【C语言疯狂讲义】(十五)static和extern关键字使用

static extern使用

 

    static 把一个变量声明为静态变量(内部)

    extern :  把一个变量声明为外部变量

 

     1static extern 对局部变量的作用

 

        static 局部变量:延长局部变量的生命周期

 

                void sum(){

         

                    static int a=10;

                     a++;

                }

 

 

       extern 局部变量:(不能这么用)

 

 

     2static extern 对全局变量的作用

 

         main.c 包含了 test.h

 

        test.c    static int a = 10;

 

                  表示a只能在test.c中使用,表示是一个内部的变量

 

        main.c    static int a = 15;

                   printf("%d\n",a);  // 15


        test.c     int b = 100;

 

        main.c     使用b

 

                   1) main.c中声明一个同名的全局变量

                       int b;   等价于 extern  int  b;

 

                   2) main.c中需要使用 b的之前

 

                       extern  int  b;

 

     3static extern 对函数的作用

 

        static 修饰函数:内部函数,不能在其他文件中访问

        

        extern 修饰函数:函数定义的时候,默认就是extern

    

        test.c   extern int sum(int a,int b){      }

 

        main.c   extern int sum(int a,int b);

 

                 sum(1,2);

基于html+python+Apriori 算法、SVD(奇异值分解)的电影推荐算法+源码+项目文档+算法解析+数据集,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 电影推荐算法:Apriori 算法、SVD(奇异值分解)推荐算法 电影、用户可视化 电影、用户管理 数据统计 SVD 推荐 根据电影打分进行推荐 使用 svd 模型计算用户对未评分的电影打分,返回前 n 个打分最高的电影作为推荐结果 n = 30 for now 使用相似电影进行推荐 根据用户最喜欢的前 K 部电影,分别计算这 K 部电影的相似电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now 根据相似用户进行推荐 获取相似用户 K 个,分别取这 K 个用户的最喜爱电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now Redis 使用 Redis 做页面访问次数统计 缓存相似电影 在使用相似电影推荐的方式时,每次请求大概需要 6.6s(需要遍历计算与所有电影的相似度)。 将相似电影存储至 redis 中(仅存储 movie_id,拿到 movie_id 后还是从 mysql 中获取电影详细信息), 时间缩短至:93ms。 十部电影,每部存 top 5 similar movie 登录了 1-6 user并使用了推荐系统,redis 中新增了 50 部电影的 similar movie,也就是说,系统只为 6 为用户计算了共 60 部电影的相似度,其中就有10 部重复电影。 热点电影重复度还是比较高的
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值