- 从零开始:构建支持上下文窗口的AI原生应用实战指南
AI天才研究院
AI人工智能与大数据AI-nativeai
从零开始:构建支持上下文窗口的AI原生应用实战指南关键词:大语言模型(LLM)、上下文窗口、AI原生应用、token管理、对话状态保持、向量检索、记忆压缩摘要:本文从AI原生应用的核心需求出发,系统讲解支持上下文窗口的应用构建全流程。通过解析上下文窗口的技术本质、关键挑战及解决方案,结合Python代码实战和真实场景案例,帮助开发者掌握从需求分析到落地部署的完整方法。内容涵盖上下文窗口管理策略、t
- 乙巳年六月十七时光思
一叶迎秋
文心一言
乙巳年六月十七时光思精进日复日,德性年叠年。口说无凭据,时光有呈现。花开知节气,人长懂地天。难重当下春,易过那刻癫。眼见朝霞飞,梦中欢欲连。史上轮回处,君在因果前。
- 上下文工程:AI 智能体架构落地的关键新技术
一休哥助手
人工智能人工智能架构
摘要随着大语言模型(LLM)驱动的智能体(Agent)逐渐成为下一代人机交互的核心范式,上下文管理已成为决定智能体性能与可靠性的关键瓶颈。本文提出“上下文工程”(ContextEngineering)作为智能体架构落地的核心技术方向,系统阐述其在解决长上下文依赖、多轮交互一致性、动态知识更新等挑战中的核心作用。通过分层架构设计、动态压缩策略与向量化增强技术,上下文工程显著提升智能体的记忆效率与推理
- 大模型之Spring AI实战系列(三十二):Spring Boot + DeepSeek 实战指南:工具函数(Function Call)实战应用
系列篇章No.文章1大模型之SpringAI实战系列(一):基础认知篇-开启智能应用开发之旅2大模型之SpringAI实战系列(二):SpringBoot+OpenAI打造聊天应用全攻略3大模型之SpringAI实战系列(三):SpringBoot+OpenAI实现聊天应用上下文记忆功能4大模型之SpringAI实战系列(四):SpringBoot+OpenAI使用OpenAIEmbedding实
- 文心快码流行音乐现场「不加班Live」报名开启!附主题曲发布
人工智能程序员知识观点资讯
百度智能代码助手文心快码(BaiduComate)一直以来为开发者提供“快人一步”的编码体验我们助力编程工作更加高效也期待开发者能够拥有更多拥抱生活的时光六十年前,开发者用穿孔卡片写下第一个“HelloWorld”2025年6月23日ComateAIIDE正式发布让这句问候有了新的回响"HelloWorld,HelloLife!"文心快码正在用技术创新帮助每个有梦想的人构建他们的世界为了更具象化呈
- 【Go语言-Day 16】从零掌握 Go 函数:参数、多返回值与命名返回值的妙用
吴师兄大模型
Go语言从入门到精通golang开发语言后端go语言函数人工智能大模型
Langchain系列文章目录01-玩转LangChain:从模型调用到Prompt模板与输出解析的完整指南02-玩转LangChainMemory模块:四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain:从核心链条构建到动态任务分配的实战指南04-玩转LangChain:从文档加载到高效问答系统构建的全程实战05-玩转LangChain:深度评估问答系统的三种高效方法(示例生成、手
- 【Go语言-Day 14】深入解析 map:创建、增删改查与“键是否存在”的奥秘
吴师兄大模型
Go语言从入门到精通golang开发语言后端人工智能pythongo语言大模型
Langchain系列文章目录01-玩转LangChain:从模型调用到Prompt模板与输出解析的完整指南02-玩转LangChainMemory模块:四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain:从核心链条构建到动态任务分配的实战指南04-玩转LangChain:从文档加载到高效问答系统构建的全程实战05-玩转LangChain:深度评估问答系统的三种高效方法(示例生成、手
- 【机器学习】解密计算机视觉:CNN、目标检测与图像识别核心技术(第25天)
吴师兄大模型
0基础实现机器学习入门到精通机器学习计算机视觉cnn人工智能目标检测图像识别pytorch
Langchain系列文章目录01-玩转LangChain:从模型调用到Prompt模板与输出解析的完整指南02-玩转LangChainMemory模块:四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain:从核心链条构建到动态任务分配的实战指南04-玩转LangChain:从文档加载到高效问答系统构建的全程实战05-玩转LangChain:深度评估问答系统的三种高效方法(示例生成、手
- 【深度学习-Day 35】实战图像数据增强:用PyTorch和TensorFlow扩充你的数据集
吴师兄大模型
深度学习入门到精通深度学习pytorchtensorflow人工智能python大模型LLM
Langchain系列文章目录01-玩转LangChain:从模型调用到Prompt模板与输出解析的完整指南02-玩转LangChainMemory模块:四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain:从核心链条构建到动态任务分配的实战指南04-玩转LangChain:从文档加载到高效问答系统构建的全程实战05-玩转LangChain:深度评估问答系统的三种高效方法(示例生成、手
- DNS和ICMP
阿沁QWQ
服务器linux网络
域名介绍在网络通信中,需要用到ip加port,但是ip并不方便记忆,于是我们常用域名来对应一个ip例如:www.baidu.com对应156.36.56.98(随便写的)com:一级域名.表示这是一个企业域名.同级的还有"net"(网络提供商),"org"(非盈利组织)等.baidu:二级域名,公司名.www:只是一种习惯用法.域名解析域名解析分为两步1.查本地/etc/hosts互连网信息中心(
- Gemini CLI 智能记忆系统全景解析:从单点存储到分布式记忆网络的架构进化
步子哥
智能涌现分布式架构人工智能
前言在前面的分析中,我们了解了MemoryTool的基础记忆存储功能。今天,我们将深入探索GeminiCLI记忆系统的完整生态——通过分析memoryDiscovery.ts和memoryImportProcessor.ts,揭示一个更加复杂而精妙的分布式记忆网络¹。这个系统不仅能够存储单点记忆,更能够构建跨文件、跨项目的智能上下文体系。注解1-分布式记忆网络:不同于传统的单文件存储,Gemini
- 技术演进中的开发沉思-29 MFC系列:关于win32
chilavert318
熬之滴水穿石windows开发语言c++
不得不提的,是win32程序已经走在淘汰的边缘了,但今天还是想说说它。若把计算机系统比作一座不断翻新的城市,Win32就像那些承载着城市记忆的老街区。64位系统的普及确实像拓宽了主干道,Win64作为新拓宽的车道,能跑更大更重的“卡车”(处理更大内存、更复杂运算),但老街区的石板路(Win32)依然有它的用处——那些只需要自行车就能到达的目的地(轻量工具、嵌入式设备),没必要非得开卡车。目前国产化
- 什么是智能体(Agent)?
用什么都重名
大模型相关人工智能Agent大模型
目录前言一、大语言模型1.什么是大语言模型?2.应用领域二、什么是Agent三、Agent核心特点1.感知能力2.规划能力3.行动能力4.记忆能力总结前言目前智能体市场正处于快速发展阶段,呈现出市场规模增长迅猛、应用领域广泛、竞争格局多元化等特点。基于此,让我们一起来学习一下何为智能体。一、大语言模型1.什么是大语言模型?大语言模型是一种采用大量数据进行训练的人工智能模型,主要用于理解和生成自然语
- Gemini CLI 的记忆之谜:深入 `GEMINI.md` 的分层上下文系统
步子哥
智能涌现人工智能
如果你曾与GeminiCLI协作,你可能会惊叹于它的“记忆力”。它不仅能理解你当前项目的复杂结构,还能记住你在不同项目中设定的特定规范。这种近乎“心有灵犀”的默契背后,隐藏着一个强大而精妙的设计——GEMINI.md文件。但GEMINI.md并非一块简单的记事板。它是一个动态的、分层的、可组合的上下文系统,是GeminiCLI的“数字大脑”。今天,就让我们化身神经科学家,一同解剖这个大脑,探寻其记
- Vue和JSX的对比
妮妮喔妮
vue.js前端javascript
对比Vue与JSX-豆包没问题!我来举几个具体例子,对比VueTemplate和JSX在处理静态/动态内容时的写法差异,帮你更直观地感受两种语法的区别:https://www.doubao.com/thread/wb38f2ba78ea372ef总之我觉得写的非常好呀。想要记忆还是要付出行动,多练习!
- 【Go语言-Day 7】循环控制全解析:从 for 基础到 for-range 遍历与高级控制
Langchain系列文章目录01-玩转LangChain:从模型调用到Prompt模板与输出解析的完整指南02-玩转LangChainMemory模块:四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain:从核心链条构建到动态任务分配的实战指南04-玩转LangChain:从文档加载到高效问答系统构建的全程实战05-玩转LangChain:深度评估问答系统的三种高效方法(示例生成、手
- 【Go语言-Day 5】掌握Go的运算脉络:算术、逻辑到位的全方位指南
吴师兄大模型
Go语言从入门到精通golang开发语言后端人工智能pythongo语言LLM
Langchain系列文章目录01-玩转LangChain:从模型调用到Prompt模板与输出解析的完整指南02-玩转LangChainMemory模块:四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain:从核心链条构建到动态任务分配的实战指南04-玩转LangChain:从文档加载到高效问答系统构建的全程实战05-玩转LangChain:深度评估问答系统的三种高效方法(示例生成、手
- iOS常见内存错误码
SY.ZHOU
iOSios
一、经典十六进制错误码0xDEADBEEF(EXC_BAD_ACCESS)含义:野指针访问(访问已释放的内存地址)。记忆点:“DEADBEEF”可理解为“死亡牛肉”,象征指针指向的内存已“死亡”。触发场景:释放对象后继续调用其方法、数组越界或未将指针置nil。0xC0DEB00D(BadCode)含义:代码执行错误(常与内存损坏相关)。记忆点:“CODEB00D”谐音“坏代码”,表示程序执行逻辑异
- 基于odoo17的设计模式详解---备忘模式
花好月圆春祺夏安
设计模式数据库
大家好,我是你的Odoo技术伙伴。在开发复杂的业务流程时,我们有时会遇到这样的需求:在对一个对象进行一系列复杂操作之前,保存其当前状态,以便在操作失败或用户希望撤销时,能够一键恢复到操作之前的样子。或者,我们需要追踪一个对象(如一份合同)在不同时间点的所有历史版本。实现这种“状态快照”和“时光倒流”功能的背后,正是我们今天要探讨的设计模式——备忘录模式(MementoPattern)。一、什么是备
- AI智能体长期记忆系统架构设计与落地实践:从理论到生产部署
一休哥助手
人工智能人工智能
摘要长期记忆能力是AI智能体实现持续个性化服务的核心瓶颈。本文基于Mem0、MemoryOS等前沿研究,系统解析长期记忆系统的三级架构、六大原子操作与生产级优化方案,结合金融、医疗等场景案例,通过7张架构图与4张对比表格,揭示如何实现91%延迟降低与90%成本节约的企业级记忆系统。全文超6000字,提供可落地的架构范式。1长期记忆:AI智能体的认知基石1.1人类记忆与AI记忆的类比情景记忆语义记忆
- 构建强大AI代理的最佳开源工具
在2025年,打造一个智能自主的代理意味着要组装一套能够协同工作的智能工具栈——处理从推理和记忆到浏览器控制和实时语音等所有功能。在过去的一年里,我试验了几十个这样的工具,其中有一些出了问题,也有一些修复了问题,并见证了整个生态系统的成熟。以下是经过精心挑选、实地测试的最佳开源工具列表,可用于构建严肃的AI代理。无论您是要实现工作流程自动化、创建语音优先助手,还是部署可模拟的代理,此堆栈都能满足您
- 深入DP!!!!!!!!!!!!!!-----------------------“DP就像人生:你的当前状态由过去的选择决定,而你的选择将影响未来状态。定义好你的状态转移方程,找到最优的人生路径!“
zwenqiyu
算法
"动态规划不是魔法,而是将大问题拆解成小问题的艺术"——一位ACMer的深夜顿悟暑假集训我们过关斩将,来到了线性动态规划和前缀优化这里,不好,是让人心惊胆战的DP!!!不同于其他题解,我们在详说DP之前,我们先说说记忆化搜索。什么是记忆化搜索?记忆化搜索(Memoization)是一种优化递归算法的技术,通过存储已计算的子问题结果,避免重复计算。它是自顶向下的动态规划实现方式。模板题斐波那契数列问
- Python机器学习与深度学习:决策树、随机森林、XGBoost与LightGBM、迁移学习、循环神经网络、长短时记忆网络、时间卷积网络、自编码器、生成对抗网络、YOLO目标检测等
WangYan2022
机器学习/深度学习Python机器学习深度学习随机森林迁移学习
融合最新技术动态与实战经验,旨在系统提升以下能力:①掌握ChatGPT、DeepSeek等大语言模型在代码生成、模型调试、实验设计、论文撰写等方面的实际应用技巧②深入理解深度学习与经典机器学习算法的关联与差异,掌握其理论基础③熟练运用PyTorch实现各类深度学习模型,包括迁移学习、循环神经网络(RNN)、长短时记忆网络(LSTM)、时间卷积网络(TCN)、自编码器、生成对抗网络(GAN)、YOL
- 如何记住js的正则表达式
HebyH_
javascript正则表达式数据库
正则表达式(RegularExpressions)是处理字符串的强大工具,但确实需要一些记忆和练习才能掌握。以下是一些帮助你记忆JavaScript正则表达式的方法和常用模式:1.基础结构记忆法记住正则表达式的基本结构:/pattern/flags-斜杠包围模式,后面可跟标志例如:/hello/gi-匹配"hello",全局且不区分大小写2.常用元字符记忆口诀"点星加问,花括号量".匹配任意单个字
- Python实现基于POA-CNN-LSTM-Attention鹈鹕优化算法(POA)优化卷积长短期记忆神经网络融合注意力机制进行多变量回归预测的详细项目实例
nantangyuxi
Python算法神经网络python人工智能深度学习目标检测机器学习
目录Python实她基她POA-CNN-LSTM-Attentikon鹈鹕优化算法(POA)优化卷积长短期记忆神经网络融合注意力机制进行她变量回归预测她详细项目实例...1项目背景介绍...1项目目标她意义...1提升她变量回归预测精度...2优化模型训练效率...2python复制ikmpoxtos#操作系统接口,用她环境管理和文件操作ikmpoxtqaxnikngs#警告管理模块,控制运行时警
- 【PyTorch】PyTorch中torch.nn模块的循环层
PyTorch深度学习总结第九章PyTorch中torch.nn模块的循环层文章目录PyTorch深度学习总结前言一、循环层1.简单循环层(RNN)2.长短期记忆网络(LSTM)3.门控循环单元(GRU)4.双向循环层二、循环层参数1.输入维度相关参数2.隐藏层相关参数3.其他参数三、函数总结前言上文介绍了PyTorch中介绍了池化和torch.nn模块中的池化层函数,本文将进一步介绍torch.
- Transformer模型架构深度讲解
Transformer是一种在自然语言处理(NLP)和深度学习中非常重要的模型架构。它首次由Vaswani等人于2017年提出,主要应用于序列到序列的任务(如机器翻译、文本生成、摘要生成等)。Transformer模型与传统的RNN(循环神经网络)和LSTM(长短时记忆网络)不同,它不依赖于时间步的顺序处理,而是完全基于“注意力机制”进行计算,这使得它在训练速度、并行化能力和长期依赖问题的处理上具
- 力扣第 70 题:爬楼梯问题(Climbing Stairs)
力扣第70题:爬楼梯问题(ClimbingStairs)一、题目描述假设你正在爬楼梯,需要爬到第nnn级台阶。每次可以爬111或222级台阶。有多少种不同的方法可以爬到楼顶?输入:一个正整数nnn。输出:一个整数,表示不同的方法数。二、解题思路这个问题可以用递归+记忆化的方式解决,本质是一个动态规划问题。1.状态定义定义dp[i]dp[i]dp[i]表示爬到第iii级台阶的方法数。2.状态转移方程
- 力扣第70题 爬楼梯 c++ 动态规划 基础题
题目70.爬楼梯简单相关标签记忆化搜索数学动态规划假设你正在爬楼梯。需要n阶你才能到达楼顶。每次你可以爬1或2个台阶。你有多少种不同的方法可以爬到楼顶呢?示例1:输入:n=2输出:2解释:有两种方法可以爬到楼顶。1.1阶+1阶2.2阶示例2:输入:n=3输出:3解释:有三种方法可以爬到楼顶。1.1阶+1阶+1阶2.1阶+2阶3.2阶+1阶提示:1dp(n+1);//如果n小于等于2,则直接返回ni
- STM32实现四自由度机械臂(SG90舵机)多功能控制(软件篇freertos)
星辰pid
stm32机械臂freertosstm32嵌入式硬件单片机机械臂
书接上回的硬件篇STM32控制四自由度机械臂(SG90舵机)(硬件篇)(简单易复刻)-CSDN博客此时硬件平台已经搭建完毕,软件总共设计了三种模式,分别为模式1:摇杆&蓝牙模式,此模式下可用摇杆或手机操作机械臂模式2:示教器模式,此模式下由电位器控制机械臂模式3:执行记忆动作,此模式下机械臂重复数组/链表中存储的动作三种模式的切换以及存储动作可由按键或者手机蓝牙切换。代码使用了FREERTOS操作
- 项目中 枚举与注解的结合使用
飞翔的马甲
javaenumannotation
前言:版本兼容,一直是迭代开发头疼的事,最近新版本加上了支持新题型,如果新创建一份问卷包含了新题型,那旧版本客户端就不支持,如果新创建的问卷不包含新题型,那么新旧客户端都支持。这里面我们通过给问卷类型枚举增加自定义注解的方式完成。顺便巩固下枚举与注解。
一、枚举
1.在创建枚举类的时候,该类已继承java.lang.Enum类,所以自定义枚举类无法继承别的类,但可以实现接口。
- 【Scala十七】Scala核心十一:下划线_的用法
bit1129
scala
下划线_在Scala中广泛应用,_的基本含义是作为占位符使用。_在使用时是出问题非常多的地方,本文将不断完善_的使用场景以及所表达的含义
1. 在高阶函数中使用
scala> val list = List(-3,8,7,9)
list: List[Int] = List(-3, 8, 7, 9)
scala> list.filter(_ > 7)
r
- web缓存基础:术语、http报头和缓存策略
dalan_123
Web
对于很多人来说,去访问某一个站点,若是该站点能够提供智能化的内容缓存来提高用户体验,那么最终该站点的访问者将络绎不绝。缓存或者对之前的请求临时存储,是http协议实现中最核心的内容分发策略之一。分发路径中的组件均可以缓存内容来加速后续的请求,这是受控于对该内容所声明的缓存策略。接下来将讨web内容缓存策略的基本概念,具体包括如如何选择缓存策略以保证互联网范围内的缓存能够正确处理的您的内容,并谈论下
- crontab 问题
周凡杨
linuxcrontabunix
一: 0481-079 Reached a symbol that is not expected.
背景:
*/5 * * * * /usr/IBMIHS/rsync.sh
- 让tomcat支持2级域名共享session
g21121
session
tomcat默认情况下是不支持2级域名共享session的,所有有些情况下登陆后从主域名跳转到子域名会发生链接session不相同的情况,但是只需修改几处配置就可以了。
打开tomcat下conf下context.xml文件
找到Context标签,修改为如下内容
如果你的域名是www.test.com
<Context sessionCookiePath="/path&q
- web报表工具FineReport常用函数的用法总结(数学和三角函数)
老A不折腾
Webfinereport总结
ABS
ABS(number):返回指定数字的绝对值。绝对值是指没有正负符号的数值。
Number:需要求出绝对值的任意实数。
示例:
ABS(-1.5)等于1.5。
ABS(0)等于0。
ABS(2.5)等于2.5。
ACOS
ACOS(number):返回指定数值的反余弦值。反余弦值为一个角度,返回角度以弧度形式表示。
Number:需要返回角
- linux 启动java进程 sh文件
墙头上一根草
linuxshelljar
#!/bin/bash
#初始化服务器的进程PId变量
user_pid=0;
robot_pid=0;
loadlort_pid=0;
gateway_pid=0;
#########
#检查相关服务器是否启动成功
#说明:
#使用JDK自带的JPS命令及grep命令组合,准确查找pid
#jps 加 l 参数,表示显示java的完整包路径
#使用awk,分割出pid
- 我的spring学习笔记5-如何使用ApplicationContext替换BeanFactory
aijuans
Spring 3 系列
如何使用ApplicationContext替换BeanFactory?
package onlyfun.caterpillar.device;
import org.springframework.beans.factory.BeanFactory;
import org.springframework.beans.factory.xml.XmlBeanFactory;
import
- Linux 内存使用方法详细解析
annan211
linux内存Linux内存解析
来源 http://blog.jobbole.com/45748/
我是一名程序员,那么我在这里以一个程序员的角度来讲解Linux内存的使用。
一提到内存管理,我们头脑中闪出的两个概念,就是虚拟内存,与物理内存。这两个概念主要来自于linux内核的支持。
Linux在内存管理上份为两级,一级是线性区,类似于00c73000-00c88000,对应于虚拟内存,它实际上不占用
- 数据库的单表查询常用命令及使用方法(-)
百合不是茶
oracle函数单表查询
创建数据库;
--建表
create table bloguser(username varchar2(20),userage number(10),usersex char(2));
创建bloguser表,里面有三个字段
&nbs
- 多线程基础知识
bijian1013
java多线程threadjava多线程
一.进程和线程
进程就是一个在内存中独立运行的程序,有自己的地址空间。如正在运行的写字板程序就是一个进程。
“多任务”:指操作系统能同时运行多个进程(程序)。如WINDOWS系统可以同时运行写字板程序、画图程序、WORD、Eclipse等。
线程:是进程内部单一的一个顺序控制流。
线程和进程
a. 每个进程都有独立的
- fastjson简单使用实例
bijian1013
fastjson
一.简介
阿里巴巴fastjson是一个Java语言编写的高性能功能完善的JSON库。它采用一种“假定有序快速匹配”的算法,把JSON Parse的性能提升到极致,是目前Java语言中最快的JSON库;包括“序列化”和“反序列化”两部分,它具备如下特征:  
- 【RPC框架Burlap】Spring集成Burlap
bit1129
spring
Burlap和Hessian同属于codehaus的RPC调用框架,但是Burlap已经几年不更新,所以Spring在4.0里已经将Burlap的支持置为Deprecated,所以在选择RPC框架时,不应该考虑Burlap了。
这篇文章还是记录下Burlap的用法吧,主要是复制粘贴了Hessian与Spring集成一文,【RPC框架Hessian四】Hessian与Spring集成
 
- 【Mahout一】基于Mahout 命令参数含义
bit1129
Mahout
1. mahout seqdirectory
$ mahout seqdirectory
--input (-i) input Path to job input directory(原始文本文件).
--output (-o) output The directory pathna
- linux使用flock文件锁解决脚本重复执行问题
ronin47
linux lock 重复执行
linux的crontab命令,可以定时执行操作,最小周期是每分钟执行一次。关于crontab实现每秒执行可参考我之前的文章《linux crontab 实现每秒执行》现在有个问题,如果设定了任务每分钟执行一次,但有可能一分钟内任务并没有执行完成,这时系统会再执行任务。导致两个相同的任务在执行。
例如:
<?
//
test
.php
- java-74-数组中有一个数字出现的次数超过了数组长度的一半,找出这个数字
bylijinnan
java
public class OcuppyMoreThanHalf {
/**
* Q74 数组中有一个数字出现的次数超过了数组长度的一半,找出这个数字
* two solutions:
* 1.O(n)
* see <beauty of coding>--每次删除两个不同的数字,不改变数组的特性
* 2.O(nlogn)
* 排序。中间
- linux 系统相关命令
candiio
linux
系统参数
cat /proc/cpuinfo cpu相关参数
cat /proc/meminfo 内存相关参数
cat /proc/loadavg 负载情况
性能参数
1)top
M:按内存使用排序
P:按CPU占用排序
1:显示各CPU的使用情况
k:kill进程
o:更多排序规则
回车:刷新数据
2)ulimit
ulimit -a:显示本用户的系统限制参
- [经营与资产]保持独立性和稳定性对于软件开发的重要意义
comsci
软件开发
一个软件的架构从诞生到成熟,中间要经过很多次的修正和改造
如果在这个过程中,外界的其它行业的资本不断的介入这种软件架构的升级过程中
那么软件开发者原有的设计思想和开发路线
- 在CentOS5.5上编译OpenJDK6
Cwind
linuxOpenJDK
几番周折终于在自己的CentOS5.5上编译成功了OpenJDK6,将编译过程和遇到的问题作一简要记录,备查。
0. OpenJDK介绍
OpenJDK是Sun(现Oracle)公司发布的基于GPL许可的Java平台的实现。其优点:
1、它的核心代码与同时期Sun(-> Oracle)的产品版基本上是一样的,血统纯正,不用担心性能问题,也基本上没什么兼容性问题;(代码上最主要的差异是
- java乱码问题
dashuaifu
java乱码问题js中文乱码
swfupload上传文件参数值为中文传递到后台接收中文乱码 在js中用setPostParams({"tag" : encodeURI( document.getElementByIdx_x("filetag").value,"utf-8")});
然后在servlet中String t
- cygwin很多命令显示command not found的解决办法
dcj3sjt126com
cygwin
cygwin很多命令显示command not found的解决办法
修改cygwin.BAT文件如下
@echo off
D:
set CYGWIN=tty notitle glob
set PATH=%PATH%;d:\cygwin\bin;d:\cygwin\sbin;d:\cygwin\usr\bin;d:\cygwin\usr\sbin;d:\cygwin\us
- [介绍]从 Yii 1.1 升级
dcj3sjt126com
PHPyii2
2.0 版框架是完全重写的,在 1.1 和 2.0 两个版本之间存在相当多差异。因此从 1.1 版升级并不像小版本间的跨越那么简单,通过本指南你将会了解两个版本间主要的不同之处。
如果你之前没有用过 Yii 1.1,可以跳过本章,直接从"入门篇"开始读起。
请注意,Yii 2.0 引入了很多本章并没有涉及到的新功能。强烈建议你通读整部权威指南来了解所有新特性。这样有可能会发
- Linux SSH免登录配置总结
eksliang
ssh-keygenLinux SSH免登录认证Linux SSH互信
转载请出自出处:http://eksliang.iteye.com/blog/2187265 一、原理
我们使用ssh-keygen在ServerA上生成私钥跟公钥,将生成的公钥拷贝到远程机器ServerB上后,就可以使用ssh命令无需密码登录到另外一台机器ServerB上。
生成公钥与私钥有两种加密方式,第一种是
- 手势滑动销毁Activity
gundumw100
android
老是效仿ios,做android的真悲催!
有需求:需要手势滑动销毁一个Activity
怎么办尼?自己写?
不用~,网上先问一下百度。
结果:
http://blog.csdn.net/xiaanming/article/details/20934541
首先将你需要的Activity继承SwipeBackActivity,它会在你的布局根目录新增一层SwipeBackLay
- JavaScript变换表格边框颜色
ini
JavaScripthtmlWebhtml5css
效果查看:http://hovertree.com/texiao/js/2.htm代码如下,保存到HTML文件也可以查看效果:
<html>
<head>
<meta charset="utf-8">
<title>表格边框变换颜色代码-何问起</title>
</head>
<body&
- Kafka Rest : Confluent
kane_xie
kafkaRESTconfluent
最近拿到一个kafka rest的需求,但kafka暂时还没有提供rest api(应该是有在开发中,毕竟rest这么火),上网搜了一下,找到一个Confluent Platform,本文简单介绍一下安装。
这里插一句,给大家推荐一个九尾搜索,原名叫谷粉SOSO,不想fanqiang谷歌的可以用这个。以前在外企用谷歌用习惯了,出来之后用度娘搜技术问题,那匹配度简直感人。
环境声明:Ubu
- Calender不是单例
men4661273
单例Calender
在我们使用Calender的时候,使用过Calendar.getInstance()来获取一个日期类的对象,这种方式跟单例的获取方式一样,那么它到底是不是单例呢,如果是单例的话,一个对象修改内容之后,另外一个线程中的数据不久乱套了吗?从试验以及源码中可以得出,Calendar不是单例。
测试:
Calendar c1 =
- 线程内存和主内存之间联系
qifeifei
java thread
1, java多线程共享主内存中变量的时候,一共会经过几个阶段,
lock:将主内存中的变量锁定,为一个线程所独占。
unclock:将lock加的锁定解除,此时其它的线程可以有机会访问此变量。
read:将主内存中的变量值读到工作内存当中。
load:将read读取的值保存到工作内存中的变量副本中。
- schedule和scheduleAtFixedRate
tangqi609567707
javatimerschedule
原文地址:http://blog.csdn.net/weidan1121/article/details/527307
import java.util.Timer;import java.util.TimerTask;import java.util.Date;
/** * @author vincent */public class TimerTest {
 
- erlang 部署
wudixiaotie
erlang
1.如果在启动节点的时候报这个错 :
{"init terminating in do_boot",{'cannot load',elf_format,get_files}}
则需要在reltool.config中加入
{app, hipe, [{incl_cond, exclude}]},
2.当generate时,遇到:
ERROR