- 借助 KubeMQ 简化多 LLM 集成
强哥之神
智能路由器transformer深度学习语言模型架构deepseek
将多个大语言模型(LLM),如OpenAI和Anthropic的Claude集成到应用程序中是一项具有挑战性的任务。处理不同API和通信协议的复杂性,以及确保请求高效路由,都会带来诸多难题。然而,使用消息代理和路由器可以成为解决这些问题的优雅方案,能处理这些痛点并提供多项关键优势。在本文中,我们将探讨如何实现这一点,并提供代码示例,指导大家如何使用KubeMQ构建一个与OpenAI和Anthrop
- 科普语音交互所需开源技术方案
以下是ASR(自动语音识别)、LLM(大语言模型)和TTS(文本转语音)三者结合的应用场景及开源方案:一、应用场景智能语音助手如百聆(Bailing),支持语音输入、意图理解、任务管理及语音输出,端到端延迟仅800ms,支持打断和记忆功能。车载语音交互系统(如蔚来、小鹏),结合ASR识别指令、LLM处理复杂查询(如"找有充电桩的高评分餐厅")和TTS提供语音反馈。语音到语音翻译(S2ST)阿里Fu
- 结合LangGraph、DeepSeek-R1和Qdrant 的混合 RAG 技术实践
大模型之路
RAGrag
一、引言:混合RAG技术的发展与挑战在人工智能领域,检索增强生成(RAG)技术正成为构建智能问答系统的核心方案。传统RAG通过向量数据库存储文档嵌入并检索相关内容,结合大语言模型(LLM)生成回答,有效缓解了LLM的“幻觉”问题。然而,单一的稠密向量检索(如基于Transformer的嵌入模型)在处理关键词匹配和多义词歧义时存在局限性,而稀疏向量检索(如BM25)虽擅长精确关键词匹配,却缺乏语义理
- 大语言模型技术系列讲解:大模型应用了哪些技术
知世不是芝士
语言模型人工智能自然语言处理chatgpt大模型
为了弄懂大语言模型原理和技术细节,笔者计划展开系列学习,并将所学内容从简单到复杂的过程给大家做分享,希望能够体系化的认识大模型技术的内涵。本篇文章作为第一讲,先列出大模型使用到了哪些技术,目的在于对大模型使用的技术有个整体认知。后续我们讲一一详细讲解这些技术概念并解剖其背后原理。正文开始大语言模型(LLMs)在人工智能领域通常指的是参数量巨大、能够处理复杂任务的深度学习模型。这些模型使用的技术主要
- LLM---大语言模型技术研究报告
摘要大语言模型(LLMs)已从技术突破走向产业规模化落地。2025年,全球LLMs进入“模型即服务”(MaaS)时代,参数量级突破万亿级,多模态能力、智能体协作、专业化细分成为主流趋势。中国大模型领域在DeepSeek、通义千问、讯飞星火等头部模型推动下,实现技术突破与场景创新。本报告基于截至2025年7月的最新数据,系统梳理LLMs的技术演进、应用场景、挑战与未来方向。一、大语言模型的演进与突破
- 解释LLM怎么预测下一个词语的
ZhangJiQun&MXP
教学2024大模型以及算力2021AIpython语言模型python深度学习人工智能机器学习
解释LLM怎么预测下一个词语的通过上文词的向量进行映射在Transformer架构的大语言模型(如GPT系列、BERT等)中,词语会先被转化为词向量。在预测下一个词时,模型会基于之前所有词的向量表示(并非仅仅上一个词,但上一个词的向量是重要信息来源之一)进行计算。以GPT-2为例,在生成文本时,它会将输入文本中每个词对应的词向量依次输入到模型的多层Transformer编码器-解码器结构中。每一层
- 大语言模型:是逐字生成还是一次多词?
ZhangJiQun&MXP
教学2024大模型以及算力2021AIpython算法prompt人工智能自然语言处理均值算法
大语言模型(LLM)既可以按顺序逐个生成单词(token),也能实现一次生成多个token核心差异源于解码策略与模型架构设计一、常规“逐个生成”模式(基础逻辑)多数入门级演示或简单文本生成中,LLM会默认按“生成一个token→拼接回输入→再生成下一个”的流程,本质是自回归(Auto-Regressive)机制的基础应用。比如用小语言模型续写“今天天气____”:模型先基于“今天天气”预测第一个t
- 微软:LLM训练数据组织框架DELT
大模型任我行
大模型-模型训练人工智能自然语言处理语言模型论文笔记
标题:DataEfficacyforLanguageModelTraining来源:arXiv,2506.21545摘要数据是语言模型(LM)训练的基础。最近的研究一直致力于数据效率,其目的是通过选择训练数据的最小或最优子集来最大限度地提高性能。数据过滤、采样和选择等技术在这一领域起着至关重要的作用。为了补充这一点,我们定义了数据效能,它侧重于通过优化训练数据的组织来最大限度地提高性能,目前尚未得
- 思维树(Tree of Thoughts): 超越链式思维的AI推理新范式
司南锤
LLM人工智能
引言在人工智能快速发展的今天,大语言模型(LLM)的推理能力一直是研究的热点。从最初的直接问答,到链式思维(ChainofThoughts,CoT)的出现,再到如今的思维树(TreeofThoughts,TOT),AI的推理方式正在变得越来越接近人类的思维过程。思维树作为一种全新的推理框架,不仅继承了链式思维的优势,更通过树状结构的探索和回溯机制,实现了更加复杂和深入的推理过程。本文将深入探讨TO
- 云原生环境下部署大语言模型服务:以 DeepSeek 为例的实战教程
一ge科研小菜菜
人工智能Python编程语言语言模型人工智能自然语言处理
个人主页:一ge科研小菜鸡-CSDN博客期待您的关注一、引言随着DeepSeek、Qwen、ChatGLM等大语言模型(LLM)的开放与普及,企业将其私有化部署并服务化的需求愈发迫切。然而,从HuggingFace下载模型,到提供一个结构化、稳定、可调用的API,并不是一个简单过程。它涉及:模型推理框架(如vLLM)的集成;WebAPI封装(FastAPI等);容器化部署与资源调度;可扩展性设计与
- AttributeError: module ‘openai‘ has no attribute ‘ChatCompletion‘解决方案
爱编程的喵喵
Python基础课程pythonAttributeErroropenaiChatCompletion解决方案
大家好,我是爱编程的喵喵。双985硕士毕业,现担任全栈工程师一职,热衷于将数据思维应用到工作与生活中。从事机器学习以及相关的前后端开发工作。曾在阿里云、科大讯飞、CCF等比赛获得多次Top名次。现为CSDN博客专家、人工智能领域优质创作者。喜欢通过博客创作的方式对所学的知识进行总结与归纳,不仅形成深入且独到的理解,而且能够帮助新手快速入门。 本文主要介绍了AttributeError:mod
- 用Firecrawl轻松获取网站数据,提升AI应用的效率!
人工智能我来了
人工智能AI人工智能
Firecrawl:助力AI应用的强大工具!在数字化信息爆炸的时代,如何高效地从海量网页中提取有用数据变得尤其重要。Firecrawl的问世,为我们揭开了一种便捷的方法来应对这一挑战。它不仅能够将整个网站的数据转化为适用于大语言模型(LLM)的markdown或结构化数据,还能通过单一的API实现数据抓取、爬取和提取。从此,清晰、整洁的数据触手可及。什么是Firecrawl?Firecrawl是一
- 探秘AI的秘密:leaked-system-prompts
人工智能我来了
人工智能AI人工智能
揭秘:揭秘系统提示合集背后的秘密在当今这个人工智能技术迅速发展的时代,了解和使用大型语言模型(LLM)已成为技术爱好者、开发者和研究人员的共同目标。而作为核心组成部分,系统提示(systemprompts)的设计和应用直接影响了LLM的表现和功能。今天,我们将为大家揭示一个神秘而又充满吸引力的项目——“leaked-system-prompts”。这个项目为我们打开了一扇窥探这些大型语言模型系统提
- 深入探索 Vanna:让数据库交互更智能
从零开始学习人工智能
数据库交互
深入探索Vanna:让数据库交互更智能在数字化时代,与数据库进行高效交互是许多开发者、数据分析师和企业面临的挑战。传统的SQL查询编写不仅需要对数据库结构有深入的了解,还需要花费大量的时间和精力来调试和优化。Vanna,一个基于Python的开源工具,通过结合检索增强(RetrievalAugmentation)和大型语言模型(LLM),为这一问题提供了一个创新的解决方案。本文将深入探讨Vanna
- 引导语言的魔法:从简单指令到智能对话的艺术
步子哥
智能涌现AGI通用人工智能人工智能python机器学习
大型语言模型(LLMs)就像一台精密的预测机器,依靠输入的提示(prompt)生成令人惊叹的输出。然而,撰写一个高效的提示并非易事——它需要科学与艺术的结合。无论是要求模型生成代码、回答问题,还是创作故事,提示的设计决定了输出的质量。本文将深入探讨提示工程(PromptEngineering)的奥秘,带你从基础配置到高级技巧,揭示如何通过精心设计的提示,引导LLMs生成准确、有趣且实用的结果。准备
- 语言的钥匙:提示工程的艺术与驾驭AI的智慧
田园Coder
人工智能科普人工智能科普
当大型语言模型(LLM)如GPT-4展现出令人惊叹的通用能力,却又伴随着“幻觉”、“黑箱”和“不可控”等阴影时,一个核心问题变得无比迫切:人类如何有效地与这些庞然大物沟通,引导它们可靠、安全、精准地完成任务?答案并非在于重新训练这头计算巨兽(成本高昂且周期漫长),而在于掌握一门新兴的关键技艺——提示工程(PromptEngineering)。提示工程,简而言之,就是精心设计输入给模型的自然语言指令
- 探索生成式 AI Agent:12类,40+个AI Agent实例应用场景的宝藏库
和老莫一起学AI
人工智能产品经理职场和发展面试自然语言处理ai大模型
在人工智能的璀璨星空中,生成式AI智能体(GenAIAgents)无疑是最耀眼的星辰之一,正以前所未有的速度改变着我们与技术互动的方式。今天,我将分享GitHub上一个宝藏级的项目——“NirDiamant/GenAI_Agents”,这里汇聚了从基础到高级的各种GenAI智能体技术教程与实现案例,堪称一座智能体开发的知识宝库。1.适合初学者的智能体简单会话智能体概览通过集成语言模型、提示模板和历
- VSCode-Copilot的系统提示词
youngqqcn
AIvscodecopilotide
title:VSCode-Copilot系统提示词date:2025-07-0211:05categories:技术tags:AI人工智能LLM大语言模型提示词Microsoft开源了VSCodeCopilotChat,以下是其系统提示词的摘录。https://github.com/microsoft/vscode-copilot-chat/blob/main/src/extension/prom
- 微调 || RAG,项目落地怎么选?LLM应用选型指南,适用场景全解析
认知超载
AI人工智能
基本定义微调:是指利用更小、更具针对性的数据集对经过预先训练的大语言模型进一步训练的过程。在这个过程中,模型基于新数据集修改权重和参数,学习特定于任务的模式,同时保留来自最初预训练模型的知识。RAG:即检索增强生成,是将检索大量外部知识的过程与文本生成结合在一起的一种方法。它会从大型外部数据库中检索与输入问题相关的信息,将这些信息作为上下文提供给大语言模型,辅助其生成回答。微调适用场景1.特定领域
- LangChain4j在Java企业应用中的实战指南-2
在未来等你
大模型应用开发AI技术编程JavaSpring
LangChain4j在Java企业应用中的实战指南文章标签langchain4j,JavaAI,RAG系统,智能应用开发,LangChain4j实战,企业级AI应用,Java微服务,检索增强生成文章简述随着大语言模型(LLM)的广泛应用,企业对智能应用的需求日益增长。LangChain4j作为一款专为Java生态打造的LLM集成框架,正在成为构建RAG(检索增强生成)系统和智能应用的重要工具。本
- 阿里云OSS跨账号迁移过程
IT_狂奔者
《玩转Linux终极指南》阿里云云计算对象存储OSS
阿里云OSS跨账号迁移过程关于OSS在线迁移服务的更新说明旧版在线迁移已停止服务,用户需切换至新版在线迁移。与旧版相比,新版在线迁移的主要区别在于身份验证方式的调整。新版不再使用AK/AS(AccessKeyID和AccessKeySecret)进行认证,而是采用了角色授权机制。这一变化旨在提升安全性和简化权限管理。用户需根据新的认证方式进行配置,以确保迁移任务的正常运行。准备工作本文以标准存储进
- LangChain4j在Java企业应用中的实战指南-3
在未来等你
大模型应用开发AI技术编程JavaSpring
【LangChain4j在Java企业应用中的实战指南】文章标签langchain4j,JavaAI,RAG系统,智能应用开发,LangChain4j实战,企业级AI应用,Java微服务,检索增强生成文章简述随着大语言模型(LLM)的广泛应用,企业对智能应用的需求日益增长。LangChain4j作为一款专为Java生态打造的LLM集成框架,正在成为构建RAG(检索增强生成)系统和智能应用的重要工具
- 【大模型学习 | BLIP2原理】
九年义务漏网鲨鱼
人工智能深度学习语言模型多模态大模型
BLIP-2:BootstrappingLanguage-ImagePre-trainingwithFrozenImageEncodersandLargeLanguageModels目前(2023)的图文模型都是基于端到端训练方式,大规模的模型和数据集导致了在预训练过程需要的大量计算。作者提出一种从离线、梯度冻结的图像、语言模型中提升图文的预训练模型。为了联系两个不同模态预训练模型,作者提出一种使
- [AI笔记]-LLM中的3种架构:Encoder-Only、Decoder-Only、Encoder-Decoder
Micheal超
AI笔记人工智能笔记架构
一、概述架构描述特点案例Encoder-Only仅包含编码器部分这类模型主要专注输入数据中提取特征或上下文信息,通常不需要生成新内容、只需要理解输入的任务,如:分类(文本分类、情感分析等)、信息抽取、序列标注等。在这种架构中,所有的注意力机制和网络层都集中在编码输入数据上,其输出通常是关于输入的复杂语义表示。谷歌的BERT、智谱AI发布的第四代基座大语言模型GLM4Decoder-Only也被称为
- 成像光谱遥感技术中的AI革命:ChatGPT在遥感领域中的应用
科研的力量
人工智能ChatGPTchatgpt人工智能
课程将最新的人工智能技术与实际的遥感应用相结合,提供不仅是理论上的,而且是适用和可靠的工具和方法。无论你是经验丰富的研究人员还是好奇的从业者,本课程都将为分析和解释遥感数据开辟新的、有效的方法,使你的工作更具影响力和前沿性。遥感技术主要通过卫星和飞机从远处观察和测量我们的环境,是理解和监测地球物理、化学和生物系统的基石。ChatGPT是由OpenAI开发的最先进的语言模型,在理解和生成人类语言方面
- Laravel 阿里云 OSS 视频上传完整方案
phplavarel
一、环境准备1.1安装OSSSDKcomposerrequirealiyuncs/oss-sdk-php1.2环境配置在.env文件中添加:OSS_ACCESS_KEY_ID=你的AccessKeyIdOSS_ACCESS_KEY_SECRET=你的AccessKeySecretOSS_ENDPOINT=oss-cn-hangzhou.aliyuncs.comOSS_BUCKET=你的Bucket
- 为 Agentic AI 的黎明构建地基
人工智能
在技术领域,我们常常被那些闪耀的、可见的成果所吸引。今天,这个焦点无疑是大语言模型技术。它们的流畅对话、惊人的创造力,让我们得以一窥未来的轮廓。然而,作为在企业一线构建、部署和维护复杂系统的实践者,我们深知,一个卓越的模型,本身并不能构成一个成功的企业级解决方案。它就像一座精心设计的摩天大楼的塔尖,倘若没有深植于地下的坚实地基,再璀璨的光芒也终将是昙花一现。真正的挑战,也是真正的价值所在,在于构建
- 提示技术系列——主动提示
AIGC包拥它
提示技术人工智能promptpythonlangchain
什么是提示技术?提示技术是实现提示工程目标的具体技术手段,是提示工程中的“工具库”。什么又是提示工程?提示工程是指通过设计、优化和迭代输入到大语言模型(LLM)的提示(Prompt),系统性提升模型输出质量(如相关性、准确性、可控性)的实践领域。它是一个覆盖全流程的方法论,包括:明确目标任务(如生成教学内容、问答、翻译);设计提示结构(如指令、上下文、示例);选择模型与参数(如温度、top_p);
- 嵌入模型 vs 大语言模型:语义理解能力的本质区别与应用场景
chenkangck50
AI大模型语言模型人工智能机器学习
嵌入模型vs大语言模型:语义理解能力的本质区别与应用场景(实战视角)一句话总结嵌入模型的“理解”是向量表示和相似性匹配,适合做召回;大语言模型的“理解”是上下文+逻辑+世界知识综合判断,适合做分析与生成。重点是可以结合prompt和本身具有的知识两类模型的本质区别能力项嵌入模型(如BGE、SBERT)大语言模型(如GPT、GLM、DeepSeek)输出形式向量(如768维)自然语言文本(如答案、解
- AI人工智能领域:Bard的崛起之路
AIGC应用创新大全
人工智能bardai
AI人工智能领域:Bard的崛起之路关键词:Bard、GoogleAI、大语言模型、对话式AI、自然语言处理、生成式AI、AI竞争摘要:本文深入探讨GoogleBard的发展历程、技术架构及其在AI领域的地位。我们将从Bard的诞生背景开始,分析其核心技术原理,比较与其他大语言模型的异同,并通过实际案例展示其应用场景。最后展望Bard的未来发展方向及面临的挑战。背景介绍目的和范围本文旨在全面解析G
- 关于旗正规则引擎规则中的上传和下载问题
何必如此
文件下载压缩jsp文件上传
文件的上传下载都是数据流的输入输出,大致流程都是一样的。
一、文件打包下载
1.文件写入压缩包
string mainPath="D:\upload\"; 下载路径
string tmpfileName=jar.zip; &n
- 【Spark九十九】Spark Streaming的batch interval时间内的数据流转源码分析
bit1129
Stream
以如下代码为例(SocketInputDStream):
Spark Streaming从Socket读取数据的代码是在SocketReceiver的receive方法中,撇开异常情况不谈(Receiver有重连机制,restart方法,默认情况下在Receiver挂了之后,间隔两秒钟重新建立Socket连接),读取到的数据通过调用store(textRead)方法进行存储。数据
- spark master web ui 端口8080被占用解决方法
daizj
8080端口占用sparkmaster web ui
spark master web ui 默认端口为8080,当系统有其它程序也在使用该接口时,启动master时也不会报错,spark自己会改用其它端口,自动端口号加1,但为了可以控制到指定的端口,我们可以自行设置,修改方法:
1、cd SPARK_HOME/sbin
2、vi start-master.sh
3、定位到下面部分
- oracle_执行计划_谓词信息和数据获取
周凡杨
oracle执行计划
oracle_执行计划_谓词信息和数据获取(上)
一:简要说明
在查看执行计划的信息中,经常会看到两个谓词filter和access,它们的区别是什么,理解了这两个词对我们解读Oracle的执行计划信息会有所帮助。
简单说,执行计划如果显示是access,就表示这个谓词条件的值将会影响数据的访问路径(表还是索引),而filter表示谓词条件的值并不会影响数据访问路径,只起到
- spring中datasource配置
g21121
dataSource
datasource配置有很多种,我介绍的一种是采用c3p0的,它的百科地址是:
http://baike.baidu.com/view/920062.htm
<!-- spring加载资源文件 -->
<bean name="propertiesConfig"
class="org.springframework.b
- web报表工具FineReport使用中遇到的常见报错及解决办法(三)
老A不折腾
finereportFAQ报表软件
这里写点抛砖引玉,希望大家能把自己整理的问题及解决方法晾出来,Mark一下,利人利己。
出现问题先搜一下文档上有没有,再看看度娘有没有,再看看论坛有没有。有报错要看日志。下面简单罗列下常见的问题,大多文档上都有提到的。
1、repeated column width is largerthan paper width:
这个看这段话应该是很好理解的。比如做的模板页面宽度只能放
- mysql 用户管理
墙头上一根草
linuxmysqluser
1.新建用户 //登录MYSQL@>mysql -u root -p@>密码//创建用户mysql> insert into mysql.user(Host,User,Password) values(‘localhost’,'jeecn’,password(‘jeecn’));//刷新系统权限表mysql>flush privileges;这样就创建了一个名为:
- 关于使用Spring导致c3p0数据库死锁问题
aijuans
springSpring 入门Spring 实例Spring3Spring 教程
这个问题我实在是为整个 springsource 的员工蒙羞
如果大家使用 spring 控制事务,使用 Open Session In View 模式,
com.mchange.v2.resourcepool.TimeoutException: A client timed out while waiting to acquire a resource from com.mchange.
- 百度词库联想
annan211
百度
<!DOCTYPE html>
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8">
<title>RunJS</title&g
- int数据与byte之间的相互转换实现代码
百合不是茶
位移int转bytebyte转int基本数据类型的实现
在BMP文件和文件压缩时需要用到的int与byte转换,现将理解的贴出来;
主要是要理解;位移等概念 http://baihe747.iteye.com/blog/2078029
int转byte;
byte转int;
/**
* 字节转成int,int转成字节
* @author Administrator
*
- 简单模拟实现数据库连接池
bijian1013
javathreadjava多线程简单模拟实现数据库连接池
简单模拟实现数据库连接池
实例1:
package com.bijian.thread;
public class DB {
//private static final int MAX_COUNT = 10;
private static final DB instance = new DB();
private int count = 0;
private i
- 一种基于Weblogic容器的鉴权设计
bijian1013
javaweblogic
服务器对请求的鉴权可以在请求头中加Authorization之类的key,将用户名、密码保存到此key对应的value中,当然对于用户名、密码这种高机密的信息,应该对其进行加砂加密等,最简单的方法如下:
String vuser_id = "weblogic";
String vuse
- 【RPC框架Hessian二】Hessian 对象序列化和反序列化
bit1129
hessian
任何一个对象从一个JVM传输到另一个JVM,都要经过序列化为二进制数据(或者字符串等其他格式,比如JSON),然后在反序列化为Java对象,这最后都是通过二进制的数据在不同的JVM之间传输(一般是通过Socket和二进制的数据传输),本文定义一个比较符合工作中。
1. 定义三个POJO
Person类
package com.tom.hes
- 【Hadoop十四】Hadoop提供的脚本的功能
bit1129
hadoop
1. hadoop-daemon.sh
1.1 启动HDFS
./hadoop-daemon.sh start namenode
./hadoop-daemon.sh start datanode
通过这种逐步启动的方式,比start-all.sh方式少了一个SecondaryNameNode进程,这不影响Hadoop的使用,其实在 Hadoop2.0中,SecondaryNa
- 中国互联网走在“灰度”上
ronin47
管理 灰度
中国互联网走在“灰度”上(转)
文/孕峰
第一次听说灰度这个词,是任正非说新型管理者所需要的素质。第二次听说是来自马化腾。似乎其他人包括马云也用不同的语言说过类似的意思。
灰度这个词所包含的意义和视野是广远的。要理解这个词,可能同样要用“灰度”的心态。灰度的反面,是规规矩矩,清清楚楚,泾渭分明,严谨条理,是决不妥协,不转弯,认死理。黑白分明不是灰度,像彩虹那样
- java-51-输入一个矩阵,按照从外向里以顺时针的顺序依次打印出每一个数字。
bylijinnan
java
public class PrintMatrixClockwisely {
/**
* Q51.输入一个矩阵,按照从外向里以顺时针的顺序依次打印出每一个数字。
例如:如果输入如下矩阵:
1 2 3 4
5 6 7 8
9
- mongoDB 用户管理
开窍的石头
mongoDB用户管理
1:添加用户
第一次设置用户需要进入admin数据库下设置超级用户(use admin)
db.addUsr({user:'useName',pwd:'111111',roles:[readWrite,dbAdmin]});
第一个参数用户的名字
第二个参数
- [游戏与生活]玩暗黑破坏神3的一些问题
comsci
生活
暗黑破坏神3是有史以来最让人激动的游戏。。。。但是有几个问题需要我们注意
玩这个游戏的时间,每天不要超过一个小时,且每次玩游戏最好在白天
结束游戏之后,最好在太阳下面来晒一下身上的暗黑气息,让自己恢复人的生气
&nb
- java 二维数组如何存入数据库
cuiyadll
java
using System;
using System.Linq;
using System.Text;
using System.Windows.Forms;
using System.Xml;
using System.Xml.Serialization;
using System.IO;
namespace WindowsFormsApplication1
{
- 本地事务和全局事务Local Transaction and Global Transaction(JTA)
darrenzhu
javaspringlocalglobaltransaction
Configuring Spring and JTA without full Java EE
http://spring.io/blog/2011/08/15/configuring-spring-and-jta-without-full-java-ee/
Spring doc -Transaction Management
http://docs.spring.io/spri
- Linux命令之alias - 设置命令的别名,让 Linux 命令更简练
dcj3sjt126com
linuxalias
用途说明
设置命令的别名。在linux系统中如果命令太长又不符合用户的习惯,那么我们可以为它指定一个别名。虽然可以为命令建立“链接”解决长文件名的问 题,但对于带命令行参数的命令,链接就无能为力了。而指定别名则可以解决此类所有问题【1】。常用别名来简化ssh登录【见示例三】,使长命令变短,使常 用的长命令行变短,强制执行命令时询问等。
常用参数
格式:alias
格式:ali
- yii2 restful web服务[格式响应]
dcj3sjt126com
PHPyii2
响应格式
当处理一个 RESTful API 请求时, 一个应用程序通常需要如下步骤 来处理响应格式:
确定可能影响响应格式的各种因素, 例如媒介类型, 语言, 版本, 等等。 这个过程也被称为 content negotiation。
资源对象转换为数组, 如在 Resources 部分中所描述的。 通过 [[yii\rest\Serializer]]
- MongoDB索引调优(2)——[十]
eksliang
mongodbMongoDB索引优化
转载请出自出处:http://eksliang.iteye.com/blog/2178555 一、概述
上一篇文档中也说明了,MongoDB的索引几乎与关系型数据库的索引一模一样,优化关系型数据库的技巧通用适合MongoDB,所有这里只讲MongoDB需要注意的地方 二、索引内嵌文档
可以在嵌套文档的键上建立索引,方式与正常
- 当滑动到顶部和底部时,实现Item的分离效果的ListView
gundumw100
android
拉动ListView,Item之间的间距会变大,释放后恢复原样;
package cn.tangdada.tangbang.widget;
import android.annotation.TargetApi;
import android.content.Context;
import android.content.res.TypedArray;
import andr
- 程序员用HTML5制作的爱心树表白动画
ini
JavaScriptjqueryWebhtml5css
体验效果:http://keleyi.com/keleyi/phtml/html5/31.htmHTML代码如下:
<!DOCTYPE html>
<html xmlns="http://www.w3.org/1999/xhtml"><head><meta charset="UTF-8" >
<ti
- 预装windows 8 系统GPT模式的ThinkPad T440改装64位 windows 7旗舰版
kakajw
ThinkPad预装改装windows 7windows 8
该教程具有普遍参考性,特别适用于联想的机器,其他品牌机器的处理过程也大同小异。
该教程是个人多次尝试和总结的结果,实用性强,推荐给需要的人!
缘由
小弟最近入手笔记本ThinkPad T440,但是特别不能习惯笔记本出厂预装的Windows 8系统,而且厂商自作聪明地预装了一堆没用的应用软件,消耗不少的系统资源(本本的内存为4G,系统启动完成时,物理内存占用比
- Nginx学习笔记
mcj8089
nginx
一、安装nginx 1、在nginx官方网站下载一个包,下载地址是:
http://nginx.org/download/nginx-1.4.2.tar.gz
2、WinSCP(ftp上传工
- mongodb 聚合查询每天论坛链接点击次数
qiaolevip
每天进步一点点学习永无止境mongodb纵观千象
/* 18 */
{
"_id" : ObjectId("5596414cbe4d73a327e50274"),
"msgType" : "text",
"sendTime" : ISODate("2015-07-03T08:01:16.000Z"
- java术语(PO/POJO/VO/BO/DAO/DTO)
Luob.
DAOPOJODTOpoVO BO
PO(persistant object) 持久对象
在o/r 映射的时候出现的概念,如果没有o/r映射,就没有这个概念存在了.通常对应数据模型(数据库),本身还有部分业务逻辑的处理.可以看成是与数据库中的表相映射的java对象.最简单的PO就是对应数据库中某个表中的一条记录,多个记录可以用PO的集合.PO中应该不包含任何对数据库的操作.
VO(value object) 值对象
通
- 算法复杂度
Wuaner
Algorithm
Time Complexity & Big-O:
http://stackoverflow.com/questions/487258/plain-english-explanation-of-big-o
http://bigocheatsheet.com/
http://www.sitepoint.com/time-complexity-algorithms/