- 整理:开启新征程!四篇文章助力 AI,告别 “3D理解困难户”
mslion
人工智能3d大语言模型计算机视觉目标识别
近年来,人工智能的发展让大语言模型(MLLM)变得越来越强大,它们可以理解和处理文字、图片、视频等多种信息,在很多领域都有很好的应用。然而,当这些模型需要理解3D(立体)场景时,仍然面临一些困难。目前的MLLM主要是用2D图片训练出来的,也就是说,它们更擅长识别平面的信息,比如照片中的人和物体。但是,现实世界是三维的(3D),仅靠2D图片训练的模型很难准确理解物体的立体关系。例如,如果只给一个普通
- RAG(检索增强生成)系统实践与调优
python_知世
android金融自然语言处理大模型技术人工智能RAG大模型
在人工智能领域,检索增强生成(RetrievalAugmentedGeneration,RAG)是一种结合信息检索和生成式人工智能的技术,它通过从外部数据源中检索相关信息,来辅助大语言模型(LargeLanguageModel,LLM)生成更为准确、上下文相关的答案。1什么是RAG检索增强生成(RetrievalAugmentedGeneration,RAG)是一种结合信息检索和生成式人工智能的技
- 不同用户群体设计的Manus试用申请理由模板
xinxiyinhe
人工智能人工智能
注:仅供参考。以下是为不同用户群体设计的Manus试用申请理由模板,结合其核心功能与官方审核偏好撰写,可根据自身需求调整使用:模板1:学术研究场景申请理由:我目前从事人工智能与产业经济交叉领域的博士后研究,亟需通过AI技术快速处理大量非结构化数据(如政策文件、企业年报、行业研报)。Manus的「多智能体调度」与「跨平台工具调用」功能能显著提升研究效率,例如:自动化筛选并分析1000+份上市公司ES
- DeepSeek对于普通打工人来说有什么帮助呢?
人工智能
在当今快速变化的社会中,普通打工人面临着越来越多的挑战:职场竞争加剧、技能更新换代加快、工作与生活的平衡难以掌控等。在这样的背景下,如何提升自身竞争力、找到适合自己的职业发展路径,成为了每个打工人都需要思考的问题。而DeepSeek,作为一款基于人工智能和大数据分析的职业发展工具,正在为普通打工人提供全新的解决方案。本文将从多个角度探讨DeepSeek对于普通打工人的帮助,分析它如何通过职业规划、
- 训练大模型LLM选择哪种开发语言最好
大0马浓
人工智能训练python
训练大型语言模型(LLM)时,选择合适的编程语言主要取决于效率、生态支持、开发便利性以及特定需求(如性能优化或硬件适配)。以下是常见语言的分析和推荐:---1.Python(首选语言)优势:-生态系统丰富:主流深度学习框架(PyTorch、TensorFlow、JAX)均以Python为主要接口,提供完整的工具链(数据处理、模型训练、评估部署)。-开发效率高:语法简洁,适合快速实验和原型开发,社区
- 豆包AI:打破智能边界,开启“人人可编程”的AI普惠时代
Herbig
AI人工智能
在人工智能技术狂飙突进的2024年,全球AI工具用户已突破12亿,但企业AI落地率仍不足35%——高昂的开发成本、复杂的技术门槛与碎片化的场景需求,如同三重枷锁禁锢着智能革命的红利释放。当大多数AI平台还在比拼模型参数时,豆包AI以“零代码交互+多模态引擎+垂直场景精调”的创新架构,正在重塑人机协作的范式。这款由字节跳动火山引擎团队打造的智能平台,不仅让AI开发效率提升400%,更在医疗、教育、工
- 使用 Python 爬虫抓取 Wikipedia 页面内容——完整实战教程
Python爬虫项目
2025年爬虫实战项目python爬虫开发语言jsonjava
引言随着互联网的普及和信息化时代的到来,获取知识变得异常方便。Wikipedia作为全球最大的开放式百科全书,几乎涵盖了所有领域的知识。每年都有数十亿次的访问量,成为全球获取信息的一个重要来源。对于数据分析、自然语言处理、学术研究等领域,Wikipedia页面内容往往是研究者和开发者的重要数据来源之一。本篇博客将带您通过Python爬虫,学习如何抓取Wikipedia页面中的内容,并处理提取的文本
- 使用 UpTrain 提升 LLM 应用效果的实战指南
qahaj
python
随着大语言模型(LLM)的广泛应用,如何评估和改进这些应用的性能成为了一个关键问题。UpTrain作为一个开源平台,提供了一系列评估功能,使得开发者能够对LLM应用进行全面的检测,并提供问题解决的指导。在这篇文章中,我们将介绍如何使用UpTrain的回调处理器在开发链中进行多样化评估,并详细展示如何实现这些功能。技术背景介绍UpTrain提供了超过20个预配置检查项(涵盖语言、代码、嵌入等用例),
- 大语言模型(LLM)的微调与应用
AI Echoes
语言模型人工智能自然语言处理
一、微调与应用的核心区别目标差异微调(Fine-tuning):针对预训练模型进行参数调整,使其适应特定任务或领域(如医疗问答、法律文本分析)。需通过有监督微调(SFT)或低秩适配(LoRA)等技术优化模型权重。应用(Application):基于现有模型的能力构建实际系统(如智能客服、文档摘要),侧重于工程化集成和交互设计,通常不修改模型参数,而是通过Prompt工程、RAG(检索增强生成)或A
- NLP常见任务专题介绍(3)-垂直领域的聊天机器人搭建详细教程
AI专题精讲
大模型专题系列自然语言处理机器人人工智能
一、整体流程构建垂直领域的聊天机器人需要结合特定行业的需求,采用自然语言处理和机器学习等技术。以下是一个典型的构建流程及相关技术实现:需求分析:明确机器人需要解决的问题范围和功能,例如客户服务、信息查询等。数据收集与预处理:数据收集:从行业相关的网站、论坛、数据库等渠道获取大量专业领域的文本数据。数据清洗:去除广告、无意义回复等噪声数据,确保数据质量。数据标注:对文本进行意图识别和实体识别的标注,
- iOS 18 系统功能解析目录
蓝鲸忘了海
IOS1-18系统功能解析ioscocoamacos
iOS18系统功能解析目录iOS18系统功能解析引言第一部分:iOS18系统架构全解析1.1全新系统设计理念1.2核心架构与硬件协同1.3安全架构与隐私保护1.4跨平台生态协同第二部分:用户界面与交互体验的革新2.1全新视觉设计2.2自定义UI与多任务切换2.3通知中心与交互体验2.4动态交互动画与手势识别第三部分:人工智能与机器学习的深度整合3.1新一代智能助手3.2CoreML与机器学习框架进
- 基于 DeepSeek 的自动化运维(适合企业降本增效)
Real Man★
运维自动化
基于DeepSeek的自动化运维解决方案DeepSeek凭借其强大的AI能力(如自然语言处理、时序预测、异常检测),可显著提升运维效率,实现从监控告警到故障自愈的全流程自动化。以下是结合企业级场景的实战方案:一、核心应用场景与实现路径智能监控与告警日志分析:使用DeepSeek-NLP模型自动解析日志,提取关键错误模式(如OutOfMemory、Timeout)。python复制fromdeeps
- 人工智能AI通用分级标准方法
魔王阿卡纳兹
IT杂谈人工智能通用分级分类标准
人工智能(AI)的通用分级标准在近年来得到了广泛关注和研究,不同的机构和组织提出了多种分级框架,以帮助理解和评估AI的发展水平。以下是对人工智能通用分级标准的详细分析:1.OpenAI的五级分级标准OpenAI于2024年7月发布了通用人工智能(AGI)的五级分级标准,旨在追踪大型语言模型在AGI方面的进展。具体分级如下:第一级:聊天机器人具备语言对话能力的人工智能,如ChatGPT,能够进行基本
- 【Python】构建智能语音助手:使用Python实现语音识别与合成的全面指南
蒙娜丽宁
Python杂谈python语音识别开发语言
随着人工智能技术的迅猛发展,语音助手已成为人们日常生活中不可或缺的一部分。从智能手机到智能家居设备,语音交互提供了便捷高效的人机交互方式。本文旨在全面介绍如何利用Python编程语言及其强大的库——SpeechRecognition和gTTS,构建一个基础但功能完备的语音助手。文章首先概述了语音识别与合成的基本原理和关键技术,随后详细讲解了如何安装和配置必要的开发环境。通过丰富的代码示例和详细的中
- 智慧农业平台与 DeepSeek 大模型的深度融合
jingwang-cs
人工智能后端
在数字化浪潮席卷全球的今天,农业领域正迎来一场深刻的变革。智慧农业,作为农业现代化的重要发展方向,正借助人工智能、大数据等前沿技术,实现从传统到现代的跨越。本文将为您详细介绍智慧农业领域的新趋势,以及智慧农业平台如何携手DeepSeek大模型,赋能农业数字化转型,引领农业迈向新时代。智慧农业的新趋势:拥抱DeepSeek大模型智慧农业的发展离不开技术创新的推动。近期,DeepSeek大模型在农业领
- 医院DEEPSEEK辅助应用
cainiaojunshi
智慧城市
一、背景介绍1.1国家政策支持《卫生健康行业人工智能应用场景参考指引》《“十四五”全民健康信息化规划》《关于进一步完善医疗卫生服务体系的意见》的发布。明确了84个AI在医疗健康领域的应用场景,涵盖了预防、诊断、治疗、康复等全流程。涉及医疗服务管理、基层公卫服务、健康产业发展以及医学教学科研等多个关键领域。国家层面明确将人工智能作为医疗领域新质生产力的核心驱动力,推动AI与临床诊疗、医院管理深度融
- InternVL:论文阅读 -- 多模态大模型(视觉语言模型)
XiaoJ1234567
LLM论文阅读语言模型人工智能多模态大模型internVL
更多内容:XiaoJ的知识星球文章目录InternVL:扩展视觉基础模型与通用视觉语言任务对齐1.概述2.InternVL整体架构1)大型视觉编码器:InternViT-6B2)语言中间件:QLLaMA。3)训练策略(1)第一阶段:视觉-语言对比训练(2)第二阶段:视觉语言生成训练(3)第三阶段:监督微调(SFT)3.InternVL应用1)对于视觉感知任务2)对于对比任务3)对于生成任务4)对于
- 深度解析:Deepseek与Manus的根本区别——大模型与AI智能体的深度对比
火山说数
AI数字化人工智能AIAgent数字化ManusDeepseek
在人工智能领域,随着技术的发展,出现了许多强大的工具和系统。Deepseek和Manus便是其中两个广泛受到关注的系统,它们各自代表了人工智能发展的两条不同路径。一个侧重于“大脑”的建设,另一个则强调“手脚”的行动。虽然这两者都与智能技术息息相关,但它们的核心功能和应用场景却有着本质的不同。一、Deepseek:强大的“大脑”,但缺乏行动能力1.1什么是Deepseek?Deepseek是基于大规
- 开源模型应用落地-qwen模型小试-Qwen-Agent(十一)
开源技术探险家
开源模型-实际应用落地#深度学习自然语言处理语言模型
一、前言Qwen-Agent是一个利用开源语言模型Qwen的工具使用、规划和记忆功能的框架。其模块化设计允许开发人员创建具有特定功能的定制代理,为各种应用程序提供了坚实的基础。同时,开发者可以利用Qwen-Agent的原子组件构建智能代理,以理解和响应用户查询。二、术语2.1.Qwen-Agent是一个开发框架。开发者可基于本框架开发Agent应用,充分利用基于通义千问模型(Qwen)的指令遵循、
- LLM大模型技术实战6:一文总结大模型微调方法
AIG暴躁猫叔
人工智能深度学习机器学习
大模型会成为AI时代的一项基础设施。作为像水、电一样的基础设施,预训练大模型这样的艰巨任务,只会有少数技术实力强、财力雄厚的公司去做。绝大多数人,是水、电的应用者。对这部分人来说,掌握如何用好大模型的技术,更加重要。用好大模型的第一个层次,是掌握提示词工程(PromptEngineering)用好大模型的第二个层次,是大模型的微调(FineTuning),这也是今天这篇文章的主题。为什么要对大模型
- 第二十七个问题-AI Agent 与 RAG 的核心区别
释迦呼呼
AI一千问人工智能语言模型机器学习深度学习自然语言处理
AIAgent与RAG的核心区别AIAgent(人工智能代理)与RAG(检索增强生成)是当前生成式AI领域的两个关键技术,二者在功能定位、技术架构和应用场景上存在显著差异,但也可协同互补。以下从多个维度对比分析:1.核心目标维度AIAgentRAG主要目标自主执行复杂任务(感知、决策、行动闭环)通过检索外部知识增强生成结果的准确性智能性强调自主推理、多步规划与动态调整能力依赖检索与生成的静态组合,
- Adapter-Tuning:高效适配预训练模型的新任务
花千树-010
TuningpromptembeddingAIGC机器学习chatgptpytorch
1.引言近年来,预训练语言模型(PLM)如BERT、GPT和T5在自然语言处理(NLP)任务中取得了巨大成功。然而,Fine-Tuning这些大型模型通常需要大量计算资源,并且每个新任务都需要存储一套完整的微调权重,这导致存储成本高昂。Adapter-Tuning作为一种高效的模型调优方法,允许我们在预训练模型的基础上,通过引入轻量级“Adapter”层来进行任务特定的学习。Adapter层只占用
- vLLM 部署大语言模型的系统选择策略
由数入道
人工智能语言模型人工智能自然语言处理VLLM
核心选型原则指标权重说明CUDA支持⭐⭐⭐⭐⭐直接影响GPU加速性能,需确保系统与NVIDIA驱动和CUDA工具链的兼容性软件源时效性⭐⭐⭐⭐系统需提供较新的Python、PyTorch等AI框架版本,避免依赖冲突长期支持(LTS)⭐⭐⭐⭐生产环境需规避因系统版本过期导致的安全漏洞和兼容性问题社区生态⭐⭐⭐活跃的开发者社区能快速解决部署问题,降低运维成本企业级支持⭐⭐需要SLA保障的商业场景需考虑
- VLRMBench :一个涵盖数学推理、幻觉理解、多图像理解等多种任务的视觉-语言奖励模型基准测试数据集
数据集
2025-03-10,由上海交通大学和小红书公司联合创建了VLRMBench数据集。是一个专门用于评估视觉-语言奖励模型的综合性基准测试,包含12,634个问题,覆盖数学推理、幻觉理解和多图像理解三大领域。为视觉-语言奖励模型的全面评估提供了新的标准,推动了该领域的发展。一、研究背景近年来,随着大语言模型和大视觉-语言模型的快速发展,它们在多模态任务中取得了显著进展,广泛应用于医学影像、遥感、自动
- 2024-05-21 问AI: 介绍一下大语言模型的推理过程。
BigSharkTech 必杀技
用AI来理解AI人工智能语言模型自然语言处理
文心一言大语言模型的推理过程是一个复杂而精细的序列,它结合了深度学习和自然语言处理的技术,旨在理解和生成人类可以理解的自然语言文本。以下是该过程的主要步骤:输入文本的解析:当用户输入一段文本时,大语言模型首先会通过一个称为分词器的工具(tokenizer)对输入文本进行解析。分词器会将文本分解为一系列的单词或子词(tokens),并将它们转换为数字形式的序列。这些数字通常是单词在模型词典(voca
- 效率翻倍!超好用的AI+写作API接口汇总
程序员后端
在过去几年里,人工智能(AI)技术经过众多科技公司和科研人员的不懈努力取得了巨大进步,吸引了大众的广泛关注。这些AI技术在应用领域的新闻报道也逐渐走入人们的视野,引发了对其具体应用的浓厚兴趣。今天,我们将聊一聊AI与写作文案的结合。在传统观念中,AI技术通常被限制在有明确定义任务的领域。然而,实际上,AI在创造性任务,如写作方面,也展现出了强大的潜力。人工智能写作软件提供了多种选择,可用于生成长篇
- LangChain教程 - Agent -之 ZERO_SHOT_REACT_DESCRIPTION
花千树-010
LangChainlangchainjavascriptpromptAIGC自然语言处理人工智能python
在构建智能AI助手时,我们希望模型能够智能地调用工具,以便提供准确的信息。LangChain提供了AgentType.ZERO_SHOT_REACT_DESCRIPTION,它结合了ReAct(Reasoning+Acting)策略,使得LLM可以基于工具的描述智能选择合适的工具进行推理和执行。本文将介绍该类型Agent的核心原理,并通过示例展示其应用。1.ZERO_SHOT_REACT_DESC
- 安当TDE透明加密技术:为Manus大模型构建用户会话数据保护的“安全金库”
安 当 加 密
安全
摘要在人工智能技术深度落地的今天,大模型开发者面临的核心挑战已从算法优化转向数据安全。作为垂直领域大模型的代表,Manus凭借其强大的语义理解与个性化交互能力,在金融、医疗、教育等行业获得广泛应用。然而,其海量的用户会话数据存储与调用场景,也面临着数据泄露、非法篡改等安全威胁。上海安当基于TDE(TransparentDataEncryption)透明加密技术,推出了一套针对Manus大模型的用户
- 完全自主化的AI代理不应被开发
无穷之路
AI人工智能
HuggingFace前不久发布了一篇论文,题目《FullyAutonomousAIAgentsShouldNotbeDeveloped》,论证了完全自主化的AI代理不应被开发。核心观点随着AI代理人的自主性增加,用户放弃的控制权越多,系统带来的风险就越大。认为不应该开发完全自主的人工智能代理,提出了多层次自主性(从低级到高级)的框架。人工智能代理的历史文中首先回顾了人工智能代理的历史和发展现状,
- Adobe Firefly 技术浅析(二):Transformer生成模型
爱研究的小牛
AIGC——图像transformer深度学习人工智能AIGC机器学习
AdobeFirefly的图像生成技术不仅依赖于生成式对抗网络(GAN),还引入了基于Transformer的生成模型。Transformer模型在处理长距离依赖关系和生成复杂图像结构方面具有显著优势。1.基本原理1.1Transformer模型简介Transformer模型最初由Vaswani等人在2017年提出,用于自然语言处理(NLP)任务。其核心是自注意力机制(Self-Attention
- ASM系列五 利用TreeApi 解析生成Class
lijingyao8206
ASM字节码动态生成ClassNodeTreeAPI
前面CoreApi的介绍部分基本涵盖了ASMCore包下面的主要API及功能,其中还有一部分关于MetaData的解析和生成就不再赘述。这篇开始介绍ASM另一部分主要的Api。TreeApi。这一部分源码是关联的asm-tree-5.0.4的版本。
在介绍前,先要知道一点, Tree工程的接口基本可以完
- 链表树——复合数据结构应用实例
bardo
数据结构树型结构表结构设计链表菜单排序
我们清楚:数据库设计中,表结构设计的好坏,直接影响程序的复杂度。所以,本文就无限级分类(目录)树与链表的复合在表设计中的应用进行探讨。当然,什么是树,什么是链表,这里不作介绍。有兴趣可以去看相关的教材。
需求简介:
经常遇到这样的需求,我们希望能将保存在数据库中的树结构能够按确定的顺序读出来。比如,多级菜单、组织结构、商品分类。更具体的,我们希望某个二级菜单在这一级别中就是第一个。虽然它是最后
- 为啥要用位运算代替取模呢
chenchao051
位运算哈希汇编
在hash中查找key的时候,经常会发现用&取代%,先看两段代码吧,
JDK6中的HashMap中的indexFor方法:
/**
* Returns index for hash code h.
*/
static int indexFor(int h, int length) {
- 最近的情况
麦田的设计者
生活感悟计划软考想
今天是2015年4月27号
整理一下最近的思绪以及要完成的任务
1、最近在驾校科目二练车,每周四天,练三周。其实做什么都要用心,追求合理的途径解决。为
- PHP去掉字符串中最后一个字符的方法
IT独行者
PHP字符串
今天在PHP项目开发中遇到一个需求,去掉字符串中的最后一个字符 原字符串1,2,3,4,5,6, 去掉最后一个字符",",最终结果为1,2,3,4,5,6 代码如下:
$str = "1,2,3,4,5,6,";
$newstr = substr($str,0,strlen($str)-1);
echo $newstr;
- hadoop在linux上单机安装过程
_wy_
linuxhadoop
1、安装JDK
jdk版本最好是1.6以上,可以使用执行命令java -version查看当前JAVA版本号,如果报命令不存在或版本比较低,则需要安装一个高版本的JDK,并在/etc/profile的文件末尾,根据本机JDK实际的安装位置加上以下几行:
export JAVA_HOME=/usr/java/jdk1.7.0_25
- JAVA进阶----分布式事务的一种简单处理方法
无量
多系统交互分布式事务
每个方法都是原子操作:
提供第三方服务的系统,要同时提供执行方法和对应的回滚方法
A系统调用B,C,D系统完成分布式事务
=========执行开始========
A.aa();
try {
B.bb();
} catch(Exception e) {
A.rollbackAa();
}
try {
C.cc();
} catch(Excep
- 安墨移动广 告:移动DSP厚积薄发 引领未来广 告业发展命脉
矮蛋蛋
hadoop互联网
“谁掌握了强大的DSP技术,谁将引领未来的广 告行业发展命脉。”2014年,移动广 告行业的热点非移动DSP莫属。各个圈子都在纷纷谈论,认为移动DSP是行业突破点,一时间许多移动广 告联盟风起云涌,竞相推出专属移动DSP产品。
到底什么是移动DSP呢?
DSP(Demand-SidePlatform),就是需求方平台,为解决广 告主投放的各种需求,真正实现人群定位的精准广
- myelipse设置
alafqq
IP
在一个项目的完整的生命周期中,其维护费用,往往是其开发费用的数倍。因此项目的可维护性、可复用性是衡量一个项目好坏的关键。而注释则是可维护性中必不可少的一环。
注释模板导入步骤
安装方法:
打开eclipse/myeclipse
选择 window-->Preferences-->JAVA-->Code-->Code
- java数组
百合不是茶
java数组
java数组的 声明 创建 初始化; java支持C语言
数组中的每个数都有唯一的一个下标
一维数组的定义 声明: int[] a = new int[3];声明数组中有三个数int[3]
int[] a 中有三个数,下标从0开始,可以同过for来遍历数组中的数
- javascript读取表单数据
bijian1013
JavaScript
利用javascript读取表单数据,可以利用以下三种方法获取:
1、通过表单ID属性:var a = document.getElementByIdx_x_x("id");
2、通过表单名称属性:var b = document.getElementsByName("name");
3、直接通过表单名字获取:var c = form.content.
- 探索JUnit4扩展:使用Theory
bijian1013
javaJUnitTheory
理论机制(Theory)
一.为什么要引用理论机制(Theory)
当今软件开发中,测试驱动开发(TDD — Test-driven development)越发流行。为什么 TDD 会如此流行呢?因为它确实拥有很多优点,它允许开发人员通过简单的例子来指定和表明他们代码的行为意图。
TDD 的优点:
&nb
- [Spring Data Mongo一]Spring Mongo Template操作MongoDB
bit1129
template
什么是Spring Data Mongo
Spring Data MongoDB项目对访问MongoDB的Java客户端API进行了封装,这种封装类似于Spring封装Hibernate和JDBC而提供的HibernateTemplate和JDBCTemplate,主要能力包括
1. 封装客户端跟MongoDB的链接管理
2. 文档-对象映射,通过注解:@Document(collectio
- 【Kafka八】Zookeeper上关于Kafka的配置信息
bit1129
zookeeper
问题:
1. Kafka的哪些信息记录在Zookeeper中 2. Consumer Group消费的每个Partition的Offset信息存放在什么位置
3. Topic的每个Partition存放在哪个Broker上的信息存放在哪里
4. Producer跟Zookeeper究竟有没有关系?没有关系!!!
//consumers、config、brokers、cont
- java OOM内存异常的四种类型及异常与解决方案
ronin47
java OOM 内存异常
OOM异常的四种类型:
一: StackOverflowError :通常因为递归函数引起(死递归,递归太深)。-Xss 128k 一般够用。
二: out Of memory: PermGen Space:通常是动态类大多,比如web 服务器自动更新部署时引起。-Xmx
- java-实现链表反转-递归和非递归实现
bylijinnan
java
20120422更新:
对链表中部分节点进行反转操作,这些节点相隔k个:
0->1->2->3->4->5->6->7->8->9
k=2
8->1->6->3->4->5->2->7->0->9
注意1 3 5 7 9 位置是不变的。
解法:
将链表拆成两部分:
a.0-&
- Netty源码学习-DelimiterBasedFrameDecoder
bylijinnan
javanetty
看DelimiterBasedFrameDecoder的API,有举例:
接收到的ChannelBuffer如下:
+--------------+
| ABC\nDEF\r\n |
+--------------+
经过DelimiterBasedFrameDecoder(Delimiters.lineDelimiter())之后,得到:
+-----+----
- linux的一些命令 -查看cc攻击-网口ip统计等
hotsunshine
linux
Linux判断CC攻击命令详解
2011年12月23日 ⁄ 安全 ⁄ 暂无评论
查看所有80端口的连接数
netstat -nat|grep -i '80'|wc -l
对连接的IP按连接数量进行排序
netstat -ntu | awk '{print $5}' | cut -d: -f1 | sort | uniq -c | sort -n
查看TCP连接状态
n
- Spring获取SessionFactory
ctrain
sessionFactory
String sql = "select sysdate from dual";
WebApplicationContext wac = ContextLoader.getCurrentWebApplicationContext();
String[] names = wac.getBeanDefinitionNames();
for(int i=0; i&
- Hive几种导出数据方式
daizj
hive数据导出
Hive几种导出数据方式
1.拷贝文件
如果数据文件恰好是用户需要的格式,那么只需要拷贝文件或文件夹就可以。
hadoop fs –cp source_path target_path
2.导出到本地文件系统
--不能使用insert into local directory来导出数据,会报错
--只能使用
- 编程之美
dcj3sjt126com
编程PHP重构
我个人的 PHP 编程经验中,递归调用常常与静态变量使用。静态变量的含义可以参考 PHP 手册。希望下面的代码,会更有利于对递归以及静态变量的理解
header("Content-type: text/plain");
function static_function () {
static $i = 0;
if ($i++ < 1
- Android保存用户名和密码
dcj3sjt126com
android
转自:http://www.2cto.com/kf/201401/272336.html
我们不管在开发一个项目或者使用别人的项目,都有用户登录功能,为了让用户的体验效果更好,我们通常会做一个功能,叫做保存用户,这样做的目地就是为了让用户下一次再使用该程序不会重新输入用户名和密码,这里我使用3种方式来存储用户名和密码
1、通过普通 的txt文本存储
2、通过properties属性文件进行存
- Oracle 复习笔记之同义词
eksliang
Oracle 同义词Oracle synonym
转载请出自出处:http://eksliang.iteye.com/blog/2098861
1.什么是同义词
同义词是现有模式对象的一个别名。
概念性的东西,什么是模式呢?创建一个用户,就相应的创建了 一个模式。模式是指数据库对象,是对用户所创建的数据对象的总称。模式对象包括表、视图、索引、同义词、序列、过
- Ajax案例
gongmeitao
Ajaxjsp
数据库采用Sql Server2005
项目名称为:Ajax_Demo
1.com.demo.conn包
package com.demo.conn;
import java.sql.Connection;import java.sql.DriverManager;import java.sql.SQLException;
//获取数据库连接的类public class DBConnec
- ASP.NET中Request.RawUrl、Request.Url的区别
hvt
.netWebC#asp.nethovertree
如果访问的地址是:http://h.keleyi.com/guestbook/addmessage.aspx?key=hovertree%3C&n=myslider#zonemenu那么Request.Url.ToString() 的值是:http://h.keleyi.com/guestbook/addmessage.aspx?key=hovertree<&
- SVG 教程 (七)SVG 实例,SVG 参考手册
天梯梦
svg
SVG 实例 在线实例
下面的例子是把SVG代码直接嵌入到HTML代码中。
谷歌Chrome,火狐,Internet Explorer9,和Safari都支持。
注意:下面的例子将不会在Opera运行,即使Opera支持SVG - 它也不支持SVG在HTML代码中直接使用。 SVG 实例
SVG基本形状
一个圆
矩形
不透明矩形
一个矩形不透明2
一个带圆角矩
- 事务管理
luyulong
javaspring编程事务
事物管理
spring事物的好处
为不同的事物API提供了一致的编程模型
支持声明式事务管理
提供比大多数事务API更简单更易于使用的编程式事务管理API
整合spring的各种数据访问抽象
TransactionDefinition
定义了事务策略
int getIsolationLevel()得到当前事务的隔离级别
READ_COMMITTED
- 基础数据结构和算法十一:Red-black binary search tree
sunwinner
AlgorithmRed-black
The insertion algorithm for 2-3 trees just described is not difficult to understand; now, we will see that it is also not difficult to implement. We will consider a simple representation known
- centos同步时间
stunizhengjia
linux集群同步时间
做了集群,时间的同步就显得非常必要了。 以下是查到的如何做时间同步。 在CentOS 5不再区分客户端和服务器,只要配置了NTP,它就会提供NTP服务。 1)确认已经ntp程序包: # yum install ntp 2)配置时间源(默认就行,不需要修改) # vi /etc/ntp.conf server pool.ntp.o
- ITeye 9月技术图书有奖试读获奖名单公布
ITeye管理员
ITeye
ITeye携手博文视点举办的9月技术图书有奖试读活动已圆满结束,非常感谢广大用户对本次活动的关注与参与。 9月试读活动回顾:http://webmaster.iteye.com/blog/2118112本次技术图书试读活动的优秀奖获奖名单及相应作品如下(优秀文章有很多,但名额有限,没获奖并不代表不优秀):
《NFC:Arduino、Andro