原创 lombok使用心得(持續更新)

1.前言 在效率至上的今天,開發的速度越來越受到程序員的關注,lombok在這一時代橫空出世 正如官網上所言 它是一個java字典,能夠幫助你的代碼編輯構建工具自動的構建代碼,爲你的java代碼增彩填色,從此再也不用寫gette

原创 遷移web資源到webapp目錄過程及注意事項

剛入職一家公司,項目時新搭建的,main目錄下只有java和resource目錄,沒有webapp目錄。emmm,沒有webapp目錄tomcat怎麼監測頁面的變動,怎麼熱加載嗎???? 技術負責人告訴我寫完代碼重啓。這操作簡直喪

原创 給定一個未排序的整數數組,找出其中沒有出現的最小的正整數。

給定一個未排序的整數數組,找出其中沒有出現的最小的正整數。 示例 1: 輸入: [1,2,0] 輸出: 3 示例 2: 輸入: [3,4,-1,1] 輸出: 2 示例 3: 輸入: [7,8,9,11,12] 輸出: 1 說

原创 mysql的幾種日誌工作原理

mysql的幾種日誌工作原理 redo log InnoDB引擎層日誌,屬於物理日誌,從5.5.5版本開始加入,記錄每次操作的行爲,用於宕機恢復。它的空間是固定的, 所以會用完。 binlog server層日誌,採用增量寫入方式

原创 頁面置換算法

頁面置換算法 1. 總述 爲提高內存利用率,解決內存供不應求的問題,更加合理的使用內存,人們創造了分頁式內存抽象。同時有一個虛擬內存的概念,是指將內存中暫時不需要的部分寫入硬盤,看上去硬盤擴展了內存的容量,所以叫做“虛擬”內存。使

原创 進程通信方式

進程通信方式 1、管道(BIO) 例舉一個我最常用的linux命令 ps -ef|grep java 其中 | 就是管道的意思,它的作用就是把前面的輸出 ps -ef(列出所有進程),作爲 grep java 的輸入。最終完成列

原创 磁盤調度算法

磁盤調度算法 來自不同進程的磁盤 I/ 0 請求會構成一個隨機分佈的請求隊列。 磁盤 I/ 0 調度的主要目標就是減少請求隊列中對應的平均柱面定位時間。 目前常用的磁盤調度算法有: 先來先服務 最短尋道時間優先 掃描算法 循環掃

原创 解決哈希衝突的三種方法(拉鍊法、開放地址法、再散列法)

什麼是哈希衝突,其實就是再採用哈希函數對輸入域進行映射到哈希表的時候,因爲哈希表的位桶的數目遠小於輸入域的關鍵字的個數,所以,對於輸入域的關鍵字來說,很可能會產生這樣一種情況,也就是,一個關鍵字會映射到同一個位桶中的情況,這種情況

原创 linux時區修改

兩步 1. 使用 tzselect 命令選擇時區 調整爲北京時間 2. 刪除時區文件並重新鏈接爲上海時區文件,最後重啓機器 rm /etc/localtime ln -sf /usr/share/zoneinfo/Asia/

原创 linux 命令行安裝oracle 11g

1.將環境配置腳本oracleNeedEnvironment.sh 上傳到服務器並給予運行權限 如果使用默認配置,oracle安裝包要放在 /dbdata/tools目錄 下 ,安裝目錄爲/dbdata。 放好安裝包後執行 ora

原创 java Volatile 關鍵字

Volatile : 1.保證可見性 說起這個特性必須要提一下JMM內存模型 每個線程的工作內存中會生成主內存的變量副本,這一特性可能會導致變量延遲,在高併發情形下可能會導致數據讀取錯誤的問題。 而volatile可以做到 每次

原创 java8lambad能做什麼

原文鏈接:http://ifeve.com/lambda/ java8lambad能做什麼 較系統的學習了lambad 導言 Java8最值得學習的特性就是Lambda表達式和Strea

原创 tensorflow 安裝cuda10.1 visual studio integration failed解決方案。(其實這個版本太新就算裝上也沒有適配的tensorflow)

前言 在研究一個簡化版本的YouToBe推薦算法的時候發現cpu跑數據確實不夠快。(當時用的學生時代的筆記本,確實慢),前幾周從家裏帶過來上學時自己配的主機。國外服務器淘汰下來的E5處理器,加上當時的甜品顯卡1060。組成了學生時

原创 win 10 同步時間失敗

win 10 同步時間失敗 一般是顯示由於超時導致的。超時的原因是你設置的時間服務器無效或者被牆了,可以更換一下國內的時間服務器。 1.首先鼠標右鍵單擊系統托盤中的系統時間,然後點擊調整日期時間 2.在彈出的窗口中點擊日期,時間

原创 python 隨機森林算法及其優化詳解

這篇文章主要介紹了ptyhon 隨機森林算法及其優化詳解,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下 前言 優化隨機森林算法,正確率提高1%~5%(已經有90%