- 人工智能概念
zhangpeng455547940
计算机人工智能
机器学习、深度学习、大模型机器学习提供框架,使得系统可以从数据中学习算法:线性回归、逻辑回归、支持向量机、决策树、随机森林、K近邻算法深度学习是实现这一目标的工具,模仿人脑,使用多层神经网络进行学习算法:多层感知器、卷积神经网络、循环神经网络、长短期记忆网络大模型指参数量巨大的深度学习模型人工智能应用:自然语言处理、图像识别与生成、语音识别、政务与企业服务...
- HR SaaS平台排行榜:细数2025年中国最具商业价值的十大HR SaaS平台
weixin_54980836
大数据人工智能
在当今竞争激烈且瞬息万变的商业环境中,企业数字化转型已不再是可选项,而是生存与发展的必经之路。人力资源管理作为企业运营的核心支柱之一,正经历着前所未有的深刻变革。传统的HR管理模式已逐渐暴露出效率低下、数据整合困难、决策支持不足等问题,难以满足现代企业对精准、高效、智能人力资源管理的需求。在此背景下,HRSaaS系统应运而生,成为企业优化薪酬管理、提升人力资源效率、实现数字化转型的关键工具。本文将
- 为什么Redis对大 Key(Large Key)和大对象不友好?怎样优化?
风一样的树懒
redis数据库缓存
你好,我是风一样的树懒,一个工作十多年的后端专家,曾就职京东、阿里等多家互联网头部企业。公众号“吴计可师”,已经更新了近百篇高质量的面试相关文章,喜欢的朋友欢迎关注点赞Redis对大Key(LargeKey)和大对象不友好,主要源于其内存管理模型、单线程架构和数据结构特性。以下从性能影响、内存管理、集群限制三个维度解析原因,并提供优化方案:一、Redis对大Key不友好的核心原因1.性能瓶颈单线程
- 国家地理信息公共服务平台的天地图
gys9895
百度地图js
文章目录一、国家地理信息公共服务平台的天地图二、地图转换1.GIS数据格式坐标转换(地球坐标WGS84、GCJ-02、火星坐标、百度坐标BD-09、国家大地坐标系CGCS2000)2.读入数据总结一、国家地理信息公共服务平台的天地图三大地图付费后,仍可用的免费商用地图APIFailedtoresolveloader:sass-loader如果是本地测试,那么对应的白名单设置为null第一步,在Vu
- 院士领衔、IEEE Fellow 坐镇,清华、上交大、复旦、同济等专家齐聚 2025 全球机器学习技术大会
CSDN资讯
机器学习人工智能
随着Manus出圈,OpenManus、OWL迅速开源,OpenAI推出智能体开发工具,全球AI生态正经历新一轮智能体革命。大模型如何协同学习?大模型如何自我进化?新型强化学习技术如何赋能智能体?围绕这些关键问题,由CSDN&Boolan联合举办的「2025全球机器学习技术大会」将于4月18-19日在上海隆重举行。大会云集院士、10所高校科研工作者、近30家一线科技企业技术实战专家组成的超50位重
- 【大模型LLM面试合集】分布式训练_总结
X.AI666
大模型LLM面试合集面试分布式人工智能语言模型
9.总结1.数据并行数据并行,由于其原理相对比较简单,是目前使用最广泛的分布式并行技术。数据并行不仅仅指对训练的数据并行操作,还可以对网络模型梯度、权重参数、优化器状态等数据进行并行。我们首先以PyTorch数据并行的发展(DataParallel、DistributedDataParallel、FullyShardedDataParallel)为主线进行讲述了数据并行的技术原理。同时,也简述了D
- 【vLLM 学习】使用 TPU 安装
HyperAI超神经
vLLM学习人工智能vLLM深度学习TPU机器学习教程
vLLM是一款专为大语言模型推理加速而设计的框架,实现了KV缓存内存几乎零浪费,解决了内存管理瓶颈问题。更多vLLM中文文档及教程可访问→https://vllm.hyper.ai/vLLM使用PyTorchXLA支持GoogleCloudTPU。依赖环境GoogleCloudTPUVM(单主机和多主机)TPU版本:v5e、v5p、v4Python:3.10安装选项:href=“https://v
- 一文搞懂MCU和SoC的核心差异:从架构到应用场景全解析
Electron-er
单片机架构嵌入式硬件
目录引言一、从“芯片大脑”看本质:架构设计的哲学差异1.MCU:单一任务的执行专家2.SoC:系统级集成的超级平台二、实战对比:六大维度拆解差异1.性能指标对比2.开发模式对比三、选型指南:如何选择MCU或SoC?1.选择MCU的场景2.选择SoC的场景四、技术演进:MCU与SoC的融合趋势1.MCU的进化方向2.SoC的突破方向五、开发者避坑指南结语标签:MCUvsSOC、嵌入式系统、芯片选型、
- 一文吃透C++数组:概念与操作大揭秘
大雨淅淅
C++开发数据库c++开发语言
目录一、C++数组初印象二、C++数组概念剖析2.1数组定义与本质2.2数组声明与初始化方式2.2.1声明2.2.2初始化2.3数组元素访问三、C++数组操作全解析3.1遍历数组3.1.1for循环遍历3.1.2范围for循环遍历3.2修改数组元素3.3获取数组大小3.4多维数组操作3.4.1二维数组3.4.2.多维数组拓展3.5数组作为函数参数3.5.1传数组名3.5.2函数原型声明四、C++数
- .net 插件式开发——实现web框架中大数据算法嵌入(BP算法逼近)
weixin_34219944
json人工智能
关于算法的引入:插件式架构设计,可移植性强,利于算法的升级。【插件式开发相关资料】https://www.cnblogs.com/lenic/p/4129096.html以BP算法为例:1、首先定义一个接口规范////////插件的统一入口///publicinterfaceIPluginPerfrom{//////统一算法插件入口//////输出参数的个数///输出参数///输入参数///str
- 《TypeScript 高级类型实战指南:解决真实项目的 7 大痛点》
前端极客探险家
typescript前端vue.jsreact.js
目录标题本文解决的问题:一、表单系统:深度类型约束(可直接用于AntDesign表单)痛点:表单校验逻辑与TS类型脱节二、API响应:自动解包层叠类型(Axios拦截器整合)痛点:后端返回结构嵌套导致类型冗余三、ReduxToolkit:Action类型自动工厂痛点:手写ActionType容易出错四、组件Prop:动态约束联合类型(Vue/React通用)痛点:多形态组件的Prop类型难以维护五
- 30个节点的Doris集群,每个节点有2块7TB的SSD盘,12块8TB的机械盘,分区和分桶的最佳实践
fzip
DorisDoris分区分桶
针对30个节点(每个节点配备2块7TBNVMe盘+12块8TBSATA盘)的Doris集群,以下是分区与分桶的最佳实践方案:一、硬件资源规划与存储优化存储介质分层•NVMe盘:用于存储热数据分区(如最近3天数据)、元数据和高频查询表,利用其高IOPS特性提升实时查询性能。•SATA盘:存储冷数据分区(如历史数据)、大宽表和批量导入的中间数据,通过成本优势支撑海量存储。磁盘负载均衡•每个节点的14块
- 定了!粉丝破800w的陈雷老师确认出席创客匠人5000人的“全球创始人IP领袖高峰论坛”
创小匠
tcp/ip大数据人工智能
正式官宣!全网粉丝800W+、中医学博士——陈雷,确认应邀参加创客匠人5000人“全球创始人IP领袖高峰论坛”,共襄知识服务领域的年度盛宴!由创客匠人发起的“全球创始人IP领袖高峰论坛”将在2024年12月26日-28日在厦门市国际博览会议中心隆重举行。大会邀请到众多行业内的顶尖大咖和领袖人物亲临现场,围绕“IP、趋势、战略、创新、增长”五大关键词,分享他们的宝贵经验和独到见解。这将是2024年底
- AI大模型推理加速:技术与实践详解
AI大模型学习者
人工智能
近年来,AI大模型在自然语言处理、计算机视觉等领域取得了突破性进展。然而,大模型的推理速度却成为其落地应用的瓶颈。本文将详细探讨AI大模型推理加速的技术手段和实践经验,并结合具体案例进行分析。一、挑战与机遇1.1挑战庞大的参数量:大模型通常拥有数十亿甚至数千亿个参数,例如GPT-3拥有1750亿个参数。如此庞大的参数量导致模型文件体积巨大,加载和推理都需要消耗大量的内存和计算资源。复杂的计算图:大
- SpringBoot整合RabbitMq
qq_45923849
java-rabbitmqspringbootrabbitmq
1.引入依赖org.springframework.bootspring-boot-starter-amqp2.application.yml文件配置spring:rabbitmq:host:192.168.101.129port:5672username:adminpassword:adminvirtual-host:/3.编写配置类主要是声明RabbitTemplate,创建交换机和队列并进行
- 大模型高效优化技术全景解析:微调、量化、剪枝、梯度裁剪与蒸馏
时光旅人01号
人工智能剪枝算法深度学习数据挖掘人工智能
目录微调(Fine-tuning)量化(Quantization)剪枝(Pruning)梯度裁剪(GradientClipping)知识蒸馏(KnowledgeDistillation)技术对比与协同策略总结与趋势1.微调(Fine-tuning)核心思想在预训练模型(如BERT、GPT)基础上,通过领域数据调整参数,适配下游任务。方法流程预训练模型加载:加载通用模型权重(如HuggingFace
- 推理大模型:技术解析与未来趋势全景
时光旅人01号
深度学习人工智能pythonpytorch神经网络
1.推理大模型的定义推理大模型(ReasoningLLMs)是专门针对复杂多步推理任务优化的大型语言模型,具备以下核心特性:输出形式创新展示完整逻辑链条(如公式推导、多阶段分析)任务类型聚焦擅长数学证明、编程挑战、多模态谜题等深度逻辑任务训练方法升级融合强化学习、思维链(CoT)、测试时计算扩展等技术2.主流推理大模型图谱2.1国际前沿模型OpenAIo1系列内部生成"思维链"机制数学/代码能力标
- 做亚马逊、temu、速卖通、希音自养号采购砍单率过高需要怎么解决
刘哥测评技术zcwz626
经验分享网络协议网络安全服务器
做无货源模式的卖家越来越多,自养买家号采购时遭遇大砍单是一个普遍而棘手的问题。为了避免这一问题,需要从技术环境搭建、账号权重养成以及下单技巧等多个方面进行系统化操作。以下是一些具体的建议和策略:一、技术环境搭建:确保账号独立性1.硬件隔离:使用独立设备或采用云服务器等隔离技术,确保每个账号拥有唯一的硬件标识,如IMEI、MAC地址等。在同一设备上登录多个账号要确保每个账号都是独立的环境,以防止硬件
- Linux内核课程学习心得
萝卜cherish
linux内核分析linux内核学习总结
罗晓波+原创作品转载请注明出处+《Linux内核分析》MOOC课程http://mooc.study.163.com/course/USTC-1000029000不知不觉,八周课程一晃而过,回想起当初选择这门课到学习完最后一个课件,也是一个习惯的养成了,到现在我倒是习惯性地在周五和周日上一下课程主页,不过在这八周的线上课程学习中,我还是有所收获的,下面把我的一点小感想分享一下吧。课程第一周,通过一
- 线路板打样中的PCB拼版技术如何为中小企业节省30%以上成本?
捷配科技
制造pcb工艺捷配
线路板打样和批量生产的成本控制对中小企业来说非常关键,本文将解析PCB拼版的五大核心价值,揭示中小企业在SMT贴片环节的降本秘诀。一、破解线路板打样的成本困局中小企业在小批量生产时常面临两难选择:单独加工导致设备利用率低下,而传统拼版方案又存在设计缺陷。二、PCB拼版技术的五大降本优势1.设备利用效率倍增通过二合一或四合一拼版设计,SMT产线单次印刷可完成多板加工。实测数据显示,采用V-CUT拼版
- LibreTranslate的本地部署与应用服务开发
一望无际的大草原
高级数据应用后端人工智能大模型翻译源码部署
最近在关注大模型预训练文章和应用服务开发,有时候需要借助翻译工具,使用起来都不太方便,就找了一下类似的常见语言的翻译方案,无意中看到一个开源翻译方案(即LibreTranslate),对于通用和计算机类内容的翻译效果还是不错的,因此就对开源翻译代码进行了本地部署和应用服务开发及测试。主要对源码的启动参数、api服务、认证服务和访问权限等内容进行了补充完善,并将依赖的翻译argos-translat
- Sass (Scss) 与 Less 的区别与选择
王强你强
sassscssless
在前端开发中,CSS预处理器如Sass(SyntacticallyAwesomeStylesheets)和Less被广泛使用,它们通过引入变量、嵌套规则、混合、函数等特性,使CSS的开发过程更加高效和灵活。Sass和Less作为两大主流CSS预处理器,各自具有独特的优点和特性。本文将详细探讨Sass(特别是其语法扩展Scss)与Less之间的区别,并提供选择建议。1.语法差异Sass最初是使用缩进
- SpringBoot调用deepseek
想买CT5的小曹
springboot后端java
1、效果截图:2、代码部分:application.propertiesserver.port=8080deepseek.api.token=sk-d34e929e887b4881813395241df2f745deepseek.api.url=https://api.deepseek.com/chat/completionscontroller部分请求参数可以缩短,写成实体类形式packagec
- 【Agent实战】发票信息识别提取专家(AI +OCR技术结合ChatGPT4o能力+结构化prompt(CoT、One-shot等)+Knowledge - RAG+API工具Agent项目实践)
姚瑞南
大模型落地探索及agent搭建RAG技术应用探索prompt实战应用案例人工智能ocrpromptAIGCchatgptgptagi
本文原创作者:姚瑞南AI-agent大模型运营专家,先后任职于美团、猎聘等中大厂AI训练专家和智能运营专家岗;多年人工智能行业智能产品运营及大模型落地经验,拥有AI外呼方向国家专利与PMP项目管理证书。(转载需经授权)目录1.项目背景2.项目目标定性:定量:3.发票核心字段概述4.关键举措5.Workflow设计思路及编排5.1整体设计思路5.2流程搭建及解读流程解读:代码节点:解析agent数据
- 深入解析:大型机器学习模型的基本概念与特点
AI大模型-大飞
机器学习人工智能AI大模型AI神经网络大模型
大模型是指具有大规模参数和复杂计算结构的机器学习模型。本文从大模型的基本概念出发,对大模型领域容易混淆的相关概念进行区分,并就大模型的发展历程、特点和分类、泛化与微调进行了详细解读,供大家在了解大模型基本知识的过程中起到一定参考作用。本文目录如下:·大模型的定义·大模型相关概念区分·大模型的发展历程·大模型的特点·大模型的分类·大模型的泛化与微调1.大模型的定义大模型是指具有大规模参数和复杂计算结
- Agent相关文章目录
东哥说-MES|从入门到精通
AI人工智能人工智能规格说明书制造设计规范机器学习自然语言处理
最近写了不少的文章,为了方便阅读,特意重新整理了关于Agent相关的文章链接,也便于大家阅读如何在本地部署DeepSeek本地部署_chatbox显示思考过程-CSDN博客文章浏览阅读853次,点赞29次,收藏31次。最近国产大模型DeepSeek非常火,但由于访问人数过多,经常出现反应迟缓甚至宕机的情况。幸运的是,DeepSeek是一个开源模型,我们可以通过本地部署在自己的终端上随时使用,而且部
- 场景题:100G的文件里有很多id,用1G内存的机器排序,怎么做?
海量数据排序思路核心方案:外排序(分治+多路归并)MapReduce外排序是指数据量太大,无法全部加载到内存中,需要将数据分成多个小块进行排序,然后将排序后的小块合并成一个大的有序块1.分块排序(Map阶段)分块策略按1G内存容量限制,将100G文件拆分为200个500MB分块(保留内存用于排序计算和系统开销)内存排序每个分块加载至内存后:①使用快速排序(时间复杂度O(nlogn))②去重优化:若
- 南京大学×百度“星河杯”AI大模型创意校园赛正式起航
3月9日,教育部长怀进鹏在十四届全国人大二次会议民生主题记者会上,谈到了人工智能+教育的重要性。他强调,要把人工智能技术深入到教育教学和管理的全过程和全环节,研究其有效性和适应性,让青年一代更加主动地学习,让教师更加创造性地教学。南京大学早在年初就已经敏锐地洞察到了人工智能的重要性,在新学期工作布置会上,发布了一个前瞻性决策:24年9月面向全体本科新生开设“人工智能通识核心课程体系”,南京大学党委
- 百度官方!打造「大模型全开发周期系列课程」,AI应用开发入门课率先发布!(内含英雄帖)
在这个大模型技术日新月异的时代,AI的潜力正被无限释放,改变着我们的工作和生活方式。你是否渴望成为这场变革的参与者?你是否也想在这个大模型时代中抢占先机?那“学习AI”、“使用AI”、“入局AI”我们真的可以受益吗?学习辅助:将AI使用融入学习当中,依据当前学习情况,整理重点难点,让复习有的放矢,更高效掌握知识点。效率提升:帮助处理繁琐重复的工具,如数据分析师使用AI识别数据中的关键信息,自动整理
- 大模型(DeepSeek等)是否会动摇AI工程师的工作?
点我头像干啥
Ai深度学习人工智能AI编程计算机视觉
引言近年来,人工智能(AI)领域取得了突飞猛进的发展,尤其是大模型(如GPT-3、BERT、DeepSeek等)的出现,极大地推动了自然语言处理(NLP)、计算机视觉(CV)等领域的进步。大模型凭借其强大的泛化能力和广泛的应用场景,逐渐成为AI领域的核心技术之一。然而,随着大模型的普及,一个备受关注的问题浮出水面:大模型是否会动摇AI工程师的工作?本文将从多个角度探讨这一问题,分析大模型对AI工程
- 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