- 博客(190)
- 收藏
- 关注
RSS订阅
原创 mall改造：litemall与mall对比，开源项目不要误导新手了
开源项目mall 项目中，只提供了后台的mall-admin-web 的后台管理的前端页面，既然要很具mall做自己的开源项目，所以商场的前端是不可获取的，mall的商场前端一直在说开发中，一年了，等不及了，自己开始动手吧。本来是mall项目改造，但是在网上突然找到一个项目，值得推荐一下，作者的用心程度要给100分的。这个项目就是litemall，这里就不放具体链接了，大家自行去码云或者github搜索吧。先说下两个项目的区别。mall,大家可以看到，相对的跟新频率不是很高，项目记得在19年的时
2020-07-10 19:11:34
4575
2
原创 Java数据结构与算法综述
插入排序：简单直观的排序方法，通过构建有序序列，对于未排序数据，在已排序序列中从后向前扫描，找到相应位置并插入。例如，在网络中分配带宽，使总的流量最大。优先队列：一种特殊的队列，其中每个元素都有一个优先级，优先级最高的元素最先出队。归并排序：基于分治思想的排序算法，将已有序的子序列合并，最终得到完全有序的序列。无向图：图中的边没有方向，表示两个节点之间的关系是对称的。适用于需要动态维护集合的场景，如连通性检测、图的划分等。哈希集合：一种基于哈希表的集合数据结构，支持快速的插入和查找操作，不允许重复元素。
2024-12-02 21:54:06
841
原创 交易术语汇总（Technical Trading Dictionary)
交易所及交易平台提供的价格走势图表，比如在Tradingview上的交易图表，简单易用，提供了大多数人所需的一切。--- 是指在一个时间段内 以指定百分比的成交量所交易的价格范围。卖方愿意卖出的价格与买方愿意买入的价格之间的差异。--- 流动性资产或货币指的是你可以在不太影响价格的情况下以多快的速度买卖某物。深度波动高点是导致波动低点的最高点， 深度波动低点是导致波动高点的最低点。--- 可以造成价格大幅波动的个人或公司，具有压倒性的头寸规模。当价格突破低点形成更低的低点时，我们得到了看跌的市场结构突破。
2024-11-13 22:41:04
1247
原创 如何高效制定自己的时间
6、拒绝内耗，我们大脑有很多想法，会让人很焦虑，但大脑中很多想法并不是我们真实的自己，其实是周边环境或者认知的狭隘导致的，所以讲大脑中的自己和内心中的自己分开，尊总内心去照顾自己，按计划执行。面对低潮三步骤 1允许当下所有状态，我看见___我允许____ 2待在原地，深沉呼吸，吸满肺部，情绪会浮现，泄洪 3仔细听内在我说，现在的我做什么，最能感觉被照顾，______do it!4、设定异步执行，要知道人一般很难一心多用，通过异步队列的方式，将要做的事情快速记录下来，然后梳理后执行，保证高效。
2024-11-11 02:00:58
480
原创 面试基础算法题-日常面试足够
常见的面试算法题，主要为 数组->链表->二叉树->字符串->hash表。其实大部分业务面试，都是只是考察一下基础算法能力，所以基本上都是常见的面试题，很少有改变，所以掌握基础的几种类型就足以应付。数组在计算机科学中，数组是由一组元素(值或变量)组成的数据结构。每个元素有或键来标识（链表。
2024-11-11 01:48:52
452
原创 大概分析一下，程序员的不同阶段
这个阶段，基本是可以独立负责一个小型项目了，大业务也可以负责关键系统，有一定的虚线带团队的能力，这个节点基本上都是在一个业务方向上有一定思考和能力的了，因为这个阶段已经部分脱离一下大头兵了。从公司的角度来讲，招这个阶段的人，如果岗位match的话，是希望可以带一些资源过来的，如：技术能力，业务架构设计，可复制的成功物等。选择事业，就可能从资深阶段开始，就想清楚，我要从事什么行业，这个行业想达到什么阶段，在随着时代红利的大风吹到你的时候，可以迎风而上，通过很短的时间，成就大量的财富。2、工作阶段(3-5年)
2024-11-07 15:15:35
441
原创 美国大选-1106一个值得纪念的日志
之前经常看高效人士的七个习惯。很多人就是因为有拖延症比如我，所以今天没什么主体内容，就是当做笔记一样，记录一下。老特未来4年顺顺利利，老马未来4年，发展委主任。那我未来四年也要有美好的未来。对了明天立冬，记得给身边的人买，冬天的第一杯奶茶，安啦。今天看了一天美国大选，老特如愿登上了总统，我也开始写博客或者做自媒体。
2024-11-06 23:35:31
125
原创 2024年就业现状
一个比较上头的公司，因为之前一直在望京工作，个人其实在在去小红书之前是比较想去的，但是之前一直简历没过就没有面试，这次面试直接过，聊的也挺好。所以在21年找了两个月去了一家中小厂，运气不好，去了不到半年公司破产了，行情是只要有能力还是很好找了，好几个offer选择了去的那家，因为发展潜力好。为啥这个公司报名字，因为感情挺深的，我买房结婚都是在这家公司完成的，干了三年还比较稳定，福利也挺好。17年工作，先去了一家公司，大约7000元，工作了一年多后来就跳槽了，主要原因是没有调薪，工资偏低。
2024-11-01 13:33:46
500
原创 考研_Day02_考试科目
目标：考研上岸O：三月，完成政治、数学、英语补漏。基础知识概念了解，达到入门。KR1: 3月500个四级常用单词。KR2: 高数基础知识学完。KR3：每日总结笔记今天学习了什么：1、今日目前为止，扇贝会员开通。后续将扇贝打卡。日常截图到笔记中。2、相关书籍电子版和纸质版以购买。3、考研科目及研究生分类梳理。每周日进行总结：本周开始确定考研究生，但是多年的工作，从事计算机行业。专业课相关还是有一定把握的，但是基础学科，查了不少，在这后面的9个月里需要自己有计划性，有规律的进行总结。工作和生活的时间划分，工作提
2022-04-04 08:30:00
350
原创 考研-Day1-了解考研
互联网浪潮滚滚袭来，行业内卷越来越严重。当然也和自己不想生活过于平淡有关，所以准备开始2023年的研究生考试。现在是4月份，考试12月份，还有9个月。是想通过这几个月的时间，靠一个在职研究生。全日制的是真没有时间，考研复习也是自己看网课，来总结知识点进行的。后面只有人还活着，会保持每日一更，督促自己学习考研。算是日常打卡吧。内容有些会从网课里截图，有些可能知识随手记。当时会有个定期打卡总结，格式还没有想，后面从Day2 开始有一个小小的日报，小小的总结一下每天的进度，就像平时开发是的战报一样，好管理自己的进
2022-04-03 08:30:00
233
原创 你不知道的互联网现状
今天微信群里好多朋友@我，说刚换了工作又开始准备找下家了。京东多条业务线开始裁员，比例从10-30 不等。从上周4开始裁员。我先说下互联网时间线：2014-2019年，是IT告诉增长的阶段，普通开发的工资从几千块钱涨到了平均薪资1.5万左右。2019-2011，行业转阶段，从19年后半年开始，有各种p2p 互联网公司破产的消息，人们说这是IT最差的一年，在我看来，这可能是IT最好的一年。后面只会更差。2011-至今，大裁员行业调整。经过疫情和世界环境的改变，IT已经从之前高大上的职业，开始日常话。IT互联网
2022-03-23 08:30:00
271
原创 大家好，我是架构师13
一位搬砖的程序员，没事在此记录一些技术和日常。关键在于分享，希望可以认识更多的朋友。目前在北京，小红书公司，做技术开发工作。以下请自行略过，字数有要求。。1、本来想也在小红书发的，但是小红书api居然不支持图文，这个不得不吐槽以下了。。2、最近疫情严重各位大佬不要乱跑，做好个人防护。3、好久没有写文档了，用的三方的工具做的一键发布，所以可能会有评论没时间关注。先给各位大佬跪了。4、打一波公司信息，防止和谐了，就这条就结束了，有啥想了解的可以私聊。早早早！这是一条超认真的小红书换水！ 小红书是一个拥有2亿多用
2022-03-22 00:19:48
209
1
原创 mall改造：mall中用到的多线程技术
我们在面试的时候，经常会在要求中看见，需要熟悉多线程和分布式相关技术。但是除非我们是所在的公司是互联网公司，否则平时的一些项目很少有用到多线程。最多就是用到了线程池去批量的跑任务或者跑数据。今天我们在这里说一说litemall中所用到的线程池。1、延迟任务首先我们来介绍一下Delayed,Delayed，一种混合风格的接口，用来标记那些应该在给定延迟时间之后执行的对象。此接口的实现必须定义一个 compareTo 方法，该方法提供与此接口的 getDelay 方法一致的排序...
2020-08-23 23:23:01
314
1
原创 mall改造：支付宝和微信支付的区别
我们先来看看，支付流程的截图微信小程序微信H5支付宝小程序app支付还有多种支付方式，具体的可以参考官方文档我们从上面的截图可以看到常规的支付分为3种方式1、小程序2、app支付3、H5 网页支付基本流程为用户对商品进行付款-->app服务端创建(微信/支付宝)订单发送请求到服务器-->服务端返回订单id，app服务端保存订单id与本地订单关联后，返回订单信息，询问是否支付-->...
2020-08-15 21:15:01
744
原创 mall改造：自定义注解和shiro权限结合，解放生产力
好多人私信我，是不是北京疫情严重被隔离了，这里先谢谢大家的关系。是因为最近不是要考核了，都在做考核的事情，也在国家应急部对这次南方的洪涝灾害进行支援。这次我们聊一聊litemall中的shiro和自定义注解的组合通过上面的介绍，我们可以得知，litemall本次采用的方式，是没有将前端与按钮的权限一起放到数据库中，而是将前端的页面和权限和按钮权限，通过注解的方式获取。通过上面两张图我们可以看出，传统的权限表，是会有接口，按钮，页面不通类型的按钮的。但是我们在第二张图上，只看到了shiro格式的.
2020-08-05 16:32:47
282
2
原创 mall 改造：首页访问频繁，我们应该用什么方法提高响应效率？
前言一个移动端的app或者小程序，压力最大的往往就是首页，两个方面1、是作为系统的首页，所有用户在登录的时候都要去访问。2、系统首页，尤其是商场项目，首页展示的内容和业务逻辑往往是最复杂的。app商城首页一般都有哪些内容1、litemall_ad（广告表）2、litemall_category（类目表）3、litemall_coupon（优惠券信息规则表）4、litemall_goods（商品基本信息表）5、litemall_brand（品牌商表）6、lit.
2020-07-13 17:12:36
291
原创 mall改造：带你入门pc和移动端的权限系统
前言最新写的都是mall项目的改造，基本上对目前开源的两个mall项目做了简单的总结和介绍，相信在之前有一定的开发基础知识，对我之前的文章可以很好的入门。后面的一些文章我就开始针对业务来进行讲解，一天一篇博文估计是没办法实现了，今天我们要说的是权限系统。下面这张图就是我们常见的权限系统，用户，角色，角色权限 来构成我们最基本的权限系统。为什么要有权限系统？在我们平时玩抖音，头条，或者登陆学校的考试信息网，都是需要手机号或者账号密码的登录，通过账号密码来保证你可以登录你所上的网站..
2020-07-12 19:38:25
1143
原创 mall改造：初探litemall项目，带你认识电商系统
结束了mall项目，开始学习litemall项目，学习一个项目第一步就是先要启动起来，否则一切都白说。1、下载项目litemall，具体地址大家自行百度。2、查看结构，配置相关信息。doc文档资料，一般md，sql，conf等都可以从中找到。有蓝色小方块的，被maven引用，java项目。剩下的:docker (镜像脚本) xx.vue(前端项目) xx.wx(微信小程序)，作者的结构一目了然。然后我们查看doc里面有什么，api，databse，readme，wxmall..
2020-07-11 19:55:35
3473
2
原创 mall改造：vue环境的搭建
一、使用之前，我们先来掌握3个东西是用来干什么的。npm: Nodejs下的包管理器。webpack: 它主要的用途是通过CommonJS的语法把所有浏览器端需要发布的静态资源做相应的准备，比如资源的合并和打包。vue-cli: 用户生成Vue工程模板。（帮你快速开始一个vue的项目，也就是给你一套vue的结构，包含基础的依赖库，只需要 npm install就可以安装）开始：下载好就下一步，下一步，这里就不多介绍了。下载好，我们就可以看见一下内容。...
2020-07-09 19:40:37
337
原创 mall改造：nacos具体配置规则，swagger-ui 改造
NacosConfig区分不同环境下的配置:一.使用Data ID和profiles进行区分配置列表样例:具体操作:1.在bootstrap.properties配置文件中加入配置: spring.profiles.active=环境名,group 匹配分组名称，prefix 为配置文件前缀4.关于Data ID的匹配规则:${spring.cloud.nacos.config.prefix}-${spring.profile...
2020-07-08 22:58:40
1112
原创 mall改造:eureka改造为nacos
现在的项目是使用springcloud-config+eureka 来做注册中心和配置中心，因为要做自己的开源项目，现在要将注册中心和配置中心改造为nacos。Docker安装配置nacos查询nacos镜像 docker search nacos拉取镜像 docker pull nacos/nacos-server查看镜像 docker images启动镜像docker run --env MODE=standalone --name nacos -d -p 8848:8848 na.
2020-07-06 20:14:56
407
原创 Window 如何安装 Nodejs
最近在学习 WebRtc，看到很多人都是用 nodejs 去搭建服务器的。没办法，简单撸了一遍 js 的语法，就开始了；这篇先讲如何在window中搭建 nodejs 的环境 (电脑太差，运行不了 虚拟机，难受…)一、下载首先去到官网：https://nodejs.org/en/download/ 下载对应的版本：接着选择好路径，一路安装即可。新版的 nodejs 自带 npm ，所以无需重新安装npm，安装结束后，在 cmd 输入 node -v 和 npm -v 即可显示安装成功：.
2020-05-28 20:49:53
244
原创 大公司和小公司面试的区别你知道吗
大公司和小公司面试的区别你知道吗下面两个面试流程只是我亲身经历的，仅供参考方便大家面试准备面试是以工程面试为模板，算法前端有所区别普通公司技术面试1、投简历 开发岗位一般公司以大专/本科为主，本科一般为普通本科。985/211 研究生一般会选择一类或者二类的大厂进行工作简历筛选条件一般为 ：工作经验>学历>框架>之前公司的项目>擅长的技术栈2、电...
2020-03-15 17:07:40
1914
原创 教你学Python38-利用SVD简化数据
SVD 概述奇异值分解（SVD, Singular Value Decomposition）: 提取信息的一种方法，可以把 SVD 看成是从噪声数据中抽取相关特征。从生物信息学到金融学，SVD 是提取信息的强大工具。SVD 场景信息检索-隐性语义检索（Latent Semantic Indexing, LSI）或 隐形语义分析（Latent Semantic Analys...
2020-01-30 16:19:58
531
原创 教你学Python37-利用 PCA 来简化数据
降维技术场景我们正通过电视观看体育比赛，在电视的显示器上有一个球。 显示器大概包含了100万像素点，而球则可能是由较少的像素点组成，例如说一千个像素点。 人们实时的将显示器上的百万像素转换成为一个三维图像，该图像就给出运动场上球的位置。 在这个过程中，人们已经将百万像素点的数据，降至为三维。这个过程就称为降维(dimensionality reduction)数据显示 并非大...
2020-01-30 16:14:57
680
原创 教你学Python36-使用FP-growth算法来高效发现频繁项集
我们已经介绍了用Apriori算法发现频繁项集与关联规则。本章将继续关注发现频繁项集这一任务，并使用FP-growth算法更有效的挖掘频繁项集。FP-growth 算法简介一种非常好的发现频繁项集算法。 基于Apriori算法构建,但是数据结构不同，使用叫做FP树的数据结构结构来存储集合。下面我们会介绍这种数据结构。FP-growth 算法步骤基于数据构建...
2020-01-30 16:02:09
453
原创 教你学Python35-使用 Apriori 算法进行关联分析
关联分析关联分析是一种在大规模数据集中寻找有趣关系的任务。 这些关系可以有两种形式:频繁项集（frequent item sets）: 经常出现在一块的物品的集合。 关联规则（associational rules）: 暗示两种物品之间可能存在很强的关系。相关术语 关联分析（关联规则学习): 从大规模数据集中寻找物品间的隐含关系被称作关联分析(associati analysi...
2020-01-22 20:17:54
2335
原创 教你学Python34-K-Means（K-均值）聚类算法
聚类聚类，简单来说，就是将一个庞杂数据集中具有相似特征的数据自动归类到一起，称为一个簇，簇内的对象越相似，聚类的效果越好。它是一种无监督的学习(Unsupervised Learning)方法,不需要预先标注好的训练集。聚类与分类最大的区别就是分类的目标事先已知，例如猫狗识别，你在分类之前已经预先知道要将它分为猫、狗两个种类；而在你聚类之前，你对你的目标是未知的，同样以动物为例，对于一个动物集...
2020-01-20 11:20:36
2621
2
原创 教你学Python33-树回归之CART算法
一、引言本篇文章将会讲解CART算法的实现，通过测试不同的数据集，学习CART算法。二、将CART（Classification And Regression Trees 分类回归树）算法用于回归在之前的文章，我们学习了决策树的原理和代码实现，使用使用决策树进行分类。决策树不断将数据切分成小数据集，直到所有目标标量完全相同，或者数据不能再切分为止。决策树是一种贪心算法，它要在给定时...
2020-01-20 11:00:50
578
原创 教你学Python32-预测数值型数据：数据回归
一、引言前面的文章介绍了很多分类算法，分类的目标变量是标称型数据，而本节将会对连续型的数据做出预测。主要讲解简单的线性回归和局部加权线性回归。二、什么是回归？回归的目的是预测数值型的目标值。他和我们之前做的分类是不一样的。最直接的办法是依据输入写出一个目标值的计算公式。假如你想预测小姐姐男友法拉利汽车的功率，可能会这么计算：HorsePower = 0.0015 * annua...
2020-01-20 10:52:57
1280
原创 教你学Python31-利用AdaBoost元算法提高分类性能
一、引言前面的文章已经介绍了五种不同的分类器，它们各有优缺点。我们可以很自然地将不同的分类器组合起来，而这种组合结果则被成为集成方法(ensemble method)或者元算法(meta-algorithm)。使用集成方法时会有多种形式：可以是不同算法的集成，也可以是同一种算法在不同设置下的集成，还可以是数据集不同部分分配给不同分类器之后的集成。二、集成方法我们知道集成方法就是把不...
2020-01-20 10:47:03
287
原创 教你学Python30-支持向量机SVM基础
一、前言对于SVM这个理论，本人感觉是非常难理解的 借鉴了很多大佬的笔记和视频 还是想以自己能理解的方式进行阐述清楚SVM是什么东西 他的具体实现 所以我尽量少点涉及公式什么的 通俗的介绍SVM二、什么是SVMSVM的英文全称是Support Vector Machines，我们叫它支持向量机。支持向量机是我们用于分类的一种算法。让我们以一个小故事的形式，开启我们的SVM之旅吧。...
2020-01-19 15:02:57
237
原创 教你学Pyth29-Logistic 回归基础
二、Logistic回归与梯度上升算法Logistic 回归 或者叫逻辑回归 虽然名字有回归，但是它是用来做分类的，例如预测明天是否会下雨。首先，让我们来了解一下，什么是Logistic回归。1.1、Logistic回归概述假设现在有一些数据点，我们利用一条直线对这些点进行拟合(该线称为最佳拟合直线)，这个拟合过程就称作为回归，如下图所示：Logistic回归是分类方法，它...
2020-01-19 14:56:10
281
原创 教你学Python28-朴素贝叶斯简介
一、引子最近几天一直没来得及看《机器学习实战》这本书，感觉停滞了很久，因为需要对AIMI-CN的规划进行考虑，想了很久做了一些皮毛的东西，决定还是慢慢来按部就班，东西做出来才能说话，当然之后我做这个文章的时候，也尽量再多点自己的东西把，其他人写的多数当参考把，这样才会有更多自己原创的东西，大家才会看，才会认同把~二、朴素贝叶斯理论朴素贝叶斯是贝叶斯决策理论的一部分，所以在讲述...
2020-01-19 14:32:59
404
原创 教你学Python27-决策树简介
决策树（Decision Tree）算法是一种基本的分类与回归方法，是最经常使用的数据挖掘算法之一。我们这章节只讨论用于分类的决策树。 决策树模型呈树形结构，在分类问题中，表示基于特征对实例进行分类的过程。它可以认为是 if-then 规则的集合，也可以认为是定义在特征空间与类空间上的条件概率分布。 决策树学习通常包括 3 个步骤：特征选择、决策树的生成和决策树的修剪。2、决策树...
2020-01-19 14:26:36
195
原创 教你学Python26-knn临近算法
KNN 概述k-近邻（kNN, k-NearestNeighbor）算法是一种基本分类与回归方法，我们这里只讨论分类问题中的 k-近邻算法。一句话总结：近朱者赤近墨者黑！工作原理： 存在一个样本数据集合，也称作为训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一个数据与所属分类的对应关系。输入没有标签的新数据后，将新的数据的每个特征与样本集中数据对应的特征进行比较，然...
2020-01-19 14:14:08
295
原创 教你学Python52-系列(五)无监督学习，相关领域和实践中的机器学习
在最后一篇文章中，我们将更深入地探讨无监督学习，简要讨论与机器学习有关的其他领域，并以一些实际的机器学习应用程序示例结束本系列。无监督学习回想一下，无监督学习涉及从数据中学习，但没有预测的目的。这是因为没有给数据提供目标响应变量（标签），或者选择不指定响应。它也可以用作监督学习的预处理步骤。在无人监督的情况下，目标是发现数据中的模式，深刻的见解，理解变异，发现未知的子组（在变...
2020-01-18 10:38:05
417
原创 教你学Python51-系列(四)模型性能和误差分析
在本文中，我们将更深入地研究模型评估和性能指标，以及可能遇到的与预测有关的潜在错误。残差和分类结果在深入研究模型性能和误差类型之前，我们必须首先讨论用于回归的残差和误差，用于分类问题的正负分类以及样本内与样本外测量的概念。关于用于训练，验证或调整预测模型（即您拥有的数据）的数据所涉及的模型，度量或误差的任何引用均称为样本内。相反，通常将引用测试数据度量标准和错误或新数据的内...
2020-01-18 10:35:12
1692
原创 教你学Python50-系列(三)模型评估，验证，复杂性和改进
在本文中，我们将继续进行机器学习讨论，并将重点放在与数据过度拟合相关的问题上，以及控制模型的复杂性，模型评估和错误引入，模型验证和调整以及提高模型性能。 过度拟合过度拟合是预测分析和机器学习中最大的担忧之一。过度拟合是指选择适合训练数据的模型拟合得太好，并且实际上捕获了所有噪声，离群值等的情况。这样的结果是，该模型将很好地拟合训练...
2020-01-18 10:31:09
956
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人