明化的需求。YashanDB作为一款高效的分布式数据库,提供了多种支持透明化管理的特性,通过其独特的体系架构和技术手段,能够帮助企业实现数据的透明化管理。YashanDB的体系架构与透明化管理部署架构YashanDB支持多种
- 如何通过YashanDB提升数据处理效率
数据库
在如今的数据库技术领域,企业面临着数据处理效率的挑战。这些挑战来源于各种因素,包括性能瓶颈、数据一致性问题以及日益增长的数据量。这些问题不仅影响了数据的处理速度,而且也对决策的实时性提出了更高的要求。因此,选择一个高效的数据库系统显得尤为重要。YashanDB凭借其先进的架构和处理能力,可以有效提升数据处理效率。本文将深入分析YashanDB的关键技术及其如何改善数据处理过程,以及为技术人员提供具
- Agent与自主系统之核心概念与架构解析
陈乔布斯
AI人工智能大模型架构人工智能AIpythonAgent大模型智能体
引言:从智能助手到自主决策者想象一下,当你清晨醒来,智能家居系统已经根据你的睡眠数据和日程安排,自动调节了室内温度、煮好了咖啡,并推送了个性化的早间新闻摘要。这一切背后,正是Agent在默默工作——它们不再是被动执行指令的工具,而是能够感知环境、自主决策并持续优化的"数字同事"。2025年,Agent技术迎来爆发式发展。从OpenAI的Operator能独立完成餐厅预订和购物,到智谱的AutoGL
- 深入理解 FastAPI 异步编程:从 async/await 到并发实战
佑瞻
fastapi
在开发高性能Web应用时,我们常常面临这样的困惑:明明硬件配置不断升级,可系统在高并发场景下还是显得力不从心。是框架选择有误?还是代码架构存在短板?今天我们就以FastAPI为切入点,深入剖析异步编程的核心逻辑,揭开并发处理的神秘面纱,让你的API服务在高负载下依然能保持丝滑体验。一、快速决策:何时该用asyncdef在FastAPI中定义路由函数时,我们首先面临一个关键选择:用def还是asyn
- 如何通过YashanDB提升团队协作效率
数据库
在当今信息化时代,数据驱动的决策成为企业成功的关键。然而,如何保障数据的即时获取与高效处理,解决团队协作中的数据访问障碍,是企业面临的重大挑战。YashanDB凭借其高性能的分布式数据库特性,提供了提升团队协作效率的有效解决方案。本文将深入探讨YashanDB在团队数据协作中的应用优势,以及具体的技术实现路径。YashanDB体系架构及其优势多种部署架构支持YashanDB支持单机(主备)、分布式
- 通过YashanDB提升大数据处理能力的指南
数据库
数据的急剧增长给数据库技术领域带来了诸多挑战,包括性能瓶颈、数据一致性问题及处理效率低下等。为了应对这些挑战,企业需采取有效的技术手段来提升大数据处理能力。YashanDB作为一款高性能的数据库产品,通过其先进的体系架构、优化的数据存储形式以及强大的并发控制能力,有效地提升了大数据环境下的处理性能。本文旨在为技术人员和决策者提供深入的技术分析和可操作的建议,通过YashanDB的功能特性来实现大数
- MySQL(127)如何解决主从同步失败问题?
辞暮尔尔-烟火年年
MySQLmysql数据库
主从同步(Master-SlaveReplication)是数据库中常用的高可用性和扩展性解决方案。然而,在实际应用中,主从同步可能会因为多种原因失败,如网络问题、配置错误、数据不一致等。解决主从同步失败问题需要系统的方法和实际的代码支持。以下是详细的步骤和Java代码示例。一.常见原因及解决策略网络问题:检查网络连接和防火墙设置。配置错误:确保主从库的配置正确。数据不一致:修复主从库数据的不一致
- langgraph的ReAct应用
fishjar100
langgraph人工智能ai
一、什么是langgraph的ReActLangGraph中的ReAct(Reasoning+Acting)代理是一种结合推理与行动能力的AI代理架构,通过动态决策链实现复杂任务处理。以下是其核心要点及实践指南。1、ReAct代理的核心原理1.1工作流程:ReAct代理通过循环迭代完成任务:推理(Reason):模型分析输入和历史上下文,生成思考步骤。行动(Act):选择工具并调用,或直接响应用户
- 【机器学习|学习笔记】用 Python 结合 graphviz 生成 ID3、C4.5、CART 三种决策树的结构示意图。
【机器学习|学习笔记】用Python结合graphviz生成ID3、C4.5、CART三种决策树的结构示意图【机器学习|学习笔记】用Python结合graphviz生成ID3、C4.5、CART三种决策树的结构示意图文章目录【机器学习|学习笔记】用Python结合graphviz生成ID3、C4.5、CART三种决策树的结构示意图用Python结合graphviz生成ID3、C4.5、CART三种
- 大模型 Agent(智能体)技术简介
北京地铁1号线
自然语言处理与大语言模型大模型语言模型Agent
大模型Agent(智能体)技术是当前人工智能领域的前沿方向,它赋予大型语言模型(LLM)自主感知、规划、决策和行动的能力,使其不再局限于“被动应答”,而是能主动完成复杂任务。简单来说,Agent是一个以LLM为“大脑”的自主智能系统,能够理解目标、使用工具、与环境交互并最终解决问题。一、为什么需要Agent?——大模型的局限与Agent的使命传统的大语言模型(如GPT-4、Claude、Llama
- 当高级辅助驾驶遇上“安全驾校”:NVIDIA如何用技术给智能驾驶赋能?
小lo想吃棒棒糖
安全人工智能高级辅助驾驶
高级辅助驾驶技术的商业化落地,核心在于能否通过严苛的安全验证。国内的汽车企业其实也在做高级辅助驾驶,但是吧,基本都在L2级别。换句话说就是在应急时刻内,还是需要人来辅助驾驶,AI驾驶只是决策层,并不能完全掌握汽车。而国内做的比较好的品牌达到L4级别的,例如之前很火的萝卜快跑、或者目前智己汽车(并未大量推广),也都并没达到非常理想的状态。而NVIDIA近期推出的DRIVEAI系统检测实验室,不仅是行
- 使用Qlib基于LightGBM预测沪深300涨跌
DeepReinforce
量化投资
Qlib是一个专为量化金融和算法交易研究设计的开源库。本文配置一个基于LightGBM的梯度提升决策树(GBDT)模型,并使用金融数据集(包含158个技术指标特征)进行训练和预测。1.导入必要的模块pythonCollapseWrapRunCopyfromqlib.contrib.model.gbdtimportLGBModelfromqlib.contrib.data.handlerimport
- Data Agent:从技术本质到企业级实践的全景解析
熊猫钓鱼>_>
人工智能
在人工智能技术飞速迭代的今天,智能体(Agent)作为一种能够主动感知、规划决策并执行任务的自主系统,正在深刻改变人机协作的边界。而当智能体能力与数据领域深度结合,DataAgent(数据智能体)这一新兴范式应运而生,它正逐渐成为企业挖掘数据价值的关键载体。阿里云瑶池数据库近期重磅推出的DataAgentforAnalytics,正是这一技术浪潮中的前沿代表。本文将从支撑DataAgent的核心技
- Python基础知识2
QQLOVEYY
Python学习pythonpycharm
二、顺序语句:程序执行的基础路径2.1执行原理顺序语句是Python程序最基础的执行模式,代码按照编写顺序,从上至下、逐行执行,每条语句仅执行一次,直至程序结束或遇到控制流语句改变执行方向。2.2示例代码print("第一步操作")print("第二步操作")print("第三步操作")执行结果:第一步操作第二步操作第三步操作三、条件语句:基于条件的决策执行3.1if-else结构3.1.1语法规
- Minmax 算法与 Alpha-Beta 剪枝小教学
超级小狗
计算机博弈算法剪枝机器学习
要理解Minmax算法和Alpha-Beta剪枝算法,我们可以从“两人零和博弈”场景入手(比如棋类游戏、石头剪刀布)。这类场景的核心是:你和对手轮流决策,你的目标是最大化自己的收益,对手则会最小化你的收益。一、Minmax算法:最简单的博弈决策1.核心思想想象你在玩一个简单的游戏:你和对手轮流选数,最终的得分由你们的选择共同决定。你(Max方):每次选择都想让最终得分尽可能高(最大化收益)。对手(
- 数据挖掘:从理论到实践的深度探索
代码老y
数据挖掘人工智能
在当今数字化时代,数据已经成为企业决策的重要依据。数据挖掘作为一门从大量数据中提取有价值信息的技术,已经广泛应用于各个领域,如金融、医疗、零售、互联网等。本文将深入探讨数据挖掘的基本概念、主要技术和实际应用案例,帮助读者更好地理解数据挖掘的价值和应用。一、数据挖掘的基本概念(一)数据挖掘的定义数据挖掘(DataMining)是从大量数据中提取有用信息的过程。它结合了统计学、机器学习、数据库技术和人
- 智能防御原理和架构
hao_wujing
安全
大家读完觉得有帮助记得关注和点赞!智能防御系统通过**AI驱动的动态感知、主动决策与自治响应**构建自适应防护体系,其核心在于将被动规则匹配升级为**预测性威胁狩猎**,实现对新型攻击(如AI生成的0day漏洞利用)的有效遏制。以下从原理、架构到技术实现进行体系化拆解:---###⚙️核心防御原理####1.**多模态威胁感知**-**跨域数据融合**:-网络层:DPI深度包检测(如Zeek解析T
- 开发智能化的企业并购风险评估模型
开发智能化的企业并购风险评估模型关键词:企业并购、风险评估、人工智能、机器学习、深度学习、数学建模摘要:本文详细探讨了开发智能化企业并购风险评估模型的背景、核心概念、算法原理、系统架构设计以及项目实战。通过结合机器学习和深度学习技术,提出了一种基于数据驱动的智能化风险评估方法,旨在帮助企业更准确地识别和预测并购过程中的潜在风险,提升决策的科学性和有效性。第1章:企业并购风险评估模型的背景与问题描述
- 机器学习算法:核心原理与前沿发展综述
fmvrj34202
机器学习算法人工智能
机器学习算法作为人工智能的核心驱动力,正在重塑我们解决问题的范式。本文将系统性地探讨机器学习算法的分类体系、数学基础、优化方法以及最新发展趋势,为从业者提供技术参考。一、算法分类体系根据学习范式,机器学习算法可分为三大类:监督学习:基于标注数据的建模方法线性回归:最小化平方误差的闭式解θ=(XᵀX)⁻¹Xᵀy支持向量机:通过核技巧实现非线性分类,优化目标为max(0,1-yᵢ(w·xᵢ+b))决策
- 从零开始:使用Python进行数据分析的基础指南
热爱分享的博士僧
python数据分析开发语言
引言在当今数据驱动的世界中,数据分析已成为各行各业不可或缺的技能。无论是商业决策、科学研究还是产品优化,掌握数据分析都能帮助我们更好地理解问题、发现规律并做出明智的判断。而Python作为一门简洁、强大且生态丰富的编程语言,已经成为数据分析领域的首选工具之一。本篇文章将带你从零开始,逐步了解如何使用Python进行基础的数据分析。无论你是完全没有编程经验的新手,还是有一定基础但想系统学习数据分析的
- Python 爬虫实战:电商商品评论深度爬取与用户情感分析系统搭建
西攻城狮北
python爬虫开发语言电商
引言在电商领域,商品评论是消费者决策的重要参考,也是商家优化产品和服务的关键依据。通过爬取和分析电商商品评论,可以深入了解用户需求、产品优缺点以及市场趋势。本文将详细介绍如何使用Python构建一个完整的电商商品评论爬取系统,并进行用户情感分析。我们将涵盖从爬虫设计、数据抓取、数据清洗、情感分析到可视化的全流程。1.项目背景与目标电商平台上,商品评论通常包含以下信息:用户名评论内容评论时间评分(星
- 贾子军事五定律(Kucius‘ Five Laws of War):跨越时空的军事智慧洞察
贾子军事五定律(Kucius'FiveLawsofWar):跨越时空的军事智慧洞察摘要:本文深入剖析贾子军事五定律,即“战争就是政治,情报就是数字,兵法就是艺术,打仗就是数学,全胜就是智慧”,结合世界著名兵法尤其是中国古代兵法,以及古今战争实例,包括一战、二战及战后冲突,探讨其在不同历史时期的体现与应用。同时,联系当前国际形势,阐述该定律对现代军事战略与决策的深远指导意义,旨在揭示其跨越时空的军事
- Gemini vs DeepSeek:Transformer 架构下的技术路线差异与企业级选择
charles666666
transformer架构深度学习语言模型产品经理人工智能
一、引言:从商业价值切入Gemini和DeepSeek都基于Transformer架构,但在技术路线和应用场景上各有侧重。本文将解密同源Transformer下的技术分野,帮助企业做出更明智的大模型选型决策。二、Transformer核心机制精要Transformer架构是现代大语言模型的基础,其核心机制包括自注意力机制和前馈神经网络。自注意力机制使模型能够捕捉序列中元素的全局依赖关系,但也是GP
- 深度解码:企业级 AI 选型中 Gemini 与 DeepSeek 的架构对决
charles666666
人工智能架构语言模型深度学习产品经理机器学习
开篇:技术选型会议中的认知困局当技术团队尝试评估基于MoE(专家混合)架构的Gemini1.5Pro和DeepSeek-V3时,决策者往往陷入认知混乱。尽管两者同属MoE架构,实际测试表现却大相径庭。这种混乱源于对参数规模的盲目崇拜。Gemini1.5Pro拥有1.5万亿参数,而DeepSeek-V3参数规模仅为前者的一半。但在实际企业场景测试中,DeepSeek在中文语义理解任务中的准确率却高出
- k8s深度讲解----宏观架构与集群之脑 - API Server 和 etcd
weixin_42587823
云原生kubernetes架构etcd
宏观架构与集群之脑-APIServer和etcd宏观架构:数据中心的操作系统在开始之前,让我们先建立一个高层视角。你可以将Kubernetes想象成一个管理整个数据中心的分布式操作系统。在这个操作系统中:控制平面(ControlPlane)就是它的“内核”,负责管理和决策。工作节点(WorkerNodes)就是它的“CPU和内存”,是真正运行应用程序的地方。我们常用的kubectl就是与这个“内核
- SQL的各种连接查询
xieke90
UNION ALLUNION外连接内连接JOIN
一、内连接
概念:内连接就是使用比较运算符根据每个表共有的列的值匹配两个表中的行。
内连接(join 或者inner join )
SQL语法:
select * fron
- java编程思想--复用类
百合不是茶
java继承代理组合final类
复用类看着标题都不知道是什么,再加上java编程思想翻译的比价难懂,所以知道现在才看这本软件界的奇书
一:组合语法:就是将对象的引用放到新类中即可
代码:
package com.wj.reuse;
/**
*
* @author Administrator 组
- [开源与生态系统]国产CPU的生态系统
comsci
cpu
计算机要从娃娃抓起...而孩子最喜欢玩游戏....
要让国产CPU在国内市场形成自己的生态系统和产业链,国家和企业就不能够忘记游戏这个非常关键的环节....
投入一些资金和资源,人力和政策,让游
- JVM内存区域划分Eden Space、Survivor Space、Tenured Gen,Perm Gen解释
商人shang
jvm内存
jvm区域总体分两类,heap区和非heap区。heap区又分:Eden Space(伊甸园)、Survivor Space(幸存者区)、Tenured Gen(老年代-养老区)。 非heap区又分:Code Cache(代码缓存区)、Perm Gen(永久代)、Jvm Stack(java虚拟机栈)、Local Method Statck(本地方法栈)。
HotSpot虚拟机GC算法采用分代收
- 页面上调用 QQ
oloz
qq
<A href="tencent://message/?uin=707321921&Site=有事Q我&Menu=yes">
<img style="border:0px;" src=http://wpa.qq.com/pa?p=1:707321921:1></a>
- 一些问题
文强chu
问题
1.eclipse 导出 doc 出现“The Javadoc command does not exist.” javadoc command 选择 jdk/bin/javadoc.exe 2.tomcate 配置 web 项目 .....
SQL:3.mysql * 必须得放前面 否则 select&nbs
- 生活没有安全感
小桔子
生活孤独安全感
圈子好小,身边朋友没几个,交心的更是少之又少。在深圳,除了男朋友,没几个亲密的人。不知不觉男朋友成了唯一的依靠,毫不夸张的说,业余生活的全部。现在感情好,也很幸福的。但是说不准难免人心会变嘛,不发生什么大家都乐融融,发生什么很难处理。我想说如果不幸被分手(无论原因如何),生活难免变化很大,在深圳,我没交心的朋友。明
- php 基础语法
aichenglong
php 基本语法
1 .1 php变量必须以$开头
<?php
$a=” b”;
echo
?>
1 .2 php基本数据库类型 Integer float/double Boolean string
1 .3 复合数据类型 数组array和对象 object
1 .4 特殊数据类型 null 资源类型(resource) $co
- mybatis tools 配置详解
AILIKES
mybatis
MyBatis Generator中文文档
MyBatis Generator中文文档地址:
http://generator.sturgeon.mopaas.com/
该中文文档由于尽可能和原文内容一致,所以有些地方如果不熟悉,看中文版的文档的也会有一定的障碍,所以本章根据该中文文档以及实际应用,使用通俗的语言来讲解详细的配置。
本文使用Markdown进行编辑,但是博客显示效
- 继承与多态的探讨
百合不是茶
JAVA面向对象 继承 对象
继承 extends 多态
继承是面向对象最经常使用的特征之一:继承语法是通过继承发、基类的域和方法 //继承就是从现有的类中生成一个新的类,这个新类拥有现有类的所有extends是使用继承的关键字:
在A类中定义属性和方法;
class A{
//定义属性
int age;
//定义方法
public void go
- JS的undefined与null的实例
bijian1013
JavaScriptJavaScript
<form name="theform" id="theform">
</form>
<script language="javascript">
var a
alert(typeof(b)); //这里提示undefined
if(theform.datas
- TDD实践(一)
bijian1013
java敏捷TDD
一.TDD概述
TDD:测试驱动开发,它的基本思想就是在开发功能代码之前,先编写测试代码。也就是说在明确要开发某个功能后,首先思考如何对这个功能进行测试,并完成测试代码的编写,然后编写相关的代码满足这些测试用例。然后循环进行添加其他功能,直到完全部功能的开发。
- [Maven学习笔记十]Maven Profile与资源文件过滤器
bit1129
maven
什么是Maven Profile
Maven Profile的含义是针对编译打包环境和编译打包目的配置定制,可以在不同的环境上选择相应的配置,例如DB信息,可以根据是为开发环境编译打包,还是为生产环境编译打包,动态的选择正确的DB配置信息
Profile的激活机制
1.Profile可以手工激活,比如在Intellij Idea的Maven Project视图中可以选择一个P
- 【Hive八】Hive用户自定义生成表函数(UDTF)
bit1129
hive
1. 什么是UDTF
UDTF,是User Defined Table-Generating Functions,一眼看上去,貌似是用户自定义生成表函数,这个生成表不应该理解为生成了一个HQL Table, 貌似更应该理解为生成了类似关系表的二维行数据集
2. 如何实现UDTF
继承org.apache.hadoop.hive.ql.udf.generic
- tfs restful api 加auth 2.0认计
ronin47
目前思考如何给tfs的ngx-tfs api增加安全性。有如下两点:
一是基于客户端的ip设置。这个比较容易实现。
二是基于OAuth2.0认证,这个需要lua,实现起来相对于一来说,有些难度。
现在重点介绍第二种方法实现思路。
前言:我们使用Nginx的Lua中间件建立了OAuth2认证和授权层。如果你也有此打算,阅读下面的文档,实现自动化并获得收益。SeatGe
- jdk环境变量配置
byalias
javajdk
进行java开发,首先要安装jdk,安装了jdk后还要进行环境变量配置:
1、下载jdk(http://java.sun.com/javase/downloads/index.jsp),我下载的版本是:jdk-7u79-windows-x64.exe
2、安装jdk-7u79-windows-x64.exe
3、配置环境变量:右击"计算机"-->&quo
- 《代码大全》表驱动法-Table Driven Approach-2
bylijinnan
java
package com.ljn.base;
import java.io.BufferedReader;
import java.io.FileInputStream;
import java.io.InputStreamReader;
import java.util.ArrayList;
import java.util.Collections;
import java.uti
- SQL 数值四舍五入 小数点后保留2位
chicony
四舍五入
1.round() 函数是四舍五入用,第一个参数是我们要被操作的数据,第二个参数是设置我们四舍五入之后小数点后显示几位。
2.numeric 函数的2个参数,第一个表示数据长度,第二个参数表示小数点后位数。
例如:
select cast(round(12.5,2) as numeric(5,2))  
- c++运算符重载
CrazyMizzz
C++
一、加+,减-,乘*,除/ 的运算符重载
Rational operator*(const Rational &x) const{
return Rational(x.a * this->a);
}
在这里只写乘法的,加减除的写法类似
二、<<输出,>>输入的运算符重载
&nb
- hive DDL语法汇总
daizj
hive修改列DDL修改表
hive DDL语法汇总
1、对表重命名
hive> ALTER TABLE table_name RENAME TO new_table_name;
2、修改表备注
hive> ALTER TABLE table_name SET TBLPROPERTIES ('comment' = new_comm
- jbox使用说明
dcj3sjt126com
Web
参考网址:http://www.kudystudio.com/jbox/jbox-demo.html jBox v2.3 beta [
点击下载]
技术交流QQGroup:172543951 100521167
[2011-11-11] jBox v2.3 正式版
- [调整&修复] IE6下有iframe或页面有active、applet控件
- UISegmentedControl 开发笔记
dcj3sjt126com
// typedef NS_ENUM(NSInteger, UISegmentedControlStyle) {
// UISegmentedControlStylePlain, // large plain
&
- Slick生成表映射文件
ekian
scala
Scala添加SLICK进行数据库操作,需在sbt文件上添加slick-codegen包
"com.typesafe.slick" %% "slick-codegen" % slickVersion
因为我是连接SQL Server数据库,还需添加slick-extensions,jtds包
"com.typesa
- ES-TEST
gengzg
test
package com.MarkNum;
import java.io.IOException;
import java.util.Date;
import java.util.HashMap;
import java.util.Map;
import javax.servlet.ServletException;
import javax.servlet.annotation
- 为何外键不再推荐使用
hugh.wang
mysqlDB
表的关联,是一种逻辑关系,并不需要进行物理上的“硬关联”,而且你所期望的关联,其实只是其数据上存在一定的联系而已,而这种联系实际上是在设计之初就定义好的固有逻辑。
在业务代码中实现的时候,只要按照设计之初的这种固有关联逻辑来处理数据即可,并不需要在数据库层面进行“硬关联”,因为在数据库层面通过使用外键的方式进行“硬关联”,会带来很多额外的资源消耗来进行一致性和完整性校验,即使很多时候我们并不
- 领域驱动设计
julyflame
VODAO设计模式DTOpo
概念:
VO(View Object):视图对象,用于展示层,它的作用是把某个指定页面(或组件)的所有数据封装起来。
DTO(Data Transfer Object):数据传输对象,这个概念来源于J2EE的设计模式,原来的目的是为了EJB的分布式应用提供粗粒度的数据实体,以减少分布式调用的次数,从而提高分布式调用的性能和降低网络负载,但在这里,我泛指用于展示层与服务层之间的数据传输对
- 单例设计模式
hm4123660
javaSingleton单例设计模式懒汉式饿汉式
单例模式是一种常用的软件设计模式。在它的核心结构中只包含一个被称为单例类的特殊类。通过单例模式可以保证系统中一个类只有一个实例而且该实例易于外界访问,从而方便对实例个数的控制并节约系统源。如果希望在系统中某个类的对象只能存在一个,单例模式是最好的解决方案。
&nb
- logback
zhb8015
loglogback
一、logback的介绍
Logback是由log4j创始人设计的又一个开源日志组件。logback当前分成三个模块:logback-core,logback- classic和logback-access。logback-core是其它两个模块的基础模块。logback-classic是log4j的一个 改良版本。此外logback-class
- 整合Kafka到Spark Streaming——代码示例和挑战
Stark_Summer
sparkstormzookeeperPARALLELISMprocessing
作者Michael G. Noll是瑞士的一位工程师和研究员,效力于Verisign,是Verisign实验室的大规模数据分析基础设施(基础Hadoop)的技术主管。本文,Michael详细的演示了如何将Kafka整合到Spark Streaming中。 期间, Michael还提到了将Kafka整合到 Spark Streaming中的一些现状,非常值得阅读,虽然有一些信息在Spark 1.2版
- spring-master-slave-commondao
王新春
DAOspringdataSourceslavemaster
互联网的web项目,都有个特点:请求的并发量高,其中请求最耗时的db操作,又是系统优化的重中之重。
为此,往往搭建 db的 一主多从库的 数据库架构。作为web的DAO层,要保证针对主库进行写操作,对多个从库进行读操作。当然在一些请求中,为了避免主从复制的延迟导致的数据不一致性,部分的读操作也要到主库上。(这种需求一般通过业务垂直分开,比如下单业务的代码所部署的机器,读去应该也要从主库读取数