- 【笔记】CPU 性能调节
好奇心害死薛猫
笔记服务器
测试环境:EGS服务器;CPU频率调节驱动BIOS设置HardwareP-States为NativeMode,BIOS关闭EIST,intel_pstate,但是pstate只能有10个,所以CPU频率只能800MHz~1700MHz,turbomode自动关闭,且不可被开启。[root@localhost~]#paste<(ls$intel_pstate)<(cat$intel_pstate/*
- 【笔记】RHEL8 读取 exfat 和 NTFS 分区
好奇心害死薛猫
Linux笔记linux运维
##NTFSntfs-3g-2021.8.22-2.el8.x86_64.rpmntfs-3g-devel-2021.8.22-2.el8.x86_64.rpmntfs-3g-libs-2021.8.22-2.el8.x86_64.rpm##exFATfuse-exfat-1.3.0-3.el8.x86_64.rpm
- 「分块」数列分块入门1 – 9 by hzwer 解题记录
GA_PK
出处学习蓝书的时候感觉书上关于分块的题目太少了.而且都是难度较大的一些分块题目,想巩固一下分块方面的知识,就找到了hzwer大佬的分块入门知识介绍.用这篇博客记录一下.从树状数组到线段树再到分块.都是对区间信息的快速处理来达到想要的效果.树状数组效率最优,可是拓展性实在不高.线段树效率稍微差一点但是拓展性较好,可是在信息不满足区间可加性的情况下代码难度会高很多.而分块效率上最差但是可以接受,且拓展
- 基于深度学习的大规模模型训练
SEU-WYL
深度学习dnn深度学习人工智能dnn
基于深度学习的大规模模型训练涉及训练具有数百万甚至数十亿参数的深度神经网络,以处理复杂的任务,如自然语言处理、计算机视觉和语音识别。以下是关于基于深度学习的大规模模型训练的详细介绍:1.背景和动机数据和模型规模增长:随着数据量和模型复杂度的增加,传统的单机或小规模集群训练难以满足需求。计算资源需求:大规模模型训练需要大量计算资源和存储,单一设备无法满足。任务复杂性:处理复杂任务(如GPT-3、BE
- GNU编译优化级别-O -O1 -O2 -O3
hemmingway
C++Linux
最近做一个算法的GPU加速,发现实际上使用gcc的-O3(最高级编译优化)选项,可以获得很高的加速比,我的程序里达到了3倍的样子,有时效果甚至比GPU加速好。因此小小学习了下GNU的编译优化。附言一句,在进行调试的时候,最好关闭编译优化,不然程序自动优化,执行的步骤可能稍有变化。GNU编译器提供-O选项供程序优化使用:-O提供基础级别的优化-O2提供更加高级的代码优化,会占用更长的编译时间-O3提
- 「DeepSeek接班OpenAI」,最新开源的R1推理模型,让AI圈爆了
人工智能学家
人工智能
来源:前沿科技分享圈近日,AI领域迎来了一次重大突破,DeepSeek正式推出了其最新研发的开源推理模型——DeepSeek-R1。这一模型在数学、代码和自然语言推理等关键任务上的表现,已经能够与OpenAI的o1正式版相媲美,引发了AI研究者和从业者的广泛关注。多阶段训练:创新的模型架构DeepSeek-R1的训练方式采用了多阶段循环的策略,具体包括基础训练、强化学习(RL)、微调等多个阶段。这
- DeepSeek R1:AI领域的新标杆
XianxinMao
人工智能
标题:DeepSeekR1:AI领域的新标杆文章信息摘要:DeepSeek的R1模型在性能上与OpenAI的o1模型相当,甚至在某些方面更具优势,尤其在成本控制上表现出色。R1模型通过开源策略展示了其在AI领域的开放态度,推动了技术的广泛发展。此外,R1-Zero模型通过强化学习和测试时计算实现了强大的推理能力,无需监督微调数据,标志着中国在AI领域的快速崛起,挑战美国的主导地位。AI模型在推理能
- 38字以上的标题:OTFS仿真 MIMO-OTFS MP检测算法:详细注释、ZF均衡、低复杂度LU分解和误差纠正MMSE均衡检测:OMP及基本信道估计、MRC检测,结合索引调制IM、空间调制SM、正交
PGCUZcQeR
网络matlab人工智能
OTFS仿真MIMO-OTFSMP检测算法(详细注释),ZF均衡,低复杂度lu分解和误差纠正mmse均衡检测omp及基本信道估计,MRC检测,结合索引调制IM,空间调制SM,正交空间调制,SM-OFDM,多天线MIMO,AF,DF中继,理想脉冲/矩形脉冲,TDTF域DD域信道以及最新OTSM调制OFDM和OTFS性能对比。代码均可出,均可正常运行。适合本科B设及研究生学习。ID:971873550
- C语言小练习-打印字母倒三角
don't_be_bald
C语言练习c语言算法数据结构
编写一个程序,在用户输入某个大写字母后,产生一个金字塔图案。#includeintmain(intargc,char*argv[]){charch;loop:printf("请输入大写字母!\n");scanf("%c",&ch);getchar();if(ch'Z'){gotoloop;}intlen=ch-'A'+1;inti,j;for(i=1;i=0;j--){printf("%c",'A
- 【学习心得】几种特殊但非常必要学习的pip安装小知识
小oo呆
【学习心得】学习pippython
在学习Python全栈的过程中要接触非常多的库,很多库都是直接pipinstall就搞定了!但有一些总是特立独行!一、安装时的名字与导包时名字不同的首先举例大名鼎鼎的OpenCV#安装OpenCVpipinstallopencv-python#导包importcv2再来一个大名鼎鼎的sklearn#安装pipinstallscikit-learn#导包举例fromsklearn.preproces
- 【自学笔记】JavaWeb的重点知识点-持续更新
Long_poem
笔记javaweb
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录JavaWeb知识点一、基础概念二、项目结构三、Tomcat服务器四、数据库连接(JDBC)五、前端技术六、高级技术总结以下是JavaWeb知识点的MD格式罗列:JavaWeb知识点一、基础概念静态Web与动态Web静态Web:页面内容固定不变,每次访问都返回相同的内容。动态Web:页面内容可以根据请求或用户输入而变化。网站访
- 【Python TensorFlow】入门到精通
极客代码
玩转Pythonpythontensorflow开发语言人工智能深度学习
TensorFlow是一个开源的机器学习框架,由Google开发,广泛应用于机器学习和深度学习领域。本篇将详细介绍TensorFlow的基础知识,并通过一系列示例来帮助读者从入门到精通TensorFlow的使用。1.TensorFlow简介1.1什么是TensorFlow?TensorFlow是一个开源的软件库,主要用于数值计算,特别是在机器学习和深度学习领域。它提供了一个灵活的架构来定义复杂的数
- 在彼此的根系里呼吸
snow每天都要好好学习
labview
爱如草木,需以晨露滋养,而非绳索捆缚。一段健康的亲密关系,恰似两株根系相连却各自向阳的树——风起时枝叶相触,晴空下共享光影,却始终保有向地心深处生长的自由。那些纠缠的根须是信任编织的网,容得下沉默的裂隙,也盛得住脆弱的露水。不必剖开每寸土壤证明忠诚,真正的安全感源自对彼此灵魂疆域的尊重:留一扇虚掩的门,而非密不透风的牢笼。语言在此间化作虹桥,悬于情绪的湍流之上。当暮色漫过窗棂,争吵的雷雨袭来,他们
- 【学习心得】Python好库推荐——PEFT
小oo呆
【学习心得】人工智能python语言模型
一、PEFT是什么?PEFT(Parameter-EfficientFine-Tuning)是一种在深度学习中进行参数高效微调的技术。这种技术主要应用于大型预训练模型的微调过程中,目的是在保持模型性能的同时减少所需的计算资源和时间。通过PEFT,可以有效地调整模型以适应特定任务或数据集,而无需对整个模型的所有参数进行全面微调。二、PEFT使用场景在计算资源有限的情况下,如边缘设备、移动设备或低成本
- Python 机器学习 基础 之 【常用机器学习库】 NumPy 数值计算库
仙魁XAN
Python机器学习基础+实战案例python机器学习numpy数值计算
Python机器学习基础之【常用机器学习库】NumPy数值计算库目录Python机器学习基础之【常用机器学习库】NumPy数值计算库一、简单介绍二、Numpy基础1、安装NumPy2、导入NumPy3、创建数组4、数组操作5、常用函数6、矩阵运算7、广播机制8、随机数三、在机器学习中使用到Numpy的简单示例1、数据预处理1.1数据归一化1.2数据标准化2、特征工程1.1多项式特征3、简单线性回归
- 深度学习训练模型损失Loss为NaN或者无穷大(INF)原因及解决办法
余弦的倒数
学习笔记机器学习深度学习pytorch深度学习人工智能机器学习
文章目录一、可能原因==1.学习率过高====2.batchsize过大==3.梯度爆炸4.损失函数不稳定5.数据预处理问题6.数据标签与输入不匹配7.模型初始化问题8.优化器设置问题9.数值问题==10.模型结构设计缺陷==二、调试步骤三、常见预防措施一、可能原因1.学习率过高原因:学习率过高可能导致梯度爆炸,权重更新幅度过大,导致模型参数变为无穷大或NaN。学习率设置过大是常见问题,它会让参数
- 深度解读大语言模型中的Transformer架构
老三不说话、
transformer
一、Transformer的诞生背景传统的循环神经网络(RNN)和长短期记忆网络(LSTM)在处理自然语言时存在诸多局限性。RNN由于其递归的结构,在处理长序列时容易出现梯度消失和梯度爆炸的问题。这导致模型难以捕捉长距离的依赖关系,对于复杂的自然语言文本,无法有效地学习到上下文的关键信息。LSTM虽然在一定程度上缓解了梯度消失的问题,但依然存在梯度不稳定的情况。而且,RNN和LSTM在计算过程中,
- 2.3、numpy 数组:广播机制、遍历数组
融码一生
Python数据处理与分析numpynumpypython开发语言数据分析
点击上方分类专栏、进行系统性学习(文末可扫码领取资料)1、广播机制NumPy中的广播机制(Broadcast)旨在解决不同形状数组之间的算术运算问题。如果进行运算的两个数组形状完全相同,它们直接可以做相应的运算。importnumpyasnpa=np.array([0.1,0.2,0.3,0.4])b=np.array([10,20,30,40])c=a*b#jy:[1.4.9.16.]print
- 联想r720安装固态_联想拯救者R720-15IKBN笔记本加装SSD不识别的案例
weixin_39999859
联想r720安装固态
故障现象客户送修拯救者R720-15IKBN笔记本,称自己购买的SSD不能识别,工程师加装超极盘SSD时不能确定方案;解决方案已经确认主机标配接口为M.2(NGFF2280)规格;测试联想加速度C80,C80Ls在此机器上均不能识别;因为此机型只支持PCI-E协议SSD,使用联想加速度E80S可以正常识别使用(31070553:加速度-超极盘升级E80s128G,可供参考);如下图为随机带的SSD
- 联想R720升级Win11教程 拯救者R720升级Win11方法
m0_70960708
笔记电脑
拯救者r720是联想拯救者系列在2017年推出的笔记本型号,虽然已经过去5年了,但是配置却还可以畅玩很多游戏,不少联想R720的用户也想要升级到Win11系统,那么到底能不能升级呢?下面就一起来看看吧。r720怎么升级win11:1、很遗憾的是,r720使用的是第七代英特尔处理器,不满足微软对于win11的要求。2、因此用户如果想要升级win11的话,必须要跳过系统检测,在pe系统之中进行升级。3
- 通过命令行工作流提升工作效率的实战教程(持续更新)
herosunly
大模型工作流实战教程
大家好,我是herosunly。985院校硕士毕业,现担任算法研究员一职,热衷于机器学习算法研究与应用。曾获得阿里云天池比赛第一名,CCF比赛第二名,科大讯飞比赛第三名。拥有多项发明专利。对机器学习和深度学习拥有自己独到的见解。曾经辅导过若干个非计算机专业的学生进入到算法行业就业。希望和大家一起成长进步。 本文主要介绍了通过命令行工作流提升工作效率的实战教程,希望对使用大语言模型的同学们有所
- Python进阶————迭代器与生成器
记得多吃点
Python进阶知识python开发语言
迭代器与生成器前言一、迭代器二、生成器2.1创建生成器的两种方式2.1.1生成器推导式2.1.2yield关键字2.2使用生成器生成批次数据三、区别与联系3.1区别3.2联系总结前言我们之前学习遍历的时候,系统会一下子给我们显示所有的数据,我们希望当我们需要数据的时候再给我们数据,那么,我们就需要迭代器与生成器的帮助。迭代器和生成器在Python中都是用来处理数据序列的重要工具,它们之间的主要区别
- python入门教程jupyter_Jupyter Notebooks的安装和使用介绍
weixin_39953618
最近又开始重新学习Python,学习中使用到了一款编辑器JupyterNotebooks,非常想安利给初学python的同学。注:本文内容仅针对windows环境下安装和配置JupyterNotebooks。1.JupyterNotebooks简介国际惯例还是来一段官方的介绍:Notebooks其实就像是你的python笔记本一样,不仅可以运行书写的python代码,同时还支持markdown格式
- 第03课:Anaconda 与 Jupyter Notebook
红色石头Will
深度学习PyTorch极简入门人工智能深度学习PyTorch
本文将为大家介绍深度学习实战非常重要的两个工具:Anaconda和JupyterNotebook。Anaconda为什么选择Anaconda我们知道Python是人工智能的首选语言。为了更好、更方便地使用Python来编写深度学习相关程序,可以使用集成开发环境或集成管理系统,最流行的比如PyCharm和Anaconda。本文我推荐使用Anaconda。之所以选择Anaconda,是因为Anacon
- 从0开始使用面对对象C语言搭建一个基于OLED的图形显示框架(OLED设备层封装)
charlie114514191
OLED驱动开发记录c语言教程OLED单片机stm32嵌入式软件
目录OLED设备层驱动开发如何抽象一个OLED完成OLED的功能初始化OLED清空屏幕刷新屏幕与光标设置1刷新屏幕与光标设置2刷新屏幕与光标设置3绘制一个点反色区域化操作区域置位区域反色区域更新区域清空测试我们的抽象整理一下,我们应该如何使用?在上一篇博客:从0开始使用面对对象C语言搭建一个基于OLED的图形显示框架2-CSDN博客中,我们完成了协议层的抽象,现在让我们更近一步,完成对设备层的抽象
- 【PHP】Laravel 介绍 史上最优雅的 PHP 框架
Ustinian_310
laravelphp
1.Laravel介绍Laravel是一个开源的PHPWeb应用框架,由TaylorOtwell创建并于2011年6月首次发布。它遵循模型-视图-控制器(MVC)架构模式,旨在简化Web开发的任务,提供了一套丰富的功能,帮助开发者快速构建安全、可扩展的Web应用程序。附注:文末附有Laravel的社区入口,感兴趣的小伙伴可以去社区寻找更多学习资料以下是Laravel的一些主要特点和组件:核心特点M
- PyQt5中的QObject对象
strive_one
QObject在Qt中QObject是所有类的基类,换而言之是在Qt中所有的类均继承自QObject,这使得QObject中的所有方法在其它类中使用。所以学习QObject中的方法有其特殊的意义。继承结构测试的方法fromPyQt5.QtCoreimportQObject#创建一个QObject对象obj=QObject()#获得父类mros=QObject.mro()formroinmros:p
- 深度学习(DL/ML)学习路径
jackl的科研日常
深度学习学习人工智能
最近几年,尤其是自从2016年AlphaGo打败李世石事件后,人工智能技术受到了各行业极大关注。其中以机器学习技术中深度学习最受瞩目。主要原因是这些技术在科研领域和工业界的应用效果非常好,大幅提升了算法效率、降低了成本。因而市场对相关技术有了如此大的需求。我在思考传统行业与这些新兴技术结合并转型的过程中,亦系统的回顾了深度学习及其相关技术。本文正是我在学习过程中所作的总结。我将按照我所理解的学习路
- YOLOv10改进,YOLOv10检测头融合DynamicHead,添加小目标检测层(四头检测)+CA注意机制,全网首发
挂科边缘
YOLOv10改进YOLO目标检测人工智能深度学习计算机视觉
摘要作者提出一种新的检测头,称为“动态头”,旨在将尺度感知、空间感知和任务感知统一在一起。如果我们将骨干网络的输出(即检测头的输入)视为一个三维张量,其维度为级别×空间×通道,这样的统一检测头可以看作是一个注意力学习问题,直观的解决方案是对该张量进行全自注意力机制的构建。然而,直接在所有维度上学习注意力函数过于困难,且计算成本过高。因此,作者提出通过分别在特征的每个特定维度上部署注意力机制,即在级
- hive表指定分区字段搜索_Hive学习-Hive基本操作(建库、建表、分区表、写数据)...
weixin_39710660
hive表指定分区字段搜索
hive简单认识Hive是建立在HDFS之上的数据仓库,所以Hive的数据全部存储在HDFS上。Hive的数据分为两部分,一部分是存在HDFS上的具体数据,一部分是描述这些具体数据的元数据信息,一般Hive的元数据存在MySQL上。Hive是类SQL语法的数据查询、计算、分析工具,执行引擎默认的是MapReduce,可以设置为Spark、Tez。Hive分内部表和外部表,外部表在建表的同时指定一个
- 微信开发者验证接口开发
362217990
微信 开发者 token 验证
微信开发者接口验证。
Token,自己随便定义,与微信填写一致就可以了。
根据微信接入指南描述 http://mp.weixin.qq.com/wiki/17/2d4265491f12608cd170a95559800f2d.html
第一步:填写服务器配置
第二步:验证服务器地址的有效性
第三步:依据接口文档实现业务逻辑
这里主要讲第二步验证服务器有效性。
建一个
- 一个小编程题-类似约瑟夫环问题
BrokenDreams
编程
今天群友出了一题:
一个数列,把第一个元素删除,然后把第二个元素放到数列的最后,依次操作下去,直到把数列中所有的数都删除,要求依次打印出这个过程中删除的数。
&
- linux复习笔记之bash shell (5) 关于减号-的作用
eksliang
linux关于减号“-”的含义linux关于减号“-”的用途linux关于“-”的含义linux关于减号的含义
转载请出自出处:
http://eksliang.iteye.com/blog/2105677
管道命令在bash的连续处理程序中是相当重要的,尤其在使用到前一个命令的studout(标准输出)作为这次的stdin(标准输入)时,就显得太重要了,某些命令需要用到文件名,例如上篇文档的的切割命令(split)、还有
- Unix(3)
18289753290
unix ksh
1)若该变量需要在其他子进程执行,则可用"$变量名称"或${变量}累加内容
什么是子进程?在我目前这个shell情况下,去打开一个新的shell,新的那个shell就是子进程。一般状态下,父进程的自定义变量是无法在子进程内使用的,但通过export将变量变成环境变量后就能够在子进程里面应用了。
2)条件判断: &&代表and ||代表or&nbs
- 关于ListView中性能优化中图片加载问题
酷的飞上天空
ListView
ListView的性能优化网上很多信息,但是涉及到异步加载图片问题就会出现问题。
具体参看上篇文章http://314858770.iteye.com/admin/blogs/1217594
如果每次都重新inflate一个新的View出来肯定会造成性能损失严重,可能会出现listview滚动是很卡的情况,还会出现内存溢出。
现在想出一个方法就是每次都添加一个标识,然后设置图
- 德国总理默多克:给国人的一堂“震撼教育”课
永夜-极光
教育
http://bbs.voc.com.cn/topic-2443617-1-1.html德国总理默多克:给国人的一堂“震撼教育”课
安吉拉—默克尔,一位经历过社会主义的东德人,她利用自己的博客,发表一番来华前的谈话,该说的话,都在上面说了,全世界想看想传播——去看看默克尔总理的博客吧!
德国总理默克尔以她的低调、朴素、谦和、平易近人等品格给国人留下了深刻印象。她以实际行动为中国人上了一堂
- 关于Java继承的一个小问题。。。
随便小屋
java
今天看Java 编程思想的时候遇见一个问题,运行的结果和自己想想的完全不一样。先把代码贴出来!
//CanFight接口
interface Canfight {
void fight();
}
//ActionCharacter类
class ActionCharacter {
public void fight() {
System.out.pr
- 23种基本的设计模式
aijuans
设计模式
Abstract Factory:提供一个创建一系列相关或相互依赖对象的接口,而无需指定它们具体的类。 Adapter:将一个类的接口转换成客户希望的另外一个接口。A d a p t e r模式使得原本由于接口不兼容而不能一起工作的那些类可以一起工作。 Bridge:将抽象部分与它的实现部分分离,使它们都可以独立地变化。 Builder:将一个复杂对象的构建与它的表示分离,使得同
- 《周鸿祎自述:我的互联网方法论》读书笔记
aoyouzi
读书笔记
从用户的角度来看,能解决问题的产品才是好产品,能方便/快速地解决问题的产品,就是一流产品.
商业模式不是赚钱模式
一款产品免费获得海量用户后,它的边际成本趋于0,然后再通过广告或者增值服务的方式赚钱,实际上就是创造了新的价值链.
商业模式的基础是用户,木有用户,任何商业模式都是浮云.商业模式的核心是产品,本质是通过产品为用户创造价值.
商业模式还包括寻找需求
- JavaScript动态改变样式访问技术
百合不是茶
JavaScriptstyle属性ClassName属性
一:style属性
格式:
HTML元素.style.样式属性="值";
创建菜单:在html标签中创建 或者 在head标签中用数组创建
<html>
<head>
<title>style改变样式</title>
</head>
&l
- jQuery的deferred对象详解
bijian1013
jquerydeferred对象
jQuery的开发速度很快,几乎每半年一个大版本,每两个月一个小版本。
每个版本都会引入一些新功能,从jQuery 1.5.0版本开始引入的一个新功能----deferred对象。
&nb
- 淘宝开放平台TOP
Bill_chen
C++c物流C#
淘宝网开放平台首页:http://open.taobao.com/
淘宝开放平台是淘宝TOP团队的产品,TOP即TaoBao Open Platform,
是淘宝合作伙伴开发、发布、交易其服务的平台。
支撑TOP的三条主线为:
1.开放数据和业务流程
* 以API数据形式开放商品、交易、物流等业务;
&
- 【大型网站架构一】大型网站架构概述
bit1129
网站架构
大型互联网特点
面对海量用户、海量数据
大型互联网架构的关键指标
高并发
高性能
高可用
高可扩展性
线性伸缩性
安全性
大型互联网技术要点
前端优化
CDN缓存
反向代理
KV缓存
消息系统
分布式存储
NoSQL数据库
搜索
监控
安全
想到的问题:
1.对于订单系统这种事务型系统,如
- eclipse插件hibernate tools安装
白糖_
Hibernate
eclipse helios(3.6)版
1.启动eclipse 2.选择 Help > Install New Software...> 3.添加如下地址:
http://download.jboss.org/jbosstools/updates/stable/helios/ 4.选择性安装:hibernate tools在All Jboss tool
- Jquery easyui Form表单提交注意事项
bozch
jquery easyui
jquery easyui对表单的提交进行了封装,提交的方式采用的是ajax的方式,在开发的时候应该注意的事项如下:
1、在定义form标签的时候,要将method属性设置成post或者get,特别是进行大字段的文本信息提交的时候,要将method设置成post方式提交,否则页面会抛出跨域访问等异常。所以这个要
- Trie tree(字典树)的Java实现及其应用-统计以某字符串为前缀的单词的数量
bylijinnan
java实现
import java.util.LinkedList;
public class CaseInsensitiveTrie {
/**
字典树的Java实现。实现了插入、查询以及深度优先遍历。
Trie tree's java implementation.(Insert,Search,DFS)
Problem Description
Igna
- html css 鼠标形状样式汇总
chenbowen00
htmlcss
css鼠标手型cursor中hand与pointer
Example:CSS鼠标手型效果 <a href="#" style="cursor:hand">CSS鼠标手型效果</a><br/>
Example:CSS鼠标手型效果 <a href="#" style=&qu
- [IT与投资]IT投资的几个原则
comsci
it
无论是想在电商,软件,硬件还是互联网领域投资,都需要大量资金,虽然各个国家政府在媒体上都给予大家承诺,既要让市场的流动性宽松,又要保持经济的高速增长....但是,事实上,整个市场和社会对于真正的资金投入是非常渴望的,也就是说,表面上看起来,市场很活跃,但是投入的资金并不是很充足的......
 
- oracle with语句详解
daizj
oraclewithwith as
oracle with语句详解 转
在oracle中,select 查询语句,可以使用with,就是一个子查询,oracle 会把子查询的结果放到临时表中,可以反复使用
例子:注意,这是sql语句,不是pl/sql语句, 可以直接放到jdbc执行的
----------------------------------------------------------------
- hbase的简单操作
deng520159
数据库hbase
近期公司用hbase来存储日志,然后再来分析 ,把hbase开发经常要用的命令找了出来.
用ssh登陆安装hbase那台linux后
用hbase shell进行hbase命令控制台!
表的管理
1)查看有哪些表
hbase(main)> list
2)创建表
# 语法:create <table>, {NAME => <family&g
- C语言scanf继续学习、算术运算符学习和逻辑运算符
dcj3sjt126com
c
/*
2013年3月11日20:37:32
地点:北京潘家园
功能:完成用户格式化输入多个值
目的:学习scanf函数的使用
*/
# include <stdio.h>
int main(void)
{
int i, j, k;
printf("please input three number:\n"); //提示用
- 2015越来越好
dcj3sjt126com
歌曲
越来越好
房子大了电话小了 感觉越来越好
假期多了收入高了 工作越来越好
商品精了价格活了 心情越来越好
天更蓝了水更清了 环境越来越好
活得有奔头人会步步高
想做到你要努力去做到
幸福的笑容天天挂眉梢 越来越好
婆媳和了家庭暖了 生活越来越好
孩子高了懂事多了 学习越来越好
朋友多了心相通了 大家越来越好
道路宽了心气顺了 日子越来越好
活的有精神人就不显
- java.sql.SQLException: Value '0000-00-00' can not be represented as java.sql.Tim
feiteyizu
mysql
数据表中有记录的time字段(属性为timestamp)其值为:“0000-00-00 00:00:00”
程序使用select 语句从中取数据时出现以下异常:
java.sql.SQLException:Value '0000-00-00' can not be represented as java.sql.Date
java.sql.SQLException: Valu
- Ehcache(07)——Ehcache对并发的支持
234390216
并发ehcache锁ReadLockWriteLock
Ehcache对并发的支持
在高并发的情况下,使用Ehcache缓存时,由于并发的读与写,我们读的数据有可能是错误的,我们写的数据也有可能意外的被覆盖。所幸的是Ehcache为我们提供了针对于缓存元素Key的Read(读)、Write(写)锁。当一个线程获取了某一Key的Read锁之后,其它线程获取针对于同
- mysql中blob,text字段的合成索引
jackyrong
mysql
在mysql中,原来有一个叫合成索引的,可以提高blob,text字段的效率性能,
但只能用在精确查询,核心是增加一个列,然后可以用md5进行散列,用散列值查找
则速度快
比如:
create table abc(id varchar(10),context blog,hash_value varchar(40));
insert into abc(1,rep
- 逻辑运算与移位运算
latty
位运算逻辑运算
源码:正数的补码与原码相同例+7 源码:00000111 补码 :00000111 (用8位二进制表示一个数)
负数的补码:
符号位为1,其余位为该数绝对值的原码按位取反;然后整个数加1。 -7 源码: 10000111 ,其绝对值为00000111 取反加一:11111001 为-7补码
已知一个数的补码,求原码的操作分两种情况:
- 利用XSD 验证XML文件
newerdragon
javaxmlxsd
XSD文件 (XML Schema 语言也称作 XML Schema 定义(XML Schema Definition,XSD)。 具体使用方法和定义请参看:
http://www.w3school.com.cn/schema/index.asp
java自jdk1.5以上新增了SchemaFactory类 可以实现对XSD验证的支持,使用起来也很方便。
以下代码可用在J
- 搭建 CentOS 6 服务器(12) - Samba
rensanning
centos
(1)安装
# yum -y install samba
Installed:
samba.i686 0:3.6.9-169.el6_5
# pdbedit -a rensn
new password:123456
retype new password:123456
……
(2)Home文件夹
# mkdir /etc
- Learn Nodejs 01
toknowme
nodejs
(1)下载nodejs
https://nodejs.org/download/ 选择相应的版本进行下载 (2)安装nodejs 安装的方式比较多,请baidu下
我这边下载的是“node-v0.12.7-linux-x64.tar.gz”这个版本 (1)上传服务器 (2)解压 tar -zxvf node-v0.12.
- jquery控制自动刷新的代码举例
xp9802
jquery
1、html内容部分 复制代码代码示例: <div id='log_reload'>
<select name="id_s" size="1">
<option value='2'>-2s-</option>
<option value='3'>-3s-</option