- OCR原理解析
小小晓晓阳
图像识别ocr机器学习深度学习计算机视觉
目录1.概述2.应用场景3.发展历史4.基于传统算法的OCR技术原理4.1图像预处理4.1.1灰度化4.1.2二值化4.1.3去噪4.1.4倾斜检测与校正4.1.4.2轮廓矫正4.1.5透视矫正4.2版面分析4.2.1连通域检测文本4.2.2MSER检测文本4.3字符切割4.3.1连通域轮廓切割4.3.2垂直投影切割4.4字符识别4.4.1识别原理4.5版面恢复4.6后处理4.7传统OCR局限性5
- EAST 相关网址
短腿长颈鹿_0666
MSER—自然场景文本检测文本检测之EASTEAST:AnEfficientandAccurateSceneTextDetector自然场景下的文字识别(原理及代码理解)EAST自然场景文本检测实践(EAST:AnEfficientandAccurateSceneTextDetector)github项目地址
- Leetcode专题[数组]-69-x的平方根
go
leetcode链接:https://leetcode.cn/problems/sqrtx/solutions/5544/0mser-fen-c...解题思路:寻找funcmySqrt(xint)int{//顺序查找,定位平方根fori:=0;ix{returni-1}}returnx}
- HyperLPR 高性能开源中文车牌识别框架
abka
计算机视觉cv计算机视觉
概要HyperLRP是一个开源的、基于深度学习高性能中文车牌识别库,由北京智云视图科技有限公司开发,支持PHP、C/C++、Python语言,Windows/Mac/Linux/Android/IOS平台。本文将根据官网指引,进行一个车牌识别的入门探索。HyperLPR的检测流程使用opencv的HAARCascade检测车牌大致位置Extend检测到的大致位置的矩形区域使用类似于MSER的方式的
- MSER常见参数
WKP9418
opencvopencv计算机视觉
MSER用于文本检测已经成熟了,现简单使用来识别车牌号。目录MSER参数最大最小区域固定MSER参数默认:intdelta=5,intmin_area=60,intmax_area=14400,doublemax_variation=0.25,doublemin_diversity=.2*Fullconstructorfor%MSERdetector**@paramdeltaitcompares\
- EmGU(4.7) 和C#中特征检测算法详解集合
啥都亿点点的研究生
Emgu和C#编程c#算法计算机视觉
C#联合Emgu实现计算机视觉任务(特征提取篇)文章目录C#联合Emgu实现计算机视觉任务(特征提取篇)前言一、Emgu库中特征提取有哪些类函数?二、特征提取函数1.AgastFeatureDetector类2.AKAZE类3.FastFeatureDetector类4.GFTTDetector类5.KAZE类6.MSER类7.ORB类8.SIFT类9.SimpleBlobDetector类10.
- 特征点Features2D类介绍
Wi~
OpenCV计算机视觉opencv图像处理
文章目录Features2D类介绍1.cv::AgastFeatureDetector2.cv::AKAZE3.cv::BRISK4.cv::FastFeatureDetector5.cv::GFTTDetector6.cv::KAZE7.cv::MSER8.cv::SimpleBlobDetector9.cv::StarDetector10.cv::SIFT11.cv::SURF12.cv::F
- OpenCV实战——使用MSER提取特征区域
盼小辉丶
opencv计算机视觉人工智能
OpenCV实战——使用MSER提取特征区域0.前言1.MSER算法原理2.实现MSER算法3.完整代码相关链接0.前言在分水岭算法一节中,我们了解了如何通过创建分水岭将图像分割成多个区域。最大稳定极值区域(maximallystableexternalregions,MSER)算法同样使用注水过程类比提取图像中的特征区域,这些区域同样通过逐级淹没图像来创建,但我们将重点关注在浸入过程中保持相对稳
- 【OpenCV】MSER最大稳定极值区域
几时见得清梦
参考CSDN:mserpython篇CSDN:车牌定位之MSER—文本检测:MSER—自然场景文本检测
- 20190809-scene-text-detection-component
deepindeed
算法python计算机视觉神经网络机器学习
layouttitletagscategoriesdatenotebookpost自然场景文本检测与识别OCRpaper2019-08-0915:19:23-0700视觉算法引言基于深度学习算法的的自然场景文本检测,经过几年的研究,针对解决实际问题中的某些问题,涌现出CTC,LSTM等大量的单元。在深度学习之前,已经有大量的优秀工作如SWT,MSER等算法被提出,这里我将先对一些OCR领域的经典作
- OpenCV角点检测—Harris,SIFT,ORB(7)
思考之路
opencv学习opencvslam
1.Harris:https://editor.csdn.net/md/?articleId=1241544432.特征检测与匹配特征点的检测和匹配是计算机视觉中最用要的技术之一。在物体检测,视觉跟踪,三维重建等领域广泛使用。OpenCV的10种特征检测方法:FAST,STAR,SIFT,SURF,ORB,MSER,GFTT,HARRIS,Dense,SimpleBlob其中最常用的是SIFT,S
- 计算机视觉中的相关算法的源代码
勇往直前的流浪刀客
CV计算机视觉算法
一、特征提取FeatureExtraction:SIFT[1][Demoprogram][SIFTLibrary][VLFeat]PCA-SIFT[2][Project]Affine-SIFT[3][Project]SURF[4][OpenSURF][MatlabWrapper]AffineCovariantFeatures[5][Oxfordproject]MSER[6][Oxfordproje
- 代码效果测试
Butterfffly
OCRopencv
ROBUSTTEXTDETECTIONINNATURALIMAGESWITHEDGEENHANCEDMAXIMALLYSTABLEEXTREMALREGIONS代码地址:https://github.com/akab/TextDetection基本步骤:1)将原图转为灰度图;2)使用OpenCV的canny函数进行边缘检测;3)使用OpenCV的MSER检测文字区域;4)将2)和3)结果的交集认为
- 基于MSER的高速公路交通标志提取matlab仿真
我爱C编程
MATLAB图像处理matlabMSER高速公路交通标志提取
目录1.算法描述2.仿真效果预览3.MATLAB核心程序4.完整MATLAB1.算法描述自然场景下的文本检测是自然场景图像信息提取的基础,在车牌识别、实时翻译、图像检索等领域具有广泛的应用价值及研究意义。基于连通区域的方法是自然场景文本检测中最为常见的方法,其中最大稳定极值区域(MaximallyStableExtremalRegions,MSER)算法和颜色聚类算法都有着广泛的应用。MSER=M
- 【OpenCV 例程 300篇】247. 特征检测之最大稳定极值区域(MSER)
YouCans
opencvpython计算机视觉图像处理人工智能
『youcans的OpenCV例程300篇-总目录』【youcans的OpenCV例程300篇】247.特征检测之最大稳定极值区域(MSER)1.最大稳定极值区域(MSER)最大稳定极值区域(MSER-MaximallyStableExtremalRegions),是一种检测图像文本区域的算法,基于分水岭的思想对图像进行斑点区域检测。MSER算法具有仿射不变性,对灰度的变化具有较强的鲁棒性,但检测
- OpenCV-Python实践之ASIFT框架仿射特征匹配算法
AutoSleep
OpenCV仿射匹配特征匹配ASIFTAKAZEORB
Affine-SIFT仿射特征匹配算法简介图像之间经过较大视差的匹配任务在于解决局部仿射不变特征的提取与描述,目前Harris/Hessian-Affine与MSER局部不变特征提取主要策略是采用拟合椭圆归一化方式。关于Harris-Affine与MSER-Affine算法都是首先提取尺度不变或区域中心(角、斑)点,然后归一化收敛到仿射变形6个参数估计,并不是完全的仿射估计方式,具体原理可以参考H
- 带你一文读懂【AI实战】手把手教你深度学习文字识别(文字检测篇:基于MSER, CTPN, SegLink, EAST等方法)
weixin_41663412
个人博客导航页(点击右侧链接即可打开个人博客):大牛带你入门技术栈文字检测是文字识别过程中的一个非常重要的环节,文字检测的主要目标是将图片中的文字区域位置检测出来,以便于进行后面的文字识别,只有找到了文本所在区域,才能对其内容进行识别。文字检测的场景主要分为两种,一种是简单场景,另一种是复杂场景。其中,简单场景的文字检测较为简单,例如像书本扫描、屏幕截图、或者清晰度高、规整的照片等;而复杂场景,主
- 【AI实战】手把手教你深度学习文字识别(文字检测篇:基于MSER, CTPN, SegLink, EAST等方法)...
imPlok
冲击年薪50W,助你进阶Python工程师>>>文字检测是文字识别过程中的一个非常重要的环节,文字检测的主要目标是将图片中的文字区域位置检测出来,以便于进行后面的文字识别,只有找到了文本所在区域,才能对其内容进行识别。文字检测的场景主要分为两种,一种是简单场景,另一种是复杂场景。其中,简单场景的文字检测较为简单,例如像书本扫描、屏幕截图、或者清晰度高、规整的照片等;而复杂场景,主要是指自然场景,情
- yolov4训练自己的数据 灰度图像_【AI实战】手把手教你深度学习文字识别(文字检测篇:基于MSER, CTPN, SegLink, EAST等方法)...
weixin_39629947
yolov4训练自己的数据灰度图像
文字检测是文字识别过程中的一个非常重要的环节,文字检测的主要目标是将图片中的文字区域位置检测出来,以便于进行后面的文字识别,只有找到了文本所在区域,才能对其内容进行识别。文字检测的场景主要分为两种,一种是简单场景,另一种是复杂场景。其中,简单场景的文字检测较为简单,例如像书本扫描、屏幕截图、或者清晰度高、规整的照片等;而复杂场景,主要是指自然场景,情况比较复杂,例如像街边的广告牌、产品包装盒、设备
- CV codes代码分类整理合集(http://www.sigvc.org/bbs/thread-72-1-1.html)
ZQ_ZHU
ComputerVision
一、特征提取FeatureExtraction:SIFT[1][Demoprogram][SIFTLibrary][VLFeat]PCA-SIFT[2][Project]Affine-SIFT[3][Project]SURF[4][OpenSURF][MatlabWrapper]AffineCovariantFeatures[5][Oxfordproject]MSER[6][Oxfordproje
- (收藏)CV codes代码分类整理(CV codes代码分类整理合集 http://www.sigvc.org/bbs/thread-72-1-1.html)
奋斗的_小强
视觉算法与应用
一、特征提取FeatureExtraction:SIFT[1][Demoprogram][SIFTLibrary][VLFeat]PCA-SIFT[2][Project]Affine-SIFT[3][Project]SURF[4][OpenSURF][MatlabWrapper]AffineCovariantFeatures[5][Oxfordproject]MSER[6][Oxfordproje
- CV codes代码分类整理合集2
小新识图
图像处理目标检测目标跟踪机器学习技术博文
一、特征提取FeatureExtraction:SIFT[1][Demoprogram][SIFTLibrary][VLFeat]PCA-SIFT[2][Project]Affine-SIFT[3][Project]SURF[4][OpenSURF][MatlabWrapper]AffineCovariantFeatures[5][Oxfordproject]MSER[6][Oxfordpro
- hexo 接入 github issue 评论
没事儿啊
原文转自博客:https://mser.xyz/2019/08/06/git_comment/更新,评论系统切换为gitalkgitment登录alert报错[objectProgressEvent],打开network这个gh-oauth.imsun.net请求失败,https://imsun.github.io/gitment/dist/gitment.browser.js内向网址https:
- watershed algorithm overview
sunsimple
1、分水岭算法该算法得到的是输入图像的集水盆图像的边缘信息,集水盆之间的边界点即为分水岭,其表示的是输入图像的极大值点,故为得到图像的边缘信息,通常把梯度图像作为输入图像来进行分水岭的操作。分水岭算法对弱边缘具有良好的响应,也因此会产生过度分割的现象。为了减弱过度分割的影响,可以先对梯度图像进行一次阈值筛选,去除掉一些弱边缘。2、MSER:MaximallyStableExternalRegion
- IDEA导入外部项目报Error:java: 无效的目标发行版: 11的解决方法
错误展示:Information:java:Errorsoccurredwhilecompilingmodule'employee-managemen'Information:javac1.8.0_144wasusedtocompilejavasourcesInformation:2020/9/112:03-Buildcompletedwith1errorand0warningsin2s5msEr
- 『OCR深度实践』OCR学习笔记(1):绪论
libo-coder
#OCR深度实践
OCR学习笔记前言一、绪论1.1传统OCR方法一般流程1.2传统矫正算法1.2.1水平矫正1.2.1.1霍夫曼直线矫正1.2.1.2轮廓矫正1.2.2透视矫正1.2.2.1背景1.2.2.2矫正原理1.3传统文本检测算法1.3.1连通域检测文本1.3.2MSER检测文本1.4传统字符切割算法1.4.1连通域轮廓切割1.4.2垂直投影切割1.5传统文本识别算法1.6深度学习OCR方法一般流程1.6.
- MSER最大稳定极值区域
Chao's Code
ImageProcessing
简述:Mser基于分水岭的概念,对图像进行二值化,二值化阈值取[0,255],这样二值化图像就经历一个从全黑到全白的过程,在这个过程中,有些连通区域面积随阈值上升的变化很小,这种区域就叫做最大稳定极值区域。数学定义为:Qi表示阈值为i时的某一连通区域,△为灰度阈值的微小变化量,q(i)为阈值是i时的区域Qi的变化率。当q(i)为局部极小值时,则Qi为最大稳定极值区域。上述做法可以检测出图像的暗色区
- watershed分水岭算法的matlab例子详解
jiang111_111shan
matlab
今天本来想试试mser算法的,结果没看懂。就先看看类似的分水岭算法,用c++又有些看不懂,于是就在matlab先试试,matlab上面没有源码,就拿它的例子试了试,大概明白它的用法,就把注释给贴了上来。clearall;clc;closeall;center1=-10;%第一个圆圆心的横坐标center2=-center1;%第二个圆圆心的横坐标dist=sqrt(2*(2*center1)^2)
- VLFeat + VS2013+opencv 配置
yinghua2016
个可以和opencv配置一样,只需要配置一次,以后就再也不用配置了,一劳永逸~~~~vlfeat图像库包含SIFT,MSER,KDtree,快速shift,K-means等各种图像处理中常用的算法。最近想看看里面的东西…….顺带把它配置起来……..说明:1.系统环境:win764位专业版,VS2013旗舰版2.4.92.opencv配置很简单,随便参考一篇博文就行了,这里就不叙述了……1.下载vl
- VLfeat与vs2015
blank_downdowndown
这个可以和OpenCV的配置一样,只需要配置一次,以后就再也不用配置了,一劳永逸~~~~vlfeat图像库包含SIFT,MSER,KDtree,快速换档,K-装置等各种图像处理中常用的算法。最近想看看里面的东西......。顺带把它配置起来........说明:1.系统环境:win764位专业版,VS2013旗舰版2.4.92.opencv配置很简单,随便参考一篇博文就行了,这里就不叙述了....
- Java常用排序算法/程序员必须掌握的8大排序算法
cugfy
java
分类:
1)插入排序(直接插入排序、希尔排序)
2)交换排序(冒泡排序、快速排序)
3)选择排序(直接选择排序、堆排序)
4)归并排序
5)分配排序(基数排序)
所需辅助空间最多:归并排序
所需辅助空间最少:堆排序
平均速度最快:快速排序
不稳定:快速排序,希尔排序,堆排序。
先来看看8种排序之间的关系:
1.直接插入排序
(1
- 【Spark102】Spark存储模块BlockManager剖析
bit1129
manager
Spark围绕着BlockManager构建了存储模块,包括RDD,Shuffle,Broadcast的存储都使用了BlockManager。而BlockManager在实现上是一个针对每个应用的Master/Executor结构,即Driver上BlockManager充当了Master角色,而各个Slave上(具体到应用范围,就是Executor)的BlockManager充当了Slave角色
- linux 查看端口被占用情况详解
daizj
linux端口占用netstatlsof
经常在启动一个程序会碰到端口被占用,这里讲一下怎么查看端口是否被占用,及哪个程序占用,怎么Kill掉已占用端口的程序
1、lsof -i:port
port为端口号
[root@slave /data/spark-1.4.0-bin-cdh4]# lsof -i:8080
COMMAND PID USER FD TY
- Hosts文件使用
周凡杨
hostslocahost
一切都要从localhost说起,经常在tomcat容器起动后,访问页面时输入http://localhost:8088/index.jsp,大家都知道localhost代表本机地址,如果本机IP是10.10.134.21,那就相当于http://10.10.134.21:8088/index.jsp,有时候也会看到http: 127.0.0.1:
- java excel工具
g21121
Java excel
直接上代码,一看就懂,利用的是jxl:
import java.io.File;
import java.io.IOException;
import jxl.Cell;
import jxl.Sheet;
import jxl.Workbook;
import jxl.read.biff.BiffException;
import jxl.write.Label;
import
- web报表工具finereport常用函数的用法总结(数组函数)
老A不折腾
finereportweb报表函数总结
ADD2ARRAY
ADDARRAY(array,insertArray, start):在数组第start个位置插入insertArray中的所有元素,再返回该数组。
示例:
ADDARRAY([3,4, 1, 5, 7], [23, 43, 22], 3)返回[3, 4, 23, 43, 22, 1, 5, 7].
ADDARRAY([3,4, 1, 5, 7], "测试&q
- 游戏服务器网络带宽负载计算
墙头上一根草
服务器
家庭所安装的4M,8M宽带。其中M是指,Mbits/S
其中要提前说明的是:
8bits = 1Byte
即8位等于1字节。我们硬盘大小50G。意思是50*1024M字节,约为 50000多字节。但是网宽是以“位”为单位的,所以,8Mbits就是1M字节。是容积体积的单位。
8Mbits/s后面的S是秒。8Mbits/s意思是 每秒8M位,即每秒1M字节。
我是在计算我们网络流量时想到的
- 我的spring学习笔记2-IoC(反向控制 依赖注入)
aijuans
Spring 3 系列
IoC(反向控制 依赖注入)这是Spring提出来了,这也是Spring一大特色。这里我不用多说,我们看Spring教程就可以了解。当然我们不用Spring也可以用IoC,下面我将介绍不用Spring的IoC。
IoC不是框架,她是java的技术,如今大多数轻量级的容器都会用到IoC技术。这里我就用一个例子来说明:
如:程序中有 Mysql.calss 、Oracle.class 、SqlSe
- 高性能mysql 之 选择存储引擎(一)
annan211
mysqlInnoDBMySQL引擎存储引擎
1 没有特殊情况,应尽可能使用InnoDB存储引擎。 原因:InnoDB 和 MYIsAM 是mysql 最常用、使用最普遍的存储引擎。其中InnoDB是最重要、最广泛的存储引擎。她 被设计用来处理大量的短期事务。短期事务大部分情况下是正常提交的,很少有回滚的情况。InnoDB的性能和自动崩溃 恢复特性使得她在非事务型存储的需求中也非常流行,除非有非常
- UDP网络编程
百合不是茶
UDP编程局域网组播
UDP是基于无连接的,不可靠的传输 与TCP/IP相反
UDP实现私聊,发送方式客户端,接受方式服务器
package netUDP_sc;
import java.net.DatagramPacket;
import java.net.DatagramSocket;
import java.net.Ine
- JQuery对象的val()方法执行结果分析
bijian1013
JavaScriptjsjquery
JavaScript中,如果id对应的标签不存在(同理JAVA中,如果对象不存在),则调用它的方法会报错或抛异常。在实际开发中,发现JQuery在id对应的标签不存在时,调其val()方法不会报错,结果是undefined。
- http请求测试实例(采用json-lib解析)
bijian1013
jsonhttp
由于fastjson只支持JDK1.5版本,因些对于JDK1.4的项目,可以采用json-lib来解析JSON数据。如下是http请求的另外一种写法,仅供参考。
package com;
import java.util.HashMap;
import java.util.Map;
import
- 【RPC框架Hessian四】Hessian与Spring集成
bit1129
hessian
在【RPC框架Hessian二】Hessian 对象序列化和反序列化一文中介绍了基于Hessian的RPC服务的实现步骤,在那里使用Hessian提供的API完成基于Hessian的RPC服务开发和客户端调用,本文使用Spring对Hessian的集成来实现Hessian的RPC调用。
定义模型、接口和服务器端代码
|---Model
&nb
- 【Mahout三】基于Mahout CBayes算法的20newsgroup流程分析
bit1129
Mahout
1.Mahout环境搭建
1.下载Mahout
http://mirror.bit.edu.cn/apache/mahout/0.10.0/mahout-distribution-0.10.0.tar.gz
2.解压Mahout
3. 配置环境变量
vim /etc/profile
export HADOOP_HOME=/home
- nginx负载tomcat遇非80时的转发问题
ronin47
nginx负载后端容器是tomcat(其它容器如WAS,JBOSS暂没发现这个问题)非80端口,遇到跳转异常问题。解决的思路是:$host:port
详细如下:
该问题是最先发现的,由于之前对nginx不是特别的熟悉所以该问题是个入门级别的:
? 1 2 3 4 5
- java-17-在一个字符串中找到第一个只出现一次的字符
bylijinnan
java
public class FirstShowOnlyOnceElement {
/**Q17.在一个字符串中找到第一个只出现一次的字符。如输入abaccdeff,则输出b
* 1.int[] count:count[i]表示i对应字符出现的次数
* 2.将26个英文字母映射:a-z <--> 0-25
* 3.假设全部字母都是小写
*/
pu
- mongoDB 复制集
开窍的石头
mongodb
mongo的复制集就像mysql的主从数据库,当你往其中的主复制集(primary)写数据的时候,副复制集(secondary)会自动同步主复制集(Primary)的数据,当主复制集挂掉以后其中的一个副复制集会自动成为主复制集。提供服务器的可用性。和防止当机问题
mo
- [宇宙与天文]宇宙时代的经济学
comsci
经济
宇宙尺度的交通工具一般都体型巨大,造价高昂。。。。。
在宇宙中进行航行,近程采用反作用力类型的发动机,需要消耗少量矿石燃料,中远程航行要采用量子或者聚变反应堆发动机,进行超空间跳跃,要消耗大量高纯度水晶体能源
以目前地球上国家的经济发展水平来讲,
- Git忽略文件
Cwind
git
有很多文件不必使用git管理。例如Eclipse或其他IDE生成的项目文件,编译生成的各种目标或临时文件等。使用git status时,会在Untracked files里面看到这些文件列表,在一次需要添加的文件比较多时(使用git add . / git add -u),会把这些所有的未跟踪文件添加进索引。
==== ==== ==== 一些牢骚
- MySQL连接数据库的必须配置
dashuaifu
mysql连接数据库配置
MySQL连接数据库的必须配置
1.driverClass:com.mysql.jdbc.Driver
2.jdbcUrl:jdbc:mysql://localhost:3306/dbname
3.user:username
4.password:password
其中1是驱动名;2是url,这里的‘dbna
- 一生要养成的60个习惯
dcj3sjt126com
习惯
一生要养成的60个习惯
第1篇 让你更受大家欢迎的习惯
1 守时,不准时赴约,让别人等,会失去很多机会。
如何做到:
①该起床时就起床,
②养成任何事情都提前15分钟的习惯。
③带本可以随时阅读的书,如果早了就拿出来读读。
④有条理,生活没条理最容易耽误时间。
⑤提前计划:将重要和不重要的事情岔开。
⑥今天就准备好明天要穿的衣服。
⑦按时睡觉,这会让按时起床更容易。
2 注重
- [介绍]Yii 是什么
dcj3sjt126com
PHPyii2
Yii 是一个高性能,基于组件的 PHP 框架,用于快速开发现代 Web 应用程序。名字 Yii (读作 易)在中文里有“极致简单与不断演变”两重含义,也可看作 Yes It Is! 的缩写。
Yii 最适合做什么?
Yii 是一个通用的 Web 编程框架,即可以用于开发各种用 PHP 构建的 Web 应用。因为基于组件的框架结构和设计精巧的缓存支持,它特别适合开发大型应
- Linux SSH常用总结
eksliang
linux sshSSHD
转载请出自出处:http://eksliang.iteye.com/blog/2186931 一、连接到远程主机
格式:
ssh name@remoteserver
例如:
ssh
[email protected]
二、连接到远程主机指定的端口
格式:
ssh name@remoteserver -p 22
例如:
ssh i
- 快速上传头像到服务端工具类FaceUtil
gundumw100
android
快速迭代用
import java.io.DataOutputStream;
import java.io.File;
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.FileOutputStream;
import java.io.IOExceptio
- jQuery入门之怎么使用
ini
JavaScripthtmljqueryWebcss
jQuery的强大我何问起(个人主页:hovertree.com)就不用多说了,那么怎么使用jQuery呢?
首先,下载jquery。下载地址:http://hovertree.com/hvtart/bjae/b8627323101a4994.htm,一个是压缩版本,一个是未压缩版本,如果在开发测试阶段,可以使用未压缩版本,实际应用一般使用压缩版本(min)。然后就在页面上引用。
- 带filter的hbase查询优化
kane_xie
查询优化hbaseRandomRowFilter
问题描述
hbase scan数据缓慢,server端出现LeaseException。hbase写入缓慢。
问题原因
直接原因是: hbase client端每次和regionserver交互的时候,都会在服务器端生成一个Lease,Lease的有效期由参数hbase.regionserver.lease.period确定。如果hbase scan需
- java设计模式-单例模式
men4661273
java单例枚举反射IOC
单例模式1,饿汉模式
//饿汉式单例类.在类初始化时,已经自行实例化
public class Singleton1 {
//私有的默认构造函数
private Singleton1() {}
//已经自行实例化
private static final Singleton1 singl
- mongodb 查询某一天所有信息的3种方法,根据日期查询
qiaolevip
每天进步一点点学习永无止境mongodb纵观千象
// mongodb的查询真让人难以琢磨,就查询单天信息,都需要花费一番功夫才行。
// 第一种方式:
coll.aggregate([
{$project:{sendDate: {$substr: ['$sendTime', 0, 10]}, sendTime: 1, content:1}},
{$match:{sendDate: '2015-
- 二维数组转换成JSON
tangqi609567707
java二维数组json
原文出处:http://blog.csdn.net/springsen/article/details/7833596
public class Demo {
public static void main(String[] args) { String[][] blogL
- erlang supervisor
wudixiaotie
erlang
定义supervisor时,如果是监控celuesimple_one_for_one则删除children的时候就用supervisor:terminate_child (SupModuleName, ChildPid),如果shutdown策略选择的是brutal_kill,那么supervisor会调用exit(ChildPid, kill),这样的话如果Child的behavior是gen_