心物一元
心物一元

熵

二十多前读过美国学者里夫金写的一本书:《熵，一种新的世界观》感悟颇深。

熵是描述一个系统状态的物量，熵增定律就是热力学第二定律，能量守恒定律或物质不灭定律是热力学第一定律。热力学第二定律给热力学第一定律规定了一个方向，即热只能由高温物体向低温物传播，这个方向是不可逆的。也就是一个封闭系统熵是不断增加的，一直达到无序或混沌状态，幸好我们这个地球、这个宇宙是开放的。很早以前，也看过方励之写的一篇文章，名字大概叫《宇宙为何不热死》，宇宙诞生的初期应该是无序和混沌的，在引力的作用下，宇宙才有了结构，才趋向于有序。可是按照热力学第二定律，由于熵不断增加，宇宙应该趋向于无序才对，虽然由于宇宙是开放系统，因为有负熵引入，宇宙不会热寂而死，但总的发展方是从有序到无序。所以在《熵，一种新的世界观》中，古希腊把他们那个世界称为黄金时代，把我们现在这个时代称为铁器时代，这就是熵的世界观。

大乘佛教秉持的不二理论，没有什么有序和无序的问题，已超越了有无。有无一如。佛教的三界唯心，万法唯识，我法皆空，熵大概处于中间值吧?

你可能感兴趣的:(熵)

  • [创业之路-484]：企业经营层 - 职场人如何识别积极的工作环境：信任机制：从「分工协作」到「全能防御」；目标聚焦：从「价值创造」到「风险规避」；系统进化：从「熵减秩序」到「熵增混乱」。
    前言：在一个分工明确安全可靠公平化的系统中，每个人只需要认真完成自己的目标，把其他环节交给受信任的队友，技术人只要关注技术，不需要防范被别人算计和坑害或吃亏。在一个不可靠不安全人治危机四伏的系统中，每个人不仅需要完成自己的目标，还需要把自己变成全才，以避免自己的付出在脱节的环节被淹没，还要关注各种无关的隐情，以避免在信息不对称时别忽悠，技术人员不仅仅要关注技术，还要人事，以防止一不小心暗算与坑害。
  • 深度学习相关指标工作笔记 Victor Zhong AI框架深度学习笔记人工智能
    这里写目录标题检测指标iou/Ｇou/Ｄiou/ＣiouMSE(MeanSquaredError)(均方误差)(回归问题)交叉熵损失函数(CrossEntropyErrorFunction)(分类问题)检测指标iou/Ｇou/Ｄiou/ＣiouIntersectionoverUnion(IoU)是目标检测里一种重要的评价值交并比令人遗憾的是IoU无法优化无重叠的bboxes如果用IoU作为loss
  • 交叉熵损失和负熵似然损失（对分类器有用） 流量留 深度学习人工智能机器学习算法
    1.**交叉熵损失（Cross-EntropyLoss）**-**定义**-交叉熵损失是用来衡量分类模型输出的概率分布与真实标签的概率分布之间的差异。假设对于一个分类任务，有\(C\)个类别，模型对第\(i\)个样本的输出是一个概率分布\(\mathbf{p}_i=[p_{i1},p_{i2},\dots,p_{iC}]\)，其中\(p_{ic}\)表示模型预测样本属于第\(c\)类的概率。真实标
  • Python Day53 别勉. python机器学习python开发语言
    Task：1.对抗生成网络的思想：关注损失从何而来2.生成器、判别器3.nn.sequential容器：适合于按顺序运算的情况，简化前向传播写法4.leakyReLU介绍：避免relu的神经元失活现象1.对抗生成网络的思想：关注损失从何而来这是理解GANs的关键！传统的神经网络训练中，我们通常会直接定义一个损失函数（如均方误差MSE、交叉熵CE），然后通过反向传播来优化这个损失。这个损失的“来源”
  • . 生命 . lyx 弈心 写作思考
    万物有灵，要说生命几许，兴许每一个生灵，如今曾经，都诉说着意义。兴许无穷的时间以前，一切都不曾有意义。我们从不知道时间是什么，它与熵诉说着相同的单向性，却无从知晓，这洪荒的规则究竟来自哪里。它仿佛数轴上的点，无法穷尽。零至一上的点便与整个数轴上的点有这相同的数量，仿若时间，瞬间便是永恒，而永恒，存在于个体诉说它的一瞬。个体怎会知晓究竟生命何许，便去抓住那时间里的意义。给时间以生命，而非给生命以时间
  • C2远控篇&Golang&Rust&冷门语言&Loader加载器&对抗优势&减少熵值特征
    #C2远控-ShellCode-认知&环境1.创建工程时关闭SDL检查2.属性->C/C++->代码生成->运行库->多线程(/MT)如果是debug则设置成MTD3.属性->C/C++->代码生成->禁用安全检查GS4.关闭生成清单属性->链接器->清单文件->生成清单选择否#C2远控-ShellCode-分析&提取ShellCode的本质其实就是一段可以自主运行的代码。它没有任何文件结构，它不
  • 从 “啃书焦虑” 到 “项目通关”：NLP 学习的破局之道 木旭林晖 自然语言处理学习人工智能
    嘿，你好。在CSDN上潜水这么久，我总能看到很多像你我当年一样，怀揣着NLP大厂梦的同学。我猜，你的收藏夹里一定塞满了“NLP必读清单”，书架上可能还放着那本厚得像砖头一样的《统计学习方法》或者“龙书”。每天深夜，你可能都在跟一个又一个复杂的数学公式死磕。什么最大熵模型、什么CRF（条件随机场）的推导……你觉得自己离“精通”越来越近，但心里却越来越慌。为什么慌？因为你打开招聘软件，看到JD（职位描
  • 【重构推荐系统】国产大模型驱动的电商个性化推荐完整实战：架构设计、推理优化与在线部署闭环 观熵 国产大模型部署实战全流程指南重构人工智能Agent智能体落地方案
    个人简介作者简介：全栈研发，具备端到端系统落地能力，专注大模型的压缩部署、多模态理解与Agent架构设计。热爱“结构”与“秩序”，相信复杂系统背后总有简洁可控的可能。我叫观熵。不是在控熵，就是在观测熵的流动个人主页：观熵个人邮箱：[email protected]座右铭：愿科技之光，不止照亮智能，也照亮人心！专栏导航观熵系列专栏导航：AI前沿探索：从大模型进化、多模态交互、AIGC内容生成，到
  • Pyeeg模块部分功能介绍 脑电情绪识别 脑电情绪识别python神经网络深度学习pycharm
    1.pyeeg简单介绍PyEEG是一个Python模块（即函数库），用于提取EEG（脑电）特征。正在添加更多功能。它包含构建用于特征提取的数据的函数，例如从给定的时间序列构建嵌入序列。它还能够将功能导出为svmlight格式，以便调用机器学习及深度学习工具。2.部分函数介绍1.pyeeg.ap_entropy(X,M,R)pyeeg.ap_entropy(X, M, R)计算时间序列X的近似熵（A
  • 熵增定律与人际关系-整理 吾883721 模型及认知学习
    01.什么是熵增定律？熵增定律的定义十分简单：在一个孤立系统里，如果没有外力做功，其总混乱度（即熵）会不断增大。这项定义里有三个关键词：孤立系统、无外力做功、总混乱度（熵）。熵增定律被称为最让人沮丧的定律，它不仅预示了宇宙终将归于热寂，生命终将消失，而从小的方面来说，它也揭示了我们许多人性的弱点：安于现状，害怕变化，难以坚持，难以自律，不爱思考，说话做事逻辑混乱，缺乏原则......02.整个生命
  • 深入解析ID3算法：信息熵驱动的决策树构建基石 大千AI助手 人工智能Python#OTHER算法决策树机器学习人工智能DecisionTreeID3信息熵
    本文来自「大千AI助手」技术实战系列，专注用真话讲技术，拒绝过度包装。ID3（IterativeDichotomiser3）是机器学习史上的里程碑算法，由RossQuinlan于1986年提出。它首次将信息论引入决策树构建，奠定了现代决策树的理论基础。本文将深入剖析其数学本质与实现细节。往期文章推荐:20.用Mermaid代码画ER图：AI时代的数据建模利器19.ER图：数据库设计的可视化语言-搞
  • MATLAB实现基于基元共生矩阵的纹理特征提取方法 杏花朵朵
    本文还有配套的精品资源，点击获取简介：纹理特征提取在图像处理中对于模式识别和分类等应用至关重要。本文将详细介绍如何在MATLAB中使用基元共生矩阵（PCM）来提取图像的纹理特征。基元共生矩阵通过统计像素对在特定距离和方向上的相对位置关系来描述纹理的局部结构。本方法首先定义不同的方格和方向，然后计算共生矩阵，并从中提取出对比度、能量、熵、相关性等统计特征。最后，这些统计特征被组合成特征向量，用于图像
  • 理解自信息和信息熵——为什么自信息这样算？ Colin_Downey 随笔信息熵机器学习概率论
    一直对香农的信息熵(InformationEntropy)都没有一个非常感性的认识，今日摸鱼学习了一下这个问题。我们先来看看香农是怎么看待交流中的“信息”：“Thefundamentalproblemofcommunicationisthatofreproducingatonepointeitherexactlyorapproximatelyamessageselectedatanotherpoi
  • 从语言行为到调用协议：智能体通信的五种底层格式 观熵 AgenticAI架构实战全流程人工智能智能体
    个人简介作者简介：全栈研发，具备端到端系统落地能力，专注大模型的压缩部署、多模态理解与Agent架构设计。热爱“结构”与“秩序”，相信复杂系统背后总有简洁可控的可能。我叫观熵。不是在控熵，就是在观测熵的流动个人主页：观熵个人邮箱：[email protected]座右铭：愿科技之光，不止照亮智能，也照亮人心！专栏导航观熵系列专栏导航：AI前沿探索：从大模型进化、多模态交互、AIGC内容生成，到
  • MSE做多分类任务如何
    用「考试打分」来类比，秒懂为啥多分类任务很少用MSE，以及硬用会出啥问题～一、多分类任务的「常规操作」：交叉熵vsMSE1.多分类任务长啥样？例子：手写数字识别（0-9共10类）、动物图片分类（猫/狗/鸟等）。目标：模型输出每个类别的概率，选概率最高的作为预测结果。2.交叉熵为啥是「标配」？输出：配合softmax激活函数，输出每个类别的概率（和为1）。判卷逻辑：看「预测概率是否接近真实类别」，比
  • 打造可控可信的智能体调度核心：MCP 中控协议架构实战与服务端实现 观熵 AgenticAI架构实战全流程架构人工智能智能体AgentMCP
    个人简介作者简介：全栈研发，具备端到端系统落地能力，专注大模型的压缩部署、多模态理解与Agent架构设计。热爱“结构”与“秩序”，相信复杂系统背后总有简洁可控的可能。我叫观熵。不是在控熵，就是在观测熵的流动个人主页：观熵个人邮箱：[email protected]座右铭：愿科技之光，不止照亮智能，也照亮人心！专栏导航观熵系列专栏导航：AI前沿探索：从大模型进化、多模态交互、AIGC内容生成，到
  • 逻辑回归中的损失函数：交叉熵损失详解与推导 AI天才研究院 ChatGPT计算AI大模型应用入门实战与进阶逻辑回归算法机器学习ai
    逻辑回归中的损失函数：交叉熵损失详解与推导关键词：逻辑回归、交叉熵损失、损失函数、二分类、多分类、极大似然估计、梯度下降摘要：本文深入解析逻辑回归中核心的交叉熵损失函数，从信息论基础出发，逐步推导二分类与多分类场景下的损失函数形式，结合极大似然估计揭示其理论本质。通过Python代码实现损失函数计算与梯度推导，辅以实战案例演示完整训练流程。同时对比均方误差等其他损失函数，阐释交叉熵在分类问题中的独
  • Multi-Agent 任务协同架构实战：构建智能体角色分工与调度机制 观熵 AgenticAI架构实战全流程FoundationAgent架构人工智能智能体Agent
    个人简介作者简介：全栈研发，具备端到端系统落地能力，专注大模型的压缩部署、多模态理解与Agent架构设计。热爱“结构”与“秩序”，相信复杂系统背后总有简洁可控的可能。我叫观熵。不是在控熵，就是在观测熵的流动个人主页：观熵个人邮箱：[email protected]座右铭：愿科技之光，不止照亮智能，也照亮人心！专栏导航观熵系列专栏导航：AI前沿探索：从大模型进化、多模态交互、AIGC内容生成，到
  • 机器学习与深度学习21-信息论 my_q 机器学习与深度学习机器学习深度学习人工智能
    目录前文回顾1.信息上的概念2.相对熵是什么3.互信息是什么4.条件熵和条件互信息5.最大熵模型6.信息增益与基尼不纯度前文回顾上一篇文章链接：地址1.信息上的概念信息熵（Entropy）是信息理论中用于度量随机变量不确定性的概念。它表示了对一个随机事件发生的预测的平均困惑程度或信息量。对于一个离散型随机变量X，其信息熵H(X)定义为所有可能取值的负概率加权平均。数学上，可以使用以下公式来计算离散
  • 多分类与多标签分类的损失函数 麦格芬230 自然语言处理
    使用神经网络处理多分类任务时，一般采用softmax作为输出层的激活函数，使用categorical_crossentropy（多类别交叉熵损失函数）作为损失函数，输出层包含k个神经元对应k个类别。在多标签分类任务中，一般采用sigmoid作为输出层的激活函数，使用binary_crossentropy（二分类交叉熵损失函数）作为损失函数，就是将最后分类层的每个输出节点使用sigmoid激活函数激
  • 【AI论文】超越80/20规则：高熵少数令牌驱动LLM推理的有效强化学习 东临碣石82 人工智能
    摘要：具有可验证奖励的强化学习（RLVR）已经成为一种增强大型语言模型（LLM）推理能力的强大方法，但其机制尚未得到很好的理解。在这项工作中，我们通过标记熵模式的新视角对RLVR进行了开创性的探索，全面分析了不同标记如何影响推理性能。通过检查思想链（CoT）推理中的标记熵模式，我们观察到只有一小部分标记表现出高熵，这些标记充当关键分叉，引导模型朝向不同的推理路径。此外，研究RLVR训练过程中熵模式
  • 生成对抗网络（GAN）基础原理深度解析：从直观理解到形式化表达 青柚MATLAB学习 对抗网络生成对抗网络GAN生成器判别器目标函数交叉熵损失
    摘要本文详细解析生成对抗网络（GAN）的核心原理，从通俗类比入手，结合印假钞与警察博弈的案例阐述生成器与判别器的对抗机制；通过模型结构示意图，解析噪声采样、样本生成及判别流程；基于公式推导目标函数的数学本质，剖析判别器与生成器的优化逻辑；最后对比GAN目标函数与交叉熵损失的关联差异。本文结合公式推导与概念对比，助力读者建立GAN基础理论体系。关键词：生成对抗网络GAN生成器判别器目标函数交叉熵损失
  • Qwen2.5-Omni 多模态部署保姆级教程：图文问答×接口调用×Gradio UI 全都有 观熵 国产大模型部署实战全流程指南ui人工智能通义千问大模型封装深度学习
    个人简介作者简介：全栈研发，具备端到端系统落地能力，专注大模型的压缩部署、多模态理解与Agent架构设计。热爱“结构”与“秩序”，相信复杂系统背后总有简洁可控的可能。我叫观熵。不是在控熵，就是在观测熵的流动个人主页：观熵个人邮箱：[email protected]座右铭：愿科技之光，不止照亮智能，也照亮人心！专栏导航观熵系列专栏导航：AI前沿探索：从大模型进化、多模态交互、AIGC内容生成，到
  • 强化学习的前世今生（五）— SAC算法 小于小于大橙子 算法概率论强化学习人工智能自动驾驶AI
    书接前四篇强化学习的前世今生（一）强化学习的前世今生（二）强化学习的前世今生（三）—PPO算法强化学习的前世今生（四）—DDPG算法本文为大家介绍SAC算法7SAC7.1最大熵强化学习在信息论中，熵(entropy)是用来衡量一个随机变量不确定性大小的度量，对于一个随机变量XXX，其定义为H(X)=Ex∼p(x)[−log⁡p(x)](7.1)\begin{align*}H(X)&=\mathbb
  • 高光谱成像相机：基于高光谱成像技术的玉米种子纯度检测研究 中达瑞和-高光谱·多光谱 相机
    种子纯度是衡量种子质量的核心指标之一，直接影响农作物产量与品质。传统检测方法（如形态学观察、生化分析）存在耗时长、破坏样本、依赖人工等缺陷。近年来，高光谱成像技术因其融合光谱与图像信息的优势，成为无损检测领域的研究热点。中达瑞和作为国内高光谱成像设备的领先供应商，可实现国产替代，助力科研院校进行高光谱成像领域的研究和探索。本研究基于高光谱相机，结合图像熵特征与机器学习算法，实现了多品种玉米种子的快
  • GRPO / PPO / DPO 在医疗场景下的 LLM 优化与源码实战分析 观熵 AgenticAI架构实战全流程人工智能智能体Agent
    个人简介作者简介：全栈研发，具备端到端系统落地能力，专注大模型的压缩部署、多模态理解与Agent架构设计。热爱“结构”与“秩序”，相信复杂系统背后总有简洁可控的可能。我叫观熵。不是在控熵，就是在观测熵的流动个人主页：观熵个人邮箱：[email protected]座右铭：愿科技之光，不止照亮智能，也照亮人心！专栏导航观熵系列专栏导航：AI前沿探索：从大模型进化、多模态交互、AIGC内容生成，到
  • 头歌实践教学平台python机器学习-决策树 学习只是用户态 1024程序员节
    决策树简述下列说法正确的是？A、训练决策树的过程就是构建决策树的过程B、ID3算法是根据信息增益来构建决策树下列说法错误的是？B、决策树只能是一棵二叉树决策树算法任务描述本关任务：编写一个使用决策树算法进行信息增益计算及结点划分的程序。相关知识为了完成本关任务，你需要掌握：1.决策树模型，2.决策树模型用于分类，3.决策树信息熵构建。决策树模型决策树(DecisionTree）是在已知各种情况发生
  • ACS ANM突破：微波一步法合成多孔吸波材料——焦耳加热技术如何赋能材料创新？ 焦耳加热 能源材料工程自动化人工智能大数据
    一、技术解读：哈工大微波一步法的核心创新哈尔滨工业大学团队在ACSAppliedNanoMaterials的最新研究中，通过微波瞬时加热法（MIT）成功制备多孔高熵合金/碳纤维复合材料，其核心突破为：超快速合成：10秒内完成金属盐分解、多孔结构构筑与合金纳米化（图1a）；性能优势：密度仅0.157g/cm³，有效吸收带宽5.5GHz（2-18GHz），耐腐蚀性提升3倍；机制创新：Al元素表面偏析（
  • Off-Policy策略演员评论家算法SAC详解：python从零实现 AI仙人掌 复现强化学习RL算法算法python人工智能数据挖掘深度学习RL
    引言软演员评论家（SAC）是一种最先进的Off-Policy策略演员评论家算法，专为连续动作空间设计。它在DDPG、TD3的基础上进行了显著改进，并引入了最大熵强化学习的原则。其目标是学习一种策略，不仅最大化预期累积奖励，还要最大化策略的熵。这种添加鼓励了探索，提高了对噪声的鲁棒性，通常与之前的DDPG和TD3方法相比，能够实现更快、更稳定的学习。SAC是什么？SAC学习三个主要组件（通常使用五个
  • 基于Huber函数和最大相关熵的抗差滤波算法 bubiyoushang888 matlab
    最大熵滤波（MaximumEntropyFiltering）常用于信号处理中的谱估计和噪声抑制，尤其适用于短数据序列的高分辨率谱分析。一、最大熵滤波算法原理核心思想：在满足已知自相关函数约束的条件下，使信号的熵最大化。数学形式：通过自回归（AR）模型对信号建模，估计模型参数（滤波器系数）。关键公式：自回归模型：x(n)=−∑k=1pap(k)x(n−k)+w(n)x(n)=-\sum_{k=1}^
  • 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