萌兔兔MMQ！！

考题（3）当开启了一级缓存，下面的代码中，开启了两个 SqlSession，第一个 SqlSession 查询了两次学生 A 的姓名，第二次 SqlSession 更新了一次学生 A 的姓名，请判断哪个选项符合最后的查询结果。考题（2）只开启了一级缓存，下面代码示例中，开启了一个 SqlSession 会话，调用了一次查询，然后对数据进行了更改，又调用了一次查询，下列关于两次查询的说法，正确的是？自定义缓存需要实现 MyBatis 规定的接口：org.apache.ibatis.cache.Cache。

背景前面一篇我们说到，2020年5月份，Redis官方推出了令人瞩目的 Redis 6.0，提出很多新特性，包括了客户端缓存 (Client side caching)、ACL、Threaded I/O 和 Redis Cluster Proxy 等诸多新特性。如下：我们也专门对 Redis 6.0的 Threaded I/O（多线程网络I/O 模式）做了很详细的说明，有兴趣的翻到前面一篇。

可使用 keepalived 软件模拟出虚拟 IP，然后把虚拟 IP 绑定到多台 LVS 服务器上，浏览器访问虚拟 IP 时，会被路由器重定向到真实的 LVS 服务器，当主 LVS 服务器宕机时，keepalived 软件会自动更新路由器中的路由表，把虚拟 IP 重定向到另外一台正常的 LVS 服务器，从而达到 LVS 服务器高可用的效果。某台服务器故障后，它未完成的请求也可以转移到其它服务器上重试。因此，在实际使用更多的是一致性哈希算法，它的目标是在数据库节点数量变化时尽可能的减少需要迁移的数据量。

不想用redis管理也可以放在内存中，基本思路就是每次登录成功新建一个map，key是token,value是临时类，里面有user的实体和当前保存时的毫秒值，然后将map放入list中，每次请求对比有无这个token(key),然后拿出user即可，再建立一个定时任务，定时对比当前系统时间和临时类中的毫秒值，如果超出规定的时间就删除当前map，切记删除后break，否则会报空指针异常。# redis数据库索引(默认为0)，我们使用索引为6的数据库，避免和其他数据库冲突。# redis连接池配置。

将 #UseDNS no 取消注释，将yes 改为 no。修订 /etc/ssh/sshd_config文件。重启sshd服务 测试恢复。

问题原因】服务器突然断电【故障报告】数据库表结构损坏【解决思路】进入强制恢复模式，备份库表及数据重建。

取得 job 为 MANAGER 的员工，按照薪水由小到大排序：select * from emp where job=‘MANAGER’ order by sal asc;首先按照 job 排序，再按照 sal 排序（默认升序）：select * from emp order by job,sal;排序采用 order by 子句，order by 后面 + 排序字段，排序字段可以放多个，多个采用逗号间隔。区别：where语句排除的数据是表中的数据，having语句排除的数据是分组后的小组数据。...

进入mysql-uroot-p/mysql-hlocalhost-uroot-pdatabaseName;insertintos_position(name,description)values(‘总监’,'总监。insertintos_position(name,description)values(‘经理’,'经理。insertintos_position(name,description)values(‘普通员工’,’//修改列id的名。...

1.Spark 属性Spark应用程序的运行是通过外部参数来控制的，参数的设置正确与否，好与坏会直接影响应用程序的性能，也就影响我们整个集群的性能。参数控制有以下方式：（1）直接设置在SparkConf，通过参数的形式传递给SparkContext，达到控制目的。（通过set()方法传入key-value对）比如：val conf = new SparkConf()　　　　.setMaster(”local[2]“) #注意1　　　　.setAppName(”test“)　　　　.set(“spa

超融合架构与传统架构的区别主要区别还是在于分布式存储于集中式存储，以及相应的硬件/管理上，由此带来的无论是性能，还是扩展性，稳定性、可靠性，以及运维的简化，运营的成本都会有较大的差异。具体如下：物理融合及管理融合：超融合架构把服务器、网络及存储进行了融合，并且搭载在统一管理平台上进行维护；而传统架构则是全部分离的。存储架构：超融合采用分布式存储，传统架构使用集中式存储。网络：超融合使用万兆以太网，而传统架构多使用光纤交换机。可靠性方面：可以看出可靠性方面，超融合架构的优势非常大，但其实这里的优势都是分布式存

Fate 的模型预测有 离线预测 和 在线预测 两种方式，两者的效果是一样的，主要是使用方式、适用场景、高可用、性能等方面有很大差别；本文分享使用 Fate 基于 纵向逻辑回归 算法训练出来的模型进行离线预测实践。基于上文 《隐私计算FATE-模型训练》 中训练出来的模型进行预测任务关于 Fate 的基础概览和安装部署可参考文章 《隐私计算FATE-关键概念与单机部署指南》执行以下命令，进入 Fate 的容器中：docker exec -it $(docker ps -aqf “name=standalo

前言对 Gopher 来说，虽然我们基本都是在写代码让别人来请求，但是有时候，我们也需要去请求第三方提供的 RESTful 接口，这个时候，我们才能感受到前端同学拼接 HTTP 请求参数的痛苦。比如，我们要发起类似这样一个请求，看起来很简单，实际写起来还是比较繁琐的。POST /articles/5/update?device=ios HTTP/1.1Host: go-zero.devAuthorization: Bearer {“author”:“kevin”,“body”:“this is

一、Kafka 集群部署架构为了让读者能与小编在后续的问题分析中有更好的共鸣，小编先与各位读者朋友对齐一下我们 Kafka 集群的部署架构及服务接入 Kafka 集群的流程。为了避免超大集群我们按照业务维度将整个每天负责十万亿级消息的 Kafka 集群拆分成了多个 Kafka 集群。拆分粒度太粗会导致单一集群过大，容易由于流量突变、资源隔离、限速等原因导致集群稳定性和可用性受到影响，拆分粒度太细又会因为集群太多不易维护，集群内资源较少应对突发情况的抗风险能力较弱。由于 Kafka 数据存储和服务在同一

数据恢复环境：Oracle 11g R2数据库。数据库故障情况：数据库管理员误truncate table CM_CHECK_ITEM_HIS，表数据丢失，业务查询到该表时报错。数据库备份不可用，表数据无法查询。*Oracle数据库小知识：Truncate原理：ORACLE会在数据字典和Segment Header中更新表的Data Object ID，而实际数据部分的块则不会做修改。由于数据字典与段头的DATA_OBJECT_ID与后续的数据块中的并不一致，所以ORACLE服务进程在读取全表数

大多数时候，我们以组件形式来构建页面的区块，会涉及到组件嵌套的问题，一层套一层。这种情况，很大概率需要将祖先的数据，传递给子孙后代去使用。我们当然可以使用父传子的方式，使用属性一级级往下传，但这样真得很麻烦。所以在Vue和Blazor都提供了祖孙传值的方案。插个话题：有人会问，子传父是不是也可以一级级往上传？当然可以，但你绝不要这么去做。子传父就已经够绕了，不要为难自己。如果有这种需求，应该考虑数据状态从组件中剥离出来，我们将在进阶章节，一起学习“状态管理”。Vue中使用provide/inject这两

前言本文章只是单纯记录课堂老师布置的课堂作业代码，题目都比较简单，所以没有写解题思路，相信大家都能理解，当然其中有的解法和代码不是最优的，当时只是为了完成题目，后来也懒得改了，如果有不恰当或者不正确的地方，欢迎指出备注：有的忘记记录题目信息了，有的题目直接在作业系统里面提交了，请见谅，将就着看吧1、查看代码package java_works;import java.util.Scanner;public class java_10001 {public static void main(S

1、WebFirst框架描述WebFirst 是果糖大数据团队开发的新一代 高性能 代码生成器&数据库设计工具，由.net core + sqlsugar 开发 导入1000个表只要1-2秒，用法简单，功能强大，支持多种数据库 ，具体功能如下：一、 建库、CodeFirst方式在线建表，没用到CodeFirst的用户可以用工具轻松体验，支持公共字段二、导出EXCEL文档，把每个表的数据导出来三、模版管理 可以自个添加修改模版，使用的是Razor模版引擎对C#程序员更加友好四、方案管理，

问题描述最近在新环境中部署了一个服务，其暴露的指标路径为:10299/metrics，配置文件如下(名称字段有修改)：apiVersion: v1items:apiVersion: operator.victoriametrics.com/v1beta1kind: VMServiceScrapemetadata:labels:app_id: auditname: auditnamespace: defaultspec:endpoints:path: /metricstarge

informer架构先来回忆一下informer的架构。k8s client-go informer主要包括以下部件：（1）Reflector：Reflector从kube-apiserver中list&watch资源对象，然后调用DeltaFIFO的Add/Update/Delete/Replace方法将资源对象及其变化包装成Delta并将其丢到DeltaFIFO中；（2）DeltaFIFO：DeltaFIFO中存储着一个map和一个queue，即map[object key]Delta

定时提前量（TA：Timing Advance ）是基站（BS）发送给UE以调整其上行传输的命令，即UE根据用于PUSCH、PUCCH和SRS传输的命令提前发送上行符号。定时提前命令（TAC：Timing Advance Command）通知UE它需要提前上行传输的时间量。定时提前指针：定时提前命令（TAC）有两个变量通过RAR发出初始定时提前指令（TAC）通过MAC-CE进行定时提前指令（TAC）通过RAR的初始TAC约为12位，其值范围为0–3846通过MAC-CE的TAC约为6

Spring Boot是由Pivotal团队提供的全新框架，其设计目的是用来简化新Spring应用的初始搭建以及开发过程。该框架使用了特定的方式来进行配置，从而使开发人员不再需要定义样板化的配置。通过这种方式，Spring Boot致力于在蓬勃发展的快速应用开发领域(rapid application development)成为领导者。相关介绍编辑 播报Spring框架Spring框架是Java平台上的一种开源应用框架，提供具有控制反转特性的容器。尽管Spring框架自身对编程模型没有限制，但其在J

开心一刻　　一天，一个演讲老师正在演讲正确的爱情观情到深处，老师激动的说道：你一个月挣三千，凭什么让一个月挣三万的人喜欢你？结果底下站起来一个女孩，说道：因为我骚呀https://img2022.cnblogs.com/blog/747662/202203/747662-20220313172149244-324651423.gif添加链接描述堆结构　　定义：堆就是用数组实现的完全二叉树，并且根据堆属性来排序，决定节点在树中的顺序信息量是不是有点大？欸，有这些疑问就对了，我们慢慢往下看堆

对于离线挖掘类图计算而言，眼下已经涌现出众多各方面表现优秀而各具特点的实际系统，典型的比方Pregel、Giraph、Hama、PowerGraph、GraphLab、GraphChi等。通过对这些系统的分析。我们能够归纳出离线挖掘类图计算中一些常见的计算模型。本节将常见的计算模型分为两类。一类是图编程模型。另一类是图计算范型。编程模型很多其它地面向图计算系统的应用开发人员，而计算范型则是图计算系统开发人员须要关心的问题。在本节中，关于编程模型，主要介绍以节点为中心的编程模型及其改进版本号的GAS编程模

现代社会是一个信息驱动的社会，每天都有大量的信息产生。 据统计，互联网上每天有数十亿条媒体文章产生，在线信息检索超过500亿次。 伴随着互联网技术的发展和新媒体创新应用，人们越来越倾向于通过微博、微信、短视频等社交媒体，表达看法，传播诉求，分享信息、甚至建言献策，收集、处理、挖掘其中的价值，洞察观点、情绪、口碑、社情民意，不仅能够为企业提供商业情报，辅助商业决策，还能为政府机构挖掘社情舆论，提升社会治理水平。 本文将主要围绕 SaaS 3.0时代，互联网公开数据信息挖掘的特点和趋势，阐述舆情分析系统的架构和

一、简答题（30分）1、简述数据库操作的步骤（10分）步骤：建立数据库连接、打开数据库连接、建立数据库命令、运行数据库命令、保存数据库命令、关闭数据库连接。经萍萍提醒，了解到应该把preparedStatement预处理也考虑在数据库的操作步骤中。此外，对实时性要求不强时，可以使用数据库缓存。2、TCP/IP的四层结构（10分）3、什么是MVC结构，简要介绍各层结构的作用（10分）Model、view、control。我之前有写过一篇《MVC层次的划分》二、算法与程序设计（45分）1、由

应用程序连接测试数据库时报ORA-12516：TNS:listener could not find available handler with matching protocol stack检查监听日志文件,发现大量的TNS-12516错误cd /u01/app/oracle/product/10.2.0/db_1/network/logmore listener.logTNS-12516: TNS:listener could not find available handler with m

数据分析与数据挖掘的方法1.频繁模式频繁模式：数据中频繁出现的模式。频繁项集：频繁在事务数据集中一起出现的商品集合。例如，信用卡分析、患者就诊分析、购物车分析…2.分类与回归分类与标签预测是找出描述和区分数据类或概念的模型或函数，以便能够使用模型预测类标识未知的对象的类标号。分类预测类别（离散的、无序的）标号，回归建立连续值函数模型，也就是用来预测缺失的或难以获得的数值数据值。典型方法：决策树、朴素贝叶斯分类、支持向量机、神经网络、规则分类器、基于模式的分类、逻辑回归…3.聚类分析聚类就

一、背景介绍运营商主要提供的数据包括位置数据及APP行为的数据，基于这些数据我们可获知用户的偏好信息及位置信息，相当于人群的特征、人群迁徙路径等。那么在人群的需求、人群的可接触时间、人群的可接触位置都可知的情况下，对于智慧商业的发展有很大的促进作用。基于以上考虑，我们设计了几个有具体场景的应用产品，支撑多角度多需求的商业分析。二、系统平台设计俗话说：工欲善其事，必先利其器，为了支撑上述分析目标，需要建设相应的大数据平台与其进行匹配。大数据平台主要通过汇总收集用户运营商数据，对其进行加工处理后，生成专门

注意的几点： 1.如果你在cmd中书命令的时候，输入错了就用\c跳出2.\s查看配置信息一 存储引擎介绍存储引擎即表类型，mysql根据不同的表类型会有不同的处理机制详见：http://www.cnblogs.com/linhaifeng/articles/7213670.html二 表介绍表相当于文件，表中的一条记录就相当于文件的一行内容，不同的是，表中的一条记录有对应的标题，称为表的字段id，name，qq，age称为字段，其余的，一行内容称为一条记录三 创建表复制代码#语法：

实时计算是目前在推荐、搜索广告等场景中经常需要应用的地方，它不像离线计算那样可以有长时间来准备数据，做数据处理。在实际的应用场景，要考虑到用户的感受。比如我在城西银泰搜索附近的商家，这个就需要实时计算距离来支持。还有像双十一这样的推荐场景，营销活动时间也有一天，必须做到实时计算来查看到活动的效果，并及时来调整营销方案。阿里、百度在实时计算平台做了很多应用。今天看到一篇王新春介绍的大众点评的实时计算storm的应用，所以来分享下。实时计算在点评的使用场景类别一：Dashboard、实时DAU、新激活用户数

聚类的概念对于有标签的数据，我们进行有监督学习，常见的分类任务就是监督学习；而对于无标签的数据，我们希望发现无标签的数据中的潜在信息，这就是无监督学习。聚类，就是无监督学习的一种，它的概念是：将相似的对象归到同一个簇中，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中的数据对象的差异性也尽可能地大。即聚类后同一类的数据尽可能聚集到一起，不同数据尽量分离。聚类算法的分类聚类算法有很多种分法，体系也很大，这里举例几种分法：基于划分的聚类：聚类目标是使得类内的点足够近，类间的点足够远，常见的

在微服务暴热的情形下，似乎不弄点微服务，已经是跟不上IT的大潮了。因此，公司结合本身情况，以及将来的可拓展性，在我的主导下，在新的项目中采用了微服务架构然而，实施过程中遇到一个挠头的问题，就是数据聚合的问题，遍问度娘后（欲问古哥，奈何古哥不搭理）整理了三种方式，在此简单记一下，只是提供一个实现思路而已。1）数据冗余方式，在相关表中对相关数据进行冗余存储。2）使用内存数据库，例如：H2，其思路是，先从各个服务取出数据，然后存入当前的内存数据库，然后再使用传统SQL关联查询的方式取出3）数据库聚合，

我看了下目前的答案，大家从理论层面把数据库和数据仓库的本质区别解释的很全面了。 数据库：传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。数据仓库：数据仓库系统的主要应用主要是OLAP（On-Line Analytical Processing），支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。我尝试着再补充些具体的事例来说明，这样更可以帮助大家更好理解一些。举个最常见的例子，拿电商行业来说好了。基本每家电商公司都会经历，从只需要业务数据库到要数据仓库的阶段。电商早期启

异质性（Heteroskedastic）如何准确识别自变量X对因变量Y的作用？考虑到影响Y的因素有很多，不仅包括X，也包括其他因素（也即非观测因素）。为逻辑清晰起见，我们简单把非观测因素的作用归结为Z。如果X的值变化了，Z的值也随之变动，此时你观测到的Y的变动，到底是X引起的，还是Z引起的？说不清楚。所以，逻辑上来讲，只有在Z不变的情况下，X变了，Y也变了，你才可以说，Y的变动确实是X引起的，因为此时其他因素Z是保持不变的，也就是我们通常说的“其他因素不变”。那么，其他因素Z不变，如果其作用被吸收进误差项（

2021开工第一天，就有小伙伴私信我，还给我分享了一道他面阿里的redis题（这家伙绝比已经拿到年终奖了），我看了以后觉得挺有意思，题目很简单，是那种典型的似懂非懂，常常容易被大家忽略的问题。这里整理出来分享一下，顺便自己巩固一下基础，希望对正在面试和想要面试的兄弟有点帮助。题目大致是这样的面试官：了解redis的String数据结构底层实现嘛?铁子：当然知道，是基于SDS实现的面试官：redis是用C语言开发的，那为啥不直接用C的字符串，还单独设计SDS这样的结构呢?铁子：·····图片“其