- [笔记.AI]大模型训练 与 向量值 的关系
俊哥V
AI技术理解由AI辅助创作人工智能笔记向量化
(借助DeepSeek-V3辅助生成)大模型在训练后是否会改变向量化的值,取决于模型的训练阶段和使用方式。以下是详细分析:1.预训练阶段:向量化值必然改变动态调整过程:在预训练阶段(如BERT、GPT的初始训练),模型的嵌入层(EmbeddingLayer)作为可训练参数,通过反向传播不断优化。每个词或子词的向量会根据上下文共现模式和任务目标(如掩码语言建模、自回归预测)动态调整。示例:词汇“苹果
- 英文命名实体识别:Flair
Panesle
总结ner
Flair是一种基于深度学习的自然语言处理框架,它通过字符级语言模型和上下文字符串嵌入(contextualstringembeddings)实现了高质量的命名实体识别(NER)。1.核心思想:上下文字符串嵌入Flair的核心创新在于提出了一种新的词嵌入方法——上下文字符串嵌入(contextualstringembeddings)。这种嵌入方法具有以下特点:基于字符:直接将单词视为字符序列进行建
- Python实现音频数字水印方法
mosquito_lover1
python音视频
数字水印技术可以将隐藏信息嵌入到音频文件中而不明显影响音频质量。下面我将介绍几种在Python中实现音频数字水印的方法。方法一:LSB(最低有效位)水印importnumpyasnpfromscipy.ioimportwavfiledefembed_watermark_lsb(audio_path,watermark,output_path):#读取音频文件sample_rate,audio_da
- Yocto:Patch Upstream Status(补丁上游状态)
思考的下一页
YoctoOpenEmbedded
1.补丁上游状态为了跟踪配方中应用的补丁,并最终减少需要维护的补丁数量,OpenEmbedded构建系统要求为每个补丁提供上游状态的信息。在补丁说明中,每个补丁都应详细描述其所解决的bug(例如提供bug跟踪系统中的URL以及相关邮件列表归档的链接)。此外,还应添加一个Upstream-Status:标签,该标签必须包含下列状态字符串之一:Pending尚未做出决定,或者补丁尚未提交给上游。请记住
- StratifyOS:专为ARM Cortex M架构打造的微控制器操作系统
钟炯默
StratifyOS:专为ARMCortexM架构打造的微控制器操作系统StratifyOSAPowerfulembeddedRTOSforARMCortexMmicrocontrollers项目地址:https://gitcode.com/gh_mirrors/st/StratifyOS项目介绍StratifyOS是一款专门为ARMCortexM架构设计的功能完整的微控制器操作系统。它提供了一个
- ELEC6234 Embedded Processor Synthesis
后端
ELEC6234EmbeddedProcessorSynthesisELEC6234EmbeddedProcessorSynthesisCourseworkSystemVerilogDesignofanApplicationSpecificEmbeddedProcessorIntroductionThisexerciseisdoneindividuallyandtheassessmentis:?B
- hyperlight:轻量级虚拟机管理器,实现代码安全沙箱
滑姗珊
hyperlight:轻量级虚拟机管理器,实现代码安全沙箱hyperlightHyperlightisalightweightVirtualMachineManager(VMM)designedtobeembeddedwithinapplications.Itenablessafeexecutionofuntrustedcodewithinmicrovirtualmachineswithveryl
- Ubuntu xinference部署本地模型bge-large-zh-v1.5、bge-reranker-v2-m3
WellTung_666
其他ubuntu
bge-large-zh-v1.5下载模型到指定路径:modelscopedownload--modelBAAI/bge-large-zh-v1.5--local_dir./bge-large-zh-v1.5自定义embedding模型,custom-bge-large-zh-v1.5.json:{"model_name":"custom-bge-large-zh-v1.5","dimension
- milvus单节点安装教程
AlphaFree_
milvus
安装步骤两步,下载.sh文件,启动。文件下载不下来,可直接用附件的sh文件wgethttps://raw.githubusercontent.com/milvus-io/milvus/master/scripts/standalone_embed.shbashstandalone_embed.shstart官网链接RunMilvusinDocker(Linux)|MilvusDocumentati
- 编译qt指定glibc_编译QT4.5
weixin_39664962
编译qt指定glibc
[linux嵌入式方向]交叉编译qt-embedded-linux-opensource-src-4.5.1源码farsight2009发表于2009-7-1314:38:00作者:孙晓明,华清远见嵌入式学院讲师。首先要有配置好的环境,本文使用的编译环境如下:主机系统:Ubuntu8.10主机编译器:gcc版本4.3.2交叉编译器:arm-softfloat-linux-gnu-gcc软件资源:q
- FFmpeg运行控制台出现“SharedArrayBuffer is not defined”报错解决办法
星52
VsCode相关知识vue.js前端typescript
环境:vue3+vite+ts解决办法:在项目目录中的vue.config.ts文件添加如下代码:server:{headers:{'Cross-Origin-Embedder-Policy':'require-corp','Cross-Origin-Opener-Policy':'same-origin',},},将上述代码添加到exportdefaultdefineConfig里面vite.c
- AI Agent开发大全第十四课-零售智能导购智能体的RAG开发理论部分
TGITCIC
AIAgent开发大全零售rag开发rag增强检索ai智能体aiagentai开发embedding
开篇经过前面的一些课程,我们手上已经积累了各种LLM的API调用、向量库的建立和使用、embedding算法的意义和基本使用。这已经为我们具备了开发一个基本的问答类RAG的开发必需要素了。下面我们会来讲一个基本问答类场景的RAG,零售中的“智能导购”场景。智能导购大家先不要被这个界面吓到,一旦你理解了原理后开发起来会很快,可能2周里就能开发完了,关键的还是在于原理与基础的夯实。智能导购基本需求为什
- 浅谈大模型RAG架构落地的十大挑战
冻感糕人~
人工智能ai大模型语言大模型人工智能大模型PAGAGI计算机技术
0、RAG简介RAG(RetrievalAugmentedGeneration)结合知识库检索与大模型回答,确保信息可靠且精准,同时节省了微调成本。RAG流程简要概括为3步,对应其名:检索:借助Embedding,将问题转化为向量,比对知识库,选取最相关的TopK知识。1、增强:结合检索出的上下文和问题,构造Prompt。2、生成:将Prompt输入大模型,产出答案。3、从工程视角划分,RAG实施
- 【拥抱AI】对比embedding模型gte-Qwen2-7B-instruct和bge-m3:latest(三)
奔跑草-
人工智能人工智能embedding
为了更全面地评估gte-Qwen2-7B-instruct和bge-m3:latest的性能,我们可以从以下几个方面进行详细比较:1.模型架构和规模gte-Qwen2-7B-instruct架构:基于Transformer的大型语言模型。参数量:7B参数,具有较强的表达能力和泛化能力。训练数据:经过大量指令-响应对的训练,特别适合理解和生成高质量的文本。bge-m3:latest架构:基于BERT
- 第16章 嵌入式系统架构设计理论与实践
辣香牛肉面
系统架构师第二版教程系统架构
16.1嵌入式系统概述嵌入式系统(EmbeddedSystem)是为了特定应用而专门构建的计算机系统,其架构是随着嵌入式系统的逐步应用而发展形成的。16.1.1嵌入式系统发展历程嵌入式系统的发展大致经历了五个阶段:第一阶段:单片微型计算机(SCM)阶段,即单片机时代。这一阶段的嵌入式系统硬件是单片机,软件停留在无操作系统阶段,采用汇编语言实现系统的功能。这阶段的主要特点是:系统结构和功能相对单一,
- 基于Python的自然语言处理系列(60):使用 LangChain 构建 Multi-Vector Retriever 进行文档检索
会飞的Anthony
人工智能信息系统自然语言处理人工智能深度学习机器学习
在NLP和AI领域,基于嵌入(Embeddings)进行文档检索已成为一种高效的解决方案。本文介绍如何使用LangChain构建Multi-VectorRetriever,实现对长文档的分块索引和高效检索。1.环境准备首先,我们需要安装相关依赖库。pipinstalllangchainchromadbtorchtransformers2.加载文档并进行预处理我们先使用TextLoader读取多个文
- 什么是 Embedding?——从直觉到应用的全面解读
忍者算法
人工智能深度学习神经网络机器学习
什么是Embedding?——从直觉到应用的全面解读在机器学习和深度学习的世界里,我们经常会听到“Embedding”这个词。它是深度学习中最核心的概念之一,尤其在自然语言处理(NLP)和推荐系统中应用广泛。但很多初学者对Embedding的理解可能只是:“它是把一个东西转换成数字的方式。”这种解释虽然没错,但过于简略,难以真正理解Embedding的作用。这篇文章将用最直观的方式,带你深入理解E
- SpringBoot使用Websocket技术实现聊天功能--后端部分(三)
oct1025
Ideawebsocketspringboot后端
所需依赖:javax.websocketjavax.websocket-api1.1providedorg.springframework.bootspring-boot-starter-freemarkerorg.springframework.bootspring-boot-starter-websocket-->org.apache.tomcat.embed-->tomcat-embed-w
- Oracle AI应用的LLM模型典型配置
后端
最近在做一些基于Oracle的一些AI应用测试工作,AI肯定离不开配置LLM相关,虽然是简单配置类,但实际还是遇到一些卡点,记录下来供今后参考。1.配置Embedding模型2.特殊语法传参JSON格式3.测试Embedding有效4.修改MAX_STRING_SIZE5.配置为DeepSeek的LLM6.测试Chat和Showsql有效m.ximalaya.com/sound/825946205
- Langchain+Ollama实现Qwen模型+客服问答私有数据FAQ-实现RAG
showker
python开发语言
目标:部署一个结合大模型和RAG的,客服问题API,如果提问的问题在常见FAQ里,使用FAQ里数据,否则使用大模型回答问题。本文使用Ollama直接运行本地Qwen模型,需要先安装好ollama。现在我们将使用LangChain+Ollama搭建RAG(检索增强生成)系统,让它可以:从Excel读取FAQ将FAQ问题转换为向量(使用Ollama的Embedding模型)存入FAISS向量数据库提供
- chromadb向量数据库使用 (2)
ZHOU_CAMP
RAGchat_Chain数据库chromadb
目录代码代码解释**1.导入chatGLM嵌入函数****2.创建ChromaDB客户端和集合****3.查询集合中的数据数量****4.添加数据到集合****5.获取已存储的文档****6.更新文档****7.再次获取数据,验证更新结果****8.删除某个文档****9.获取已删除的文档****总结**代码importchromadb.utils.embedding_functionsasemb
- langchain chroma 与 chromadb笔记
phynikesi
langchain笔记chromadb
chromadb可独立使用也可搭配langchain框架使用。环境:python3.9langchain=0.2.16chromadb=0.5.3chromadb使用示例importchromadbfromchromadb.configimportSettingsfromchromadb.utilsimportembedding_functions#加载embedding模型en_embeddin
- 使用LocalAI进行文本嵌入的实战指南
bavDHAUO
python
技术背景介绍文本嵌入是一种将文本片段转换为高维向量的技术,可以用于自然语言处理任务中的相似性计算、信息检索等应用。LocalAI提供了一种本地化的嵌入解决方案,允许开发者在本地环境中运行和测试嵌入模型。通过在本地部署LocalAI服务,您可以避免依赖外部API,享受更快的响应速度和更好的数据隐私。核心原理解析LocalAIEmbedding类主要负责与本地运行的LocalAI服务通信,进行文本嵌入
- 【大语言模型_5】xinference部署embedding模型和rerank模型
没枕头我咋睡觉
大语言模型语言模型embedding人工智能
一、安装xinferencepipinstallxinference二、启动xinference./xinference-local--host=0.0.0.0--port=5544三、注册本地模型1、注册embedding模型curl-XPOST"http://localhost:5544/v1/models"\-H"Content-Type:application/json"\-d'{"mod
- embed 标签怎么嵌入pdf_如何在网页中嵌入PDF文件
weixin_39822443
embed标签怎么嵌入pdf
如何在网页中嵌入PDF文件编辑:oa161办公商城您想要到包括代码嵌入到PDFfile.2Type,打开的对象标记,它看起来像这样:<object3Insert的type属性的说明1Locate的位置在您的网页的代码。您的文件类型是PDF。因此,您的代码将看起来像这样:=“application/pdf上”4指定的文件名。要做到这一点,类型:数据=“NAMEofFILE.pdf”地方那句“NA
- 谷歌:对比学习将LLM转为嵌入模型
大模型任我行
大模型-成熟基座人工智能自然语言处理语言模型论文笔记
标题:GeminiEmbedding:GeneralizableEmbeddingsfromGemini来源:arXiv,2503.07891摘要在本报告中,我们介绍了Gemini嵌入,这是一种最先进的嵌入模型,它利用了Gemini、Google最有能力的大型语言模型的力量。利用Gemini固有的多语言和代码理解能力,GeminiEmbedding为跨越多种语言和文本模式的文本生成高度可概括的嵌入
- rag-给一篇几百页的pdf,如何从中找到关键信息并汇总出关系图
蒸土豆的技术细节
人工智能
小思考对pdf肯定要做模糊chunk,能用模型切分就用模型切分,不能用模型就用规则,规则要尽可能保存连续文本,特殊数据格式(图、表格)必须完整保存,必须能被捕捉到。这些独立的表格or图数据,也要单独做embedding,以其中的title和行列title信息作embedding材料。也不能忘了传统搜索方法,基于搜索的、基于传统词频的、基于关键字的。。。假设已经找到了信息所在的目标,如果它是个表格,
- 详解Springboot的启动流程
凭君语未可
面试springboot后端java
在Redis中实现分布式锁1.主入口与SpringApplication.run()2.准备阶段3.创建应用上下文(ApplicationContext)4.Bean定义加载与上下文刷新5.EmbeddedWebServer的启动(针对Web应用)6.ApplicationRunner和CommandLineRunner执行7.应用启动完成总结1.主入口与SpringApplication.run
- Android 扫码 - 集成 zxing-android-embedded
我命由我12345
Android-简化库编程androidjava-eejava安卓android-studioandroidstudioandroidjetpack
一、zxing-android-embedded1、ZXing概述ZXing是谷歌开源的让开发者更方便使用摄像头的库,而常用的扫码功能就是其中之一第三方ZXing库zxing-android-embedded,抽取其中的扫码功能单独使用2、基本使用(1)依赖与权限配置在项目级build.gradle中配置相关依赖implementation'com.journeyapps:zxing-androi
- Dify知识库构建流程及示例
cqbelt
ai笔记AI应用
总体流程1.数据预处理清洗:去除噪声、特殊字符、标准化格式。分词/标记化:拆分文本为单词或子词单元(如使用Tokenizer)。元数据关联:附加来源、时间戳等信息,支持多维度检索。2.文本分块固定长度分块:按字符或Token数切分,简单高效。语义分块:基于句子边界或主题分割(如NLP模型识别段落主旨)。重叠策略:相邻块间部分重叠,避免上下文断裂。3.向量化(Embedding)嵌入模型:调用预训练
- jvm调优总结(从基本概念 到 深度优化)
oloz
javajvmjdk虚拟机应用服务器
JVM参数详解:http://www.cnblogs.com/redcreen/archive/2011/05/04/2037057.html
Java虚拟机中,数据类型可以分为两类:基本类型和引用类型。基本类型的变量保存原始值,即:他代表的值就是数值本身;而引用类型的变量保存引用值。“引用值”代表了某个对象的引用,而不是对象本身,对象本身存放在这个引用值所表示的地址的位置。
- 【Scala十六】Scala核心十:柯里化函数
bit1129
scala
本篇文章重点说明什么是函数柯里化,这个语法现象的背后动机是什么,有什么样的应用场景,以及与部分应用函数(Partial Applied Function)之间的联系 1. 什么是柯里化函数
A way to write functions with multiple parameter lists. For instance
def f(x: Int)(y: Int) is a
- HashMap
dalan_123
java
HashMap在java中对很多人来说都是熟的;基于hash表的map接口的非同步实现。允许使用null和null键;同时不能保证元素的顺序;也就是从来都不保证其中的元素的顺序恒久不变。
1、数据结构
在java中,最基本的数据结构无外乎:数组 和 引用(指针),所有的数据结构都可以用这两个来构造,HashMap也不例外,归根到底HashMap就是一个链表散列的数据
- Java Swing如何实时刷新JTextArea,以显示刚才加append的内容
周凡杨
java更新swingJTextArea
在代码中执行完textArea.append("message")后,如果你想让这个更新立刻显示在界面上而不是等swing的主线程返回后刷新,我们一般会在该语句后调用textArea.invalidate()和textArea.repaint()。
问题是这个方法并不能有任何效果,textArea的内容没有任何变化,这或许是swing的一个bug,有一个笨拙的办法可以实现
- servlet或struts的Action处理ajax请求
g21121
servlet
其实处理ajax的请求非常简单,直接看代码就行了:
//如果用的是struts
//HttpServletResponse response = ServletActionContext.getResponse();
// 设置输出为文字流
response.setContentType("text/plain");
// 设置字符集
res
- FineReport的公式编辑框的语法简介
老A不折腾
finereport公式总结
FINEREPORT用到公式的地方非常多,单元格(以=开头的便被解析为公式),条件显示,数据字典,报表填报属性值定义,图表标题,轴定义,页眉页脚,甚至单元格的其他属性中的鼠标悬浮提示内容都可以写公式。
简单的说下自己感觉的公式要注意的几个地方:
1.if语句语法刚接触感觉比较奇怪,if(条件式子,值1,值2),if可以嵌套,if(条件式子1,值1,if(条件式子2,值2,值3)
- linux mysql 数据库乱码的解决办法
墙头上一根草
linuxmysql数据库乱码
linux 上mysql数据库区分大小写的配置
lower_case_table_names=1 1-不区分大小写 0-区分大小写
修改/etc/my.cnf 具体的修改内容如下:
[client]
default-character-set=utf8
[mysqld]
datadir=/var/lib/mysql
socket=/va
- 我的spring学习笔记6-ApplicationContext实例化的参数兼容思想
aijuans
Spring 3
ApplicationContext能读取多个Bean定义文件,方法是:
ApplicationContext appContext = new ClassPathXmlApplicationContext(
new String[]{“bean-config1.xml”,“bean-config2.xml”,“bean-config3.xml”,“bean-config4.xml
- mysql 基准测试之sysbench
annan211
基准测试mysql基准测试MySQL测试sysbench
1 执行如下命令,安装sysbench-0.5:
tar xzvf sysbench-0.5.tar.gz
cd sysbench-0.5
chmod +x autogen.sh
./autogen.sh
./configure --with-mysql --with-mysql-includes=/usr/local/mysql
- sql的复杂查询使用案列与技巧
百合不是茶
oraclesql函数数据分页合并查询
本片博客使用的数据库表是oracle中的scott用户表;
------------------- 自然连接查询
查询 smith 的上司(两种方法)
&
- 深入学习Thread类
bijian1013
javathread多线程java多线程
一. 线程的名字
下面来看一下Thread类的name属性,它的类型是String。它其实就是线程的名字。在Thread类中,有String getName()和void setName(String)两个方法用来设置和获取这个属性的值。
同时,Thr
- JSON串转换成Map以及如何转换到对应的数据类型
bijian1013
javafastjsonnet.sf.json
在实际开发中,难免会碰到JSON串转换成Map的情况,下面来看看这方面的实例。另外,由于fastjson只支持JDK1.5及以上版本,因此在JDK1.4的项目中可以采用net.sf.json来处理。
一.fastjson实例
JsonUtil.java
package com.study;
impor
- 【RPC框架HttpInvoker一】HttpInvoker:Spring自带RPC框架
bit1129
spring
HttpInvoker是Spring原生的RPC调用框架,HttpInvoker同Burlap和Hessian一样,提供了一致的服务Exporter以及客户端的服务代理工厂Bean,这篇文章主要是复制粘贴了Hessian与Spring集成一文,【RPC框架Hessian四】Hessian与Spring集成
在
【RPC框架Hessian二】Hessian 对象序列化和反序列化一文中
- 【Mahout二】基于Mahout CBayes算法的20newsgroup的脚本分析
bit1129
Mahout
#!/bin/bash
#
# Licensed to the Apache Software Foundation (ASF) under one or more
# contributor license agreements. See the NOTICE file distributed with
# this work for additional information re
- nginx三种获取用户真实ip的方法
ronin47
随着nginx的迅速崛起,越来越多公司将apache更换成nginx. 同时也越来越多人使用nginx作为负载均衡, 并且代理前面可能还加上了CDN加速,但是随之也遇到一个问题:nginx如何获取用户的真实IP地址,如果后端是apache,请跳转到<apache获取用户真实IP地址>,如果是后端真实服务器是nginx,那么继续往下看。
实例环境: 用户IP 120.22.11.11
- java-判断二叉树是不是平衡
bylijinnan
java
参考了
http://zhedahht.blog.163.com/blog/static/25411174201142733927831/
但是用java来实现有一个问题。
由于Java无法像C那样“传递参数的地址,函数返回时能得到参数的值”,唯有新建一个辅助类:AuxClass
import ljn.help.*;
public class BalancedBTree {
- BeanUtils.copyProperties VS PropertyUtils.copyProperties
诸葛不亮
PropertyUtilsBeanUtils
BeanUtils.copyProperties VS PropertyUtils.copyProperties
作为两个bean属性copy的工具类,他们被广泛使用,同时也很容易误用,给人造成困然;比如:昨天发现同事在使用BeanUtils.copyProperties copy有integer类型属性的bean时,没有考虑到会将null转换为0,而后面的业
- [金融与信息安全]最简单的数据结构最安全
comsci
数据结构
现在最流行的数据库的数据存储文件都具有复杂的文件头格式,用操作系统的记事本软件是无法正常浏览的,这样的情况会有什么问题呢?
从信息安全的角度来看,如果我们数据库系统仅仅把这种格式的数据文件做异地备份,如果相同版本的所有数据库管理系统都同时被攻击,那么
- vi区段删除
Cwind
linuxvi区段删除
区段删除是编辑和分析一些冗长的配置文件或日志文件时比较常用的操作。简记下vi区段删除要点备忘。
vi概述
引文中并未将末行模式单独列为一种模式。单不单列并不重要,能区分命令模式与末行模式即可。
vi区段删除步骤:
1. 在末行模式下使用:set nu显示行号
非必须,随光标移动vi右下角也会显示行号,能够正确找到并记录删除开始行
- 清除tomcat缓存的方法总结
dashuaifu
tomcat缓存
用tomcat容器,大家可能会发现这样的问题,修改jsp文件后,但用IE打开 依然是以前的Jsp的页面。
出现这种现象的原因主要是tomcat缓存的原因。
解决办法如下:
在jsp文件头加上
<meta http-equiv="Expires" content="0"> <meta http-equiv="kiben&qu
- 不要盲目的在项目中使用LESS CSS
dcj3sjt126com
Webless
如果你还不知道LESS CSS是什么东西,可以看一下这篇文章,是我一朋友写给新人看的《CSS——LESS》
不可否认,LESS CSS是个强大的工具,它弥补了css没有变量、无法运算等一些“先天缺陷”,但它似乎给我一种错觉,就是为了功能而实现功能。
比如它的引用功能
?
.rounded_corners{
- [入门]更上一层楼
dcj3sjt126com
PHPyii2
更上一层楼
通篇阅读完整个“入门”部分,你就完成了一个完整 Yii 应用的创建。在此过程中你学到了如何实现一些常用功能,例如通过 HTML 表单从用户那获取数据,从数据库中获取数据并以分页形式显示。你还学到了如何通过 Gii 去自动生成代码。使用 Gii 生成代码把 Web 开发中多数繁杂的过程转化为仅仅填写几个表单就行。
本章将介绍一些有助于更好使用 Yii 的资源:
- Apache HttpClient使用详解
eksliang
httpclienthttp协议
Http协议的重要性相信不用我多说了,HttpClient相比传统JDK自带的URLConnection,增加了易用性和灵活性(具体区别,日后我们再讨论),它不仅是客户端发送Http请求变得容易,而且也方便了开发人员测试接口(基于Http协议的),即提高了开发的效率,也方便提高代码的健壮性。因此熟练掌握HttpClient是很重要的必修内容,掌握HttpClient后,相信对于Http协议的了解会
- zxing二维码扫描功能
gundumw100
androidzxing
经常要用到二维码扫描功能
现给出示例代码
import com.google.zxing.WriterException;
import com.zxing.activity.CaptureActivity;
import com.zxing.encoding.EncodingHandler;
import android.app.Activity;
import an
- 纯HTML+CSS带说明的黄色导航菜单
ini
htmlWebhtml5csshovertree
HoverTree带说明的CSS菜单:纯HTML+CSS结构链接带说明的黄色导航
在线体验效果:http://hovertree.com/texiao/css/1.htm代码如下,保存到HTML文件可以看到效果:
<!DOCTYPE html >
<html >
<head>
<title>HoverTree
- fastjson初始化对性能的影响
kane_xie
fastjson序列化
之前在项目中序列化是用thrift,性能一般,而且需要用编译器生成新的类,在序列化和反序列化的时候感觉很繁琐,因此想转到json阵营。对比了jackson,gson等框架之后,决定用fastjson,为什么呢,因为看名字感觉很快。。。
网上的说法:
fastjson 是一个性能很好的 Java 语言实现的 JSON 解析器和生成器,来自阿里巴巴的工程师开发。
- 基于Mybatis封装的增删改查实现通用自动化sql
mengqingyu
DAO
1.基于map或javaBean的增删改查可实现不写dao接口和实现类以及xml,有效的提高开发速度。
2.支持自定义注解包括主键生成、列重复验证、列名、表名等
3.支持批量插入、批量更新、批量删除
<bean id="dynamicSqlSessionTemplate" class="com.mqy.mybatis.support.Dynamic
- js控制input输入框的方法封装(数字,中文,字母,浮点数等)
qifeifei
javascript js
在项目开发的时候,经常有一些输入框,控制输入的格式,而不是等输入好了再去检查格式,格式错了就报错,体验不好。 /** 数字,中文,字母,浮点数(+/-/.) 类型输入限制,只要在input标签上加上 jInput="number,chinese,alphabet,floating" 备注:floating属性只能单独用*/
funct
- java 计时器应用
tangqi609567707
javatimer
mport java.util.TimerTask; import java.util.Calendar; public class MyTask extends TimerTask { private static final int
- erlang输出调用栈信息
wudixiaotie
erlang
在erlang otp的开发中,如果调用第三方的应用,会有有些错误会不打印栈信息,因为有可能第三方应用会catch然后输出自己的错误信息,所以对排查bug有很大的阻碍,这样就要求我们自己打印调用的栈信息。用这个函数:erlang:process_display (self (), backtrace).需要注意这个函数只会输出到标准错误输出。
也可以用这个函数:erlang:get_s