- .net wpf混淆
佛·追命
.netwpf
混淆要求1、把exe所用到的依赖dll都合并到exe中2、使用反编译工具无法得到源代码混淆方式1、.netReactor优点：可以dll到exe中，也能防止反编译，但是要注意QuickSettings尽量勾选完毕缺点：争对WPF程序无法使用NativeEXEFile，但是Winform可以2、Confuser优点：可以防止反编译，也能防止反编译工具查看程序集名称缺点：无法把依赖的dll合并到exe
- PostgreSQL 窗口函数学习指南
AI人H哥会Java
sql
PostgreSQL是一个功能强大的开源关系数据库管理系统，广泛应用于数据分析、Web应用和企业级解决方案中。窗口函数是PostgreSQL中的一项强大特性，允许用户在查询结果中进行复杂的计算和分析，而无需使用子查询或连接。本文将深入探讨PostgreSQL的窗口函数，包括其基本概念、语法、常见用法和实际示例，帮助读者掌握这一重要工具。1.窗口函数的基本概念窗口函数是一种特殊的函数，它在结果集的“
- 大数据基础知识-Hadoop、HBase、Hive一篇搞定
原来是猪猪呀
hadoop大数据分布式
HadoopHadoop是一个由Apache基金会所开发的分布式系统基础架构，其核心设计包括分布式文件系统（HDFS）和MapReduce编程模型；Hadoop是一个开源的分布式计算框架，旨在帮助用户在不了解分布式底层细节的情况下，开发分布式程序。它通过利用集群的力量，提供高速运算和存储能力，特别适合处理超大数据集的应用程序。Hadoop生态圈Hadoop生态圈是一个由多个基于Hadoop开发的相
- 【图像超分】论文精读：MTKD: Multi-Teacher Knowledge Distillation for Image Super-Resolution
十小大
超分辨率重建（理论+实战科研+应用）深度学习人工智能图像处理计算机视觉超分辨率重建论文阅读论文笔记
请先看【专栏介绍文章】：【超分辨率（Super-Resolution）】关于【超分辨率重建】专栏的相关说明，包含专栏简介、专栏亮点、适配人群、相关说明、阅读顺序、超分理解、实现流程、研究方向、论文代码数据集汇总等）前言论文题目：MTKD:Multi-TeacherKnowledgeDistillationforImageSuper-Resolution——MTKD：图像超分辨率的多教师知识蒸馏论文
- 飞算JavaAI：AI赋能的Java开发助手
山峰哥
人工智能java开发语言数据库信息可视化人机交互
『AI先锋杯·14天征文挑战第一期』AI技术如何重塑你的工作与行业？一、前言在2025年人工智能技术爆发的时代，开发者的工作方式正经历着革命性变革。智能编码工具已经从简单的代码补全进化到能够理解复杂需求、生成完整工程的能力。本文将深入分析国产Java开发助手飞算JavaAI如何通过自然语言交互彻底改变传统开发流程，并结合电商系统、金融交易引擎等实战案例，验证其在实际项目中的生产力提升效果。二、飞算
- LLaVA-1.5:强大的多模态大模型（包含论文代码详解）
Sherlock Ma
AIGC多模态大模型pythonaiAIGC人工智能深度学习
1.概述LLaVA是一个由威斯康星大学麦迪逊分校、微软研究院和哥伦比亚大学的研究人员开发的大型语言和视觉助手。它是一个端到端训练的大型多模态模型，结合了视觉编码器和语言模型，用于通用的视觉和语言理解。微软研究院、威斯康星大学的研究人员在LLaVA基础之上，继续开源了LLaVA-1.5版本。与前一代相比，LLaVA-1.5引入了跨模态连接器和特定格式的学术视觉问答数据集，全面提升了多模态理解和生成能
- 基数排序的Dart实现：Flutter开发中的排序方案
基数排序的Dart实现：Flutter开发中的排序方案关键词：基数排序、Dart、Flutter、排序算法、非比较排序、桶排序、时间复杂度摘要：本文将深入探讨基数排序算法在Dart语言中的实现，特别关注其在Flutter开发中的应用场景。我们将从基本原理出发，逐步分析基数排序的工作机制，提供完整的Dart实现代码，并通过实际案例展示如何在Flutter项目中使用这种高效的排序算法来处理大规模数据集
- AutoMedPrompt的技术，自动优化提示词
ZhangJiQun&MXP
教学2024大模型以及算力2021AIpythonmvc
AutoMedPrompt的技术，自动优化提示词让大语言模型在医学答题方面的表现大幅提升，甚至能让开源模型在某些医学数据集上超过GPT-4等商业模型。AutoMedPrompt原理深度解析与实例说明一、核心原理：文本梯度驱动的提示词优化1.传统提示工程的痛点手动设计提示词依赖专家经验，难以覆盖医学领域的复杂性（如不同专科考点、病例变异）。固定提示词（如CoT思维链）无法动态适应具体问题，可能引入无
- 动感阴影生成器，一键生成立体效果，提升设计质感
不惑_
VibeCodingmicrosoft
️阴影效果不仅能提升页面的层次感，还能有效增强用户界面的交互感和立体感。尤其是在按钮、卡片和其他交互元素上，恰当的阴影效果能够让设计更具活力和动感，从而提升用户的视觉体验。传统的阴影生成器通常是静态的，用户需要手动输入阴影的各种属性（如模糊度、偏移量、透明度等），但这并不直观。为了简化这一过程，并让设计师能够更高效地生成阴影效果，我们开发了动感阴影生成器。该工具允许用户通过拖动交互生成不同的box
- pandas-数据清洗
qq_512720272
pandas机器学习人工智能
数据清洗数据清洗是对一些没有用的数据进行处理的过程。很多数据集存在数据缺失、数据格式错误、错误数据或重复数据的情况，如果要使数据分析更加准确，就需要对这些没有用的数据进行处理。数据清洗与预处理的常见步骤：缺失值处理：识别并填补缺失值，或删除含缺失值的行/列。重复数据处理：检查并删除重复数据，确保每条数据唯一。异常值处理：识别并处理异常值，如极端值、错误值。数据格式转换：转换数据类型或进行单位转换，
- svg全链路流程轨迹
一块小砖头儿
javascript开发语言
直接上效果exportdefault{props:{},data(){return{svgData:["0,200200,200300,300400,300400,200500,200"],};},computed:{},mounted(){},methods:{},};.circle-load-rect-svg{width:800px;}.g-rect-path{fill:none;stroke
- orb-slam run rgbd data
hetongqiyue
计算机视觉slam
TUM数据集准备+RGB-D运行从这个网址下载tum数据集[http://vision.in.tum.de/data/datasets/rgbd-dataset/download]并且解压缩。使用python脚本关联RGB图像和深度图像[associate.py],[http://vision.in.tum.de/data/datasets/rgbd-dataset/tools].我们已经提供了一
- 数字营销中衡量广告效果的核心指标
走过冬季
学习笔记数据仓库数据分析
数字营销中衡量广告效果的核心指标可按目标层级分为以下几类，结合最新行业趋势与标准整理如下：一、曝光与互动指标CTR（点击率）定义：广告被点击次数占展示次数的比例，反映广告吸引力。公式：CTR=点击次数÷展示次数×100%应用：CTR＜1%需优化文案或受众定位；社媒广告CTR高于搜索广告。VTR（视频观看完成率）定义：用户完整观看视频广告的比例，评估内容质量。公式：VTR=完整观看次数÷展示次数×1
- mlflow案例
以下内容主要是翻译mlflow官方文档的一个教程。4.教程和示例4.1训练、服务和评估线性回归模型地址：Tutorial—MLflow2.4.1documentation本教程展示了如何使用MLflow端到端执行以下操作：（1）训练线性回归模型（2）将训练模型的代码打包为可重复使用和可复制的模型格式（3）将模型部署到一个简单的HTTP服务器中，使您能够对预测进行评分本教程使用的数据集将根据葡萄酒的
- pythonflow_MLflow系列1：MLflow入门教程（Python）
weixin_39872334
pythonflow
这篇教程展示了如何：训练一个线性回归模型将训练代码打包成一个可复用可复现的模型格式将模型部署成一个简单的HTTP服务用于进行预测这篇教程使用的数据来自UCI的红酒质量数据集，主要用于根据红酒的PH值，酸度，残糖量等指标来评估红酒的质量。我们会用到什么？安装MLflow和scikit-learn，推荐两种安装方式：安装MLflow及其依赖：pipinstallmlflow[extras]分别安装ML
- 要完成使用MLflow比较模型运行、选择模型并将其部署到REST API的教程
大霸王龙
python人工智能python机器学习mlflow
要完成使用MLflow比较模型运行、选择模型并将其部署到RESTAPI的教程，请按照以下有序步骤操作：设置环境导出MLflow跟踪URI：设置环境变量以指向您的MLflow跟踪服务。exportMLFLOW_TRACKING_URI=your-organization's-MLflow-server-url加载数据和预处理读取数据集：使用pandas读取包含数据集的CSV文件。importpand
- 液晶手写板亮点缺陷修复及相关液晶线路激光修复
syncon12
科技制造3d
引言液晶手写板作为新型电子书写设备，在日常办公、教育教学等场景应用广泛。然而，亮点缺陷的存在会严重干扰书写与显示效果，降低用户体验。研究液晶手写板亮点缺陷修复及相关液晶线路激光修复技术，对提升产品质量和市场竞争力具有重要意义。液晶手写板亮点缺陷的成因与影响液晶手写板亮点缺陷指在书写空白状态下，屏幕上出现持续发亮、无法正常熄灭的像素点，严重破坏画面纯净度。其成因主要包括：生产过程中，液晶盒内混入微小
- 迭代器模式 - Flutter中的集合导航专家，解锁数据遍历的无限可能！
明似水
flutter迭代器模式flutter
自定义滚动效果/树形结构遍历/分页加载…用迭代器掌控数据流动的节奏痛点场景：多源数据混合遍历假设你的社交应用需要显示以下内容：本地缓存的帖子新收到的实时消息推荐广告朋友动态这些数据来自不同接口，结构各异：ListcachedPosts=[...];StreamrealtimeMessages=[...];Listads=[...];Future>friendActivities=[...];传统遍
- 大模型微调到底有没有技术含量？
DeepSeek-大模型系统教程
人工智能语言模型ai大模型大模型微调程序员AI大模型
今天给大家带来知乎好友@ybq的一篇回答-大模型微调到底有没有技术含量，或者说技术含量到底有多大？老生常谈的一句话吧：有没有技术含量取决于这个工作你怎么做，尤其是llm方向，上手门槛相比传统NLP变得更低了。我举一些例子吧，针对大模型微调的几个重要环节，我列举的每一种做法大概率都能完成最终目标，甚至说训出来的模型效果都没什么差别。但对个人能力成长的帮助就大不相同了。数据工作做法1:继承实验室或者同
- 基于昇腾910B部署Qwen3-embedding-8B模型（通过vllm 推理引擎部署）
萌新--加油
embedding人工智能经验分享
目前基于知识库搭建，会涉及到embedding和rerank模型，目前阿里通义千问Qwen3-embedding-8B模型在网上测评效果还不错，本文基于vllm部署Qwen3-embedding-8B模型，使用的国产化算力910B2-64G单卡资源。1、环境要求：软件支持版本CANN>=8.1.RC1torch-npu>=2.5.1torch>=2.5.1Python>=3.9,<3.122、to
- 使用Python制作电脑无限弹窗恶搞程序教程
kkkliaoo
python开发语言安全
效果如下：演示视频：python弹窗恶搞程序演示视频教程：1，导入模块，下载模块的方法不过多说明了，可以看我其他的文章有说怎么下载第三方模块，或者Alt+Enter下载也可。#弹窗恶搞importtkinterastkimportrandomimportthreadingimporttime2，复制如下代码，运行即可defdow():window=tk.Tk()width=window.winfo
- 家用充电桩远程监控安全管理系统解决方案
蓝蜂物联网
物联网远程监控边缘计算物联网
家用充电桩远程监控安全管理系统解决方案在当今电动汽车日益普及的背景下，家用充电桩的安全管理成为了广大车主关注的重点问题。为了实现对充电桩的高效、精准、远程监控，一套完善的家用充电桩远程监控安全管理系统解决方案应运而生。本方案旨在通过先进的物联网技术、云计算、大数据分析以及人工智能等科技手段，构建一个集实时监测、异常预警、故障诊断、数据统计、远程控制于一体的智能化平台，确保充电桩的安全运行及用户充电
- TypeScript基本类型
一、前言TypeScript是JavaScript的一个超集，它通过添加静态类型系统帮助开发者写出更健壮、可维护性更强的代码。而理解TypeScript的基本类型是学习TypeScript的第一步。本文将带你全面了解TypeScript中的常用基本类型，包括：✅数值类型✅字符串类型✅布尔类型✅null与undefined✅any与unknown✅never与void✅数组类型✅元组类型并通过大量代
- 服务器异常宕机或重启导致 RabbitMQ 启动失败问题分析与解决方案
代码怪兽大作战
RabbitMQ服务器rabbitmq宕机启动失败
服务器异常宕机或重启导致RabbitMQ启动失败问题分析与解决方案一、深度故障诊断与解决方案1.权限配置不当故障2.端口占用故障3.数据目录残留故障二、故障类型对比与诊断矩阵三、完整恢复流程（10步法）四、风险规避与最佳实践️数据保护策略预防性配置五、高级故障排除技巧诊断工具集容器特有故障处理容器维护命令速查主机与容器方案对比总结⚡快速恢复决策树六、总结当服务器异常宕机或重启后，RabbitMQ启
- BAAI/BGE-VL多模态模型部署、原理、代码详解（实现图像文本混合检索），包含BEG-VL多模态模型的本地部署详细步骤及代码原理解析
令令小宁
python语言模型自然语言处理nlp人工智能
本文包含BGE-VL多模态模型的本地部署详细步骤及代码原理解析文章目录前言一、模型下载二、计算流程解析1.BGE-VL-base/Large2.BGE-VL-MLLM-s1/s2三、总结前言提示：这里可以添加本文要记录的大概内容：包含四个模型及数据集，数据集未开源，四个模型可以分别下载：其中，BGE-VL-base/Large是基于CLIP训练的模型，BGE-VL-MLLM-S1/S2是基于LLM
- Llama改进之——SwiGLU激活函数
愤怒的可乐
#自然语言处理NLP项目实战llama
引言今天介绍LLAMA模型引入的关于激活函数的改进——SwiGLU1，该激活函数取得了不错的效果，得到了广泛地应用。SwiGLU是GLU的一种变体，其中包含了GLU和Swish激活函数。GLUGLU(GatedLinearUnits,门控线性单元)2引入了两个不同的线性层，其中一个首先经过sigmoid函数，其结果将和另一个线性层的输出进行逐元素相乘作为最终的输出：GLU(x,
- 深入解析React性能优化三剑客：React.memo、useMemo与useCallback
目录渲染机制基础React的渲染流程解析组件重渲染的根本原因性能优化的核心目标React.memo深度解析组件级缓存原理浅比较机制详解自定义比较函数实现useMemo核心技术值缓存机制剖析引用稳定性控制复杂计算场景实战useCallback终极指南函数缓存本质闭包陷阱解决方案事件处理最佳实践三者的黄金组合联合使用场景分析性能优化效果对比常见误区与反模式性能监控方法论ReactDevTools实战技
- 解锁数据潜能——亮数据Web数据集，精准、全面、即时
程序猿追
其他领域嵌入式效率性能优化科技计算机外设
解锁数据潜能——亮数据Web数据集，精准、全面、即时在数据驱动的时代，获取高质量的网络数据成为许多企业与研究机构的核心需求。亮数据推出的Web数据集产品，试图通过技术手段解决传统数据采集中的痛点，为使用者提供更高效的数据支持方案。该数据集的核心优势体现在三个维度：数据精准度、覆盖全面性和更新即时性。在精准度方面，通过动态IP网络与智能解析算法的结合，有效降低了传统爬虫常遇到的反爬干扰，使获取的数据
- 利用人名语言分类案例演示RNN、LSTM和GRU的区别（基于PyTorch）
.30-06Springfield
rnnlstmgru分类人工智能pythonpytorch
文章目录一、程序结构1.1程序整体结构1.2各模块功能关系流程图二、数据预处理模块详解2.1定义字符集和语言类别2.2读取数据2.3人名转换为one-hot编码张量2.4自定义数据集类2.5数据加载器三、模型定义模块详解3.1RNN模型3.2LSTM模型3.3GRU模型四、模型训练与测试模块详解4.1测试模型基本功能4.2模型训练主函数五、结果可视化与对比模块详解六、模型预测模块详解七、案例结果分
- YOLOv8 轴承缺陷检测 使用YOLOv8进行训练、评估和可视化预测结果 包含1440张图片的轴承缺陷检测数据集 YOLO格式或XML格式
OICQQ67658008
YOLOxml深度学习轴承缺陷数据检测算法人工智能
轴承缺陷检测4类1440张names:[‘aocao’,‘aoxian’,‘cashang’,‘huahen’]名称：：[‘凹槽’，‘凹陷’,‘卡伤’,‘划痕’]共1440张，8:1:1比例划分train：1152张，val：144张，test：144张标注文件为YOLO适用的txt格式或xml格式。可以直接用于模型训练。YOLOv8轴承缺陷检测importosimporttorchfromIPy
- 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
