紫色葡萄
紫色葡萄

linux 的GPT分区

 话说现在硬盘巨便宜，容量N大，常见的dos分区表已经无法满足大硬盘的需要了。

dos分区表的罪恶在于

1、只支持有限的分区数

由于历史原因，分区表为主分区只预留了64K（4x16k），即4个主分区；为逻辑分区预留了384k（24x16k），即最多23个逻辑分区。

 

2、不支持2TB以上硬盘分区

也是历史原因，那个时候2TB还是个天文数字

 

 

而GPT的优点如下

1、分区表容量可扩展

一个分区依然是16k，但GPT可以扩展分区表容量，在建立GPT分区表后，可以建立一个小分区，譬如1M，用于存放分区表，这样一来，分区数量大大增加

2、没什么好说的，支持2TB以上的大分区

 

CentOS 6下建立GPT分区的方法

1、parted 或 gparted

2、gdisk

 

使用parted方法 

  
  
  
  
    
   
   
   
   
  1. # /usr/sbin/parted -s /dev/sdb mklabel gpt  
    2.

 

其中gdisk最简单，跟fdisk用法几乎一样

 

  
  
  
  
    
   
   
   
   
  1. # gdisk /dev/sdb 
    2.

 

 跟fdisk一样，衍生工具还有cgdisk、sgdisk

 

可以通过epel源来安装gdisk

 

  
  
  
  
    
   
   
   
   
  1. # yum install gdisk --enablerepo=epel 
    2.

 

你可能感兴趣的:(分区表,GPT,gdisk)

  • AI大模型零基础金融人如何一周自学大模型，从零基础到入门，看这篇就够了！ 冻感糕人~ 人工智能金融AI大模型LLM大模型技术大模型学习路线大模型基础
    前几天参加了字节跳动在上海举办的火山引擎Force原动力大会，OpenAI也连续开了12天发布会，最近堪称科技界的春晚了。如果说2022年ChatGPT横空出世把人工智能的发展带上了一个新的台阶，那么2024年末，大模型对工作、生活的全面“侵入”让我们越来越接近库兹韦尔所描述的那个奇点时刻。作为金融民工，我们想通过这篇文章讲讲从用户的角度如何一周快速掌握大模型，以及为什么我建议每一个金融从业人员（
  • SeisMoLLM: Advancing Seismic Monitoring via Cross-modal Transfer with Pre-trained Large Language UnknownBody LLMDailyMultimodal语言模型人工智能自然语言处理
    摘要深度学习的最新进展给地震监测带来了革命性变化，但开发一个能在多个复杂任务中表现出色的基础模型仍然充满挑战，尤其是在处理信号退化或数据稀缺的情况时。本文提出SeisMoLLM，这是首个利用跨模态迁移进行地震监测的基础模型，它无需在地震数据集上进行直接预训练，就能充分发挥大规模预训练大语言模型的强大能力。通过精心设计的波形标记化处理和对预训练GPT-2模型的微调，SeisMoLLM在DiTing和
  • Llama3.1是AI界的Linux？先部署起来再说！ AI大模型探索者 人工智能linux运维语言模型aiLLamallama
    前言就在昨天，Meta发布了Llama3.1，这次带来的中杯、大杯和超大杯3个版本。从纸面数据来看，Llama3.1超大杯已经能跟GPT-4Omni、Claude3.5Sonnet分庭抗礼了。而中杯和大杯更是将同量级的对手摁在地上摩擦。要知道，Llama的对手可是闭源模型啊工友们！小扎同志说，开源AI会成为行业的标准，就像Linux一样！不管怎么说，既然你开源了，那我就在本地部署起来吧。本文使用O
  • 使用LangChain访问个人数据第一章-简介 明志刘明 大模型学习手册langchain
    需要学习提示词工程的同学请看面向开发者的提示词工程需要学习ChatGPT的同学请查看搭建基于ChatGPT的问答系统需要学习LangChian开发的同学请查看基于LangChain开发应用程序正文在大数据时代，数据价值逐渐凸显，打造定制化、个性化服务，个人数据尤为重要。要开发一个具备较强服务能力、能够充分展现个性化智能的应用程序，大模型与个人数据的对齐是一个重要步骤。作为针对大模型开发应运而生的框
  • 使用LangChain访问个人数据第八章-总结 明志刘明 大模型学习手册langchain人工智能
    需要学习提示词工程的同学请看面向开发者的提示词工程需要学习ChatGPT的同学请查看搭建基于ChatGPT的问答系统需要学习LangChian开发的同学请查看基于LangChain开发应用程序本部分前几个章节请查看使用LangChain访问个人数据第一章-简介使用LangChain访问个人数据第二章-文档加载使用LangChain访问个人数据第三章-文档分割使用LangChain访问个人数据第四章
  • 基于 LangChain 开发应用程序第一章-简介 明志刘明 大模型学习手册langchain人工智能
    需要学习提示词工程的同学请看面向开发者的提示词工程需要学习ChatGPT的同学请查看搭建基于ChatGPT的问答系统本部分章节目录如下：基于LangChain开发应用程序第一章-简介基于LangChain开发应用程序第二章-提示和输出基于LangChain开发应用程序第三章-储存基于LangChain开发应用程序第四章-模型链基于LangChain开发应用程序第五章-基于文档的问答基于LangCh
  • 【Hugging Face】transformers 库中 model.generate() 方法：自回归模型的文本生成方法 彬彬侠 HuggingFacemodel.generatetransformersHuggingFace文本生成自回归模型GPTLLAMA
    HuggingFacemodel.generate方法model.generate是transformers库中的文本生成（TextGeneration）方法，适用于自回归模型（如GPT-2、T5、BART、LLAMA），用于生成文本、摘要、翻译、问答等。1.适用于哪些模型？generate适用于基于Transformer生成文本的模型，例如：GPT-2(AutoModelForCausalLM)
  • 大语言模型原理基础与前沿 双层路由多模态融合、多任务学习和模块化架构 AI智能涌现深度研究 AI大语言模型和知识图谱融合Python入门实战DeepSeekR1&大数据AI人工智能计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
    大语言模型原理基础与前沿：双层路由多模态融合、多任务学习和模块化架构关键词：大语言模型、双层路由、多模态融合、多任务学习、模块化架构、神经网络、自然语言处理1.背景介绍大语言模型（LargeLanguageModels，LLMs）已经成为人工智能和自然语言处理领域的重要研究方向。随着GPT-3、BERT等模型的出现，大语言模型在各种任务中展现出了惊人的性能。然而，随着模型规模的不断扩大和应用场景的
  • 大模型GPT辅助学习解释代码-HttpSession 监听器 ahauedu 前沿技术与趋势gpt
    本文主题大模型解释代码。最近在接触旧项目代码是往往没有注释，或者是注释和代码对应不上，这样对于了解业务逻辑，以及后期的改造开发造成了很大的困扰。尽然大模型这么强大，我们尝试下用大模型来解释代码。以下是大模型对项目代码中的HttpSession监听器的代码解释，很高效的方式，可以借鉴。代码解析这段代码定义了WebHttpSessionListener类，它是一个HttpSession监听器，用于监听
  • 【大模型开发】大模型背后的基础组件与生态概览 云博士的AI课堂 深度学习哈佛博后带你玩转机器学习大模型技术开发与实践大模型开发HuggingFaceDeepSpeed大模型生态机器学习深度学习大模型技术栈
    支撑大模型开发与部署的关键组件与生态系统当今大模型（LLM,LargeLanguageModel）在工业与学术界的应用日益广泛，从ChatGPT、BERT到DeepSeek等新兴模型，背后离不开一整套成熟的技术生态和工具链支持。本文将介绍其中几大核心组件和框架，包括HuggingFaceTransformers、DeepSpeed、Megatron-LM，以及其他相关工具和方法，展示它们在训练效率
  • 领域大模型之微调技术和最佳实践 程序员莫玛 人工智能深度学习语言模型金融
    BERT和GPT-3等语言模型针对语言任务进行了预训练。微调使它们适应特定领域，如营销、医疗保健、金融。在本指南中，您将了解LLM架构、微调过程以及如何为NLP任务微调自己的预训练模型。-介绍-大型语言模型（LLM）的特别之处可以概括为两个关键词——大型和通用。“大”是指它们训练的海量数据集及其参数的大小，即模型在训练过程中学习的记忆和知识;“通用”意味着他们具有广泛的语言任务能力。更明确地说，L
  • 我与DeepSeek的深度实践：重新定义智能编程的边界 一叶孤舟111 python人工智能
    引言：从质疑到依赖的认知跃迁在ChatGPT掀起AI编程革命之初，我曾对代码生成工具持保留态度。直到2023年接触DeepSeek，这个来自中国的AI编程助手彻底改变了我的开发模式。经过200+小时的深度使用，我在实际项目中验证了其惊人潜力，本文将分享最具实践价值的经验总结。一、效率革命：实测数据背后的生产力跃升1.1代码生成效率对比任务类型传统耗时DeepSeek耗时准确率CRUD接口开发2.5
  • 如何对大模型进行微调？从原理到实战全解析 挣扎与觉醒中的技术人 人工智能外包转型集成学习chatgptgpt-3软件工程
    随着大语言模型（LLM）的快速发展，微调（Fine-tuning）已成为将通用模型转化为垂直领域专家的核心技术。本文将从原理、方法到实战步骤，结合OpenAI、HuggingFace等平台的最佳实践，详解大模型微调全流程。文末附赠独家资料包，助你快速上手！一、什么是大模型微调？微调指在预训练大模型（如GPT-3.5、LLaMA）的基础上，使用特定领域的数据进行二次训练，使模型适应新任务或领域需求。
  • 《ChatGPT Prompt Engineering for Developers》课程-提示词原则 evil-tomato LLMchatgpt人工智能pythonai
    编写Prompt的原则本章的主要内容为编写Prompt的原则，在本章中，我们将给出两个编写Prompt的原则与一些相关的策略，你将练习基于这两个原则来编写有效的Prompt，从而便捷而有效地使用LLM。一、环境配置本教程使用OpenAI所开放的ChatGPTAPI，因此你需要首先拥有一个ChatGPT的API_KEY（也可以直接访问官方网址在线测试），然后需要安装openai的第三方库首先需要安装
  • AI Prompt 提示词工程入门指南：新手小白快速上手 机器学习司猫白 人工智能prompt
    近年来，人工智能（AI）发展迅猛，特别是大语言模型（LLMs）（如ChatGPT、Claude、Gemini、Llama等）的广泛应用，让人们可以用自然语言与AI进行互动。而提示词工程（PromptEngineering），即如何设计有效的提示词，已经成为一项重要技能。本篇博客专为新手小白打造，帮助你快速掌握Prompt工程的基础，学会如何撰写高质量的提示词，让AI更精准地理解你的需求，并产出最优
  • 清华、北大DeepSeek使用手册：8本，698页大合集 2501_90850576 人工智能pdf
    链接：https://pan.quark.cn/s/79b8b14e2c56以前看了很多教程，都感觉特别花哨，没啥干货，大部分就是把GPT的说明书稍微改改，就拿来用在DeepSeek上了，没啥用。但清华和北大这个手册完全不一样！它先是给你讲清楚原理，然后手把手教你怎么科学地使用。它不只是告诉你怎么提问，还会告诉你为啥要这么问，这不就是教你怎么掌握提示词的底层逻辑嘛。
  • vllm多卡部署Qwen2.5-72B-Instruct-GPTQ-Int4 Yanc_L 人工智能
    双卡v10032G部署结果如下，推理时长16s3卡，tensor_parallel_size=3，tensor并行的数量一定要能被attentionheads整除4卡，tensor_parallel_size=4，推理速度4s
  • ChatGPT o1与GPT-4o、Claude 3.5 Sonnet和Gemini 1.5 Pro的比较 开发者每周简报 chatgpt人工智能gpt
    全新的ChatGPTo1模型（代号“Strawberry”）是OpenAI的最新进展，专注于以前的AI模型难以应对的领域：高层次推理、数学和复杂编程。OpenAI设计o1模型以花费更多时间思考问题，使其在需要逐层推理的任务中提高准确性。本文深入介绍了o1的特性、现实中的应用以及它与顶级竞争对手GPT-4o、Gemini1.5Pro和Claude3.5Sonnet的比较。什么是OpenAIo1模型？
  • Voice Translation of Audio Files into Different Languages Using Gpt-4o 开发者每周简报 ffmpeg人工智能
    openai-cookbook/examples/voice_solutions/voice_translation_into_different_languages_using_GPT-4o.ipynbatmain·openai/openai-cookbook·GitHub您是否曾经想将播客翻译成您的母语？翻译和配音音频内容可以使其更便于全球观众理解。借助GPT-4o的全新音频输入和音频输出模式
  • 文本向量化-词嵌入方法系列1：静态词嵌入(Word2Vec+GloVe) 学习ml的小菜鸡 nlp自然语言处理word2vec
    文本分散化表示指将语言表示成低维、稠密、连续的向量，分为静态嵌入和动态嵌入两种方式。静态词嵌入有Word2Vec，Sen2Vec，Doc2Vec，以及GloVe模型；而动态词嵌入有ELMO，Transformer，GPT，Bert和XLNet等等。本文主要对静态词嵌入方法做一个整体介绍，动态词嵌入会在系列2中更新。目录1.Word2Vec1.1CBOW1.2Skip-gram1.3Sen2Vec+
  • 避坑指南：chatgpt账号购买成品号- chatgpt 4.0 plus成品号购买手册！ openai
    购买ChatGPT账号的注意事项及指南✨在当前人工智能技术快速发展的背景下，ChatGPT作为一种强大的语言模型工具️，受到了广泛关注。然而，在获取ChatGPT账号的过程中，用户需审慎考虑多项关键因素，以确保所购账号的安全、可靠及合法性✅，规避潜在风险⚠️。本文将深入探讨购买ChatGPT账号时需重点关注的几个方面，并提供相关建议。1.账号来源审查️‍♂️账号来源是决定其安全性和可靠性的首要因素
  • 智能遥感新质生产力：ChatGPT、Python和OpenCV强强联合；空天地遥感数据分析的全流程；地面数据、无人机数据、卫星数据、多源数据等处理 小艳加油 DeepSeekChatGPT遥感遥感新质生产力ChatGPTOpenCV遥感数据处理
    通过系统化的模块设计和丰富的实战案例，深入理解和掌握遥感数据的处理与计算。不仅涵盖了从零基础入门Python编程、OpenCV视觉处理的基础知识，还将借助ChatGPT智能支持，引导您掌握遥感影像识别和分析的进阶技术。更为重要的是，通过15个经过精心设计的真实案例，深度参与地质监测、城市规划、农业分析、生态评估等不同场景下的遥感应用实践。层层递进、结构严谨，帮助您系统性掌握从数据预处理、图像增强、
  • 技术人实测 | 如何用AI工具2分钟突破知网AIGC检测线 LL06210721 人工智能AIGC
    最近在GitHub发现个有意思的本地化算法工具，其核心是通过对抗式语义重组技术重构文本逻辑链。测试时发现：将GPT生成的论文导入后，系统会保留原始参考文献格式，同时用学术同义词替换引擎重写表达结构。实测数据：某985实验室的AI生成稿经处理，知网AIGC率从38%→9.7%（检测截图已脱敏），维普重复率从24%→8.3%。工具最实用的三个细节：保留公式编号和图表位置不变支持LaTeX源码级修改追踪
  • 大模型“瘦身”革命——模型压缩与加速 大模型应用场景 人工智能开源transformer自然语言处理ai大模型LLM
    随着AI大模型（如GPT、BERT、DALL·E等）的崛起，它们在自然语言处理、图像生成等领域的表现令人惊叹。然而，大模型的参数量动辄数十亿甚至上千亿，带来了巨大的计算资源消耗和部署成本。如何在保持模型性能的同时，降低其计算和存储需求，成为了AI领域的热门话题。本文将深入探讨AI大模型的“瘦身”革命——模型压缩与加速技术，帮助开发者高效部署大模型。一、为什么需要模型压缩与加速？AI大模型（如GPT
  • 你也可以成为数据分析师: 实战案例手把手教你如何在ChatGPT内使用Code Interpreter进行数据分析 恒TBOSH GPT-4chatgpt数据分析人工智能深度学习自然语言处理
    终于，OpenAI向所有Plus用户开放了CodeInterpreter功能，这真是个令人振奋的好消息！我迫不及待地开始了测试，并且测试结果出奇地令人满意。借助Python代码的强大功能，CodeInterpreter在数据分析领域展现出了最大的优势。无论是普通的Excel数据分析还是专业的数据分析，现在都可以通过与ChatGPT的对话来进行，这彻底改变了数据分析的方式。为了充分展示CodeInt
  • GPT-4o 随机性揭秘：可控与不可控的奥秘 真智AI java前端人工智能机器学习语言模型chatgpt
    GPT-4o中可避免与不可避免的随机性探讨GPT-4o生成随机性的来源，从已知且可控的因素到不透明且不可控的机制。GPT-4o结果中的随机性：无可避免的现实毫无疑问，GPT-4o的输出存在随机性。毕竟，模型在选择每个token时是从概率分布中进行采样的。但我一直没有意识到，这些概率本身并不是完全确定性的。即使在使用相同的提示词、固定的随机种子（seed）以及将温度（temperature）设为0的
  • Open Interpreter利用Code Interpreter实现本地化 DigitalChina_DCG 大数据AIGCaigc
    前言去年7月，OpenAI发布了一个强大的插件，名为CodeInterpreter（代码解释器），它可以根据用户的自然语言需求生成并执行代码解决方案，帮助完成各种任务，如数据分析、图表创建和文件编辑等。尽管OpenAI的GPT-4代码解释器改变了游戏规则，但它也有一些特定的限制。OpenAI的解决方案是托管的，它在受控的远程环境中运行，限制了开发人员对本地设置的控制。这导致了一些明显的限制，比如无
  • ——当机器开始"思考"，人类终于读懂了自己的大脑 人工智能机器学习
    第一层突破：AI让我们看见"思维的源代码"想象一下，你正在教ChatGPT写诗——当它从"枯藤老树昏鸦"的堆砌，突然产出"月光在二进制河流里流淌"的句子时，这不仅是算法的胜利，更是一面照向人类思维的魔镜。科学家发现，AI学习语言的方式竟与婴儿惊人相似：✅模式捕捉：像人类从环境声音中提取词汇✅联想迭代：用已知概念嫁接新知识（比如用"电"理解"闪电网络"）✅创造性错误：AI的"幻觉"对应人脑的直觉跳跃
  • 大模型——Spring Boot 整合 Spring AI 实现项目接入ChatGPT 不二人生 大模型人工智能大模型
    大模型——SpringBoot整合SpringAI实现项目接入ChatGPT随着人工智能技术的快速发展，越来越多的应用程序开始集成人工智能功能，以提供更智能、更个性化的体验。诸如ChatGPT等开放性大型语言模型的出现，使得自然语言处理和对话系统的开发变得更加容易和普及。这些技术已经在社交媒体、客户服务、教育等领域展现出巨大潜力，对于提升用户体验和提高工作效率至关重要。优势在之前，openai已经
  • 大语言模型引擎全解析：Transformers、vLLM、Llama.cpp等，最佳选择全攻略！ 大模型入门教程 语言模型llama人工智能DeepSeekpromptAI大模型大模型
    近年来，大语言模型（LLMs）如GPT、LLaMA、BERT等已经成为人工智能领域的核心驱动力。然而，如何高效地运行和优化这些模型，成为了开发者和研究者面临的重要挑战。为此，一系列专为大语言模型设计的引擎应运而生。本文将带你深入了解Transformers、vLLM、Llama.cpp、SGLang、MLX和Ollama这些引擎，帮助你找到最适合的工具，释放大语言模型的全部潜力！作为技术人员，不仅
  • Java实现的简单双向Map，支持重复Value superlxw1234 java双向map
    关键字：Java双向Map、DualHashBidiMap     有个需求，需要根据即时修改Map结构中的Value值，比如，将Map中所有value=V1的记录改成value=V2，key保持不变。   数据量比较大，遍历Map性能太差，这就需要根据Value先找到Key，然后去修改。   即：既要根据Key找Value，又要根据Value
  • PL/SQL触发器基础及例子 百合不是茶 oracle数据库触发器PL/SQL编程
      触发器的简介; 触发器的定义就是说某个条件成立的时候，触发器里面所定义的语句就会被自动的执行。因此触发器不需要人为的去调用，也不能调用。触发器和过程函数类似 过程函数必须要调用,   一个表中最多只能有12个触发器类型的,触发器和过程函数相似 触发器不需要调用直接执行, 触发时间：指明触发器何时执行，该值可取： before：表示在数据库动作之前触发
  • [时空与探索]穿越时空的一些问题 comsci 问题
          我们还没有进行过任何数学形式上的证明,仅仅是一个猜想.....       这个猜想就是; 任何有质量的物体(哪怕只有一微克)都不可能穿越时空,该物体强行穿越时空的时候,物体的质量会与时空粒子产生反应,物体会变成暗物质,也就是说,任何物体穿越时空会变成暗物质..(暗物质就我的理
  • easy ui datagrid上移下移一行 商人shang js上移下移easyuidatagrid
    /** * 向上移动一行 * * @param dg * @param row */ function moveupRow(dg, row) { var datagrid = $(dg); var index = datagrid.datagrid("getRowIndex", row); if (isFirstRow(dg, row)) {
  • Java反射 oloz 反射
    本人菜鸟，今天恰好有时间，写写博客，总结复习一下java反射方面的知识，欢迎大家探讨交流学习指教 首先看看java中的Class package demo; public class ClassTest { /*先了解java中的Class*/ public static void main(String[] args) { //任何一个类都
  • springMVC 使用JSR-303 Validation验证 杨白白 springmvc
    JSR-303是一个数据验证的规范，但是spring并没有对其进行实现，Hibernate Validator是实现了这一规范的，通过此这个实现来讲SpringMVC对JSR-303的支持。 JSR-303的校验是基于注解的，首先要把这些注解标记在需要验证的实体类的属性上或是其对应的get方法上。 登录需要验证类 public class Login { @NotEmpty
  • log4j 香水浓 log4j
    log4j.rootCategory=DEBUG, STDOUT, DAILYFILE, HTML, DATABASE #log4j.rootCategory=DEBUG, STDOUT, DAILYFILE, ROLLINGFILE, HTML #console log4j.appender.STDOUT=org.apache.log4j.ConsoleAppender log4
  • 使用ajax和history.pushState无刷新改变页面URL agevs jquery框架Ajaxhtml5chrome
    表现 如果你使用chrome或者firefox等浏览器访问本博客、github.com、plus.google.com等网站时，细心的你会发现页面之间的点击是通过ajax异步请求的，同时页面的URL发生了了改变。并且能够很好的支持浏览器前进和后退。 是什么有这么强大的功能呢？ HTML5里引用了新的API，history.pushState和history.replaceState，就是通过
  • centos中文乱码 AILIKES centosOSssh
    一、CentOS系统访问 g.cn ，发现中文乱码。 于是用以前的方式：yum -y install fonts-chinese CentOS系统安装后，还是不能显示中文字体。我使用 gedit 编辑源码，其中文注释也为乱码。       后来，终于找到以下方法可以解决，需要两个中文支持的包： fonts-chinese-3.02-12.
  • 触发器 baalwolf 触发器
    触发器(trigger)：监视某种情况，并触发某种操作。 触发器创建语法四要素：1.监视地点(table) 2.监视事件(insert/update/delete) 3.触发时间(after/before) 4.触发事件(insert/update/delete) 语法： create trigger triggerName after/before 
  • JS正则表达式的i m g bijian1013 JavaScript正则表达式
            g:表示全局（global)模式，即模式将被应用于所有字符串，而非在发现第一个匹配项时立即停止。         i:表示不区分大小写（case-insensitive）模式，即在确定匹配项时忽略模式与字符串的大小写。         m:表示
  • HTML5模式和Hashbang模式 bijian1013 JavaScriptAngularJSHashbang模式HTML5模式
            我们可以用$locationProvider来配置$location服务（可以采用注入的方式，就像AngularJS中其他所有东西一样）。这里provider的两个参数很有意思，介绍如下。 html5Mode         一个布尔值，标识$location服务是否运行在HTML5模式下。 ha
  • [Maven学习笔记六]Maven生命周期 bit1129 maven
    从mvn test的输出开始说起   当我们在user-core中执行mvn test时，执行的输出如下：   /software/devsoftware/jdk1.7.0_55/bin/java -Dmaven.home=/software/devsoftware/apache-maven-3.2.1 -Dclassworlds.conf=/software/devs
  • 【Hadoop七】基于Yarn的Hadoop Map Reduce容错 bit1129 hadoop
    运行于Yarn的Map Reduce作业，可能发生失败的点包括 Task Failure Application Master Failure Node Manager Failure Resource Manager Failure 1. Task Failure 任务执行过程中产生的异常和JVM的意外终止会汇报给Application Master。僵死的任务也会被A
  • 记一次数据推送的异常解决端口解决 ronin47 记一次数据推送的异常解决
    　　 需求：从db获取数据然后推送到B         程序开发完成，上jboss,刚开始报了很多错，逐一解决，可最后显示连接不到数据库。机房的同事说可以ping 通。 　　  自已画了个图，逐一排除，把linux 防火墙　和　setenforce　设置最低。 　　　service iptables stop
  • 巧用视错觉-UI更有趣 brotherlamp UIui视频ui教程ui自学ui资料
    我们每个人在生活中都曾感受过视错觉（optical illusion）的魅力。 视错觉现象是双眼跟我们开的一个玩笑，而我们往往还心甘情愿地接受我们看到的假象。其实不止如此，视觉错现象的背后还有一个重要的科学原理——格式塔原理。 格式塔原理解释了人们如何以视觉方式感觉物体，以及图像的结构，视角，大小等要素是如何影响我们的视觉的。 在下面这篇文章中，我们首先会简单介绍一下格式塔原理中的基本概念，
  • 线段树-poj1177-N个矩形求边长（离散化+扫描线） bylijinnan 数据结构算法线段树
    package com.ljn.base; import java.util.Arrays; import java.util.Comparator; import java.util.Set; import java.util.TreeSet; /** * POJ 1177 (线段树+离散化+扫描线)，题目链接为http://poj.org/problem?id=1177
  • HTTP协议详解 chicony http协议
    引言                                 
  • Scala设计模式 chenchao051 设计模式scala
    Scala设计模式                我的话： 在国外网站上看到一篇文章，里面详细描述了很多设计模式，并且用Java及Scala两种语言描述，清晰的让我们看到各种常规的设计模式，在Scala中是如何在语言特性层面直接支持的。基于文章很nice，我利用今天的空闲时间将其翻译，希望大家能一起学习，讨论。翻译
  • 安装mysql daizj mysql安装
    安装mysql   (1)删除linux上已经安装的mysql相关库信息。rpm  -e  xxxxxxx   --nodeps (强制删除)      执行命令rpm -qa |grep mysql 检查是否删除干净   (2)执行命令  rpm -i MySQL-server-5.5.31-2.el
  • HTTP状态码大全 dcj3sjt126com http状态码
    完整的 HTTP 1.1规范说明书来自于RFC 2616，你可以在http://www.talentdigger.cn/home/link.php?url=d3d3LnJmYy1lZGl0b3Iub3JnLw%3D%3D在线查阅。HTTP 1.1的状态码被标记为新特性，因为许多浏览器只支持 HTTP 1.0。你应只把状态码发送给支持 HTTP 1.1的客户端，支持协议版本可以通过调用request
  • asihttprequest上传图片 dcj3sjt126com ASIHTTPRequest
    NSURL *url =@"yourURL"; ASIFormDataRequest*currentRequest =[ASIFormDataRequest requestWithURL:url]; [currentRequest setPostFormat:ASIMultipartFormDataPostFormat];[currentRequest se
  • C语言中，关键字static的作用 e200702084 C++cC#
    在C语言中，关键字static有三个明显的作用： 1)在函数体，局部的static变量。生存期为程序的整个生命周期，（它存活多长时间）；作用域却在函数体内（它在什么地方能被访问（空间））。 一个被声明为静态的变量在这一函数被调用过程中维持其值不变。因为它分配在静态存储区，函数调用结束后并不释放单元，但是在其它的作用域的无法访问。当再次调用这个函数时，这个局部的静态变量还存活，而且用在它的访
  • win7/8使用curl geeksun win7
    1.  WIN7/8下要使用curl，需要下载curl-7.20.0-win64-ssl-sspi.zip和Win64OpenSSL_Light-1_0_2d.exe。 下载地址：  http://curl.haxx.se/download.html 请选择不带SSL的版本，否则还需要安装SSL的支持包   2.  可以给Windows增加c
  • Creating a Shared Repository; Users Sharing The Repository hongtoushizi git
    转载自：   http://www.gitguys.com/topics/creating-a-shared-repository-users-sharing-the-repository/ Commands discussed in this section: git init –bare git clone git remote git pull git p
  • Java实现字符串反转的8种或9种方法 Josh_Persistence 异或反转递归反转二分交换反转java字符串反转栈反转
    注：对于第7种使用异或的方式来实现字符串的反转，如果不太看得明白的，可以参照另一篇博客： http://josh-persistence.iteye.com/blog/2205768   /** * */ package com.wsheng.aggregator.algorithm.string; import java.util.Stack; /**
  • 代码实现任意容量倒水问题 home198979 PHP算法倒水
    形象化设计模式实战             HELLO!架构                     redis命令源码解析   倒水问题：有两个杯子，一个A升，一个B升，水有无限多，现要求利用这两杯子装C
  • Druid datasource zhb8015 druid
    推荐大家使用数据库连接池 DruidDataSource. http://code.alibabatech.com/wiki/display/Druid/DruidDataSource DruidDataSource经过阿里巴巴数百个应用一年多生产环境运行验证，稳定可靠。 它最重要的特点是：监控、扩展和性能。 下载和Maven配置看这里： http
  • 两种启动监听器ApplicationListener和ServletContextListener spjich javaspring框架
    引言:有时候需要在项目初始化的时候进行一系列工作，比如初始化一个线程池，初始化配置文件，初始化缓存等等，这时候就需要用到启动监听器，下面分别介绍一下两种常用的项目启动监听器   ServletContextListener  特点: 依赖于sevlet容器，需要配置web.xml 使用方法: public class StartListener implements
  • JavaScript Rounding Methods of the Math object 何不笑 JavaScriptMath
        The next group of methods has to do with rounding decimal values into integers. Three methods — Math.ceil(),  Math.floor(), and  Math.round() — handle rounding in differen
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他