- lineage os android 9,LineageOS 16.0 发布,基于 Android 9
哈里叔叔
lineageosandroid9
自源自CyanogenMod的社区项目LineageOS开始向部分型号手机推出基于Android9的16.0。8月份以来,LineageOS一直在努力将独特功能移植到这个新版本的Android上。由于在上一个版本中进行了大量的清理和重构,这次能够更多地关注特性和可靠性;特别是,隐私保护和su插件都得到了相当大的改进。通过对StylesAPI进行一些细微更改,它现在与Android中最终成为默认实现
- 浅谈滤波中Q和R的调整——KF第三篇笔记
MATLAB卡尔曼
卡尔曼专题免费专栏开发语言kalman卡尔曼滤波算法
前段时间收到私信和email,问我关于Q和R怎么取、如何调。前面说过p0和x0怎么找的问题,Q和R怎么找还没有说过,这里就简单探讨一下。Q和R的意义Q值为过程噪声,越小系统越容易收敛,表示对模型预测的值信任度越高;但是太小则容易发散,如果Q为零,那么我们只相信预测值;Q值越大表示对于预测的信任度就越低,而对测量值的信任度就变高;如果Q值无穷大,那么则表示信任测量值。R值为测量噪声。R太大,滤波的响
- docker 与K8s的恩怨情仇
慧香一格
dockerK8s容器dockerkubernetes容器
Docker和Kubernetes(通常简称为K8s)是容器化和容器编排领域的两大重要工具,它们在技术生态中扮演着不同的角色,并且有着密切的关系。虽然有时候人们会讨论它们之间的关系,但实际上它们更多的是互补而不是对立。下面详细探讨Docker与Kubernetes的关系及其各自的优劣势。Docker什么是Docker?Docker是一个开源的平台,用于自动化应用程序的部署、扩展和管理。它允许开发者
- 大模型开发的5种应用架构
我爱学大模型
大数据人工智能自然语言处理大模型机器人大模型开发ai大模型计算机技术
架构对一个项目来说至关重要,它们能帮助构建高效、可维护的系统。然而,当我们进入大模型应用领域时,传统的设计模式似乎不再完全适用。生成式AI等新兴技术的出现,使得我们在设计这些系统时面临前所未有的挑战。在大模型应用实现过程中存在许多独特的问题,例如高昂的成本、较长的响应延迟以及生成内容的不确定性。这些问题要求我们在设计时采用新的方法和策略,以确保系统的稳定性和效率。为了解决这些问题,总结了一些针对大
- TDengine 如何进行高效数据建模
TDengine (老段)
tdengine数据库oracle时序数据库大数据
1.背景数据建模对于数据库建立后整体高效运行非常关键,不同建模方式,可能会产生相差几倍的性能差别2.建库建模在建库阶段应考虑几下几点:建多少库根据业务情况确定建库个数,TDengine不支持跨库查询,如果业务数据之间会发生相互查询,那就需要把这些数据设计在一个库中,根据业务的独立性创建相应数据库,数据库个数多少不会对性能产生大的影响。建库语法CREATEDATABASE[IFNOTEXISTS]d
- JUC 三大辅助类: CountDownLatch CyclicBarrier Semaphore
難釋懷
java
在并发编程中,线程间的协调是一个常见的挑战。Java并发包java.util.concurrent提供了多种工具来帮助开发者解决这一问题。其中,CountDownLatch、CyclicBarrier和Semaphore是三个非常有用的同步辅助类,它们各自具有独特的功能和适用场景。本文将详细介绍这三个类的工作原理,并通过实际案例演示如何在项目中应用它们。CountDownLatch概述定义与用途C
- 迭代器模式详解附有代码案例分析(包含迭代器模式的源码应用分析)
hyyyya
设计模式列表java设计模式数据结构
迭代器模式一、迭代器模式的概念和角色(一)、迭代器模式的概念(二)、迭代器模式的角色二、迭代器模式的应用场景三、迭代器模式的代码示例四、迭代器模式在源码中的应用五、迭代器模式的优缺点(一)、优点(二)、缺点六、设计模式的相关博客文章链接1、七大设计原则的简单解释(包含合成复用原则),简单理解、快速入门,具备案例代码2、工厂模式详解附有代码案例分析(简单工厂,工厂方法,抽象工厂)3、单例模式详解及代
- Godot引擎开发:物理引擎高级用法_物理引擎的最佳实践与案例分析
chenlz2007
游戏开发2godot游戏引擎javaandroid材质
物理引擎的最佳实践与案例分析在上一节中,我们探讨了Godot引擎中物理引擎的基本原理和使用方法。了解了如何创建物理体、应用力和冲量、检测碰撞等基本操作。在这一节中,我们将进一步深入探讨物理引擎的高级用法,通过最佳实践和案例分析,帮助你在动作游戏中更高效地利用物理引擎,实现更加复杂和真实的物理效果。1.物理引擎性能优化在动作游戏中,物理引擎的性能优化是至关重要的。如果物理模拟不流畅,会导致游戏体验大
- 【设计模式】6大设计原则和23种设计模式
藓类少女
设计模式python
设计原则是更高层次的思想指导,强调代码的可维护性、稳定性和灵活性。设计模式是实现设计原则的具体方法和工具,解决特定场景的问题。I、6大设计原则单一职责原则(SRP,SingleResponsibilityPrinciple)每个类应该只有一个引起变化的原因,职责应该保持单一。目标:高内聚,低耦合。开闭原则(OCP,Open/ClosedPrinciple)软件实体(类、模块、函数等)应该对扩展开放
- Java 高并发,什么方式解决?高并发和大流量解决方案
IT茶馆技术斋
java高并发大流量解决方案java分布式编程语言
对于我们所研发的网站,若网站的访问量非常大,那么我们必须考虑相关的并发访问问题,而并发问题是绝大部分的程序员头疼的问题。本Chat带你领略一下相关概念和解决方案:概念类:什么是QPS、PV、UV、QPS不等于并发连接数?大中小三种类型网站的QPS一般是多少?具体解决方案:数据库层面、Web负载层面、IPHash策略、Nginx负载均衡策略......第一章哪些必须掌握的常用概念1.1什么是QPS?
- 告诉你为什么数据要取对数
LensonYuan
自然语言处理
平时在一些数据处理中,经常会把原始数据取对数后进一步处理。之所以这样做是基于对数函数在其定义域内是单调增函数,取对数后不会改变数据的相对关系,取对数作用主要有:1.缩小数据的绝对数值,方便计算。例如,每个数据项的值都很大,许多这样的值进行计算可能对超过常用数据类型的取值范围,这时取对数,就把数值缩小了,例如TF-IDF计算时,由于在大规模语料库中,很多词的频率是非常大的数字。2.取对数后,可以将乘
- 你认为最好的排序算法是什么?
silver687
算法
很难说哪一种排序算法是“最好”的,因为不同的排序算法在不同的场景下各有优势,以下是几种常见的排序算法及其特点:一、快速排序•优点•平均时间复杂度为O(nlogn),在大多数情况下,它的性能表现都非常优秀。它利用分治法的思想,通过选择一个“基准”值,将数组分为两部分,一部分包含比基准小的元素,另一部分包含比基准大的元素。然后对这两部分递归进行快速排序。•对于大规模数据排序,快速排序的速度通常比其他O
- 【大模型LoRa微调】Qwen2.5 Coder 指令微调【代码已开源】
FF-Studio
大语言模型开源
本文需要用到的代码已经放在GitHub的仓库啦,别忘了给仓库点个小心心~~~https://github.com/LFF8888/FF-Studio-Resources第001个文件哦~一、引言:大语言模型与指令微调1.1大语言模型发展简史随着深度学习的飞速发展,特别是Transformer架构在自然语言处理(NLP)领域的成功,大语言模型(LLM,LargeLanguageModel)成为近年来
- WeChatFerry 开源项目教程
翁良珏Elena
WeChatFerry开源项目教程项目地址:https://gitcode.com/gh_mirrors/we/WeChatFerry项目介绍WeChatFerry是一个强大的微信自动化工具,旨在帮助用户更高效地管理微信生活。该项目支持多种编程语言的客户端,包括Python、Go、Java等,并且可以接入多种大模型,如Gemini、ChatGPT等。WeChatFerry提供了丰富的功能,包括消息
- 《提示工程的科学化探索与大语言模型交互革新》
XianxinMao
语言模型交互
文章信息摘要主题:提示工程的科学化与大语言模型交互革新核心内容:提示工程的科学化与系统化建立可复现的方法论形成系统性知识体系构建标准化流程和评估体系大语言模型带来的交互变革从指令驱动到对话驱动从单一输出到多轮复杂交互从工具到协作伙伴的转变提示对模型行为的影响机制认知层面:引导思考路径语言层面:控制输出风格任务层面:定义问题边界关键要点:强调数据驱动和理论构建的重要性提出具体的技术路线和评估框架探讨
- 《盘古大模型——鸿蒙NEXT的智慧引擎》
人工智能深度学习
在当今科技飞速发展的时代,华为HarmonyOSNEXT的发布无疑是操作系统领域的一颗重磅炸弹,其将人工智能与操作系统深度融合,开启了智能新时代。而盘古大模型在其中发挥着至关重要的核心作用。赋予小艺智能助手超强能力在鸿蒙NEXT中,盘古大模型赋予了小艺智能助手更强的记忆、推理和规划能力,使其能够支持23类常用记忆类型,掌握万亿token的知识量。基于盘古大模型,小艺可以实现诸如将带有表格的图片转化
- 《机器学习模型快速收敛的秘籍大揭秘》
人工智能深度学习
在机器学习的领域中,让模型快速收敛是众多从业者和研究者们共同追求的目标。因为快速收敛不仅能节省大量的时间和计算资源,还能使模型更快地投入实际应用,为我们带来更高的效率和价值。以下是一些实现机器学习模型快速收敛的方法。选择合适的优化器优化器在模型训练中起着至关重要的作用,它决定了模型参数的更新方式和步长。常见的优化器如Adam、RMSProp和Momentum等都有各自的特点和优势。Adam结合了M
- 第78期 | GPTSecurity周报
aigcgpts
GPTSecurity是一个涵盖了前沿学术研究和实践经验分享的社区,集成了生成预训练Transformer(GPT)、人工智能生成内容(AIGC)以及大语言模型(LLM)等安全领域应用的知识。在这里,您可以找到关于GPT/AIGC/LLM最新的研究论文、博客文章、实用的工具和预设指令(Prompts)。现为了更好地知悉近一周的贡献内容,现总结如下。SecurityPapers1.ChatNVD:借
- 智算中心建设热潮涌动 AI服务器赋能加速
数据中心
在数字化浪潮汹涌的今天,人工智能新技术新发展日新月异。智算作为数字经济时代的新生产力,正逐步成为推动经济社会高质量发展的新引擎。智算中心:算力时代的“新基建”近年来,随着人工智能技术的迅猛发展和广泛应用,智能算力需求持续爆发,推动了智算中心的快速发展。2022年,随着国家“东数西算”工程启动,我国算力地图正式开始,形成八大枢纽、十大算力中心集群。据中国电信研究院发布的《智算产业发展研究报告(202
- Transwarp Data Studio 4.0 :适应AI新时代实现三大能力提升
人工智能
企业数据资产管理能力建设需要经历资源化、资产化和资本化三个阶段,对应数据底座建设、资产管理平台建设、流通运营平台建设三大任务。星环科技大数据开发工具TranswarpDataStudio,在此过程中发挥着承上启下的关键作用。近日,星环科技重磅发布大数据开发工具TranswarpDataStudio4.0版本,新版针对数据资产运营和语料管理的过程实现了三大能力提升。第一,提升了数据管理的广度:为应对
- 独立开发者碎碎念 1115
程序员
关于心态❤在巨大焦虑的心态下,人都来不及生病。我记忆中,高考前神经高度紧张,高考后一场大病如期而至。人啊,真复杂。心态啊,真正能做到面对任何事客观平常心的,有几个呢因此尽可能保持客观平常心面对,想到最糟糕的结局和处理方式吧关于目标关于目标,我一直这样区分的逻辑,由大到小:人生的目标=工作目标+生活目标(此处:工作为了生活)生活目标就不跟大家share了,关于工作目标呢?那就很客观了比如今年目标是做
- linux 监控 开源软件,利用开源软件打造Linux应用软件平台之监控子系统
呆呆小逗比
linux监控开源软件
它山之石,可以攻玉。监控子系统是每一个高级应用软件平台必不可少的一个子系统,这个子系统应具备的基本功能包括:各进程的运行状态,系统资源的占用状况,重要配置文件的改变情况,重要目录的异动,常用服务的对外提供情况等。一种可行的实现方法是自己写一大堆的脚本,然后加入crond服务去定时做这些监控,另一条捷径是利用开源软件Monit。本文介绍如何利用Monit去快速构建一个具备上述功能的软件平台的监控子系
- TCP_NODELAY选项可以禁止Nagle 算法
sun007700
网络tcp/ip网络协议网络
(595条消息)TCP_NODELAY以及黏包问题_思月行云的博客-CSDN博客_tcp_nodelay在socket网络程序中,TCP和UDP分别是面向连接和非面向连接的。因此TCP的socket编程,收发两端(客户端和服务器端)都要有成对的socket,因此,发送端为了将多个发往接收端的包,更有效的发到对方,使用了优化方法(Nagle算法),将多次间隔较小、数据量小的数据,合并成一个大的数据块
- GitHub每日最火火火项目(1.17)
FutureUniant
github日推github人工智能计算机视觉音视频ai
OpenBMB/MiniCPM-o项目名称:OpenBMB/MiniCPM-o用途:MiniCPM-o2.6是一个适用于手机的视觉、语音和多模态直播的GPT-4o级别大语言模型(LLM)。它能够在手机上处理多种模态的数据,如视频、语音等,可用于直播场景中的实时字幕生成、语音交互问答等,为用户提供更智能的直播体验。使用场景:主要应用于手机直播领域,包括游戏直播、电商直播、娱乐直播等。主播可借助该模型
- 【人工智能】人工智能的10大算法详解(优缺点+实际案例)
ChatGPT-千鑫
人工智能人工智能算法gpt-3AI编程gptcodemoss能用AI
人工智能(AI)是现代科技的重要领域,其中的算法是实现智能的核心。本文将介绍10种常见的人工智能算法,包括它们的原理、训练方法、优缺点及适用场景。1.线性回归(LinearRegression)模型原理线性回归用于建立自变量(特征)与因变量(目标)之间的线性关系。其目标是寻找最佳拟合直线,使得预测值与实际值之间的误差最小化。模型训练通过最小二乘法来最小化预测值与真实值之间的误差,得到线性回归方程的
- 时间复杂度分为几种
青云游子
算法算法排序算法数据结构
按照快到慢排序O(1)O(logN)O(N)O(NlogN)O(N^2)例子O(1)hashsethashmap数组下标O(logN)折半查找树形遍历O(N)list查询值数组查询值O(NlogN)进阶排序快排堆排归并O(N^2)简单排序冒泡插入选择ChatGPT时间复杂度是衡量算法执行时间随输入规模增长而变化的度量。它用大O符号表示,表示算法执行时间的增长率。在算法分析中,常见的时间复杂度有以下
- Java实现简易的学生管理系统
杰仔正在努力
Javajavaidea
Java实现简易的学生管理系统文章目录Java实现简易的学生管理系统前言一、如何实现二、实现的方法(示意图)三、开始实现3.1定义类3.2定义主界面3.3实现添加功能3.4实现查询功能3.5实现删除功能3.6实现修改功能四、完整代码五、总结前言该项目主要是作为新手快速上手实操,围绕面向对象所学知识实现学生管理系统的增删改查功能,所使用的知识点主要是面向对象的三大特征使用的方法、判断语句、构造方法等
- 我的秋招总结
今天不coding
秋招秋招总结大厂秋招建议秋招准备
我的秋招总结个人背景双非本,985硕,科班准备情况以求职为目的学习Java的时间大概一年。八股,一开始主要是看B站黑马的八股文课程,背JavaGuide和小林coding还有面试鸭。算法,250+,刷了3遍左右项目,API开放平台+OJ在线判题系统+实习项目(检索+大模型)实习,华为线上算法实习4个月,小厂Java实习5个月,滴滴后端实习9个月offer京东零售-供应链sp美团到家-履约sp快手-
- 《鸿蒙Next旅游应用:人工智能赋能个性化与智能导览新体验》
人工智能深度学习
随着鸿蒙Next的推出,旅游应用迎来了全新的发展机遇,借助人工智能技术能为用户带来更出色的个性化推荐和智能导览服务。鸿蒙Next与人工智能融合优势鸿蒙Next拥有强大的分布式能力和原生智能体验。其能打破设备界限,实现多设备协同,让用户在手机、平板、智能手表等设备上无缝使用旅游应用。同时,依托华为强大的AI技术和自研的“盘古”大模型,为旅游应用提供了强大的智能支持。个性化推荐实现方式用户数据收集与分
- “越用越上瘾”,中华财险 60% 研发人员用通义灵码提效
云原生
保险业被看成是社会“稳定器”和经济“助推器”,近年来已驶入数字化发展快车道。在AI、大模型当道的今天,保险行业的研发流程、产品设计、场景拓展等业务链条各环节,都值得用大模型进行重塑。日前,中华联合财产保险股份有限公司(以下简称“中华财险”)创新研发中心副总经理汤密力在阿里云“云故事探索”栏目中,介绍了“云+大模型”如何为这家老牌金融机构的业务创新注入新动力。据汤密力介绍,通过使用通义灵码,中华财险
- 戴尔笔记本win8系统改装win7系统
sophia天雪
win7戴尔改装系统win8
戴尔win8 系统改装win7 系统详述
第一步:使用U盘制作虚拟光驱:
1)下载安装UltraISO:注册码可以在网上搜索。
2)启动UltraISO,点击“文件”—》“打开”按钮,打开已经准备好的ISO镜像文
- BeanUtils.copyProperties使用笔记
bylijinnan
java
BeanUtils.copyProperties VS PropertyUtils.copyProperties
两者最大的区别是:
BeanUtils.copyProperties会进行类型转换,而PropertyUtils.copyProperties不会。
既然进行了类型转换,那BeanUtils.copyProperties的速度比不上PropertyUtils.copyProp
- MyEclipse中文乱码问题
0624chenhong
MyEclipse
一、设置新建常见文件的默认编码格式,也就是文件保存的格式。
在不对MyEclipse进行设置的时候,默认保存文件的编码,一般跟简体中文操作系统(如windows2000,windowsXP)的编码一致,即GBK。
在简体中文系统下,ANSI 编码代表 GBK编码;在日文操作系统下,ANSI 编码代表 JIS 编码。
Window-->Preferences-->General -
- 发送邮件
不懂事的小屁孩
send email
import org.apache.commons.mail.EmailAttachment;
import org.apache.commons.mail.EmailException;
import org.apache.commons.mail.HtmlEmail;
import org.apache.commons.mail.MultiPartEmail;
- 动画合集
换个号韩国红果果
htmlcss
动画 指一种样式变为另一种样式 keyframes应当始终定义0 100 过程
1 transition 制作鼠标滑过图片时的放大效果
css
.wrap{
width: 340px;height: 340px;
position: absolute;
top: 30%;
left: 20%;
overflow: hidden;
bor
- 网络最常见的攻击方式竟然是SQL注入
蓝儿唯美
sql注入
NTT研究表明,尽管SQL注入(SQLi)型攻击记录详尽且为人熟知,但目前网络应用程序仍然是SQLi攻击的重灾区。
信息安全和风险管理公司NTTCom Security发布的《2015全球智能威胁风险报告》表明,目前黑客攻击网络应用程序方式中最流行的,要数SQLi攻击。报告对去年发生的60亿攻击 行为进行分析,指出SQLi攻击是最常见的网络应用程序攻击方式。全球网络应用程序攻击中,SQLi攻击占
- java笔记2
a-john
java
类的封装:
1,java中,对象就是一个封装体。封装是把对象的属性和服务结合成一个独立的的单位。并尽可能隐藏对象的内部细节(尤其是私有数据)
2,目的:使对象以外的部分不能随意存取对象的内部数据(如属性),从而使软件错误能够局部化,减少差错和排错的难度。
3,简单来说,“隐藏属性、方法或实现细节的过程”称为——封装。
4,封装的特性:
4.1设置
- [Andengine]Error:can't creat bitmap form path “gfx/xxx.xxx”
aijuans
学习Android遇到的错误
最开始遇到这个错误是很早以前了,以前也没注意,只当是一个不理解的bug,因为所有的texture,textureregion都没有问题,但是就是提示错误。
昨天和美工要图片,本来是要背景透明的png格式,可是她却给了我一个jpg的。说明了之后她说没法改,因为没有png这个保存选项。
我就看了一下,和她要了psd的文件,还好我有一点
- 自己写的一个繁体到简体的转换程序
asialee
java转换繁体filter简体
今天调研一个任务,基于java的filter实现繁体到简体的转换,于是写了一个demo,给各位博友奉上,欢迎批评指正。
实现的思路是重载request的调取参数的几个方法,然后做下转换。
- android意图和意图监听器技术
百合不是茶
android显示意图隐式意图意图监听器
Intent是在activity之间传递数据;Intent的传递分为显示传递和隐式传递
显式意图:调用Intent.setComponent() 或 Intent.setClassName() 或 Intent.setClass()方法明确指定了组件名的Intent为显式意图,显式意图明确指定了Intent应该传递给哪个组件。
隐式意图;不指明调用的名称,根据设
- spring3中新增的@value注解
bijian1013
javaspring@Value
在spring 3.0中,可以通过使用@value,对一些如xxx.properties文件中的文件,进行键值对的注入,例子如下:
1.首先在applicationContext.xml中加入:
<beans xmlns="http://www.springframework.
- Jboss启用CXF日志
sunjing
logjbossCXF
1. 在standalone.xml配置文件中添加system-properties:
<system-properties> <property name="org.apache.cxf.logging.enabled" value=&
- 【Hadoop三】Centos7_x86_64部署Hadoop集群之编译Hadoop源代码
bit1129
centos
编译必需的软件
Firebugs3.0.0
Maven3.2.3
Ant
JDK1.7.0_67
protobuf-2.5.0
Hadoop 2.5.2源码包
Firebugs3.0.0
http://sourceforge.jp/projects/sfnet_findbug
- struts2验证框架的使用和扩展
白糖_
框架xmlbeanstruts正则表达式
struts2能够对前台提交的表单数据进行输入有效性校验,通常有两种方式:
1、在Action类中通过validatexx方法验证,这种方式很简单,在此不再赘述;
2、通过编写xx-validation.xml文件执行表单验证,当用户提交表单请求后,struts会优先执行xml文件,如果校验不通过是不会让请求访问指定action的。
本文介绍一下struts2通过xml文件进行校验的方法并说
- 记录-感悟
braveCS
感悟
再翻翻以前写的感悟,有时会发现自己很幼稚,也会让自己找回初心。
2015-1-11 1. 能在工作之余学习感兴趣的东西已经很幸福了;
2. 要改变自己,不能这样一直在原来区域,要突破安全区舒适区,才能提高自己,往好的方面发展;
3. 多反省多思考;要会用工具,而不是变成工具的奴隶;
4. 一天内集中一个定长时间段看最新资讯和偏流式博
- 编程之美-数组中最长递增子序列
bylijinnan
编程之美
import java.util.Arrays;
import java.util.Random;
public class LongestAccendingSubSequence {
/**
* 编程之美 数组中最长递增子序列
* 书上的解法容易理解
* 另一方法书上没有提到的是,可以将数组排序(由小到大)得到新的数组,
* 然后求排序后的数组与原数
- 读书笔记5
chengxuyuancsdn
重复提交struts2的token验证
1、重复提交
2、struts2的token验证
3、用response返回xml时的注意
1、重复提交
(1)应用场景
(1-1)点击提交按钮两次。
(1-2)使用浏览器后退按钮重复之前的操作,导致重复提交表单。
(1-3)刷新页面
(1-4)使用浏览器历史记录重复提交表单。
(1-5)浏览器重复的 HTTP 请求。
(2)解决方法
(2-1)禁掉提交按钮
(2-2)
- [时空与探索]全球联合进行第二次费城实验的可能性
comsci
二次世界大战前后,由爱因斯坦参加的一次在海军舰艇上进行的物理学实验 -费城实验
至今给我们大家留下很多迷团.....
关于费城实验的详细过程,大家可以在网络上搜索一下,我这里就不详细描述了
在这里,我的意思是,现在
- easy connect 之 ORA-12154: TNS: 无法解析指定的连接标识符
daizj
oracleORA-12154
用easy connect连接出现“tns无法解析指定的连接标示符”的错误,如下:
C:\Users\Administrator>sqlplus username/
[email protected]:1521/orcl
SQL*Plus: Release 10.2.0.1.0 – Production on 星期一 5月 21 18:16:20 2012
Copyright (c) 198
- 简单排序:归并排序
dieslrae
归并排序
public void mergeSort(int[] array){
int temp = array.length/2;
if(temp == 0){
return;
}
int[] a = new int[temp];
int
- C语言中字符串的\0和空格
dcj3sjt126com
c
\0 为字符串结束符,比如说:
abcd (空格)cdefg;
存入数组时,空格作为一个字符占有一个字节的空间,我们
- 解决Composer国内速度慢的办法
dcj3sjt126com
Composer
用法:
有两种方式启用本镜像服务:
1 将以下配置信息添加到 Composer 的配置文件 config.json 中(系统全局配置)。见“例1”
2 将以下配置信息添加到你的项目的 composer.json 文件中(针对单个项目配置)。见“例2”
为了避免安装包的时候都要执行两次查询,切记要添加禁用 packagist 的设置,如下 1 2 3 4 5
- 高效可伸缩的结果缓存
shuizhaosi888
高效可伸缩的结果缓存
/**
* 要执行的算法,返回结果v
*/
public interface Computable<A, V> {
public V comput(final A arg);
}
/**
* 用于缓存数据
*/
public class Memoizer<A, V> implements Computable<A,
- 三点定位的算法
haoningabc
c算法
三点定位,
已知a,b,c三个顶点的x,y坐标
和三个点都z坐标的距离,la,lb,lc
求z点的坐标
原理就是围绕a,b,c 三个点画圆,三个圆焦点的部分就是所求
但是,由于三个点的距离可能不准,不一定会有结果,
所以是三个圆环的焦点,环的宽度开始为0,没有取到则加1
运行
gcc -lm test.c
test.c代码如下
#include "stdi
- epoll使用详解
jimmee
clinux服务端编程epoll
epoll - I/O event notification facility在linux的网络编程中,很长的时间都在使用select来做事件触发。在linux新的内核中,有了一种替换它的机制,就是epoll。相比于select,epoll最大的好处在于它不会随着监听fd数目的增长而降低效率。因为在内核中的select实现中,它是采用轮询来处理的,轮询的fd数目越多,自然耗时越多。并且,在linu
- Hibernate对Enum的映射的基本使用方法
linzx0212
enumHibernate
枚举
/**
* 性别枚举
*/
public enum Gender {
MALE(0), FEMALE(1), OTHER(2);
private Gender(int i) {
this.i = i;
}
private int i;
public int getI
- 第10章 高级事件(下)
onestopweb
事件
index.html
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/
- 孙子兵法
roadrunners
孙子兵法
始计第一
孙子曰:
兵者,国之大事,死生之地,存亡之道,不可不察也。
故经之以五事,校之以计,而索其情:一曰道,二曰天,三曰地,四曰将,五
曰法。道者,令民于上同意,可与之死,可与之生,而不危也;天者,阴阳、寒暑
、时制也;地者,远近、险易、广狭、死生也;将者,智、信、仁、勇、严也;法
者,曲制、官道、主用也。凡此五者,将莫不闻,知之者胜,不知之者不胜。故校
之以计,而索其情,曰
- MySQL双向复制
tomcat_oracle
mysql
本文包括:
主机配置
从机配置
建立主-从复制
建立双向复制
背景
按照以下简单的步骤:
参考一下:
在机器A配置主机(192.168.1.30)
在机器B配置从机(192.168.1.29)
我们可以使用下面的步骤来实现这一点
步骤1:机器A设置主机
在主机中打开配置文件 ,
- zoj 3822 Domination(dp)
阿尔萨斯
Mina
题目链接:zoj 3822 Domination
题目大意:给定一个N∗M的棋盘,每次任选一个位置放置一枚棋子,直到每行每列上都至少有一枚棋子,问放置棋子个数的期望。
解题思路:大白书上概率那一张有一道类似的题目,但是因为时间比较久了,还是稍微想了一下。dp[i][j][k]表示i行j列上均有至少一枚棋子,并且消耗k步的概率(k≤i∗j),因为放置在i+1~n上等价与放在i+1行上,同理