- 使用LangChainV3.0加载PDF文件并进行总结
毛毛的毛毛
pdfAI编程
LangChain目前已经更新到了V3版本,之前一直使用的V1版本,有很多方法都需要自己去封装,这次重新看了V3版本的API文档,很多方法都十分便利,调用方法简单明了十分方便,下面就来展示下这次对于PDF文件加载的优化处理:importtimefromlangchain.chains.summarizeimportload_summarize_chainfromlangchain_communit
- 深入解析LangChain:构建智能应用的全方位指南
AIGC大模型 吱屋猪
langchain语言模型人工智能自然语言处理llama百度机器学习
1.LangChain介绍与环境配置面试官:“你能先简单介绍一下LangChain吗?包括它的背景、主要功能,以及它在当前语言模型开发中的意义。”你:"LangChain是一个开源框架,旨在简化和增强基于语言模型的应用开发。随着语言模型,特别是大型预训练模型的兴起,开发者逐渐认识到这些模型不仅可以生成文本,还可以被用于处理复杂的对话、数据分析以及其他需要自然语言处理的任务。然而,这些模型的集成和实
- HTML语言的区块链
沈韡蕙
包罗万象golang开发语言后端
区块链技术的崛起与发展区块链是一种新兴的技术,它以其独特的去中心化、透明性和不可篡改性,正在全球范围内改变许多行业的游戏规则。在这篇文章中,我们将深入探讨区块链的基本概念、技术原理、应用场景以及未来的发展趋势。一、区块链的基本概念区块链,顾名思义,是一个由区块(Block)和链(Chain)组成的数据结构。每个区块中包含了一组交易记录,而这些区块通过加密算法和时间戳相互连接,形成一条连续的链条。这
- LangChain开发【NL2SQL】应用(few-shot优化)
向羿燃
LangChain开发及生态langchainai人工智能数据分析
前言之前发布的博客LangGraph开发Agent智能体应用【NL2SQL】-CSDN博客,留了一个问题,对于相对复杂的sql(leetcode中等难度的sql题),gpt4o就力不从心了。这篇文章来讲一下优化什么是few-shot使用这些少量的、调整后的样本对预训练模型进行微调其实就是给LLM少量示例关于few-shot的研究:https://medium.com/ubiai-nlp/step-
- 1.5 企业级AI大模型四阶技术全景解析:从Prompt到Pre-training的进化路径
少林码僧
掌握先机!从0起步实战AI大模型微调打造核心竞争力人工智能promptchatgptlangchaingpt
企业级AI大模型四阶技术全景解析:从Prompt到Pre-training的进化路径一、技术演进金字塔:四阶技术如何构建AI新范式▲预训练│(万亿参数基建)├─大模型微调│(领域知识注入)├─AI智能体│(任务自动化)└─提示工程(零样本交互)1.1技术层级关系与适用场景技术阶段技术门槛算力需求企业应用成熟度典型工具链提示工程★☆☆☆☆CPU即可90%+企业已部署LangChain、AutoGPT
- langchain学习笔记之小样本提示词Few-shot Prompt Template
静静的喝酒
langchain深度学习人工智能大模型开发langchain
langchain学习笔记之小样本提示词引言Few-shotPromptTemplates\text{Few-shotPromptTemplates}Few-shotPromptTemplates简单介绍示例集创建创建ExamplePrompt\text{ExamplePrompt}ExamplePrompt与ExampleSelector\text{ExampleSelector}Example
- 基于 llama-index与Qwen大模型实现RAG
uncle_ll
RAGllamaragqwenllm大模型
文章目录llama-index核心功能工作流程Qwen技术特点核心能力RAG核心原理关键优势工作流程知识准备阶段查询处理阶段检索与重排阶段语言模型调用阶段实现环境准备代码实现参考LlamaIndex和Langchain都是比较成熟的RAG和Agent框架,这里基于llama实现RAG框架,大模型选用阿里的开源模型Qwen大模型。可以实现Qwen2.5与外部数据(例如文档、网页等)的连接,利用Lla
- 使用OpenAI API进行文本分类标注
dgay_hua
人工智能python
技术背景介绍文本分类标注(Tagging)是一种非常有用的技术,可以对文档进行分类,例如情感分析、语言检测、风格判断、主题识别等。这项技术在自然语言处理(NLP)领域中有广泛的应用,例如社交媒体监控、客户反馈分析和自动化客服系统等。在本文中,我们将使用OpenAI的API,通过LangChain工具来进行文本分类标注。我们将展示如何定义分类函数和模式(schema),并通过实际代码演示实现文本分类
- 探索Hugging Face平台:AI工具和集成指南
stjklkjhgffxw
人工智能python
探索HuggingFace平台:AI工具和集成指南在人工智能和自然语言处理领域,HuggingFace无疑是一个备受瞩目的平台。无论是开发者还是研究者,大家都能从中找到适合的资源和工具。本篇文章旨在为大家深入介绍如何在HuggingFace平台上使用不同的功能模块,包括模型、API和工具集成。主要内容1.安装和集成要使用HuggingFace与Langchain的集成功能,我们首先需要安装lang
- 使用LangChain与OpenAI API进行向量嵌入和搜索的实战教程
bBADAS
langchainpython开发语言
使用LangChain与OpenAIAPI进行向量嵌入和搜索的实战教程相信很多开发者都对AI技术充满了兴趣,尤其是在如何实际应用这些技术上。今天,我们将详细探讨如何使用LangChain和OpenAIAPI进行向量嵌入和搜索,以构建一个可以对大量文本数据进行智能搜索的应用。技术背景介绍LangChain是一个用于构建大型语言模型(LLM)应用的强大工具集,能够帮助开发者快速构建智能应用。结合Ope
- 深度学习-108-大语言模型LLM之基于langchain的结构化输出功能提取结构化信息
皮皮冰燃
深度学习深度学习语言模型langchain
文章目录1langchain的结构化输出1.1推荐的使用流程1.2模式定义1.3返回结构化输出1.3.1工具调用(方式一)1.3.2JSON模式(方式二)1.3.3结构化输出法(方式三)2提取结构化信息2.1定义数据模型2.2配置提示模板2.3设置执行链3参考附录1langchain的结构化输出对于许多应用程序,例如聊天机器人,模型需要直接用自然语言响应用户。然而,在某些情况下,我们需要模型以结构
- 真正通俗易懂的Langchain入门学习(六)
caridle
智能体langchain学习
五、下一步行动:从学习者到创造者的跃迁1.启动你的第一个项目(3天实践计划)行动指南:graphTDA[第1天:选择方向]-->B{{三选一}}B-->C[客服助手]B-->D[论文分析]B-->E[数据助手]C/D/E-->F[第2天:搭建基础]F-->G[第3天:添加特色功能]具体任务:基础版必做:运行课堂示例代码替换为自己的数据(如上传公司产品手册/个人学习笔记)特色功能选装:给客服助手添加
- 真正通俗易懂的Langchain入门学习(四)
caridle
智能体langchain学习
三、核心模块深入:像搭积木一样组装AI能力1.Models(模型层):给你的AI换个“大脑”场景需求:需要更高精度的回答?→换GPT-4数据敏感必须本地部署?→用开源模型想节省成本?→选择按量付费的模型实操演示:#使用OpenAI的GPT-4(需账户有访问权限)fromlangchain.chat_modelsimportChatOpenAIgpt4=ChatOpenAI(model="gpt-4
- 真正通俗易懂的Langchain入门学习(五)
caridle
智能体langchain学习
四、项目实战:从玩具到工具的蜕变项目1:智能客服助手(1-2天)场景需求:用户咨询产品信息→自动查询数据库处理退换货请求→生成工单并邮件通知多轮对话→记住用户历史订单技术栈:产品咨询售后服务用户提问意图识别Chain类型判断数据库查询Agent工单生成Chain组织回复回复美化Transform分步实现:搭建基础问答链fromlangchain.chainsimportRetrievalQA#连接
- 真正通俗易懂的Langchain入门学习(一)
caridle
智能体langchain学习数据库
以下是针对初学者的LangChain基础学习提纲,从理论到实践逐步深入,帮助你系统掌握核心概念与应用:一、基础认知(1-2天)什么是LangChain?定义:基于语言模型(LLM)构建应用程序的框架。核心功能:连接LLM与外部数据/工具、管理对话流程、自动化复杂任务。典型应用场景:聊天机器人、文档问答、数据分析助手、自动化工作流。与普通LLM应用的区别:支持多步骤任务、记忆管理、外部工具集成。核心
- AI Agent智能应用从0到1定制开发Langchain+LLM全流程解决方案与落地实战
AI知识分享官
人工智能langchain算法数据挖掘计算机视觉机器学习产品经理
大模型微调实战:精通、指令微调、开源大模型微调、对齐与垂直领域应用29套AI全栈大模型项目实战,人工智能视频课程-多模态大模型,微调技术训练营,大模型多场景实战,AI图像处理,AI量化投资,OPenCV视觉处理,机器学习,Pytorch深度学习,推荐系统,自动驾驶,训练私有大模型,LLM大语言模型,大模型多场景实战,Agent智能应用,AIGC实战落地,ChatGPT虚拟数字人,Djourney智
- opencv交叉编译
月光下的麦克
opencv人工智能计算机视觉
适用于瑞芯微,海思,酷芯等ARM平台。采用编译脚本配置编译选项,方便编译。目录一、创建目录二、工具链配置三、编译脚本四、编译一、创建目录mike@mike-virtual-machine:opencv-4.12/opencv/opencv$tree.-L1.├──3rdparty├──apps├──armlinux.toolchain.cmake├──build├──build.sh├──cmak
- 【Python设计模式22】职责链模式
一碗姜汤
设计模式python设计模式
职责链模式(ChainofResponsibilityPattern)是一种行为型设计模式,它允许多个对象都有机会处理请求,从而避免请求的发送者和接收者之间的耦合。这些对象被连接成一条链,并沿着这条链传递请求,直到有一个对象处理它为止。职责链模式的结构职责链模式主要包括以下几个角色:处理者接口(Handler):定义处理请求的接口,并且在接口中声明一个设置后继处理者的方法。具体处理者(Concre
- Python设计模式详解之22 ——职责链模式
拾工
Python设计模式python设计模式
ChainofResponsibility(职责链)设计模式详解ChainofResponsibility(职责链)设计模式是一种行为型设计模式,它允许多个对象依次处理一个请求,而无需知道请求的发送者或最终处理者。这种模式通过创建一条“职责链”,将请求沿着链传递,直到被某个对象处理或到达链的末端。1.定义职责链模式将请求的处理逻辑分离到一系列的处理者对象中,客户端只需发出请求,无需关心具体由谁处理
- Langchain.js与ScriptEcho:推动AI文本生成与前端开发的创新
2401_89747417
langchainjavascript人工智能前端
引言在当今快速发展的科技领域,AI文本生成和前端开发的结合正成为一个重要的趋势。Langchain.js作为一个强大的工具,正在为开发者提供前所未有的便利。Langchain.js不仅连接了多个大型语言模型,还通过其灵活的架构,帮助开发者简化了AI应用的开发流程。同时,ScriptEcho作为一款创新的前端开发工具,正通过自动化功能提升开发效率。本文将深入探讨Langchain.js的核心概念及其
- 本地运行LangChain项目的完整指南
qq_37836323
langchainpython
老铁们,今天我们来聊一聊如何在本地运行LangChain项目并提交你的第一段代码。对于开发容器来说,你可以查看.devcontainer文件夹。咱们的项目是通过Poetryv1.7.1+来管理依赖的。如果你用Conda,记得先创建并激活一个新的Conda环境,例如condacreate-nlangchainpython=3.9。Poetry的安装在安装Poetry之前,老铁们注意,如果你使用Con
- 精通LangChain:如何使用Unstructured处理多种格式的图像文档
hshahtjtbh
langchainpython
#引言随着人工智能和深度学习的快速发展,文档图像分析(DocumentImageAnalysis,DIA)在许多领域中变得至关重要。然而,处理多种图像格式的文档仍然是一个挑战。本文将介绍如何使用Unstructured库,通过LangChain框架加载和处理多种格式的图像文档,帮助您在DIA任务中实现更高效的工作流程。#主要内容##安装Unstructured在开始之前,确保安装了Unstruct
- langchain UnstructuredPDFLoader读取pdf仅生成单篇Document解决办法
未来已存在
langchainpdf前端
fromlangchain.document_loadersimportUnstructuredPDFLoaderloader=UnstructuredPDFLoader("test.pdf")pages=loader.load_and_split()langchain的UnstructuredPDFLoader默认采用的是fast解析,如果是比较长的pdf,会发现没有分割文档,把整篇文章都放到一
- 《深入了解Unstructured包:在LangChain中使用Unstructured.IO提取干净文本》
cgsayuclv
langchainpython
引言在现代数据处理和人工智能应用中,解析和清洗文本数据是一个重要的环节。无论是PDF文件、Word文档还是CSV文件,能够高效地提取有用信息对下游任务至关重要。这篇文章将介绍如何使用Unstructured.IO的Unstructured包来从原始文档中提取干净文本,并在LangChain框架中使用它。本文将包含安装与设置指南、详细教程、代码示例、常见问题及解决方案,并提供进一步学习的资源。主要内
- 使用Unstructured和LangChain处理非结构化数据:全面指南
qq_37836323
langchainpython
使用Unstructured和LangChain处理非结构化数据:全面指南1.引言在当今的数据驱动世界中,处理非结构化数据是一项至关重要的技能。Unstructured.IO的unstructured包为从PDF、Word文档等原始源文档中提取干净文本提供了强大的解决方案。本文将深入探讨如何在LangChain生态系统中使用unstructured,为开发者提供一个全面的指南。2.安装和设置2.1
- 大模型: 提示词工程(prompt engineering)
玉成226
【大模型】prompt
文章目录一、什么是提示词工程二、提示词应用1、提示技巧一:表达清晰2、提示词技巧2:设置角色三、提示方法1、zero-shot提示法2、Few-shot提示法3、思考链COT(chain-of-thought)提示法4、Few-shot-COT提示法一、什么是提示词工程提示词工程主要是用于优化与大模型交互的提示或查询操作,其目的在于能够更加准确的获取提问者想要获取的答案,提示词的好坏会直接影响到大
- RAG私域问答场景升级版方案(第二期方案)[2]:工业级别构建私域问答(业务问题、性能问题、安全成本问题等详细解决方案)
汀、人工智能
LLM工业级落地实践人工智能AIAgent智能体多智能体智能问答系统RAG智能问答
RAG私域问答场景升级版方案(第二期方案)[2]:工业级别构建私域问答(业务问题、性能问题、安全成本问题等详细解决方案)第一期方案参考:RAG私域问答场景整体夏详细方案(第一期方案)[1]:工业级别构建私域问答(知识处理、知识召回排序、搜索问答模块)1.第二期方案改进介绍根据业界DIFY、扣子、MaxKB等AI应用开发平台,LlamaIndex、LangChain等RAG技术,确定将以下方面作为R
- LLM+Embedding构建问答系统的局限性及优化方案
lichunericli
人工智能自然语言处理语言模型
LangChain+LLM方案的局限性:LLM意图识别准确性较低,交互链路长导致时间开销大;Embedding不适合多词条聚合匹配等。背景在探索如何利用大型语言模型(LLM)构建知识问答系统的过程中,我们确定了两个核心步骤:将用户提出的问题和知识库中的信息转换成嵌入向量(Embeddings),然后利用向量相似度技术来检索最相关的知识条目。利用LLM来识别用户问题的意图,并对检索到的原始答案进行加
- 记忆模块概述
三月七꧁ ꧂
langchain+llmwindows数据库服务器算法人工智能机器人机器学习
文章目录记忆模块概述记忆组件的定义记忆组件、链组件和Agent组件的关系设置第一个记忆组件内置记忆组件自定义记忆组件 本文将LangChain框架内所有与记忆功能有关的组件统一称为“记忆模块”。简而言之,记忆模块是一个集合体,由多个不同的记忆组件构成。每个记忆组件都负责某一特定方面的记忆功能。在记忆模块(langchain.memory)下,有多种不同的类,每一个类都可以看作一个“记忆组件”
- 使用LangChain的ToMarkdownLoader将网页内容转化为Markdown文件
hgSdaegva
langchainpython
在构建语言模型驱动的应用中,Markdown是一种极简却强大的格式,常用于生成文档、记录、或展示内容。本次文章将介绍如何通过LangChain的ToMarkdownLoader将网页内容提取并转换为结构化的Markdown格式。我们会涉及相关的核心原理,并展示可直接运行的代码示例。技术背景介绍LangChain是一个用于开发语言模型驱动应用的框架,其中ToMarkdownLoader是其文档加载模
- JAVA基础
灵静志远
位运算加载Date字符串池覆盖
一、类的初始化顺序
1 (静态变量,静态代码块)-->(变量,初始化块)--> 构造器
同一括号里的,根据它们在程序中的顺序来决定。上面所述是同一类中。如果是继承的情况,那就在父类到子类交替初始化。
二、String
1 String a = "abc";
JAVA虚拟机首先在字符串池中查找是否已经存在了值为"abc"的对象,根
- keepalived实现redis主从高可用
bylijinnan
redis
方案说明
两台机器(称为A和B),以统一的VIP对外提供服务
1.正常情况下,A和B都启动,B会把A的数据同步过来(B is slave of A)
2.当A挂了后,VIP漂移到B;B的keepalived 通知redis 执行:slaveof no one,由B提供服务
3.当A起来后,VIP不切换,仍在B上面;而A的keepalived 通知redis 执行slaveof B,开始
- java文件操作大全
0624chenhong
java
最近在博客园看到一篇比较全面的文件操作文章,转过来留着。
http://www.cnblogs.com/zhuocheng/archive/2011/12/12/2285290.html
转自http://blog.sina.com.cn/s/blog_4a9f789a0100ik3p.html
一.获得控制台用户输入的信息
&nbs
- android学习任务
不懂事的小屁孩
工作
任务
完成情况 搞清楚带箭头的pupupwindows和不带的使用 已完成 熟练使用pupupwindows和alertdialog,并搞清楚两者的区别 已完成 熟练使用android的线程handler,并敲示例代码 进行中 了解游戏2048的流程,并完成其代码工作 进行中-差几个actionbar 研究一下android的动画效果,写一个实例 已完成 复习fragem
- zoom.js
换个号韩国红果果
oom
它的基于bootstrap 的
https://raw.github.com/twbs/bootstrap/master/js/transition.js transition.js模块引用顺序
<link rel="stylesheet" href="style/zoom.css">
<script src=&q
- 详解Oracle云操作系统Solaris 11.2
蓝儿唯美
Solaris
当Oracle发布Solaris 11时,它将自己的操作系统称为第一个面向云的操作系统。Oracle在发布Solaris 11.2时继续它以云为中心的基调。但是,这些说法没有告诉我们为什么Solaris是配得上云的。幸好,我们不需要等太久。Solaris11.2有4个重要的技术可以在一个有效的云实现中发挥重要作用:OpenStack、内核域、统一存档(UA)和弹性虚拟交换(EVS)。
- spring学习——springmvc(一)
a-john
springMVC
Spring MVC基于模型-视图-控制器(Model-View-Controller,MVC)实现,能够帮助我们构建像Spring框架那样灵活和松耦合的Web应用程序。
1,跟踪Spring MVC的请求
请求的第一站是Spring的DispatcherServlet。与大多数基于Java的Web框架一样,Spring MVC所有的请求都会通过一个前端控制器Servlet。前
- hdu4342 History repeat itself-------多校联合五
aijuans
数论
水题就不多说什么了。
#include<iostream>#include<cstdlib>#include<stdio.h>#define ll __int64using namespace std;int main(){ int t; ll n; scanf("%d",&t); while(t--)
- EJB和javabean的区别
asia007
beanejb
EJB不是一般的JavaBean,EJB是企业级JavaBean,EJB一共分为3种,实体Bean,消息Bean,会话Bean,书写EJB是需要遵循一定的规范的,具体规范你可以参考相关的资料.另外,要运行EJB,你需要相应的EJB容器,比如Weblogic,Jboss等,而JavaBean不需要,只需要安装Tomcat就可以了
1.EJB用于服务端应用开发, 而JavaBeans
- Struts的action和Result总结
百合不是茶
strutsAction配置Result配置
一:Action的配置详解:
下面是一个Struts中一个空的Struts.xml的配置文件
<?xml version="1.0" encoding="UTF-8" ?>
<!DOCTYPE struts PUBLIC
&quo
- 如何带好自已的团队
bijian1013
项目管理团队管理团队
在网上看到博客"
怎么才能让团队成员好好干活"的评论,觉得写的比较好。 原文如下: 我做团队管理有几年了吧,我和你分享一下我认为带好团队的几点:
1.诚信
对团队内成员,无论是技术研究、交流、问题探讨,要尽可能的保持一种诚信的态度,用心去做好,你的团队会感觉得到。 2.努力提
- Java代码混淆工具
sunjing
ProGuard
Open Source Obfuscators
ProGuard
http://java-source.net/open-source/obfuscators/proguardProGuard is a free Java class file shrinker and obfuscator. It can detect and remove unused classes, fields, m
- 【Redis三】基于Redis sentinel的自动failover主从复制
bit1129
redis
在第二篇中使用2.8.17搭建了主从复制,但是它存在Master单点问题,为了解决这个问题,Redis从2.6开始引入sentinel,用于监控和管理Redis的主从复制环境,进行自动failover,即Master挂了后,sentinel自动从从服务器选出一个Master使主从复制集群仍然可以工作,如果Master醒来再次加入集群,只能以从服务器的形式工作。
什么是Sentine
- 使用代理实现Hibernate Dao层自动事务
白糖_
DAOspringAOP框架Hibernate
都说spring利用AOP实现自动事务处理机制非常好,但在只有hibernate这个框架情况下,我们开启session、管理事务就往往很麻烦。
public void save(Object obj){
Session session = this.getSession();
Transaction tran = session.beginTransaction();
try
- maven3实战读书笔记
braveCS
maven3
Maven简介
是什么?
Is a software project management and comprehension tool.项目管理工具
是基于POM概念(工程对象模型)
[设计重复、编码重复、文档重复、构建重复,maven最大化消除了构建的重复]
[与XP:简单、交流与反馈;测试驱动开发、十分钟构建、持续集成、富有信息的工作区]
功能:
- 编程之美-子数组的最大乘积
bylijinnan
编程之美
public class MaxProduct {
/**
* 编程之美 子数组的最大乘积
* 题目: 给定一个长度为N的整数数组,只允许使用乘法,不能用除法,计算任意N-1个数的组合中乘积中最大的一组,并写出算法的时间复杂度。
* 以下程序对应书上两种方法,求得“乘积中最大的一组”的乘积——都是有溢出的可能的。
* 但按题目的意思,是要求得这个子数组,而不
- 读书笔记-2
chengxuyuancsdn
读书笔记
1、反射
2、oracle年-月-日 时-分-秒
3、oracle创建有参、无参函数
4、oracle行转列
5、Struts2拦截器
6、Filter过滤器(web.xml)
1、反射
(1)检查类的结构
在java.lang.reflect包里有3个类Field,Method,Constructor分别用于描述类的域、方法和构造器。
2、oracle年月日时分秒
s
- [求学与房地产]慎重选择IT培训学校
comsci
it
关于培训学校的教学和教师的问题,我们就不讨论了,我主要关心的是这个问题
培训学校的教学楼和宿舍的环境和稳定性问题
我们大家都知道,房子是一个比较昂贵的东西,特别是那种能够当教室的房子...
&nb
- RMAN配置中通道(CHANNEL)相关参数 PARALLELISM 、FILESPERSET的关系
daizj
oraclermanfilespersetPARALLELISM
RMAN配置中通道(CHANNEL)相关参数 PARALLELISM 、FILESPERSET的关系 转
PARALLELISM ---
我们还可以通过parallelism参数来指定同时"自动"创建多少个通道:
RMAN > configure device type disk parallelism 3 ;
表示启动三个通道,可以加快备份恢复的速度。
- 简单排序:冒泡排序
dieslrae
冒泡排序
public void bubbleSort(int[] array){
for(int i=1;i<array.length;i++){
for(int k=0;k<array.length-i;k++){
if(array[k] > array[k+1]){
- 初二上学期难记单词三
dcj3sjt126com
sciet
concert 音乐会
tonight 今晚
famous 有名的;著名的
song 歌曲
thousand 千
accident 事故;灾难
careless 粗心的,大意的
break 折断;断裂;破碎
heart 心(脏)
happen 偶尔发生,碰巧
tourist 旅游者;观光者
science (自然)科学
marry 结婚
subject 题目;
- I.安装Memcahce 1. 安装依赖包libevent Memcache需要安装libevent,所以安装前可能需要执行 Shell代码 收藏代码
dcj3sjt126com
redis
wget http://download.redis.io/redis-stable.tar.gz
tar xvzf redis-stable.tar.gz
cd redis-stable
make
前面3步应该没有问题,主要的问题是执行make的时候,出现了异常。
异常一:
make[2]: cc: Command not found
异常原因:没有安装g
- 并发容器
shuizhaosi888
并发容器
通过并发容器来改善同步容器的性能,同步容器将所有对容器状态的访问都串行化,来实现线程安全,这种方式严重降低并发性,当多个线程访问时,吞吐量严重降低。
并发容器ConcurrentHashMap
替代同步基于散列的Map,通过Lock控制。
&nb
- Spring Security(12)——Remember-Me功能
234390216
Spring SecurityRemember Me记住我
Remember-Me功能
目录
1.1 概述
1.2 基于简单加密token的方法
1.3 基于持久化token的方法
1.4 Remember-Me相关接口和实现
- 位运算
焦志广
位运算
一、位运算符C语言提供了六种位运算符:
& 按位与
| 按位或
^ 按位异或
~ 取反
<< 左移
>> 右移
1. 按位与运算 按位与运算符"&"是双目运算符。其功能是参与运算的两数各对应的二进位相与。只有对应的两个二进位均为1时,结果位才为1 ,否则为0。参与运算的数以补码方式出现。
例如:9&am
- nodejs 数据库连接 mongodb mysql
liguangsong
mongodbmysqlnode数据库连接
1.mysql 连接
package.json中dependencies加入
"mysql":"~2.7.0"
执行 npm install
在config 下创建文件 database.js
- java动态编译
olive6615
javaHotSpotjvm动态编译
在HotSpot虚拟机中,有两个技术是至关重要的,即动态编译(Dynamic compilation)和Profiling。
HotSpot是如何动态编译Javad的bytecode呢?Java bytecode是以解释方式被load到虚拟机的。HotSpot里有一个运行监视器,即Profile Monitor,专门监视
- Storm0.9.5的集群部署配置优化
roadrunners
优化storm.yaml
nimbus结点配置(storm.yaml)信息:
# Licensed to the Apache Software Foundation (ASF) under one
# or more contributor license agreements. See the NOTICE file
# distributed with this work for additional inf
- 101个MySQL 的调节和优化的提示
tomcat_oracle
mysql
1. 拥有足够的物理内存来把整个InnoDB文件加载到内存中——在内存中访问文件时的速度要比在硬盘中访问时快的多。 2. 不惜一切代价避免使用Swap交换分区 – 交换时是从硬盘读取的,它的速度很慢。 3. 使用电池供电的RAM(注:RAM即随机存储器)。 4. 使用高级的RAID(注:Redundant Arrays of Inexpensive Disks,即磁盘阵列
- zoj 3829 Known Notation(贪心)
阿尔萨斯
ZOJ
题目链接:zoj 3829 Known Notation
题目大意:给定一个不完整的后缀表达式,要求有2种不同操作,用尽量少的操作使得表达式完整。
解题思路:贪心,数字的个数要要保证比∗的个数多1,不够的话优先补在开头是最优的。然后遍历一遍字符串,碰到数字+1,碰到∗-1,保证数字的个数大于等1,如果不够减的话,可以和最后面的一个数字交换位置(用栈维护十分方便),因为添加和交换代价都是1