- GGUF 文件格式全解析
Just_Paranoid
技术流ClipLLMGGUF量化DeepSeek
在机器学习领域,模型的存储和部署一直是关键环节。随着大语言模型(LLM)的广泛应用,如何高效地存储和加载这些复杂的模型成为一个亟待解决的问题。GGUF(GGMLUniversalFormat)作为一种新兴的二进制文件格式,旨在解决传统GGML及其衍生格式(如GGMF和GGJT)的局限性,为模型推理提供更高效、更灵活的解决方案。官方介绍:https://github.com/ggml-org/ggm
- 医院HIS接入大模型:算力基础设施与训练能力的深度剖析与测算
Allen_LVyingbo
数智化医院2025健康医疗人工智能动态规划python
一、引言1.1研究背景与意义在数字化医疗快速发展的当下,医院信息系统(HospitalInformationSystem,HIS)作为医疗信息化的核心枢纽,承载着患者诊疗信息、医院运营管理等关键数据,对提升医疗服务质量、优化医院管理流程起着至关重要的作用。然而,传统HIS在面对日益增长的医疗数据量和复杂的临床需求时,逐渐显露出分析决策能力不足、智能化程度低等短板。随着人工智能技术的飞速发展,大模型
- AI推介-多模态视觉语言模型VLMs论文速览(arXiv方向):2024.07.20-2024.07.25
小小帅AIGC
VLM论文时报人工智能语言模型自然语言处理大语言模型VLM视觉语言模型论文推送
文章目录~1.LPGen:EnhancingHigh-FidelityLandscapePaintingGenerationthroughDiffusionModel2.HighEfficiencyImageCompressionforLargeVisual-LanguageModels3.Q-Ground:ImageQualityGroundingwithLargeMulti-modalityM
- 【AI视野·今日NLP 自然语言处理论文速览 第八十期】Fri, 1 Mar 2024
hitrjj
LLMNLPPapers人工智能自然语言处理NLPLLM大语言模型
AI视野·今日CS.NLP自然语言处理论文速览Fri,1Mar2024Totally67papers上期速览✈更多精彩请移步主页DailyComputationandLanguagePapersLooseLIPSSinkShips:AskingQuestionsinBattleshipwithLanguage-InformedProgramSamplingAuthorsGabrielGrand,V
- ThinkJSON:通过强化学习让大型语言模型(LLM)严格遵守JSON模式
AI仙人掌
人工智能深度学习
标题:ThinkInsidetheJSON:ReinforcementStrategyforStrictLLMSchemaAdherence作者:BhavikAgarwal,IshanJoshi,ViktoriaRojkova机构:MasterControlAIResearch链接:arXiv:2502.14905v1本文提出了一种轻量级强化学习框架,通过合成数据、多奖励函数和GRPO优化,显著提
- 读论文:Generation of 3D molecules in pockets via a language model (Lingo3Dmol)
LastWhisperw
语言模型人工智能自然语言处理
基于线性序列(例如SMILES)或图表示的的分子生成模型已经吸引了基于结构的药物设计领域的广泛关注,但这些模型在捕获3维空间交互时还不够强,也因此经常生成我们不希望产生的分子结构。为了解决这些问题,我们提出Lingo3DMol,一个基于口袋的3维分子生成方案,将语言模型和几何深度学习技术结合起来。为了帮助模型学习分子拓扑学和原子的空间位置,我们还提出一个新的分子表示方法,基于片段的简化分子xxxx
- Ollama微调
软件不硬
LLMtoolAIGC
Ollama是一款开源工具,其目标是简化大语言模型在本地环境的部署和使用。它支持多种流行的开源大语言模型,如Llama2、Qwen2.5等。在上一篇文章中我们部署Ollama,并使用简单命令管理Ollama。接下来我们学习Ollama的高级应用。通过Ollama的ModeFile文件进行微调。通过ModelFile微调1、创建名为Modelfile的空白文件。2、在空白文件内写配置信息。FROMq
- 人工智能和云时代的五大DBA关注点
人工智能dba
数据库管理员(DBA)的角色在不断演变,以适应技术和应用开发方式的变化。过去,DBA主要侧重于管理物理硬件和软件,而现在,他们发现自己正在驾驭由云技术、人工智能驱动的自动化以及不断增长的数据所构成的复杂情况。2025年伊始,让我们来探讨一下让DBA夜不能寐的五大问题。数据安全和隐私数据泄露事件不断成为头条新闻,其后果可能是毁灭性的。DBA站在保护敏感信息的第一线。根据IBM最近的一项研究,数据泄露
- 全面分析 DeepSeek 的新开源 FlashMLA
X.Cristiano
FlashMLA深度学习人工智能
导言著名的人工智能公司DeepSeek最近开源了FlashMLA,这是一款针对HopperGPU上的多头潜意识(MLA)进行了优化的高性能解码内核。这一进展对于大型语言模型(LLM)来说意义重大,因为大型语言模型在推理过程中面临内存和计算方面的挑战,尤其是长序列。本报告深入探讨了FlashMLA的技术细节、性能指标、应用和未来影响,为研究人员、开发人员和人工智能爱好者提供了全面的了解。背景介绍多头
- Google搜索免费API访问
X.Cristiano
ai搜索引擎
背景最近做Agent相关的内容,想利用LLM结合搜索的能力,然后根据自定义functioncall输出答案。所以这里就需要用到搜索引擎的结果,这边测试过Google和Bing的搜索结果,对于此次的任务来说,Google的搜索结果是更好的。前面的文章也分析到用SerpApi去调用google的api接口(搜索的收费比gpt4都贵)。基于此,整合github上的信息,自己来做一个简单的google搜索
- DeepSeep开源周,第三天:DeepGEMM是啥?
程序员差不多先生
pytorch
DeepGEMM是Deepseek开源的一个高性能矩阵乘法优化库,专为深度学习场景设计。矩阵乘法(GEMM)是深度学习模型的核心运算(如全连接层、卷积层等),其性能直接影响训练和推理效率。DeepGEMM通过算法优化、硬件指令集加速和并行计算技术,显著提升计算速度,适用于GPU、CPU等硬件平台。对开发者的用处性能提升优化计算密集型任务(如LLM训练/推理),降低延迟,提升吞吐量。支持混合精度计算
- 推荐:LangChain — 构建情境感知推理应用的利器
成婕秀Timothy
推荐:LangChain—构建情境感知推理应用的利器langchain⚡BuildingapplicationswithLLMsthroughcomposability⚡项目地址:https://gitcode.com/gh_mirrors/la/langchainLangChain,一款专为开发基于大型语言模型(LLM)的应用而设计的强大框架。通过简化整个应用程序生命周期并提供一整套工具和平台支
- 评估您的数据是否可用于人工智能的三个考虑因素
人工智能
评估您的数据是否可用于人工智能的三个考虑因素多数组织正在人工智能和生成性人工智能的炒作中迷失方向。在许多情况下,他们并没有准备好人工智能项目所需的数据基础。三分之一的高管认为,只有不到50%的组织有了人工智能所需的数据,而多数组织并未准备好。因此,在开展人工智能项目之前,奠定正确的基础至关重要。在评估准备情况时,主要考虑因素如下:可用性:您的数据在哪里?类目:您将如何记录和协调您的数据?质量:优质
- 展望2024:大语言模型与AI应用的发展趋势
chatgptopenai
头部大语言模型阵营在全球范围内,大型语言模型呈现出显著的区域化发展特征。美国和中国的发展路径各有特色。美国的大型语言模型阵营已基本确立,主要集中在几家大型科技公司及其与一些头部模型创业公司的联合体。美国的AI领域已进入高成本的军备竞赛阶段,新的参与者较难入局。相比之下,中国的大型语言模型呈现百花齐放的态势,目前有百余个项目声称正在开发大型模型。中国更依赖开源生态,二次开发新的语言模型。除美国外,其
- 超声波俱乐部:AI应用大爆发前夜,场景、闭环与LLM进化
超声波沙龙
人工智能算法机器学习
7月13日,第十九期超声波俱乐部内部分享会在北京望京举行,本期的主题是:AI应用大爆发前夜,场景、闭环与LLM进化。到场的嘉宾有:超声波创始人杨子超,超声波联合创始人、和牛商业创始人刘思雨,豆神集团副总裁&CTO阎鹏,紫辉创投创始人&CEO郑刚,中国国际经济交流中心研究员、文化与旅游部中国建筑文化研究会理事徐曦,APUSAI实验室首席科学家张旭,APUS副总裁邓小波,天浩盛世总经理、风聆嘀咕创始人
- 有哪些开源大数据处理项目使用了大模型
魔王阿卡纳兹
大数据治理与分析开源大数据数据清洗
以下是一些使用了大模型的开源大数据处理项目:1.**RedPajama**:这是一个开源项目,使用了LLM大语言模型数据处理组件,对GitHub代码数据进行清洗和处理。具体流程包括数据清洗、过滤低质量样本、识别和删除重复样本等步骤。2.**SWIFT**:阿里开源的大模型微调轻量级框架,用于提高RAG应用的准确度。3.**Text2SQL**:阿里发布的最新实践开源模型,其准确度超过了GPT4。4
- 什么是RAG?RAG是如何解决问题的?RAG的未来发展趋势有哪些?
大模型综述
人工智能开发语言大模型AGIaiRAG自然语言处理
一、什么是RAG所谓RAG,检索增强生成(RetrievalAugmentedGeneration),简称RAG,已经成为当前最火热的LLM应用方案。通俗点说:就是通过自有垂域数据库检索相关信息,然后合并成为提示模板,给大模型生成漂亮的回答。二、为什么会出现RAGRAG的出现,是因为在大模型的广泛应用中,伴随着出现的一些问题,比如:知识的局限性:模型自身的知识完全源于它的训练数据,而现有的主流大模
- DeepSeek 开源周:DeepEP 项目详解,GPU 压榨计划启动!
东方佑
量子变法开源
引言就在今天,2025年2月25日,DeepSeek再次为人工智能社区带来了一场技术盛宴——DeepEP项目的开源。这个旨在优化GPU性能的工具一经发布便迅速获得了广泛的关注和赞誉,短短两小时内就斩获了超过1000个Star。本文将详细介绍DeepEP的功能、应用场景以及如何使用它来提升AI训练和推理的效率。DeepEP概述功能与作用DeepEP是一个专门针对Mixture-of-Experts(
- DeepSeek API是什么
兔兔爱学习兔兔爱学习
大模型pythonprompt算法
DeepSeekAPI是一个提供人工智能服务的接口,它允许开发者通过简单的API调用来实现各种高级的自然语言处理(NLP)任务,如文本生成、对话系统、文本摘要、问答系统等。DeepSeekAPI通常基于先进的大模型,如Transformer架构的模型,提供了强大的语言理解和生成能力。DeepSeekAPI的特点易于集成:开发者可以通过简单的HTTP请求调用API,无需深入了解底层模型的具体实现。高
- IPEX-LLM: 英特尔硬件大语言模型加速库部署
Felix_bin
语言模型人工智能自然语言处理
IPEX-LLM:英特尔硬件大语言模型加速库部署大语言模型的本地部署正成为一个热门话题。本指南将帮助你掌握如何使用IPEX-LLM(IntelPyTorchExtensionforLargeLanguageModels)在英特尔硬件上实现最优化的模型部署。无论你是刚开始接触还是已经有一定经验,这份指南都能满足你的需求。IPEX-LLM的优势IPEX-LLM是英特尔基于PyTorch开发的专业优化库
- DeepSeek各模型现有版本对比分析
墨染夜雨笺
DeepSeekAI
文章目录一、基础模型系列:V1到V3的演进二、专用模型系列:推理与多模态三、版本选型与商业化趋势DeepSeek作为最近特别火爆的模型,本文将对DeepSeek现有的主要版本进行对比分析,涵盖参数规模、训练数据、功能改进、应用场景和性能表现等方面。一、基础模型系列:V1到V3的演进DeepSeek-V1发布时间:2024年1月特点:首代模型,专注于自然语言处理(NLP)和编码任务,支持128K标记
- 电子科大考研经验分享
bugmaker.
杂谈机器学习
最近有好多学弟学妹问我考研相关的问题,我大致总结了一下,无非就是考研和就业相关的问题。趁着我还没忘记,写一篇博客跟大家分享一下我的考研经历,给大家做个参考。先说考研选择大于努力选择大于努力,这是我考完研之后最大的感受。举个栗子:今年中科大的软件,400多分的人有400多个,这意味着如果你初试成绩不在400以上,上岸的机会就很渺茫了,反观中山大学的人工智能,320多分就排到了第二名。所以正确评估自己
- DeepSeek为云厂商带来新机遇,东吴证券看好AI带动百度智能云增长
大力财经
人工智能百度
近日,摩根士丹利(亚洲)发布研究报告《DeepSeek-AlBifurcation》,报告指出DeepSeek的爆火催生了低成本人工智能市场,为数据中心、芯片及云服务提供商带来新的发展机遇。同时,东吴证券发布研究报告维持百度“买入”评级,看好AI给集团云业务带来新发展机遇。在百度发布的2024年第四季度及全年财报中显示,百度智能云业务第四季度营收同比增长26%,在国内大模型市场中标项目数、行业覆盖
- 当AI搜索撕开传统搜索的裂缝,警惕AI搜索的“信息茧房”
shelly聊AI
AI核心技术AI行业趋势人工智能
大家好,我是Shelly,一个专注于输出AI工具和科技前沿内容的AI应用教练,体验过300+款以上的AI应用工具。关注科技及大模型领域对社会的影响10年+。关注我一起驾驭AI工具,拥抱AI时代的到来。人工智能&AIGC术语100条Shelly聊AI-重磅发布Shelly聊AI:年度展望:2025年AI与社会发展关键事件的深度思考(每年一篇,十年为期)数字世界正在经历一场无声的地震,谷歌工程师发现,
- 在Intel GPU上使用IPEX-LLM进行本地BGE嵌入
shuoac
python
在现代人工智能应用中,尤其在诸如检索增强生成(RAG)和文档问答等任务中,低延迟是一个至关重要的指标。Intel的IPEX-LLM是一种专门为IntelCPU和GPU优化的PyTorch库,能够在包括本地PC上的集成显卡和独立显卡(如Arc、Flex和Max)在内的Intel硬件上以极低的延迟运行大型语言模型(LLM)。本文将介绍如何在IntelGPU上结合LangChain使用IPEX-LLM进
- 使用 LangChain 与 Solar LLM 的快速集成示例
qahaj
langchainpython开发语言
在本篇文章中,我们将深入探讨如何通过LangChain框架与SolarLLM(已弃用)进行集成。这虽然是一个过时的示例,但仍然可以帮助我们掌握如何使用类似的模型连接器设计结构化的语言模型调用流程。更重要的是,我们还会通过实际代码,展示集成的实现过程。一、技术背景介绍LangChain是一个强大的框架,它可以帮助开发者轻松集成不同的自然语言处理(NLP)模型,并构建复杂的链式推理任务。SolarLL
- 百度文心大模型API保姆级教程:从入门到实战
海棠AI实验室
智元启示录百度API文心大模型
目录文心大模型简介文心大模型vs.OpenAIGPT系列应用构建实例API集成详细步骤准备工作获取AccessToken发起API请求API的调试和常见问题的解决进阶应用安全性和最佳实践总结与未来展望随着大型语言模型(LLMs)在全球范围内的兴起,百度文心大模型(ERNIE)已成为人工智能领域的一颗耀眼新星。对标OpenAI的GPT系列,文心大模型致力于为中文用户提供卓越的自然语言处理能力,广泛赋
- 用 ActionNode 重构技术文档助手:从原理到实践的深度解析
海棠AI实验室
智元启示录重构ActionNodeMetaGPT人工智能AIagent
目录什么是ActionNode?为什么用ActionNode重构技术文档助手?系统架构:从多智能体到ActionNode示例代码实现:技术文档助手中的ActionNode总结在数字化时代,技术文档的重要性日益凸显。一份清晰、准确的文档不仅能帮助用户快速上手,还能提升产品的专业形象。然而,撰写高质量的技术文档往往耗时费力。近年来,随着人工智能技术的飞速发展,自动生成技术文档成为可能。MetaGPT框
- 专访微软CEO:AGI并非真正基准,AI行业也不会“赢家通吃”
AI大模型头条
人工智能那些事儿microsoftagi人工智能游戏aigpt语言模型
【编者按】日前,微软首席执行官SatyaNadella在参加由知名科技播客主持人DwarkeshPatel主持的播客节目DwarkeshPodcast时,谈到了他对当前人工智能(AI)/通用人工智能(AGI)的前景、量子计算的革命性进展,以及科技如何推动全球经济变革的看法。当各家公司都在争先恐后地追逐AGI时,Nadella在访谈中却语出惊人,“我们自己宣称达成某个AGI的里程碑,对我来说,那只是
- 人工智能在fpga的具体应用_FPGA创意人工智能研发 校企合作培养专业人才
墨墨猪
人工智能在fpga的具体应用
FPGA英特尔®FPGA与人工智能技术培训——成都信息工程大学站人工智能在21世纪初迎来以深度学习与大数据云计算为主导的第三次浪潮,在无人驾驶、医疗保健、工业等多个领域得到广泛应用。随着人工智能理论和技术日益成熟,FPGA在人工智能方面的应用也越来越多,特别对于需要分析大量数据的AI、大数据以及机器学习等研究领域。人工智能与FPGA的灵活应用,对人工智能专业人才培养提出了更高要求。英特尔®FPGA
- Nginx负载均衡
510888780
nginx应用服务器
Nginx负载均衡一些基础知识:
nginx 的 upstream目前支持 4 种方式的分配
1)、轮询(默认)
每个请求按时间顺序逐一分配到不同的后端服务器,如果后端服务器down掉,能自动剔除。
2)、weight
指定轮询几率,weight和访问比率成正比
- RedHat 6.4 安装 rabbitmq
bylijinnan
erlangrabbitmqredhat
在 linux 下安装软件就是折腾,首先是测试机不能上外网要找运维开通,开通后发现测试机的 yum 不能使用于是又要配置 yum 源,最后安装 rabbitmq 时也尝试了两种方法最后才安装成功
机器版本:
[root@redhat1 rabbitmq]# lsb_release
LSB Version: :base-4.0-amd64:base-4.0-noarch:core
- FilenameUtils工具类
eksliang
FilenameUtilscommon-io
转载请出自出处:http://eksliang.iteye.com/blog/2217081 一、概述
这是一个Java操作文件的常用库,是Apache对java的IO包的封装,这里面有两个非常核心的类FilenameUtils跟FileUtils,其中FilenameUtils是对文件名操作的封装;FileUtils是文件封装,开发中对文件的操作,几乎都可以在这个框架里面找到。 非常的好用。
- xml文件解析SAX
不懂事的小屁孩
xml
xml文件解析:xml文件解析有四种方式,
1.DOM生成和解析XML文档(SAX是基于事件流的解析)
2.SAX生成和解析XML文档(基于XML文档树结构的解析)
3.DOM4J生成和解析XML文档
4.JDOM生成和解析XML
本文章用第一种方法进行解析,使用android常用的DefaultHandler
import org.xml.sax.Attributes;
- 通过定时任务执行mysql的定期删除和新建分区,此处是按日分区
酷的飞上天空
mysql
使用python脚本作为命令脚本,linux的定时任务来每天定时执行
#!/usr/bin/python
# -*- coding: utf8 -*-
import pymysql
import datetime
import calendar
#要分区的表
table_name = 'my_table'
#连接数据库的信息
host,user,passwd,db =
- 如何搭建数据湖架构?听听专家的意见
蓝儿唯美
架构
Edo Interactive在几年前遇到一个大问题:公司使用交易数据来帮助零售商和餐馆进行个性化促销,但其数据仓库没有足够时间去处理所有的信用卡和借记卡交易数据
“我们要花费27小时来处理每日的数据量,”Edo主管基础设施和信息系统的高级副总裁Tim Garnto说道:“所以在2013年,我们放弃了现有的基于PostgreSQL的关系型数据库系统,使用了Hadoop集群作为公司的数
- spring学习——控制反转与依赖注入
a-john
spring
控制反转(Inversion of Control,英文缩写为IoC)是一个重要的面向对象编程的法则来削减计算机程序的耦合问题,也是轻量级的Spring框架的核心。 控制反转一般分为两种类型,依赖注入(Dependency Injection,简称DI)和依赖查找(Dependency Lookup)。依赖注入应用比较广泛。
- 用spool+unixshell生成文本文件的方法
aijuans
xshell
例如我们把scott.dept表生成文本文件的语句写成dept.sql,内容如下:
set pages 50000;
set lines 200;
set trims on;
set heading off;
spool /oracle_backup/log/test/dept.lst;
select deptno||','||dname||','||loc
- 1、基础--名词解析(OOA/OOD/OOP)
asia007
学习基础知识
OOA:Object-Oriented Analysis(面向对象分析方法)
是在一个系统的开发过程中进行了系统业务调查以后,按照面向对象的思想来分析问题。OOA与结构化分析有较大的区别。OOA所强调的是在系统调查资料的基础上,针对OO方法所需要的素材进行的归类分析和整理,而不是对管理业务现状和方法的分析。
OOA(面向对象的分析)模型由5个层次(主题层、对象类层、结构层、属性层和服务层)
- 浅谈java转成json编码格式技术
百合不是茶
json编码java转成json编码
json编码;是一个轻量级的数据存储和传输的语言
在java中需要引入json相关的包,引包方式在工程的lib下就可以了
JSON与JAVA数据的转换(JSON 即 JavaScript Object Natation,它是一种轻量级的数据交换格式,非
常适合于服务器与 JavaScript 之间的数据的交
- web.xml之Spring配置(基于Spring+Struts+Ibatis)
bijian1013
javaweb.xmlSSIspring配置
指定Spring配置文件位置
<context-param>
<param-name>contextConfigLocation</param-name>
<param-value>
/WEB-INF/spring-dao-bean.xml,/WEB-INF/spring-resources.xml,
/WEB-INF/
- Installing SonarQube(Fail to download libraries from server)
sunjing
InstallSonar
1. Download and unzip the SonarQube distribution
2. Starting the Web Server
The default port is "9000" and the context path is "/". These values can be changed in &l
- 【MongoDB学习笔记十一】Mongo副本集基本的增删查
bit1129
mongodb
一、创建复本集
假设mongod,mongo已经配置在系统路径变量上,启动三个命令行窗口,分别执行如下命令:
mongod --port 27017 --dbpath data1 --replSet rs0
mongod --port 27018 --dbpath data2 --replSet rs0
mongod --port 27019 -
- Anychart图表系列二之执行Flash和HTML5渲染
白糖_
Flash
今天介绍Anychart的Flash和HTML5渲染功能
HTML5
Anychart从6.0第一个版本起,已经逐渐开始支持各种图的HTML5渲染效果了,也就是说即使你没有安装Flash插件,只要浏览器支持HTML5,也能看到Anychart的图形(不过这些是需要做一些配置的)。
这里要提醒下大家,Anychart6.0版本对HTML5的支持还不算很成熟,目前还处于
- Laravel版本更新异常4.2.8-> 4.2.9 Declaration of ... CompilerEngine ... should be compa
bozch
laravel
昨天在为了把laravel升级到最新的版本,突然之间就出现了如下错误:
ErrorException thrown with message "Declaration of Illuminate\View\Engines\CompilerEngine::handleViewException() should be compatible with Illuminate\View\Eng
- 编程之美-NIM游戏分析-石头总数为奇数时如何保证先动手者必胜
bylijinnan
编程之美
import java.util.Arrays;
import java.util.Random;
public class Nim {
/**编程之美 NIM游戏分析
问题:
有N块石头和两个玩家A和B,玩家A先将石头随机分成若干堆,然后按照BABA...的顺序不断轮流取石头,
能将剩下的石头一次取光的玩家获胜,每次取石头时,每个玩家只能从若干堆石头中任选一堆,
- lunce创建索引及简单查询
chengxuyuancsdn
查询创建索引lunce
import java.io.File;
import java.io.IOException;
import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.analysis.standard.StandardAnalyzer;
import org.apache.lucene.document.Docume
- [IT与投资]坚持独立自主的研究核心技术
comsci
it
和别人合作开发某项产品....如果互相之间的技术水平不同,那么这种合作很难进行,一般都会成为强者控制弱者的方法和手段.....
所以弱者,在遇到技术难题的时候,最好不要一开始就去寻求强者的帮助,因为在我们这颗星球上,生物都有一种控制其
- flashback transaction闪回事务查询
daizj
oraclesql闪回事务
闪回事务查询有别于闪回查询的特点有以下3个:
(1)其正常工作不但需要利用撤销数据,还需要事先启用最小补充日志。
(2)返回的结果不是以前的“旧”数据,而是能够将当前数据修改为以前的样子的撤销SQL(Undo SQL)语句。
(3)集中地在名为flashback_transaction_query表上查询,而不是在各个表上通过“as of”或“vers
- Java I/O之FilenameFilter类列举出指定路径下某个扩展名的文件
游其是你
FilenameFilter
这是一个FilenameFilter类用法的例子,实现的列举出“c:\\folder“路径下所有以“.jpg”扩展名的文件。 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28
- C语言学习五函数,函数的前置声明以及如何在软件开发中合理的设计函数来解决实际问题
dcj3sjt126com
c
# include <stdio.h>
int f(void) //括号中的void表示该函数不能接受数据,int表示返回的类型为int类型
{
return 10; //向主调函数返回10
}
void g(void) //函数名前面的void表示该函数没有返回值
{
//return 10; //error 与第8行行首的void相矛盾
}
in
- 今天在测试环境使用yum安装,遇到一个问题: Error: Cannot retrieve metalink for repository: epel. Pl
dcj3sjt126com
centos
今天在测试环境使用yum安装,遇到一个问题:
Error: Cannot retrieve metalink for repository: epel. Please verify its path and try again
处理很简单,修改文件“/etc/yum.repos.d/epel.repo”, 将baseurl的注释取消, mirrorlist注释掉。即可。
&n
- 单例模式
shuizhaosi888
单例模式
单例模式 懒汉式
public class RunMain {
/**
* 私有构造
*/
private RunMain() {
}
/**
* 内部类,用于占位,只有
*/
private static class SingletonRunMain {
priv
- Spring Security(09)——Filter
234390216
Spring Security
Filter
目录
1.1 Filter顺序
1.2 添加Filter到FilterChain
1.3 DelegatingFilterProxy
1.4 FilterChainProxy
1.5
- 公司项目NODEJS实践0.1
逐行分析JS源代码
mongodbnginxubuntunodejs
一、前言
前端如何独立用nodeJs实现一个简单的注册、登录功能,是不是只用nodejs+sql就可以了?其实是可以实现,但离实际应用还有距离,那要怎么做才是实际可用的。
网上有很多nod
- java.lang.Math
liuhaibo_ljf
javaMathlang
System.out.println(Math.PI);
System.out.println(Math.abs(1.2));
System.out.println(Math.abs(1.2));
System.out.println(Math.abs(1));
System.out.println(Math.abs(111111111));
System.out.println(Mat
- linux下时间同步
nonobaba
ntp
今天在linux下做hbase集群的时候,发现hmaster启动成功了,但是用hbase命令进入shell的时候报了一个错误 PleaseHoldException: Master is initializing,查看了日志,大致意思是说master和slave时间不同步,没办法,只好找一种手动同步一下,后来发现一共部署了10来台机器,手动同步偏差又比较大,所以还是从网上找现成的解决方
- ZooKeeper3.4.6的集群部署
roadrunners
zookeeper集群部署
ZooKeeper是Apache的一个开源项目,在分布式服务中应用比较广泛。它主要用来解决分布式应用中经常遇到的一些数据管理问题,如:统一命名服务、状态同步、集群管理、配置文件管理、同步锁、队列等。这里主要讲集群中ZooKeeper的部署。
1、准备工作
我们准备3台机器做ZooKeeper集群,分别在3台机器上创建ZooKeeper需要的目录。
数据存储目录
- Java高效读取大文件
tomcat_oracle
java
读取文件行的标准方式是在内存中读取,Guava 和Apache Commons IO都提供了如下所示快速读取文件行的方法: Files.readLines(new File(path), Charsets.UTF_8); FileUtils.readLines(new File(path)); 这种方法带来的问题是文件的所有行都被存放在内存中,当文件足够大时很快就会导致
- 微信支付api返回的xml转换为Map的方法
xu3508620
xmlmap微信api
举例如下:
<xml>
<return_code><![CDATA[SUCCESS]]></return_code>
<return_msg><![CDATA[OK]]></return_msg>
<appid><