自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+

在技术的广袤天地里,本博客如精准罗盘。剖析前沿科技,深掘代码奥秘,以精炼笔触,带您穿越复杂技术迷宫,速达知识彼岸。

科技探索之窗,聚焦多元技术领域。深入解析大数据架构,探秘云计算核心,剖析编程语言精髓。凭借专业视角、深度见解,将晦涩技术概念转化为清晰易懂的知识宝藏,伴您在技术海洋中破浪前行,精准锚定进阶方向,开启无限创新可能。

  • 博客(418)
  • 资源 (78)
  • 收藏
  • 关注

原创 PostgreSQL:事务与并发控制基础

PostgreSQL的事务系统犹如精密的瑞士钟表,将ACID原则转化为高效的工程实现。通过深入理解MVCC的版本控制机制、掌握不同隔离级别的行为特征、合理运用锁机制,开发者可以构建出既可靠又高性能的数据库应用。值得注意的是,随着的发布,新增的并行提交、增量排序等功能进一步优化了高并发场景下的表现。建议读者在实际应用中结合和进行性能剖析,持续优化事务处理逻辑。

2025-03-31 00:15:00 1020 69

原创 PostgreSQL: GIN 索引详解

场景索引字段类型典型操作符查询特点全文搜索tsvector@@多关键词组合匹配数组查询TEXT[]@>&&元素包含或重叠JSONB 查询JSONB@>?、`?范围重叠TSRANGE&&时间、数值范围重叠筛选模糊匹配TEXTpg_trgmLIKE部分字符串匹配(如%joh%何时选择 GIN 索引数据为多值类型(数组、JSONB、全文向量)。查询需要检查元素包含性、范围重叠或模糊匹配。读多写少,能容忍较高的索引维护成本。4. 优缺点优点高效处理多值数据查询。

2025-03-28 00:15:00 1797 84

原创 PostgreSQL:索引与查询优化

索引就像数据库的"超能力药剂",但错误的使用方式可能导致性能雪崩:某知名社交平台曾因错误添加GIN索引导致写入延迟增加300%,直接造成用户发帖量下降15%。这警示我们,索引的威力与风险并存。本文将带您深入PostgreSQL的索引迷宫,不仅解析各种索引的运行机制,更将揭示查询优化器的决策逻辑。通过20+个真实故障案例的逆向分析,带您了解: 如何为JSONB数据设计复合GIN索引 B-Tree索引的隐藏排序特性如何影响分页查询 并行查询执行计划的特征识别

2025-03-26 00:15:00 1365 97

原创 Java:编程世界的常青树,未来仍大有可为

虽然 Java 面临着新兴语言的挑战,但它在编程世界中的核心地位并未被撼动。其成熟的生态系统、在企业级应用、安卓开发、大数据与分布式系统 等核心领域的不可替代性,以及在新兴技术融合方面的积极探索,都表明 Java 仍然是一门极具价值的编程语言,非常值得 Java 爱好者们深入学习和探索。无论是对于想要进入编程领域的初学者,还是希望在现有基础上拓展技术栈的开发者,Java 都将为他们提供丰富的机遇和广阔的发展空间。

2025-04-01 11:28:38 509 22

原创 Java 应用程序CPU 100%问题排查优化实战

今天再给大家讲一个 CPU 100% 优化排查实战。收到运维同学的报警,说某些服务器负载非常高,让我们开发定位问题。拿到问题后先去服务器上看了看,发现运行的只有我们的 Java 应用程序。于是先用 ps 命令拿到了应用的 PID。 ps:查看进程的命令;PID:进程 ID。ps -ef | grep java 可以查看所有的 Java 进程。前面也曾讲过。接着使用 top -Hp pid 将这个进程的线程显示出来。输入大写 P 可以将线程按照 CPU 使用比例排序,于是得到以下结果。

2025-04-01 11:28:07 443 3

原创 K8s 是什么? 基本元件、核心功能、4 大优点一次看!

除此之外,K8s还会确认系统状态是否与开发者的需求配置相符,举例来说,如果开发者向K8s提出建立3个副本的需求,K8s除了建立副本之外,也会持续确认这3个副本的运行状态,如果发现有第4个副本被建立了,K8s会将第4个副本删除,以维持3个副本的设定。Vertical Pod Autoscaler(简称 VPA ,是一种垂直 Pod 资源扩缩器)会根据容器的资源使用率自动缩放 Pod 能访问的 CPU 和 Memory 资源,让 Pod 中的应用程序能够取得足够的运算资源,维持应用的服务质量。

2025-03-31 11:28:46 298 21

原创 操作系统之输入输出

操作系统的三个抽象,分别是进程、地址空间和文件,除此之外,操作系统还要控制所有的 I/O 设备。操作系统必须向设备发送命令,捕捉中断并处理错误。它还应该在设备和操作系统的其余部分之间提供一个简单易用的接口。操作系统如何管理 I/O 是我们接下来的重点。不同的人对 I/O 硬件的理解也不同。对于电子工程师而言,I/O 硬件就是芯片、导线、电源和其他组成硬件的物理设备。而我们程序员眼中的 I/O 其实就是硬件提供给软件的接口,比如硬件接受到的命令、执行的操作以及反馈的错误。

2025-03-31 11:28:15 469 4

原创 全球地理数据库 GeoNames

GeoNames 作为联合国推荐使用的开放地理数据库,以其独特的架构设计给出了完美答案。这个包含1200万地理实体的知识图谱,不仅提供WGS84坐标系下的精准空间数据,更收录了涵盖287种语言的名称变体,其行政层级关系网更是贯穿国家、省、市、镇四级结构。与商业地图API相比,GeoNames 的本地化部署特性可为金融风控、舆情监控等场景提供完全自主可控的地理数据服务。

2025-03-30 11:25:52 938 11

原创 Java并发编程面试题:线程池&Fork/Join(19题)

线程池,简单来说,就是一个管理线程的池子。①、频繁地创建和销毁线程会消耗系统资源,线程池能够复用已创建的线程。②、提高响应速度,当任务到达时,任务可以不需要等待线程创建就立即执行。③、线程池支持定时执行、周期性执行、单线程执行和并发数控制等功能。

2025-03-29 11:28:45 774 20

原创 Python 科学计算

NumPy 是用来处理数组的,在其内部可生成 Ndarray 对象表示数组。ndarray 对象用于存放同类型元素的多维数组。ndarray 中的每个元素在内存中都有相同存储大小区域。ndarrary 内部构成numpy 创建 arrayeg:numpy 支持大量的数据类型,可与C语言的数据类型做参照dtype 可取类型 np.bool_,np.int32,np.float_,np.complex128*** 数据类型对象dtype ***数据类型对象是用来描述与数组对应的内存区域如何使用构造dtype a

2025-03-29 11:28:14 1039 31

原创 Java面试必问的CAS原理剖析

CAS(Compare-And-Swap)是比较并交换的意思,它是一条 CPU 并发原语,用于判断内存中某个值是否为预期值,如果是则更改为新的值,这个过程是原子的。下面用一个小示例解释一下。CAS机制当中使用了3个基本操作数:内存地址V,旧的预期值A,计算后要修改后的新值B。(1)初始状态:在内存地址V中存储着变量值为 1。(2)线程1想要把内存地址为 V 的变量值增加1。这个时候对线程1来说,旧的预期值A=1,要修改的新值B=2。

2025-03-28 11:29:15 912 38

原创 微服务面试题:配置中心

1. 为什么微服务需要配置中心?微服务架构中的每个服务通常都需要一些配置信息,例如数据库连接地址、服务端口、日志级别等。这些配置可能因为不同环境、不同部署实例或者动态运行时需要进行调整和管理。微服务的实例一般非常多,如果每个实例都需要一个个地去做这些配置,那么运维成本将会非常大,这时候就需要一个集中化的配置中心,去管理这些配置。

2025-03-28 11:28:44 654 44

原创 PostgreSQL:GiST索引实现千万级IP库0.01毫秒检索

GiST(Generalized Search Tree)是PostgreSQL中支持复杂数据类型索引的核心引擎,其核心设计思想是通过可扩展的树形结构支持任意数据类型的搜索操作。与传统B-Tree相比,GiST具有以下显著特性: 支持自定义运算符:可定义@>(包含)、&&(重叠)等操作符 多维数据索引:支持空间数据、范围类型等多维数据 平衡树结构:保持树的高度平衡,确保O(log n)查询复杂度 剪枝优化:通过谓词过滤快速排除不相关子树

2025-03-24 00:15:00 1969 85

原创 PostgreSQL:数据类型与运算符

PostgreSQL的数据类型和运算符系统是其强大功能的核心。通过合理选择数据类型和使用适当的运算符,你可以构建高效、可靠的数据库应用。无论是简单的数值计算,还是复杂的JSON查询,PostgreSQL都能提供强大的支持。

2025-03-22 21:30:39 1681 78

原创 PostgreSQL:语言基础与数据库操作

PostgreSQL 15的新特性如MERGE命令、构造函数等,正在不断扩展其应用边界。向量相似度搜索:结合pgvector扩展实现AI特征检索分布式架构:使用Citus实现水平扩展时序数据优化:TimescaleDB的深度集成机器学习集成:MADlib库的统计分析应用。

2025-03-20 00:15:00 1415 88

原创 PostgreSQL:简介与安装部署

在当今数据驱动的世界中,数据库管理系统(DBMS)扮演着至关重要的角色。无论是大型企业还是初创公司,都需要一个可靠、高效且灵活的数据库解决方案来存储和管理数据。PostgreSQL,作为一个功能强大的开源关系型数据库管理系统,因其卓越的性能、丰富的功能集和高度可扩展性,成为了众多开发者和企业的首选。PostgreSQL不仅支持标准的SQL语法,还提供了许多高级功能,如复杂查询、外键、触发器、视图、事务完整性、多版本并发控制(MVCC)等。

2025-03-18 11:43:40 1261 76

原创 Java 8 Stream API:传统实现和流式编程的范式对比

声明式编程:聚焦"做什么"而非"怎么做"不变性:避免副作用带来的风险可组合性:通过操作组合实现复杂逻辑延迟执行:优化计算过程并行透明:轻松实现并发处理代码密度:减少60%以上的样板代码可维护性:业务逻辑显式表达。

2025-03-17 00:15:00 1707 83

原创 容器技术与Kubernetes概述

在当今的软件开发与运维领域,容器化技术和已经成为不可或缺的工具。随着云计算和微服务架构的普及,传统的虚拟化技术逐渐显露出其局限性,而容器化技术则以其轻量、高效和可移植的特性迅速崛起。作为容器化技术的代表,极大地简化了应用的打包、分发和部署流程,使得开发者和运维人员能够更加专注于业务逻辑的实现。然而,随着应用规模的不断扩大,单一的容器管理工具已经无法满足复杂场景下的需求。正是在这样的背景下,Kubernetes应运而生。Kubernetes不仅解决了容器编排和管理的难题,还提供了强大的自动化能力,使得大规模应

2025-03-14 10:14:56 1120 94

原创 爬虫的精准识别:基于 User-Agent 的正则实现

想象一个典型的在线客服场景:用户访问网站后,通过 WebSocket 与客服实时沟通。然而,大量爬虫(如搜索引擎索引、SEO 工具、恶意扫描程序)的请求也会触发 WebSocket 连接。这些爬虫不会主动发送消息,却会长期占用连接资源。客服人员看到“在线用户”列表中的爬虫会话,尝试对话却得不到任何回应,最终导致: 资源浪费:服务器带宽、连接数被无效占用。 效率下降:客服需要手动排查“沉默用户”,增加工作负担。 数据污染:统计报表中的“用户活跃数”被虚假流量污染。

2025-03-12 00:15:00 2507 103

原创 深入浅出Java并发编程:线程基础

通过本文的学习,我们详细探讨了Java并发编程中的线程基础,包括进程与线程的区别、线程的创建方式线程的生命周期守护线程与用户线程、以及线程优先级与调度策略。掌握这些基础知识是进一步学习并发编程的关键。在实际开发中,理解并正确使用这些概念可以帮助我们构建高效、稳定的多线程应用。然而,并发编程的复杂性远不止于此,后续我们还将深入探讨线程安全、锁机制、线程通信等高级主题。

2025-03-10 15:08:01 1432 98

原创 Java对接微信支付全过程详解

本文将以系统性、实战性为导向,深入剖析Java对接微信支付的核心流程与关键技术。无论是Native支付、JSAPI支付还是小程序支付,其底层逻辑均围绕预支付订单生成、支付结果异步通知、订单状态主动查询三大核心环节展开。文章不仅提供清晰的代码示例(基于Spring Boot框架与微信支付V3 API),更聚焦于实际开发中的高频痛点:如何通过RSA签名保障通信安全?如何设计幂等回调接口避免重复扣款?如何利用微信平台证书防止伪造请求?这些问题将在文中逐一击破。

2025-03-07 21:52:03 5429 98

原创 DeepSeek 角色设定与风格控制

移动端可微信小程序搜索“”)总架构师,15年工作经验,精通Java编程高并发设计,熟悉LinuxESXI虚拟化以及,热衷于探索科技的边界,并将理论知识转化为实际应用。保持对新技术的好奇心,乐于分享所学,希望通过我的实践经历和见解,启发他人的创新思维。在这里,我希望能与志同道合的朋友交流探讨,共同进步,一起在技术的世界里不断学习成长。请加本人wx(注明来自csdn。

2025-03-05 22:14:35 1906 88

原创 DeepSeek架构革命:动态异构计算

动态异构计算是DeepSeek架构的核心。传统的计算框架通常将任务固定分配到特定的硬件设备上,而DeepSeek则通过智能调度算法,动态地将任务分配到最适合的设备上。这种灵活性不仅提高了计算效率,还降低了能耗。DeepSeek架构通过动态异构计算、万亿参数稀疏化训练和多模态认知引擎,为大规模AI模型的训练和推理提供了全新的解决方案。本文详细介绍了这些技术的设计理念和实现细节,并通过丰富的Java示例展示了如何在实际项目中应用这些技术。希望本文能为读者提供有价值的参考,推动AI技术的进一步发展。

2025-03-03 00:15:00 2648 93

原创 CIDR转IP段:原理&Java实现

CIDR(Classless Inter-Domain Routing,无类别域间路由)是一种用于高效分配和管理 IP 地址的网络编址方法。它取代了传统的 IP 地址分类(A/B/C 类),通过灵活的网络前缀长度(子网掩码)实现更精细的地址划分和路由聚合,显著提高了 IP 地址的利用率,并减少了路由表规模。1. 传统 IP 分类的局限性 A/B/C 类地址:传统方式将 IP 地址划分为固定类别(如 A 类:/8,B 类:/16,C 类:/24)。 问题:地址分配不灵活。例如,一个需要 5

2025-02-28 14:54:48 2222 95

原创 IP段转CIDR:原理&Java实现

需要确认CIDR是什么?CIDR表示的是无类别域间路由,通常形式是IP地址后跟一个斜杠和数字,比如192.168.1.0/24。这个数字表示网络前缀的位数,剩下的位数用于主机地址。CIDR的作用是更高效地分配IP地址,减少浪费。我们现在要实现,将给定的起始IP和结束IP转换为CIDR块。那么,如何从两个IP地址中找到覆盖它们的CIDR呢?可能需要分解成多个CIDR块,因为单个CIDR可能无法覆盖整个范围,尤其是当范围不是连续的2的幂次方时。

2025-02-28 14:38:20 1458 36

原创 DeepSeek 提示词:常见指令类型

命令式指令是一种直接且明确的指令形式,它要求系统或用户执行特定的操作。这种指令类型通常以动词开头,明确指示需要完成的任务。例如,“请总结以下内容”就是一个典型的命令式指令。明确性:指令内容清晰,用户或系统能够快速理解并执行。简洁性:指令通常简短,避免冗长的描述。直接性:指令直接指向具体任务,无需额外的解释或引导。开放式指令是一种灵活且探索性的指令形式,它鼓励用户或系统进行深入思考和分析。例如,“分析以下现象的成因”就是一个典型的开放式指令。灵活性:指令内容开放,允许用户或系统自由发挥。探索性。

2025-02-28 00:15:00 5536 48

原创 DeepSeek 提示词:基础结构

*提示词(Prompt)**是指在对话系统中,用于引导模型生成特定响应的输入文本。提示词的设计直接影响到模型的输出质量和任务的完成效果。明确性:提示词应清晰地表达用户的意图,避免歧义。简洁性:提示词应尽量简洁,避免冗余信息。一致性:提示词的结构应保持一致,便于模型理解和处理。问答类任务是指用户提出问题,模型根据问题生成相应答案的任务类型。其核心在于模型如何理解问题并生成准确的答案。生成类任务是指模型根据用户提供的输入,生成一段连贯、有意义的文本的任务类型。其核心在于模型如何根据输入生成高质量的文本。

2025-02-26 00:15:00 4258 87

原创 DeepSeek 提示词:高效的提示词设计

清晰性是指提示词能够明确传达任务的目标和要求,确保AI系统能够准确理解用户的意图。明确的任务描述:提示词应明确指出需要完成的任务是什么。具体的要求:提示词应包含具体的任务要求,如格式、内容、长度等。避免歧义:提示词应避免使用模糊或有多重含义的词汇,确保AI系统不会产生误解。结构化是指将复杂的任务分解为多个子任务,并按照逻辑层次进行组织,以便AI系统能够逐步完成每个步骤,最终实现整体目标。任务分解:将复杂任务分解为多个子任务。逻辑层次:按照逻辑层次组织子任务,确保每个步骤都有明确的输入和输出。

2025-02-24 00:15:00 5577 86

原创 DeepSeek 提示词:定义、作用、分类与设计原则

在人工智能(AI)领域,尤其是自然语言处理(NLP)和生成式AI模型中,提示词(Prompt)是一个至关重要的概念。它不仅是用户与AI模型交互的桥梁,更是模型生成高质量输出的核心驱动力。简单来说,提示词就是用户输入的一段文本或指令,用于引导AI模型生成特定的响应或完成特定的任务。无论是简单的问答系统,还是复杂的文本生成模型,提示词都扮演着不可或缺的角色。随着AI技术的快速发展,提示词的设计和使用变得越来越复杂和多样化。

2025-02-21 10:00:35 5781 92

原创 【Elasticsearch】监控与管理:集群安全管理

用户认证:确保只有经过身份验证的用户才能访问集群。角色授权:为不同用户分配不同的权限,限制其对集群资源的访问。数据加密:通过加密技术保护数据在传输和存储过程中的安全性。审计日志:记录用户的操作行为,便于事后审计和追踪。除了内置角色,Elasticsearch 还允许创建自定义角色。上述命令创建了一个名为的角色,该角色具有monitor集群权限,并且对my_index索引具有read权限。Elasticsearch 提供了强大的安全机制,包括用户认证、角色授权、数据加密和审计日志等功能。

2025-02-19 00:15:00 2755 50

原创 【Elasticsearch】 监控与管理:索引管理策略

Elasticsearch 的索引管理是一个复杂但至关重要的任务。通过合理的索引生命周期管理、备份与恢复策略,我们可以确保数据的高效存储和快速恢复,从而保障业务的连续性。本文详细介绍了如何使用 Java API 进行索引的创建、删除、备份与恢复,并结合实际案例,展示了如何在实际项目中应用这些策略。希望本文能够帮助开发者更好地理解和应用 Elasticsearch 的索引管理策略,提升系统的稳定性和可靠性。

2025-02-17 00:15:00 2038 68

原创 【Elasticsearch】监控与管理:集群健康检查

Green:表示集群处于完全健康状态,所有主分片和副本分片都已分配且正常运行。Yellow:表示集群的主分片已分配,但部分副本分片未分配。这种情况通常发生在集群节点不足或副本分片无法分配到其他节点时。Red:表示集群中至少有一个主分片未分配,这可能导致数据丢失或查询失败。Elasticsearch 集群的健康检查是确保系统稳定运行的重要环节。通过本文的介绍,我们了解了如何使用 Java API 检查集群的健康状态,并深入分析了分片分配、副本同步等关键指标。

2025-02-14 10:30:56 2773 57

原创 【Elasticsearch】监控与管理:集群监控指标

Elasticsearch 集群监控是指通过对 Elasticsearch 集群的各项运行指标进行实时采集、分析和展示,从而全面了解集群的健康状况、性能表现以及资源使用情况的过程。监控的目标是及时发现潜在问题,并采取相应的优化措施,以保障集群的稳定性和高效性。通过对 Elasticsearch 集群监控指标的深入分析和实践,我们能够全面了解集群的运行状态,并采取相应的优化措施以保障系统的稳定性和高效性。随着业务规模的不断扩大和技术的发展,Elasticsearch 集群监控的需求也将变得更加多样化和复杂化。

2025-02-12 00:15:00 2705 70

原创 【Elasticsearch】集群配置性能优化

集群响应时间在业务高峰期呈指数级上升 节点频繁OOM导致服务不可用 数据分片分布失衡引发热点问题 网络拥塞造成跨机房同步延迟这些问题的根源往往在于集群角色规划失当、网络参数配置粗放、监控体系缺失三大症结。本文将以Elasticsearch 8.8版本为基础,深度解析集群优化的核心技术路径。通过角色分离策略、TCP层深度调优、全链路监控体系三大核心模块,结合Java API实战案例,构建高可用、高性能的ES集群架构。

2025-02-10 00:15:00 2976 87

原创 【Elasticsearch】 查询性能优化

在ES中,查询执行计划是指查询请求在集群中的分片之间如何分发和执行的过程。理解查询执行计划对于优化查询性能至关重要。查询解析:Elasticsearch 首先解析查询请求,确定查询的类型和条件。分片选择:根据查询条件,Elasticsearch 选择需要查询的分片。查询分发:将查询请求分发到选定的分片上。查询执行:在各个分片上执行查询,并返回结果。结果合并:将各个分片的查询结果合并,返回给客户端。

2025-02-07 00:15:00 4380 104

原创 【Elasticsearch】索引性能优化

在ES中,索引(Index)是一个逻辑命名空间,用于存储具有相似特征的文档。可以将索引类比为关系型数据库中的数据库,它是文档的集合。每个索引都有一个唯一的名称,通过这个名称可以对索引进行各种操作,如创建删除查询等。例如,在一个电商系统中,我们可以创建一个名为products的索引,用于存储所有商品的信息。每个商品信息就是一个文档,这些文档都存储在products索引中。

2025-02-05 14:27:14 2611 80

原创 【Elasticsearch】硬件资源优化

Elasticsearch 采用分布式架构,由多个节点组成集群。每个节点都可以存储数据、处理请求。其中,有主节点负责集群的管理和协调,数据节点负责实际的数据存储和检索,协调节点负责接收客户端请求并将其转发到合适的数据节点。这种分布式架构使得 Elasticsearch 能够轻松应对大规模数据和高并发查询。例如,在一个电商搜索系统中,可能有多个数据节点分别存储不同品类的商品数据,协调节点接收到用户的搜索请求后,会根据请求的内容将其分发到相应的数据节点进行查询,最后汇总结果返回给用户。

2025-02-03 03:00:00 3073 73

原创 【Elasticsearch 】自定义分词器

在当今数字化信息爆炸的时代,文本数据的处理和分析变得至关重要。无论是搜索引擎、信息检索系统,还是智能客服、文本挖掘等应用场景,都离不开对文本的准确理解和分析。而在这一过程中,分词作为文本处理的基础环节,其效果直接影响到后续的数据分析和应用效果。Elasticsearch 作为一款强大的分布式搜索引擎,提供了丰富的文本分析功能。然而,在实际的业务场景中,默认的分词器往往无法满足特定语言、业务需求或复杂文本处理要求。例如,在处理一些专业领域的文本时,如医学、法律等,需要根据专业术语和行业规范进行分词;

2025-01-30 00:30:00 3081 77

原创 【Elasticsearch】内置分词器和IK分词器

Elasticsearch是一个基于Lucene的分布式、RESTful风格的搜索和数据分析引擎。它旨在快速地存储、搜索和分析大量的数据,被广泛应用于各种领域,如日志分析、电商搜索、企业内容管理等。Elasticsearch的核心优势在于其分布式架构,能够处理PB级别的数据,并提供高可用性和可扩展性。它通过将数据分片存储在多个节点上,实现数据的并行处理和容错能力。同时,提供了简单易用的,方便开发者进行数据的索引搜索和管理。

2025-01-27 21:18:02 4458 68

原创 【Elasticsearch】聚合分析:管道聚合

聚合分析在 Elasticsearch 中是一种强大的数据分析工具,它允许我们对存储在 Elasticsearch 索引中的数据进行统计、分组和汇总操作。通过聚合,我们可以从大量的文档数据中提取有意义的信息,例如计算文档的数量、求和、求平均值、分组统计等。聚合分析的核心概念是将数据按照某种规则进行分组,然后对每个分组内的数据进行特定的计算。例如,我们有一个包含销售记录的索引,每条记录包含销售时间、销售金额、销售地区等字段。我们可以按照销售地区进行分组,然后计算每个地区的总销售额、平均销售额等。

2025-01-26 12:08:18 2822 74

Fortran 详细的中文教程

欢迎来到 Fortran 语言中文教程!本教程致力于为初学者和进阶者提供全面、系统且易于理解的 Fortran 编程学习资源。无论你是计算机科学专业的学生、科研工作者,还是对高性能计算感兴趣的开发者,本教程都将是你掌握 Fortran 语言的理想选择。 本教程主要的内容大纲如下: Fortran 基础 一. 编译器 二. Hello World 三. 标准输入和输出 (io) 四. 基本数据类型 浮点数精度 五. 运算符 六. 数组和字符串 数组 字符串 字符串数组 七. 流程控制 逻辑运算 条件语句 循环语句 序数循环 条件循环 循环控制 八. 函数与代码结构 子例程和函数 代码结构 九. 面向对象 -- 类或结构体 十. 格式 十一. 文件读写 十二. 指针 十三. 并行计算 MPI Coarray 十四. 内置函数 数值 数学 数组 十五. Makefile管理项目

2024-09-13

一个涵盖诸多数据库类型(含SQL)的综合性教程

本教程是一个涵盖诸多数据库类型的综合性教程: 1. 关系型数据库综合: 关系型数据库面试总结 SQL 语法基础特性 SQL 语法高级特性 扩展 SQL SQL Cheat Sheet 2. 分布式关键技术 流量调度 流量控制 负载均衡 服务路由 分布式会话基本原理 数据调度 缓存基本原理 读写分离基本原理 分库分表基本原理 分布式 ID 基本原理 分布式事务基本原理 分布式锁基本原理 3. 文档数据库 MongoDB MongoDB 是一个基于文档的分布式数据库,由 C++ 语言编写。旨在为 WEB 应用提供可扩展的高性能数据存储解决方案。 MongoDB 是一个介于关系型数据库和非关系型数据库之间的产品。它是非关系数据库当中功能最丰富,最像关系数据库的。它支持的数据结构非常松散,是类似 json 的 bson 格式,因此可以存储比较复杂的数据类型。 MongoDB 最大的特点是它支持的查询语言非常强大,其语法有点类似于面向对象的查询语言,几乎可以实现类似关系数据库单表查询的绝大部分功能,而且还支持对数据建立索引。

2024-09-12

ECMAScript 6 入门教程-全面介绍 ECMAScript 6 新引入的语法特性

本教程大纲: 0. 前言 1. ECMAScript 6简介 2. let 和 const 命令 3. 变量的解构赋值 4. 字符串的扩展 5. 正则的扩展 6. 数值的扩展 7. 函数的扩展 8. 数组的扩展 9. 对象的扩展 10. Symbol 11. Set 和 Map 数据结构 12. Proxy 13. Reflect 14. Promise 对象 15. Iterator 和 for...of 循环 16. Generator 函数的语法 17. Generator 函数的异步应用 18. async 函数 19. Class 的基本语法 20. Class 的继承 21. Decorator 22. Module 的语法 23. Module 的加载实现 24. 编程风格 25. 读懂规格 26. ArrayBuffer 27. 最新提案 28. 参考链接 ECMAScript 和 JavaScript 的关系 一个常见的问题是,ECMAScript 和 JavaScript 到底是什么关系? 要讲清楚这个问题,需要回顾历史。1996 年 11 月

2024-09-12

安卓所有动画详尽教程集合

Android 动画在开发中是不可或缺的功能,或者说是界面灵动的添加剂。那你是否总结过 Android 中总共为开发者提供了多少种方式的动画呢?今天就为大家总结归纳一下。 Android 动画可以归纳为以下几种: 视图动画(View 动画) 帧动画(Frame 动画、Drawable 动画) 属性动画 触摸反馈动画(Ripple Effect) 揭露动画(Reveal Effect) 转场动画 & 共享元素(Activity 切换动画) 视图状态动画(Animate View State Changes) 矢量图动画(Vector 动画) 约束布局实现的关键帧动画(ConstraintSet 动画)

2024-09-11

鸿蒙原生应用-源码+教程

一款针对前端程序员的刷题应用,提供前端常见问题、项目业务面试题、面试经验等内容服务。 HarmonyOS 是新一代的智能终端操作系统,为不同设备的智能化、互联与协同提供了统一的语言。带来简洁,流畅,连续,安全可靠的全场景交互体验。 时间 事件 2019 HarmonyOS 1.0,华为在东莞举行华为开发者大会,正式发布操作系统鸿蒙 OS,主要用于物联网 2020 HarmonyOS 2.0,基于开源项目 OpenHarmony 开发的面向多种全场景智能设备的商用版本 2021 HarmonyOS 3.0,先后优化游戏流畅度、地图三维体验、系统安全,另外系统的稳定性也得到了增强 2023.2 HarmonyOS 3.1,系统纯净能力进一步提升,对后台弹窗、 隐藏应用、后台跳转等情况 2023.7 华为 Mate 50 系列手机获推 HarmonyOS 4.0 2024 HarmonyOS Next 即将发布,将不在兼容安卓应用

2024-09-11

能让你成为一个优秀的 Java 全栈程序员的系统化系列教程

Java 基础系列: Java 基础核心总结 Java 代理 Java 反射 Java 集合 String、StringBuffer 和 StringBuilder Java 中的语法糖 深入理解 static 关键字 深入理解 Java 变量 深入理解 final、finally、finalize 浅拷贝和深拷贝 关于四种引用类型 Java 开发最容易忽视的 10 个 Bug Java 浅拷贝和深拷贝 Java 创建对象的五种方式 Exception 和 Error 的区别 for 、foreach 、iterator 三种遍历方式的比较 理解静态绑定与动态绑定 @SuppressWarnings 用法 Arrays.asList 解析 Comparable 和 Comparator的理解 并发系列: JSR-133 都解决了哪些问题 简单认识并发 看完你就明白的锁系列之锁的状态 看完你就明白的锁系列之乐观锁和悲观锁 看完你就明白的锁系列之自旋锁 锁系列汇总 并发编程超强入门汇总 JVM 系列 Linux 系列

2024-09-10

一个走心的 Java Web 入门开发教程

国内的大部分资料对于 Java Web,JavaEE,J2EE 以及 Spring 和 SpringMVC 等概念的使用,是完全混乱的。这对于新手来说可以说是非常不友好,容易让新手迷失在诸多概念当中不知从何处入手。下面笔者会试着用人话介绍一下 Java Web 开发当中的一些名词和概念,力争清楚明白。 JavaEE J2EE, JavaEE 以及 JEE 现在可以认为指的都是同一个东西,只不过由于历史原因出现了若干名称。为了大家理解方便,我们统一用拼写和理解比较方便的 JavaEE 这个名称。 JavaEE 全称 Java Platform, Enterprise Edition,它是对 JavaSE(Java Platform, Standard Edition) 的扩展,加入了面向企业开发(实际上就是网络和 Web 有关开发)的支持,包括 Servlet,WebSocket,EL,EJB 等。简单理解,JavaEE 就是 JavaSE + 更多的 jar 包,这些 jar 包命名以 javax 开头,例如 javax.servlet, javax.websocket 等。

2024-09-10

少儿 Scratch 趣味编程教学实践

思:这里是我关于教学的思考 酷: 这里是课件 趣:这里是孩子们的设计作品 在课前,我写了《我期待孩子们从 Scratch 课程里收获些什么》 的文章,准备了一份详尽到分钟的课件。虽然也有心理准备,觉得孩子们可能会吵闹无法顺利完成,但无论如何分成两堂课来教,这节课 motion 相关的内容总能教完吧。 哪晓得,剧本完全不按我设计的上演。 意外一:这是第一次课,小朋友们对教室都还不熟悉,是陆陆续续到教室的。先来的直接打开电脑玩起来,把我准备好的 playground 项目改得面目全非。找不到教室的孩子足足迟到了半节课,需要单独指导。 意外二:有些孩子对电脑操作不熟悉,偶尔电脑还来出个意外冒个蓝屏弹出个xx软件强制升级的提示框,孩子们就各种搞不定需要帮助。 意外三:有的孩子以前已经接触过 Scratch 编程,不屑于最基础的操作,开始玩起高阶玩法。别的孩子看着眼红,纷纷提问高阶的是怎么玩的。 意外四,果然还是有特别不听话的孩子,一开电脑就自己上网下载游戏玩,批评了两次都不管用。 意外五,我高估孩子们的英语了,即便是二年级的同学,面对全英文的软件也无可奈何,我的让两年级孩子教一年级孩子的计

2024-09-09

北京航天航空大学计算机研究生复试上机题目(06年-14年)

北京航天航空大学计算机研究生复试上机题目(06年-14年),题目来自网络,代码自己写。 总体来水上机题目整体不难,主要涉及的问题有: C语言基础语法和标准库使用 数值排序 字符处理 有些题目我为了输入简单,使用freopen函数从文件读取测试例子。 Debug 环境: Win7 + VC6.0 (标准C语言) 复试上机指导 1. 本真题只是提供辅助作用,关键还是研友平时动手能力练习和对算法、数据结构的理解,参加过ACM的有一定优势 没参加过的也不用紧张,北航的上机题相对于清华和北大,难度上小很多,多练习的话,问题不大; 2. 上机时,可以快速阅读所有的题目,按照从易到难的次序做题,保证会的一定得分; 3. 熟悉编程环境,熟悉c的常用函数; 4. 为了快速测试代码的正确性,尤其是矩阵输入的情况,可以利用标准输入重定向,freopen(“c:\\input.txt”,”r”,stdin);加快测试过程;

2024-09-09

Delphi最新教程.ppt

Delphi是著名的Borland公司开发的可视化软件开发环境,自1995年问世以来,带来了程序设计中的一场重大变化。Delphi作为第四代编程语言,具有简单、高效和功能强大等特点,这些特点使得它为广大程序开发者所青睐。 Delphi作为一种可视化的编程环境,经历了7代产品的发展历程: ◆ Borland公司在1995年推出了基于Windows平台的Delphi 1。 ◆ Delphi 2新增加的主要功能是对32位编程的支持。还增加了如数据模块等多种高效的数据重用功能。 Delphi 3对其组件库进行增强 ,完全支持ActiveX组件及其创建 。 ◆Delphi 4提供了Object Pascal语言的扩展 ,但系统稳定性较差 。 ◆1999年推出Delphi 5增强了数据库的功能 ◆2001年6月推出Delphi 6 ,增加了大量的新组件,使组件数目达350多个,以满足网络开发的需要。 ◆2002年8月推出 Delphi 7 ,在集成开发环境IDE、Web、数据库、编译器、模型生成支持及组件库等很多方面进行了改进

2024-09-08

Swift 基础入门教程

Swift 教程主要涵盖如下部分: 基础部分 基本运算符 字符串和字符 集合类型 控制流 函数 闭包 枚举 类和结构体 属性 方法 下标 继承 构造过程 析构过程 可选链 错误处理 并发 类型转换 嵌套类型 扩展 协议 泛型 不透明类型 自动引用计数 内存安全 访问控制 高级运算符 ------------------ Swift 是一门开发 iOS, macOS, watchOS 和 tvOS 应用的新语言。然而,如果你有 C 或者 Objective-C 开发经验的话,你会发现 Swift 的很多内容都是你熟悉的。 Swift 包含了 C 和 Objective-C 上所有基础数据类型,Int 表示整型值; Double 和 Float 表示浮点型值; Bool 是布尔型值;String 是文本型数据。 Swift 还提供了三个基本的集合类型,Array、Set 和 Dictionary ,详见 集合类型。 就像 C 语言一样,Swift 使用变量来进行存储并通过变量名来关联值。在 Swift 中,广泛的使用着值不可变的变量,它们就是常量,而且比 C 语言的常量更强大。在。。

2024-09-08

Ruby元编程初学教程

元编程的定义看似是明确的,但却又模棱两可。维基百科上对元编程的定义如下:   元编程是指某类计算机程序的编写,这类计算机程序编写或者操纵其它程序(或者自身)作为它们的数据,或者在运行时完成部分本应在编译时完成的工作。多数情况下,与手工编写全部代码相比,程序员可以获得更高的工作效率, 或者给与程序更大的灵活度去处理新的情形而无需重新编译。   而我也在网上找到了Free Mind对元编程的简介:   回到元编程,程序处理程序可以分为“处理其他程序”和“处理自己”,对于前者,有我们熟悉的lex和yacc作为例子。而对于后者,如果再细分,可以分为“宏扩展”、“源代码生成”以及“运行时动态修改”等几种。   宏扩展从最简单的C语言的宏到复杂的Lisp的宏系统,甚至C++的“模板元编程”也可以包含在这一类里面,我在这里对它们进行了一些介绍。   源代码生成则主要是利用编程语言的eval功能,对生成出来的源代码(除了在Lisp这样的语言里面以外,通常是以字符串的方式)进行求值。有一类有趣的程序quine,它们运行的结果就是把自己的源代码原封不动地打印出来,通常要证明你精通某一门语言,为它

2024-09-07

Rust语言圣经涵盖从入门到精通所需的 Rust 知识

Rust语言圣经涵盖从入门到精通所需的 Rust 知识,目录及内容都经过深思熟虑的设计,同时语言生动幽默,行文流畅自如,摆脱技术书籍常有的机器味和晦涩感。 深入度,在基础教学的同时,提供了深入剖析。浅尝辄止并不能让我们站上紫禁之巅 专题内容,将 Rust 高级内容通过专题的形式一一呈现,内容内聚性极强,例如性能优化、手把手实现链表、Cargo 和 Tokio 使用指南、async 异步编程、标准库解析、WASM 等等 内容索引,作为一本工具书,优秀的索引能力非常重要,遗忘不可怕,找不到才可怕 规避陷阱和对抗编译器,只有真的上手写过一长段时间 Rust 项目,才知道该如何规避常见的陷阱以及解决一些难搞的编译器错误,而本书将帮助你大大缩短这个过程,提前规避这些问题

2024-09-07

语音信号处理实验教程(MATLAB源代码)-含所做笔记

语音信号处理实验教程(MATLAB源代码)-含所做笔记 第01章 MATLAB基础教程 第02章 语音信号处理基础 第03章 语音信号分析 第04章 语音信号特征提取 第05章 语音降噪 第06章 语音编码 第07章 语音合成 第08章 语音隐藏 第09章 声源定位 第10章 语音识别 第11章 说话人识别 第12章 情感识别 按照元素个数和排列方式分类 没有元素的空数组 只有一个元素的标量,实际上是一行一列的数组 只有一行或者一列的向量,分别叫做行向量或者列向量,统称为一维数组 普通的二维数组 多维数组 size()函数 如果按照只有一个返回值的形式调用,如sz=size(A),将会返回一个n维向量,其中每一个数表示A的每一维的大小 如果按照只有多个返回值的形式调用,如[row,col]=size(A),每一个数表示A的每一维的大小。为避免出错,给的个数应当和A的维数相同。 length()函数 length()返回数组的最大维值。

2024-09-06

LeetCode和剑指offer中的算法题的题目和解法 和 常见算法汇总

1. Math Implementation Questions(数学实现题) 1.1 Fibonacci Implementation(斐波那契数列实现) 1.2 Binary Search(二分查找) 1.3 Is Prime(是否是质数) 1.4 Is Ugly Number(是否是丑数) 1.5 Is Power Of Two(是否是2的幂) 1.6 Is Power Of Three(是否是3的幂) 1.7 Count Primes(质数的个数) 2. Algorithm Implementation Questions (算法实现题) 3. Linked List Questions(链表相关问题) 4. Array Questions(数组相关问题) 5. Binary Tree Questions(二叉树相关问题) 5.1 Maximum Depth of Binary Tree(二叉树的深度) 5.2 Invert Binary Tree(反转二叉树) 5.3... 5.4... 5.5... 6. String Questions(字符串相关问题)

2024-09-06

GoLang-从入门到实战-经典教程

第1章 介绍和安装 1 - 介绍和安装 2 - Hello World 第2章 变量、类型和常量 第3章 函数和包 第4章 条件和循环语句 第5章 数组、切片和变参函数 第6章 更多的类型 第7章 指针、结构体和方法 第8章 接口 第9章 并发 第10章 面向对象编程 第11章 延迟和错误处理 --------实战------ Golang并发模型:轻松入门流水线模型 Golang并发模型:轻松入门流水线FAN模式 Golang并发模型:合理退出并发协程 Golang并发模型:轻松入门select Golang并发模型:select进阶 Golang并发模型:轻松入门协程池 Golang并发模型:一招掌握无阻塞通道读写 Golang并发的次优选择:sync包 Golang并发:再也不愁选channel还是选锁 总结了才知道,原来channel有这么多用法! 深入理解channel:设计+源码 Go高级实践:反射3定律 Go调度器系列(1)起源 Go调度器系列(2)宏观看调度器 Go调度器系列(3)图解调度原理 Go调度器系列(4)源码阅读与探索 实战Go内存泄露

2024-09-05

Kotlin-从零到一教程-入门教程

本教程是Kotlin语言从零到一详细整理教程: Kotlin语言基础 package 声明变量和值 变量类型推断 字符串与其模板表达式 流程控制语句 代码注释、语法与标识符 修饰符 函数扩展和属性扩展 空指针安全 Kotlin入门和使用 面向对象 Kotlin 的类特性_上 Kotlin 的类特性_下 面向对象 继承 Kotlin如何优雅的实现多继承 类成员的可见性 接口和抽象类 属性代理 对象表达式和对象声明 伴生对象和静态成员 单例 object单例 密封类 data class 为什么不直接使用 Array_Int_ 而是 IntArray? Kotlin 遇到 MyBatis:到底是 Int 的错,还是 data class 的错? 函数式编程 一篇文章彻底搞懂 Kotlin 函数 函数 inline函数 闭包 函数与闭包 细说 Lambda 表达式 高阶函数_1 高阶函数_2 像写文章一样使用 Kotlin 函数复合 函数式编程概述 在Kotlin中使用函数式编程 集合框架 Iterator 集合框架 集合类是什么 Kotlin 集合类简介 List List元素操作函数

2024-09-05

中国大学MOOC上浙大的《数据结构》编程作业和上课内容整理

struct HeapStruct{ // 存放哈夫曼树的堆 HuffmanTree *data; // 存值的数组 int size; // 堆的当前大小 int capacity; // 最大容量 }; struct TreeNode{ // 哈夫曼树 int weight; //权值 HuffmanTree Left; // 左子树 HuffmanTree right; // 右子树 }; struct TreeNode{ int Data; // 存值 BinTree Left; // 左儿子结点 BinTree Right; // 右儿子结点 }; BinTree CreatBinTree(); // 创建一个二叉树 bool IsEmpty(BinTree BT); // 判断树 BT 是否为空 void PreOrderTraversal(BinTree BT); // 先序遍历,根左右 void InOrderTraversal(BinTree BT); // 中序遍历,左根右

2024-09-04

Screw数据库文档生成,DataWay接口自动配置,JApiDocs接口文档生成,Swagger在线接口文档生成

1. 我们可以通过SCREM两种方式生成文档 一种是通过在pom文件里面进行一系列配置就可以实现 还有一种是编写一个方法,通过代码生成 SCREM支持多种数据库,如mysql,sqlserver,oracle,MariaDB等 SCREM支持word,md,html三种格式的文档生成 SCREM可以自定义配置生成和不生成数据库文档的表 2. 集成Dataway接口配置工具 Dataway 是基于 DataQL 服务聚合能力,为应用提供的一个接口配置工具,使得使用者无需开发任何代码就配置一个满足需求的接口。整个接口配置、测试、冒烟、发布,一站式都通过 Dataway 提供的 UI 界面完成。UI 会以 Jar 包方式提供并集成到应用中并和应用共享同一个 http 端口,应用无需单独为 Dataway 开辟新的管理端口。 Dataway 是 Hasor 生态中的一员,因此在 Spring 中使用 Dataway 首先要做的就是打通两个生态。根据官方文档中推荐的方式我们将 Hasor 和 Spring Boot 整合起来。这里是原文: 3. 集成JApiDocs生成接口文档

2024-09-04

人工智能-神经网络-循环神经网络

循环神经网络通过使用带自反馈的神经元,能够处理任意长度的时序数据。 循环神经网络比前馈神经网络更加符合生物神经网络的结构。 循环神经网络已经被广泛应用在语音识别、语言模型以及自然语言生成等任务上 图灵完备(Turing Completeness)是指一种数据操作规则,比如一种计算机编程语言,可以实现图灵机的所有功能,解决所有的可计算问题。 一个完全连接的循环神经网络可以近似解决所有的可计算问题。 循环神经网络在时间维度上非常深! 梯度消失或梯度爆炸 如何改进? 梯度爆炸问题 权重衰减 梯度截断 梯度消失问题 改进模型 在实际应用中,很多数据是图结构的,比如知识图谱、社交网络、分子网络等。而前馈网络和循环网络很难处理图结构的数据。

2024-09-03

软件工程常用文档模板及示例收集整理

软件工程常用文档模板及示例:项目计划、需求分析、概要设计、详细设计、用户操作手册、测试计划、测试分析报告、开发进度报告、项目开发总结报告、软件维护手册等。 01 计划阶段 00 可行性分析 01 项目信息表 02 项目实施方案-PPT版 03 项目实施方案-Word版 04 项目实施进度计划 05 项目实施进度简表 02 需求阶段 需求规格说明书 03 设计阶段 功能设计说明书 数据库设计说明书 04 开发阶段 系统提测申请单 05 测试阶段 01 测试用例 02 测试报告 03 测试计划 06 验收阶段 01 系统竣工报告 02 安装维护手册 03 培训文档 04 使用手册 999 其他文档 工时统计表 会议纪要 项目进度简报 项目进度确认单 项目月报 项目周报

2024-09-03

一些简单的51单片机示例程序

单片机C语言程序设计实训100例 >> ---基于8051+Proteus仿真 1.所有案例硬件仿真时需要Proteus7.1或以上版本. 2.C程序开发集成环境Keil uVision要求3.0或以上版本. 所有案例C源代码由配套书籍提供,压缩包中不提供C源代码, 仅提供由C程序编译生成的HEX文件. 3.如果有相关技术资料在压缩包中未找到, 读者可从www.icpdf.com免费下载. (下载之前需要先注册) 相关案例需要的软件:超级编辑器UltraEdit, 虚拟串口驱动vspd,串口助手, 字模软件Zimo,文件拆分软件FileSplit, 联合调试程序vdmagdi.exe等,请读者自行下载. 4.案例压缩包文件建议放在D盘或E盘根下解压, 放在桌面或其他位置解压时, 可能会因目录路径过长而使Proteus文件无法打开. 如果某些案例在Proteus7.1或以上版本中无法运行, 可将电路中某些元件的中文名称改为英文名称.

2024-09-01

面试高频算法题总结-剑指Offer题解

面试高频算法题总结-剑指Offer题解,主要包含: 数据结构 数组 字符串 链表 栈和队列 二叉树 图 堆 线段树 字典树 单调栈 算法 二分查找 排序 递归 动态规划 分治 记忆化搜索 贪心 回溯 位运算 数学 设计 其他 共66题 面试题3:数组中重复的数字 面试题4:二维数组的查找 面试题5:替换空格 面试题6:从尾到头打印链表 面试题7:重建二叉树 面试题8:二叉树的下一个节点 面试题9:用两个栈实现队列 面试题10:裴波那契数列 面试题11:旋转数组的最小数字 面试题12:矩阵中的路径 面试题13:机器人的运动范围 面试题14:剪绳子 面试题15:二进制中1的个数 面试题16:数值的整数次方 面试题17:打印从1到最大的n位数 面试题18:删除链表的节点 面试题19:正则表达式匹配 面试题20:表示数值的字符串 面试题21:调整数组顺序使奇数位于偶数前面 面试题22:链表中倒数第k个节点 面试题23:链表中环的入口节点 面试题24:反转链表 面试题25:合并两个排序的链表 面试题26:树的子结构 面试题27:二叉树的镜像 面试题28:对称的二叉树 面试题29:顺时针打印矩阵

2024-09-01

高质量的 Git 中文教程

本篇完全面向入门者。假设你从零开始创建一个项目并且想用 Git 来进行版本控制,我们会讨论如何在你的个人项目中使用 Git,比如如何初始化你的项目,如何管理新的或者已有的文件,如何在远端仓库中储存你的代码。 到目前为止,Git 是世界上使用最为广泛的现代化版本控制系统。Git 最初由 Linux 系统内核的作者 Linus Torvalds 在 2005 年开始开发,目前已经是一个持续维护的成熟开源项目。如今,大量软件项目依赖 Git 进行版本管理,其中既有开源软件,也有商业软件。Git 在很多操作系统和集成开发环境(IDE)上都表现良好。绝大多数软件开发者或多或少都使用过 Git。 Git 是分布式版本管理(DVCS)的一种。CVS 和 Subversion(SVN)等集中式的版本管理软件将完整的版本历史存放在同一个地方。而在 Git 中,每个开发者的代码仓库都包含了所有变更历史。 性能 Git 的底层性能相较于其他版本管理软件有强大的优势。提交修改、创建分支、合并分支和比较版本都针对性能进行了优化。Git 中实现的算法利用了现实中代码树的特点以及它们被修改和访问的常见模式。

2024-08-31

人工智能-深度学习-前馈神经网络

前馈神经网络(全连接神经网络、多层感知器) 各神经元分别属于不同的层,层内无连接。 相邻两层之间的神经元全部两两连接。 整个网络中无反馈,信号从输入层向输出层单向传播,可用一个有向无环图表示。 矩阵微积分(Matrix Calculus)是多元微积分的一种表达方式,即使用矩阵和向量来表示因变量每个成分关于自变量每个成分的偏导数。 前向模式和反向模式 反向模式和反向传播的计算梯度的方式相同 如果函数和参数之间有多条路径,可以将这多条路径上的导数再进行相加,得到最终的梯度。 静态计算图在构建时可以进行优化,并行能力强,但灵活性比较差低。动态计算图则不容易优化,当不同输入的网络结构不一致时,难以并行计算,但是灵活性比较高。 动态计算图是在程序运行时动态构建。两种构建方式各有优缺点。 DyNet,Chainer和PyTorch

2024-08-31

人工智能-神经网络与深度学习-概率图模型

概率图模型是指一种用图结构来描述多元随机变量之间条件独立关系的概率模型。 有向图模型(Directed Graphical model),也称为贝叶斯网络(Bayesian Network),或信念网络(Belief Network,BN)。 贝叶斯网络的局部马尔可夫性质:每个随机变量在给定父节点的情况下,条件独立于它的非后代节点. 利用局部马尔可夫性,可以对多元变量的联合概率进行简化,从而降低建模的复杂度。 高斯混合模型(Gaussian Mixture Model,GMM)是由多个高斯分布组成的模型,其密度函数为多个高斯密度函数的加权组合。 马尔可夫随机场,也称无向图模型,是一类用无向图来表示一组具有马尔可夫性质的随机变量X的联合概率分布模型。

2024-08-30

人工智能-机器学习-面向自然语言处理的深度学习基础

让机器具有人类的智能: 机器感知(计算机视觉、语音信息处理) 学习(模式识别、机器学习、强化学习) 语言(自然语言处理) 记忆(知识表示) 决策(规划、数据挖掘) 1950年 \textbf{图灵测试}:“一个人在不接触对方的情况下,通过一种特殊的方式,和对方进行一系列的问答。如果在相当长时间内,他无法根据这些问题判断对方是人还是计算机,那么就可以认为这个计算机是智能的”。 图灵测试是促使人工智能从哲学探讨到科学研究的一个重要因素,引导了人工智能的很多研究方向。因为要使得计算机能通过图灵测试,计算机必须具备理解语言、学习、记忆、推理、决策等能力。 1956年的达特茅斯(Dartmouth)会议。在这次会议上,“人工智能”被提出并作为本研究领域的名称。同时,人工智能研究的使命也得以确定。John McCarthy提出了人工智能的定义:人工智能就是要让机器的行为看起来就象是人所表现出的智能行为一样。

2024-08-30

ESXI-8.0从官方下载-到安装-到网络配置-到虚拟机创建核心参数详细实战讲解

本文的详细整理了ESXI实战性使用总结,文档内容不多,但绝对全是干货,上手快,且一定能让你玩转ESXI,成为一名云原生大牛,不需要花更大的精力各种找资料,视频学习! 文档详细整理了以下内容: 1. ESXI的官方正确下载流程 2. ESXI的正确安装 3. ESXI的网络讲解,包括VLAN的设计 4. 虚拟机创建,CPU关键参数讲解 5. 虚拟机创建,内存关键参数讲解 6. 虚拟机创建,硬盘关键参数讲解 文档概要内容预览: 虚拟机内存 可以超过esxi宿主机内存的,比如宿主机只有64G内存,也可以创建一个128G内存的虚拟机。 分配内存第一时间分配的是esxi宿主机的硬盘空间,而非真实内存。比如一台128G内存的虚拟机,esxi就会为它生成一个等量大小的硬盘交换文件。

2024-08-29

银行系统专用-分布式微服务-大型平台级-真实生产环境部署实战文档

本文的共46页,详细整理了某银行系统里面,真实的微服务基础环境,各类中间件的集群安装部署及其核心的性能调优配置。对于初次接触微服务的中小公司起到绝好的参照。 本文的涵盖如下中间件的集群部署: 1. Redis集群部署 2. ELK集群部署,包含elasticsearch集群等部署 3. GreenPlum集群部署 4. Mysql-MHA集群部署 5. Nacos集群 6. Kafka集群 7. RocketMQ集群 8. Zabbix部署 9. Prometheus安装 10. Nginx +Keepalived高可用 说明:全文涉及到yum安装的大部分需要联网,由于单独下载其安装包进行安装,会涉及到很多依赖包,安装较麻烦,yum安装会自动解决依赖关系,将依赖包安装。本次安装环境是centos7,对于所有虚机自行安装JDK。

2024-08-29

Linux教程,主要内容:Linux 命令、Linux 系统运维、软件运维、精选常用Shell脚本

学习 Linux 的第一步:当然是从 Linux 命令 入手: 查看 Linux 命令帮助信息 - 关键词:help, whatis, info, which, whereis, man Linux 文件目录管理 - 关键词:cd, ls, pwd, mkdir, rmdir, tree, touch, ln, rename, stat, file, chmod, chown, locate, find, cp, mv, rm Linux 文件内容查看命令 - 关键词:cat, head, tail, more, less, sed, vi, grep Linux 文件压缩和解压 - 关键词:tar, gzip, zip, unzip Linux 用户管理 - 关键词:groupadd, groupdel, groupmod, useradd, userdel, passwd, su, sudo Linux 系统管理 - 关键词:reboot, exit, shutdown, date, mount, umount, ps, kill, systemctl, service

2024-08-28

Python 算法与数据结构基础源码教程,一看必会

数据结构和算法是每个程序员需要掌握的基础知识之一,也是面试中跨不过的槛。目前关于 Python 算法和数据结构的系统中文资料比较欠缺, 笔者尝试录制视频教程帮助 Python 开发者掌握常用算法和数据结构,提升开发技能。 本教程是付费教程(文字内容和代码免费),因为笔者录制的过程中除了购买软件、手写板等硬件之外,业余需要花费很多时间和精力来录制视频、查资料、编写课件和代码,养家糊口不容易,希望大家体谅。 痛点 讲 Python 数据结构和算法的资料很少,中文资料更少 很多自学 Python 的工程师对基础不够重视,面试也发现很多数据结构和算法不过关,很多人挂在了基础的数据结构和算法上 缺少工程应用场景下的讲解,很多讲算法的资料太『教科书化』。本书实现的代码工程上可用 网上很多视频教程不够循序渐进,不成系统 对于每个算法和用到的数据结构我们需要知道: - 原理 - Python 实现方式 - 时间、空间复杂度 - 使用场景,什么时候用

2024-08-28

人工智能+机器学习+机器学习概述+深入理解机器学习原理

机器学习‌是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。它专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,并重新组织已有的知识结构,使之不断改善自身的性能。机器学习是人工智能的核心,是使计算机具有智能的根本途径。人工智能和机器学习密不可分,机器学习是实现人工智能的一种有效途径。人工智能提供了实现智能行为的目标,而机器学习则提供了实现这一目标的工具和方法。随着技术的发展和创新,机器学习技术正在推动人工智能在各个领域取得突破性进展‌。 机器学习可以分为几种主要类型,包括监督学习、无监督学习、半监督学习和强化学习。每种类型都有其特定的应用场景和方法。例如,监督学习是机器学习的一种方法,其中算法从标记数据中学习模式和关系,以便对新数据进行预测。监督学习的目标是建立一个函数模型,该模型可以将输入映射到期望的输出。这个过程包括数据准备、模型选择、训练、评估和测试等步骤‌。

2024-08-25

深度学习+神经网络+卷积神经网络+学习使用

‌‌卷积神经网络(Convolutional Neural Network,CNN)是一种深度学习模型,特别适用于处理具有网格结构的数据,如‌图像,它通过使用卷积层来提取图像数据的局部特征,然后通过‌池化层来降低特征的空间维度,最后通过‌全连接层进行分类或回归任务。‌ 卷积神经网络的设计灵感来源于生物学中的‌感受野机制,它具有局部连接和权值共享的特性,这些特性使得卷积神经网络在处理图像等高维输入时,能够有效地减少模型的复杂度和计算量,同时降低过拟合的风险。卷积神经网络的核心操作包括卷积、激活和池化,这些操作在网络的各个层次中重复进行,使得网络能够从原始输入中逐层提取更高级别的特征表示。 具体来说: ‌卷积层‌:负责提取输入数据的局部特征。每个卷积核(或称为滤波器)在输入数据上滑动,并计算与输入数据局部区域的点积,从而生成特征图。多个卷积核可以提取多种不同的特征。 ‌激活函数‌:应用在卷积操作的输出上,增加网络的非线性,使得网络能够学习复杂的模式。 ‌池化层‌:负责降低特征的维度,减少计算量,同时增强特征的平移不变性。常见的池化操作有最大池化和平均池化。

2024-08-25

Nacos最新版本2.4.0,docker镜像

Nacos-2.4.0最新版本docker镜像,兼容postgresql最新版本17和16,同时支持深色主题切换,本人亲自制作,部署十分方便。 内存,挂载路径自行根据修改配置,运行起来了,别忘了回来点个赞啊,祝工作开心 JDK需要你自己挂载到一个目录下*(1.8及以上,建议17及以上,因为2.4.0是基于springboor2.7.8及以上版本开发)*,对应docker里面的jdk目录:/data/env/jdk。 集群部署,只需要把application.properties和cluster.conf配置文件挂载出来即可,如果单机部署,只挂载application.properties映射到宿主机指定目录下。 如果要用postgresql数据库做存储,需要按如下图所示进行配置。。。。

2024-08-09

淘宝/拼多多4级商品类目中英文整理共12700多条,最新版本sql语句

最新版本淘宝和拼多多4级商品类目整理,支持中英文,sql语句插入,采用postgresql类型设计,共12000多条

2023-02-21

FreeSWITCH简要使用教程V1.1

FreeSWITCH简要使用教程V1.1,可以通过此文档深入学习freeswitch的使用

2022-09-12

尚硅谷完整的关于rocketmq的学习视频整理笔记

尚硅谷完整的关于rocketmq的学习视频整理笔记,适合初学rocketmq的人

2022-09-12

【全网最新2020-09-27】世界各国地区IP库:IP2LOCATION-LITE-DB11-2020-09-27.CSV(290万条记录)

更新时间截止到【2020-09-27】一个包含全球80000多个省市的ip库,能够根据ip精确定位到每个城市的经纬度,邮编等信息。总记录数290多万,解压后300多兆,非常适合做ip识别精准定位的一个库。特此分享给大家。

2020-09-27

世界地名和人名大辞典-中英文对照-机器学习专用

世界地名和人名大辞典-中英文对照-机器学习专用,人名大概38万个,地名大概17万个,机器学习语料,值得收藏

2020-09-14

【全网世界区划最全整理输出】全世界所有国家的行政区划整理,省市信息,已按照国家,省,市排好序,可直接复制使用,总条数:21088

算得上【全网世界区划最全整理输出分】全世界所有国家的行政区划整理,省市信息,已按照国家,省,市排好序,可直接复制使用,总条数:21088

2020-09-09

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除