- 快速计算距离Annoy算法原理及Python使用
召唤师的峡谷
机器学习算法
快速计算距离Annoy算法基本原理高维稀疏数据进行快速相似查找,可以采用learningtohash参考:Minhashing&LSH&Simhash技术汇总,但高维稠密数据查找则采用annoy如何从海量文本中快速查找出相似的TopN文本Annoy(ApproximateNearestNeighborsOhYeah)快速算法,在实际应用中发现无论计算速度和准确性都非常不错。原始2D数据分布图:1.
- 2020-04-18
汪乔桉
HashMap底层实现原理及面试问题①HashMap的工作原理HashMap基于hashing原理,我们通过put()和get()方法储存和获取对象。当我们将键值对传递给put()方法时,它调用键对象的hashCode()方法来计算hashcode,让后找到bucket位置来储存值对象。当获取对象时,通过键对象的equals()方法找到正确的键值对,然后返回值对象。HashMap使用链表来解决碰撞
- sklearn:机器学习 分类特征编码category_encoders
Cachel wood
python机器学习和数据挖掘分类数据挖掘人工智能pythonpandassklearn机器学习
文章目录category_encoders简介OrdinalEncoder序列编码OneHotEncoder独热编码TargetEncoder目标编码BinaryEncoder二进制编码BaseNEncoder贝叶斯编码LeaveOneOutEncoder留一法HashingEncoder哈希编码CatBoostEncodercatboost目标编码CountEncoder频率编码WOEEncod
- Redis详解(六)渐进式rehash机制
fedorafrog
#NoSQL
在Redis中,键值对(Key-ValuePair)存储方式是由字典(Dict)保存的,而字典底层是通过哈希表来实现的。通过哈希表中的节点保存字典中的键值对。我们知道当HashMap中由于Hash冲突(负载因子)超过某个阈值时,出于链表性能的考虑,会进行Resize的操作。Redis也一样。在redis的具体实现中,使用了一种叫做渐进式哈希(rehashing)的机制来提高字典的缩放效率,避免re
- 海量数据相似数据查找方法(ANN):【高维稀疏向量的相似查找——MinHash, LSH, SimHash】【稠密向量的相似查找——Faiss、Annoy、ScaNN、Hnswlib】
u013250861
#RS/召回层#LLM/数据处理算法
主要分为高维稀疏向量和稠密向量两大方向。高维稀疏向量的相似查找——minhash,lsh,simhash针对高维稀疏数据情况,如何通过哈希技术进行快速进行相似查找。例如,推荐系统中item-user矩阵。如果你有item数量是百万级别,user是千万级别,这个矩阵是十分稀疏的。你如何计算每一个item的TopN相似item呢?同样海量文本场景,文本集合可以看成doc-word稀疏矩阵,如何求解每个
- sklearn.preprocessing 特征编码汇总
Cachel wood
python机器学习和数据挖掘sklearn人工智能pythonpandasydata机器学习
文章目录常见特征种类one-hot编码特征哈希(`Featurehashing`)基于统计的类别编码对循环特征的编码目标编码(Targetencoding)K折目标编码(K-FoldTargetencoding)用于数据分析的特征可能有多种形式,需要将其合理转化成模型能够处理的形式,特别是对非数值的特征,特征编码就是在做这样的工作。常见特征种类二值数据:只有两种取值的变量(不一定是0/1,但是可以
- 【推荐系统】DSSM双塔召回
sdbhewfoqi
推荐系统机器学习深度学习数据挖掘
召回综述:【推荐系统】推荐系统主流召回方法综述目录一、DSSM概念二、实践召回模型负例如何选择?是否做Norm?(应用trick)温度超参是什么?-->Loss要带温度超参2.1.美图架构图2.2.淘系架构图优化版本2.3.全民k歌架构图优化方法一、DSSM概念在推荐中的应用1、输入层wordhashing2、中间层(常用的DNN模型)3、匹配层将doc和query(item和user)的embe
- [转载]一个速度快内存占用小的一致性哈希算法
gensmusic
转载自:http://colobu.com/2016/03/22/jump-consistent-hash/一个速度快内存占用小的一致性哈希算法JumpConsistentHash一致性哈希最早由MIT的Karger提出,在发表于1997年的论文ConsistentHashingandRandomTrees:DistributedCachingProtocolsforRelievingHotSpo
- 【SparkML实践7】特征选择器FeatureSelector
周润发的弟弟
Spark机器学习spark-ml
本节介绍了用于处理特征的算法,大致可以分为以下几组:提取(Extraction):从“原始”数据中提取特征。转换(Transformation):缩放、转换或修改特征。选择(Selection):从更大的特征集中选择一个子集。局部敏感哈希(LocalitySensitiveHashing,LSH):这类算法结合了特征转换的方面与其他算法。FeatureSelectorsVectorSlicerVe
- 论文阅读-在分布式数据库环境中对哈希算法进行负载均衡基准测试
向来痴_
分布式数据库负载均衡论文阅读
论文名称:BenchmarkingHashingAlgorithmsforLoadBalancinginaDistributedDatabaseEnvironment摘要现代高负载应用使用多个数据库实例存储数据。这样的架构需要数据一致性,并且确保数据在节点之间均匀分布很重要。负载均衡被用来实现这些目标。几乎所有负载均衡系统的核心都是哈希算法。自经典一致性哈希引入以来,已经为此目的设计了许多算法。负
- An End-to-End Learning-Based Metadata Management Approach for Distributed File Systems——论文阅读
妙BOOK言
论文阅读论文阅读分布式
TC2022Paper,元数据论文阅读汇总“multiplemetadataserver(MDS)”多个元数据服务器“localitypreservinghashing(LPH)”局部保持哈希“MultipleSubsetSumProblem(MSSP).”多子集和问题“polynomial-timeapproximationscheme(PTAS)”多项式时间近似方法背景分布式元数据的挑战目前的
- 【Spark实践6】特征转换FeatureTransformers实践Scala版--补充算子
周润发的弟弟
Spark机器学习sparkscala大数据
本节介绍了用于处理特征的算法,大致可以分为以下几组:提取(Extraction):从“原始”数据中提取特征。转换(Transformation):缩放、转换或修改特征。选择(Selection):从更大的特征集中选择一个子集。局部敏感哈希(LocalitySensitiveHashing,LSH):这类算法结合了特征转换的方面与其他算法。FeatureTransformersIndexToStri
- 【SparkML实践5】特征转换FeatureTransformers实战scala版
周润发的弟弟
Spark机器学习spark-mlscala开发语言
本节介绍了用于处理特征的算法,大致可以分为以下几组:提取(Extraction):从“原始”数据中提取特征。转换(Transformation):缩放、转换或修改特征。选择(Selection):从更大的特征集中选择一个子集。局部敏感哈希(LocalitySensitiveHashing,LSH):这类算法结合了特征转换的方面与其他算法。本章节主要讲转换1FeatureTransformersTo
- 【SparkML系列3】特征提取器TF-IDF、Word2Vec和CountVectorizer
周润发的弟弟
spark-mltf-idfword2vec
本节介绍了用于处理特征的算法,大致可以分为以下几组:提取(Extraction):从“原始”数据中提取特征。转换(Transformation):缩放、转换或修改特征。选择(Selection):从更大的特征集中选择一个子集。局部敏感哈希(LocalitySensitiveHashing,LSH):这类算法结合了特征转换的方面与其他算法。###FeatureExtractors(特征提取器)###
- Vue项目 封装Element-ui中的el-pagination作为公用分页组件
小刘爱搬砖
Vuevue.jsjavascriptui
原文链接:https://www.cnblogs.com/lsh-admin/p/16071060.html原因:分页在项目当中使用非常频繁,因此就将el-pagination封装为了一个全局组件1.首先在components下面新建一个pagination.vue文件import{scrollTo}from'@/utils/scroll-to'exportdefault{name:'Pagina
- 使用spark mllib训练中文文本分类器的
DreamNotOver
spark-ml中文分类
importorg.apache.spark.mllib.classification.NaiveBayesimportorg.apache.spark.mllib.feature.HashingTFimportorg.apache.spark.mllib.linalg.Vectorsimportorg.apache.spark.sql.functions._objectChineseTextCl
- 使用 Spark MLlib 使用 jieba 分词训练中文分类器
DreamNotOver
spark-ml中文分类集群
importorg.apache.spark.ml.classification.NaiveBayesimportorg.apache.spark.ml.feature.HashingTFimportorg.apache.spark.sql.functions._importjieba.{JiebaSegmenter,WordPunctTokenizer}objectChineseTextClas
- How To Write Shared Libraries(10)
i_need_job
1.5.2SymbolRelocations(3)Tomeasuretheeffectivenessofthehashingtwonumbersareimportant:•Theaveragechainlengthforasuccessfullookup.•Theaveragechainlengthforanunsuccessfullookup.度量hash效率两个维度:查找到的平均链长度。查找失
- 向量数据库(1)
Aring88
人工智能向量数据库人工智能数据库python
一、向量数据库1,什么是向量数据库专门存储和查询向量数据的数据库系统,通过高翔的向量索引和查询功能,使得在大规模向量数据集上进行相似性搜索和分析变得更高效和容易。存储向量数据:处理百万或者十亿的大规模数据集向量索引:使用特殊索引结构,如KD-Tree,LSH(局部敏感哈希),HNSW(高纬空间网络)常用。加速向量的相似性搜索。能高效与查询相似的想来根相似性搜索:根据查询的向量相似来搜索、检索最相关
- Kong工作原理 - 负载均衡 - 负载均衡算法
费曼乐园
Kongkonggateway
负载均衡器支持以下负载均衡算法:1.轮询(Round-robin)2.一致性哈希(ConsistentHashing)3.最少连接(LeastConnections)4.延迟(Latency)这些算法仅在使用upstream实体时可用,详见高级负载均衡。注意:对于所有这些算法,重要的是要了解如何设置每个后端的权重和端口。轮询轮询算法将以加权方式进行。它在结果上与基于DNS的负载均衡相同,但由于它是
- PAT甲级A1078---素数
1nvad3r
1078Hashing(25分)1078分析:给一个mszie和n个数,要求输出每一个数在散列表中的位置。使用正向平方探测法。如果msize不是质数,则往上寻找一个最小的质数替代。使用hashTable记录每个位置是否存放值。注意正向平方探测的方法是M=(a+step*step)%msize,step从1一直增长到msize(可以证明如果达到msize时还无法插入,则这个元素无法被插入)。C++:
- Linux查询内存占用情况以及服务器内大文件
liaozk_c
日常工作总结linux运维服务器
内存占用率free-m查看硬盘空间大小df-lh显示大于100MiB(注意不是100MB,MiB和MB的区别)的所有文件find/-size+100M-ls查看根目录占用大小du-sh/*2>dev.null|sort-hr|head-3列出/bin目录中的5个最大文件ls-lSh/bin|head-5查找/目录下最大的一个文件sudofind/-typef-printf“%s\t%p\n”|so
- 局部敏感哈希LSH
囧囧侠道
LSH局部敏感哈希问题场景:快速的从海量高维数据集合中找到与某个数据最相似(距离最近)的一个数据或多个数据局部敏感:指样本越相似,经过哈希后的值越可能一样。通过建立HashTable的方式,我们期望能够获得O(1)的查找时间性能,其中的关键在于选取一个hashfunction,将原始数据映射到对应的桶内(bucket)。以下以jacarrd距离为度量(对应的哈希函数为minhash)。简要介绍LS
- django大数据_草稿本01
哈都婆
django
文档Learning_Spark/5.SparkStreaming/ReadMe.mdatmaster·LeslieZhoa/Learning_Spark#在pyspark下运行frompyspark.ml.featureimportHashingTF,IDF,Tokenizer#导入相关包#创建一个dataframe,toDF为定义列名sentenceData=spark.createDataF
- CMU15-445-Spring-2023-Project #2 - 前置知识(lec07-010)
gongyuandaye
Linux服务器编程哈希算法散列表笔记cmulecture
Lecture#07_HashTablesDataStructuresHashTable哈希表将键映射到值。它提供平均O(1)的操作复杂度(最坏情况下为O(n))和O(n)的存储复杂度。由两部分组成:HashFunction和HashingScheme(发生冲突后的处理)HashFunctionsDBMS一般只关注散列速度和冲突率,不考虑安全性SOTA:FacebookXXHash3StaticH
- Java Hashing:从重写HashCode到可变对象
Java架构师CAT
这是一篇关于hashCode方法,可变对象和内存泄漏问题的文章。1.重写hashCode()和equals()的契约每个java对象都有两个非常重要的方法,比如hashCode()和equals()方法。这些方法旨在根据其特定的一般规则进行重写。本文描述了为什么以及如何覆盖hashCode()方法,该方法在使用HashMap,HashSet或任何Collection时保留HashCode的契约。1
- Redis连接池的升级,构建分布式redis连接池
菜鸟程序员一枚
RedisShardePool.javapackagecom.jmall.common;importcom.jmall.util.PropertiesUtil;importredis.clients.jedis.*;importredis.clients.util.Hashing;importredis.clients.util.Sharded;importjava.util.ArrayList;
- Linux中经常使用的相关命令
图灵追慕者
Linuxlinux服务器复制文件删除文件移动文件
查看硬盘存储容量使用情况: df-lh 列出/bin目录中的5个最大文件:ls-lSh/bin|head-5删除文件和文件夹在Linux中,要删除文件的命令是rm。你可以使用以下命令来删除一个文件:rmfile_name如果要删除多个文件,可以在命令中列出它们的文件名,如:rmfile1file2file3你可以使用以下命令来删除一个空文件夹:rm-dfolder_name如果文件夹中有文件或其他
- 局部敏感哈希LSH(Locality-Sensitive Hashing)——海量数据相似性查找技术
飞剑客阿飞
一、前言 最近在工作中需要对海量数据进行相似性查找,即对微博全量用户进行关注相似度计算,计算得到每个用户关注相似度最高的TOP-N个用户,首先想到的是利用简单的协同过滤,先定义相似性度量(cos,Pearson,Jaccard),然后利用通过两两计算相似度,计算top-n进行筛选,这种方法的时间复杂度为(对于每个用户,都和其他任意一个用户进行了比较)但是在实际应用中,对于亿级的用户量,这个时
- FO with Prefix Hashing & KEM Generalizations
山登绝顶我为峰 3(^v^)3
基础密码学算法密码学数学同态加密
参考文献:[Has88]HastadJ.Solvingsimultaneousmodularequationsoflowdegree[J].siamJournalonComputing,1988,17(2):336-341.[BBM00]BellareM,BoldyrevaA,MicaliS.Public-keyencryptioninamulti-usersetting:Securityproo
- Spring中@Value注解,需要注意的地方
无量
springbean@Valuexml
Spring 3以后,支持@Value注解的方式获取properties文件中的配置值,简化了读取配置文件的复杂操作
1、在applicationContext.xml文件(或引用文件中)中配置properties文件
<bean id="appProperty"
class="org.springframework.beans.fac
- mongoDB 分片
开窍的石头
mongodb
mongoDB的分片。要mongos查询数据时候 先查询configsvr看数据在那台shard上,configsvr上边放的是metar信息,指的是那条数据在那个片上。由此可以看出mongo在做分片的时候咱们至少要有一个configsvr,和两个以上的shard(片)信息。
第一步启动两台以上的mongo服务
&nb
- OVER(PARTITION BY)函数用法
0624chenhong
oracle
这篇写得很好,引自
http://www.cnblogs.com/lanzi/archive/2010/10/26/1861338.html
OVER(PARTITION BY)函数用法
2010年10月26日
OVER(PARTITION BY)函数介绍
开窗函数 &nb
- Android开发中,ADB server didn't ACK 解决方法
一炮送你回车库
Android开发
首先通知:凡是安装360、豌豆荚、腾讯管家的全部卸载,然后再尝试。
一直没搞明白这个问题咋出现的,但今天看到一个方法,搞定了!原来是豌豆荚占用了 5037 端口导致。
参见原文章:一个豌豆荚引发的血案——关于ADB server didn't ACK的问题
简单来讲,首先将Windows任务进程中的豌豆荚干掉,如果还是不行,再继续按下列步骤排查。
&nb
- canvas中的像素绘制问题
换个号韩国红果果
JavaScriptcanvas
pixl的绘制,1.如果绘制点正处于相邻像素交叉线,绘制x像素的线宽,则从交叉线分别向前向后绘制x/2个像素,如果x/2是整数,则刚好填满x个像素,如果是小数,则先把整数格填满,再去绘制剩下的小数部分,绘制时,是将小数部分的颜色用来除以一个像素的宽度,颜色会变淡。所以要用整数坐标来画的话(即绘制点正处于相邻像素交叉线时),线宽必须是2的整数倍。否则会出现不饱满的像素。
2.如果绘制点为一个像素的
- 编码乱码问题
灵静志远
javajvmjsp编码
1、JVM中单个字符占用的字节长度跟编码方式有关,而默认编码方式又跟平台是一一对应的或说平台决定了默认字符编码方式;2、对于单个字符:ISO-8859-1单字节编码,GBK双字节编码,UTF-8三字节编码;因此中文平台(中文平台默认字符集编码GBK)下一个中文字符占2个字节,而英文平台(英文平台默认字符集编码Cp1252(类似于ISO-8859-1))。
3、getBytes()、getByte
- java 求几个月后的日期
darkranger
calendargetinstance
Date plandate = planDate.toDate();
SimpleDateFormat df = new SimpleDateFormat("yyyy-MM-dd");
Calendar cal = Calendar.getInstance();
cal.setTime(plandate);
// 取得三个月后时间
cal.add(Calendar.M
- 数据库设计的三大范式(通俗易懂)
aijuans
数据库复习
关系数据库中的关系必须满足一定的要求。满足不同程度要求的为不同范式。数据库的设计范式是数据库设计所需要满足的规范。只有理解数据库的设计范式,才能设计出高效率、优雅的数据库,否则可能会设计出错误的数据库.
目前,主要有六种范式:第一范式、第二范式、第三范式、BC范式、第四范式和第五范式。满足最低要求的叫第一范式,简称1NF。在第一范式基础上进一步满足一些要求的为第二范式,简称2NF。其余依此类推。
- 想学工作流怎么入手
atongyeye
jbpm
工作流在工作中变得越来越重要,很多朋友想学工作流却不知如何入手。 很多朋友习惯性的这看一点,那了解一点,既不系统,也容易半途而废。好比学武功,最好的办法是有一本武功秘籍。研究明白,则犹如打通任督二脉。
系统学习工作流,很重要的一本书《JBPM工作流开发指南》。
本人苦苦学习两个月,基本上可以解决大部分流程问题。整理一下学习思路,有兴趣的朋友可以参考下。
1 首先要
- Context和SQLiteOpenHelper创建数据库
百合不是茶
androidContext创建数据库
一直以为安卓数据库的创建就是使用SQLiteOpenHelper创建,但是最近在android的一本书上看到了Context也可以创建数据库,下面我们一起分析这两种方式创建数据库的方式和区别,重点在SQLiteOpenHelper
一:SQLiteOpenHelper创建数据库:
1,SQLi
- 浅谈group by和distinct
bijian1013
oracle数据库group bydistinct
group by和distinct只了去重意义一样,但是group by应用范围更广泛些,如分组汇总或者从聚合函数里筛选数据等。
譬如:统计每id数并且只显示数大于3
select id ,count(id) from ta
- vi opertion
征客丶
macoprationvi
进入 command mode (命令行模式)
按 esc 键
再按 shift + 冒号
注:以下命令中 带 $ 【在命令行模式下进行】,不带 $ 【在非命令行模式下进行】
一、文件操作
1.1、强制退出不保存
$ q!
1.2、保存
$ w
1.3、保存并退出
$ wq
1.4、刷新或重新加载已打开的文件
$ e
二、光标移动
2.1、跳到指定行
数字
- 【Spark十四】深入Spark RDD第三部分RDD基本API
bit1129
spark
对于K/V类型的RDD,如下操作是什么含义?
val rdd = sc.parallelize(List(("A",3),("C",6),("A",1),("B",5))
rdd.reduceByKey(_+_).collect
reduceByKey在这里的操作,是把
- java类加载机制
BlueSkator
java虚拟机
java类加载机制
1.java类加载器的树状结构
引导类加载器
^
|
扩展类加载器
^
|
系统类加载器
java使用代理模式来完成类加载,java的类加载器也有类似于继承的关系,引导类是最顶层的加载器,它是所有类的根加载器,它负责加载java核心库。当一个类加载器接到装载类到虚拟机的请求时,通常会代理给父类加载器,若已经是根加载器了,就自己完成加载。
虚拟机区分一个Cla
- 动态添加文本框
BreakingBad
文本框
<script> var num=1; function AddInput() { var str=""; str+="<input 
- 读《研磨设计模式》-代码笔记-单例模式
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/
public class Singleton {
}
/*
* 懒汉模式。注意,getInstance如果在多线程环境中调用,需要加上synchronized,否则存在线程不安全问题
*/
class LazySingleton
- iOS应用打包发布常见问题
chenhbc
iosiOS发布iOS上传iOS打包
这个月公司安排我一个人做iOS客户端开发,由于急着用,我先发布一个版本,由于第一次发布iOS应用,期间出了不少问题,记录于此。
1、使用Application Loader 发布时报错:Communication error.please use diagnostic mode to check connectivity.you need to have outbound acc
- 工作流复杂拓扑结构处理新思路
comsci
设计模式工作算法企业应用OO
我们走的设计路线和国外的产品不太一样,不一样在哪里呢? 国外的流程的设计思路是通过事先定义一整套规则(类似XPDL)来约束和控制流程图的复杂度(我对国外的产品了解不够多,仅仅是在有限的了解程度上面提出这样的看法),从而避免在流程引擎中处理这些复杂的图的问题,而我们却没有通过事先定义这样的复杂的规则来约束和降低用户自定义流程图的灵活性,这样一来,在引擎和流程流转控制这一个层面就会遇到很
- oracle 11g新特性Flashback data archive
daizj
oracle
1. 什么是flashback data archive
Flashback data archive是oracle 11g中引入的一个新特性。Flashback archive是一个新的数据库对象,用于存储一个或多表的历史数据。Flashback archive是一个逻辑对象,概念上类似于表空间。实际上flashback archive可以看作是存储一个或多个表的所有事务变化的逻辑空间。
- 多叉树:2-3-4树
dieslrae
树
平衡树多叉树,每个节点最多有4个子节点和3个数据项,2,3,4的含义是指一个节点可能含有的子节点的个数,效率比红黑树稍差.一般不允许出现重复关键字值.2-3-4树有以下特征:
1、有一个数据项的节点总是有2个子节点(称为2-节点)
2、有两个数据项的节点总是有3个子节点(称为3-节
- C语言学习七动态分配 malloc的使用
dcj3sjt126com
clanguagemalloc
/*
2013年3月15日15:16:24
malloc 就memory(内存) allocate(分配)的缩写
本程序没有实际含义,只是理解使用
*/
# include <stdio.h>
# include <malloc.h>
int main(void)
{
int i = 5; //分配了4个字节 静态分配
int * p
- Objective-C编码规范[译]
dcj3sjt126com
代码规范
原文链接 : The official raywenderlich.com Objective-C style guide
原文作者 : raywenderlich.com Team
译文出自 : raywenderlich.com Objective-C编码规范
译者 : Sam Lau
- 0.性能优化-目录
frank1234
性能优化
从今天开始笔者陆续发表一些性能测试相关的文章,主要是对自己前段时间学习的总结,由于水平有限,性能测试领域很深,本人理解的也比较浅,欢迎各位大咖批评指正。
主要内容包括:
一、性能测试指标
吞吐量、TPS、响应时间、负载、可扩展性、PV、思考时间
http://frank1234.iteye.com/blog/2180305
二、性能测试策略
生产环境相同 基准测试 预热等
htt
- Java父类取得子类传递的泛型参数Class类型
happyqing
java泛型父类子类Class
import java.lang.reflect.ParameterizedType;
import java.lang.reflect.Type;
import org.junit.Test;
abstract class BaseDao<T> {
public void getType() {
//Class<E> clazz =
- 跟我学SpringMVC目录汇总贴、PDF下载、源码下载
jinnianshilongnian
springMVC
----广告--------------------------------------------------------------
网站核心商详页开发
掌握Java技术,掌握并发/异步工具使用,熟悉spring、ibatis框架;
掌握数据库技术,表设计和索引优化,分库分表/读写分离;
了解缓存技术,熟练使用如Redis/Memcached等主流技术;
了解Ngin
- the HTTP rewrite module requires the PCRE library
流浪鱼
rewrite
./configure: error: the HTTP rewrite module requires the PCRE library.
模块依赖性Nginx需要依赖下面3个包
1. gzip 模块需要 zlib 库 ( 下载: http://www.zlib.net/ )
2. rewrite 模块需要 pcre 库 ( 下载: http://www.pcre.org/ )
3. s
- 第12章 Ajax(中)
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/
- Optimize query with Query Stripping in Web Intelligence
blueoxygen
BO
http://wiki.sdn.sap.com/wiki/display/BOBJ/Optimize+query+with+Query+Stripping+in+Web+Intelligence
and a very straightfoward video
http://www.sdn.sap.com/irj/scn/events?rid=/library/uuid/40ec3a0c-936
- Java开发者写SQL时常犯的10个错误
tomcat_oracle
javasql
1、不用PreparedStatements 有意思的是,在JDBC出现了许多年后的今天,这个错误依然出现在博客、论坛和邮件列表中,即便要记住和理解它是一件很简单的事。开发者不使用PreparedStatements的原因可能有如下几个: 他们对PreparedStatements不了解 他们认为使用PreparedStatements太慢了 他们认为写Prepar
- 世纪互联与结盟有感
阿尔萨斯
10月10日,世纪互联与(Foxcon)签约成立合资公司,有感。
全球电子制造业巨头(全球500强企业)与世纪互联共同看好IDC、云计算等业务在中国的增长空间,双方迅速果断出手,在资本层面上达成合作,此举体现了全球电子制造业巨头对世纪互联IDC业务的欣赏与信任,另一方面反映出世纪互联目前良好的运营状况与广阔的发展前景。
众所周知,精于电子产品制造(世界第一),对于世纪互联而言,能够与结盟