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

-+
  • 博客(2202)
  • 资源 (19)
  • 收藏
  • 关注

转载 轻松理解 Spark 的 aggregate 方法

https://www.cnblogs.com/chorm590/p/spark_201904201159.html2019-04-20关键字:Spark 的 agrregate作用、Scala的 aggregate是什么Spark编程中的 aggregate方法还是比较常用的。本篇文章站在初学者的角度以大白话的形式来讲解一下 aggregate方法。agg...

2019-04-21 12:14:12 463

转载 一文入门HTML5

https://www.cnblogs.com/dotnetcrazy/p/10542063.html文章汇总:https://www.cnblogs.com/dotnetcrazy/p/9160514.html目录:1.1.语义标签 1.1.1.基础 效果图 1.1.2.兼容 1.1.3.解决 兼容方案 1.2.多媒体标签 video and audio 扩展...

2019-04-16 21:52:01 309

转载 大数据技术 - MapReduce的Shuffle及调优

大数据技术 - MapReduce的Shuffle及调优https://www.cnblogs.com/duma/p/10704544.html本章内容我们学习一下 MapReduce 中的 Shuffle 过程,Shuffle 发生在 map 输出到 reduce 输入的过程,它的中文解释是 “洗牌”,顾名思义该过程涉及数据的重新分配,主要分为两部分:1.map 任务输出的数据分组、排...

2019-04-16 21:43:21 485

转载 判断点在多边形内算法的C++实现

https://www.cnblogs.com/charlee44/p/10704156.html目录1. 算法思路 2. 具体实现 3. 改进空间1. 算法思路判断平面内点是否在多边形内有多种算法,其中射线法是其中比较好理解的一种,而且能够支持凹多边形的情况。该算法的思路很简单,就是从目标点出发引一条射线,看这条射线和多边形所有边的交点数目。如果有奇数个交点,则说明在内部,如果...

2019-04-15 00:39:35 2476

转载 Spark读写HBase实践

Spark读写HBase实践https://www.jianshu.com/p/49141df754a2Spark经常会读写一些外部数据源,常见的有HDFS、HBase、JDBC、Redis、Kafka等。这些都是Spark的常见操作,做一个简单的Demo总结,方便后续开发查阅。1.1 maven依赖需要引入Hadoop和HBase的相关依赖,版本信息根据实际情况确定。 &l...

2019-04-10 02:04:36 235

转载 Java Native Interface调用C++代码

Java Native Interface调用C++代码https://www.cnblogs.com/dslx/p/10668733.html概述Java Native Interface译为Java原生接口,简称JNI。Java并不是完美的,它的不足体现在运行速度要比传统的C++慢上许多,并且无法直接访问到操作系统底层,为此Java提供了JNI实现对于底层访问。说得通俗点,通过JN...

2019-04-10 00:34:22 337

转载 分布式数据库中的事务时序

https://www.cnblogs.com/cchust/p/10591943.html概述在单机数据库领域,我们为每个事务都分配一个序列号,比如Oracle的SCN(SystemChangeNumber),MySQL的LSN(LogSequenceNumber),这个序列号可以是逻辑的,也可以是物理的。我们依赖这个序列号对系统中发生的事务进行排序,确保所有事务都有严格的先后关系。数据...

2019-03-25 16:29:31 639

转载 第一届天池 PolarDB 数据库性能大赛

http://wangyapu.com/2019/02/01/tianchi_polar_db/?utm_source=tuicool&utm_medium=referral这次天池 PolarDB 数据库性能大赛竞争相当激烈,眼睛一闭一睁成绩就会被血洗,最后榜单成绩是第三名,答辩翻车了,最终取得了大赛季军。云计算领域接触的是最前沿的技术,阿里云的 PolarDB 作为云原生数据库里程...

2019-02-06 21:34:45 604

转载 大数据技术之_04_Hadoop学习_01_HDFS_HDFS概述+HDFS的Shell操作(开发重点)+HDFS客户端操作(开发重点)+HDFS的数据流(面试重点)+NameNode和Seconda

  https://www.cnblogs.com/chenmingjun/p/10353274.html第1章 HDFS概述 1.1 HDFS产出背景及定义 1.2 HDFS优缺点 1.3 HDFS组成架构 1.4 HDFS文件块大小(面试重点) 第2章 HDFS的Shell操作(开发重点) 第3章 HDFS客户端操作(开发重点) 3.1 HDFS客户端环境...

2019-02-06 12:55:43 580

转载 magic_get - A reflection techniques using modern C++

http://purecpp.org/detail?id=2055magic_get是一个很有趣的C++反射库,它不需要让开发者显式地做额外的事情,但是限制是反射的类型必须是Aggregate Initializable. 在它出现之前,我们碰到需要反射这一类问题都是怎么处理的呢?1. 传统的反射标记: 侵入式与非侵入式对于标准输入输出流,我们要重载operator << ...

2019-01-02 01:22:09 1359

转载 现代 C++ 编译时 结构体字段反射

https://www.cnblogs.com/BOT-Man/p/10203562.html基于 C++ 14 原生语法,不到 100 行代码:让编译器帮你写 JSON 序列化/反序列化代码,告别体力劳动。

2019-01-02 00:01:52 2434

转载 TiDB 架构及设计实现

https://www.cnblogs.com/xuliuzai/p/10022875.html一. TiDB的核心特性高度兼容 MySQL     大多数情况下,无需修改代码即可从 MySQL 轻松迁移至 TiDB,分库分表后的 MySQL 集群亦可通过 TiDB 工具进行实时迁移。水平弹性扩展     通过简单地增加新节点即可实现 TiDB 的水平扩展,按需扩展吞吐或存储,...

2018-11-26 23:00:00 651

转载 Windbg程序调试系列5-高CPU问题分析

转自:周国庆 https://www.cnblogs.com/tianqing/p/10016778.htmlWindbg程序调试系列4-Live Debugging本篇中我们继续,跟大家分享常见的应用程序高CPU使用率问题分析。先说Windows下CPU使用率这个概念:CPU使用率:在任务管理器的刷新周期内CPU忙的时间与整个刷新周期的比值。默认的刷新周期是1s。即1s内,反...

2018-11-25 23:19:08 1232

转载 【大数据安全】基于Kerberos的大数据安全验证方案

https://www.cnblogs.com/mantoudev/p/9877433.html1.背景互联网从来就不是一个安全的地方。很多时候我们过分依赖防火墙来解决安全的问题,不幸的是,防火墙是假设“坏人”是来自外部的,而真正具有破坏性的攻击事件都是往往都是来自于内部的。近几年,在thehackernews等网站上总会时不时看到可以看到一些因为数据安全问题被大面积攻击、勒索的事件。...

2018-11-04 15:07:35 584

转载 如果我是一线技术主管

https://www.cnblogs.com/dolphinX/p/9893056.html如果我是一线技术主管,可能曾经是团队综合实力最强的,被时间支配不能再每天写代码,但团队各种挑战依旧在如果我是一线技术主管,每周也要写周报,每年也要写绩效,想晋升、加薪、人生巅峰云云如果我是一线技术主管,团队有五、六个人还好,十几个人的团队的话会希望有人可以站出来帮我不抱怨如果我是一线技...

2018-11-01 23:16:08 317

转载 机器学习分类算法常用评价指标

https://www.cnblogs.com/asialee/p/9800039.html1. 准确率,召回率,精确率,F1-score,Fβ,ROC曲线,AUC值为了评价模型以及在不同研究者之间进行性能比较,需要统一的评价标准。根据数据挖掘理论的一般方法,评价模型预测能力最广泛使用的是二维混淆矩阵(Confusion matrix)(如下表所示)。二维混淆矩阵 真实类别...

2018-10-17 01:42:11 6682

转载 Hive 官方手册翻译 -- Hive DDL(数据定义语言)

https://www.cnblogs.com/fanzhenyong/p/9746796.htmlHive 官方手册翻译 -- Hive DDL(数据定义语言)目录一、概述 二、关键词,非保留关键字和保留关键字 三、创建/删除/修改/使用数据库 3.1、 创建数据库 3.2、 删除数据库 3.3、 修改数据库 3.4、 使用数据库 四、创建/删除/截断表...

2018-10-07 22:13:47 600

转载 SPARK2.1.0模型设计与基本架构(下)

SPARK2.1.0模型设计与基本架构(下)https://www.cnblogs.com/jiaan-geng/p/9708246.html阅读提示:读者如果对Spark的背景知识不是很了解的话,建议首先阅读《SPARK2.1.0模型设计与基本架构(上)》一文。SPARK模型设计1. Spark编程模型正如Hadoop在介绍MapReduce编程模型时选择word count...

2018-10-01 17:12:28 295

转载 Redis中单机数据库的实现

https://www.cnblogs.com/neooelric/p/9629948.html1. 内存操作层 zmalloc 系接口redis为了优化内存操作, 封装了一层内存操作接口. 默认情况下, 其底层实现就是最简朴的libc中的malloc系列接口. 如果有定制化需求, 可以通过配置方式, 将底层内存操作的实现更换为tcmalloc或jemalloc库.redis封装的这一...

2018-09-12 00:03:12 440

转载 Quartz+Spring Boot实现动态管理定时任务

https://www.cnblogs.com/wujiwen/p/9615120.html项目实践过程中碰到一个动态管理定时任务的需求:针对每个人员进行信息的定时更新,具体更新时间可随时调整、启动、暂定等。思路将每个人员信息的定时配置保存到数据库中,这样实现了任务的动态展示和管理。任务的每一次新增或变更,都会去数据库变更信息。设置一个统一的任务管理器,专门负责动态任务的增删改...

2018-09-09 22:48:25 749

转载 金融数据分析与挖掘具体实现方法 -1

https://www.cnblogs.com/wf-skylark/p/9551967.html有人让我写一下关于数据挖掘在金融方面的应用,再加上现在金融对数据方面的要求不断提高,准备用两篇随笔来做个入门总结。首先,在看这篇随笔以前稍微补充一点金融方面的知识,因为我不是金融专业的,以下补充知识来自互联网与个人整理,欢迎批评指正并补充说明。1 先来了解一下什么是金融市场呢?通常狭义...

2018-08-29 23:17:31 1518

转载 基础爬虫架构有五大模块

https://www.cnblogs.com/guguobao/p/9544626.html爬虫调度器:负责统筹其他四个模块的协调工作 URL管理器:管理URL链接,维持已经爬取的URL集合和未爬取的URL集合,提供新的URL链接接口 HTML下载器: 用于从URL管理器中获取未爬虫的URL链接并下载HTML网页 HTML解析器:从HTML下载器中获取已经下载的HTML网页,并从中解析...

2018-08-27 21:29:41 3723

转载 每秒高达1.6亿次操作的并发键值存储库 FASTER 诞生

https://www.cnblogs.com/xiaoliangge/p/9539735.htmlFASTER在过去十年中,云中的数据密集型应用程序和服务有了巨大的增长。数据在各种边设施(例如,设备,浏览器和服务器)上创建,并由云应用程序处理用来获得数据价值或做出决策。应用程序和服务可以处理收集的数据,也可以实时监控数据。这些应用程序通常是更新密集型的,并且涉及大量的状态,超出了适合主存...

2018-08-27 21:02:32 411

转载 HBase性能调优总结

https://www.cnblogs.com/frankdeng/p/9529044.html一. HBase的通用优化1 高可用     在 HBase 中 Hmaster 负责监控 RegionServer 的生命周期,均衡 RegionServer 的负载,如果 Hmaster 挂掉了,那么整个 HBase 集群将陷入不健康的状态,并且此时的工作状态并不会维持太久。所以 HBa...

2018-08-25 23:17:07 2400

转载 Raft协议的理解与分析

http://tech.dianwoda.com/2018/08/24/raftfen-bu-shi-zhi-xing-xie-yi/?utm_source=tuicool&utm_medium=referral Paxos是最早的分布式一致性算法,虽然出来了很多年,但因其不容易理解,且实现难度较大,目前比较成熟的Multi-Paxos实现依然比较少。Raft算法是近几年很火的一个分布...

2018-08-25 11:51:34 811

转载 SparkSql学习笔记(包含IDEA编写的本地代码)

SparkSql学习笔记(包含IDEA编写的本地代码)  Spark SQL and DataFrame1.为什么要用Spark Sql原来我们使用Hive,是将Hive Sql 转换成Map Reduce 然后提交到集群上去执行,大大简化了编写MapReduce的程序的复杂性,由于MapReduce这种计算模型执行效率比较慢,所以Spark Sql的应运而生,它是将SparkSql转...

2018-08-22 22:55:41 496

转载 MyBatis 源码分析 - SQL 的执行过程

https://www.cnblogs.com/nullllun/p/9503612.html本篇文章较为详细的介绍了 MyBatis 执行 SQL 的过程。该过程本身比较复杂,牵涉到的技术点比较多。包括但不限于 Mapper 接口代理类的生成、接口方法的解析、SQL 语句的解析、运行时参数的绑定、查询结果自动映射、延迟加载等。本文对所列举的技术点,以及部分未列举的技术点都做了较为详细的分析。...

2018-08-21 00:11:38 320

转载 从oracle往greenplum迁移,查询性能不满足要求的定位以及调优过程

https://www.cnblogs.com/qiannianyuan/p/9463312.html​​​​​​​目录一、前言 二、环境信息 三、优化过程 3.1 结果对比 3.2 分析过程 3.3 问题解决 3.4 最终结果  四、参考资料 回到顶部一、前言在一次对比oracle和greenplum查询性能过程中,由于greenplum查询性能...

2018-08-13 01:13:42 1228

转载 Hive(十)Hive性能优化总结

https://www.cnblogs.com/frankdeng/p/9463897.html一、Fetch抓取 1、理论分析 Fetch抓取是指,Hive中对某些情况的查询可以不必使用MapReduce计算。例如:SELECT * FROM employees;在这种情况下,Hive可以简单地读取employee对应的存储目录下的文件,然后输出查询结果到控制台。 在...

2018-08-13 01:10:46 16116 4

转载 Spark Streaming + Kafka集成指南

https://www.cnblogs.com/frankdeng/p/9308585.htmlKafka项目在版本0.8和0.10之间引入了一个新的消费者API,因此有两个独立的相应Spark Streaming包可用。请选择正确的包, 请注意,0.8集成与后来的0.9和0.10代理兼容,但0.10集成与早期的代理不兼容。注意:从Spark 2.3.0开始,不推荐使用Kafka 0.8支持。Sp...

2018-07-16 00:39:11 390

转载 Spark(三)Spark之RDD

https://www.cnblogs.com/frankdeng/p/9301653.html一、RDD的概述1.1 什么是RDD?RDD(Resilient Distributed Dataset)叫做弹性分布式数据集,是Spark中最基本的数据抽象,它代表一个不可变、可分区、里面的元素可并行计算的集合。RDD具有数据流模型的特点:自动容错、位置感知性调度和可伸缩性。RDD允许用户在执行多个查...

2018-07-14 00:38:19 291

转载 PgSQL · 特性分析 · MVCC机制浅析

https://yq.aliyun.com/articles/608911?spm=a2c4e.11153940.bloghomeflow.59.399d291acgr606PgSQL · 特性分析 · MVCC机制浅析摘要: 背景 我们在使用PostgreSQL的时候,可能会碰到表膨胀的问题(关于表膨胀可以参考之前的月报),即表的数据量并不大,但是占用的磁盘空间比较大,查询比较慢。为什么Post...

2018-07-12 17:09:59 1516

转载 go语言之行--网络编程、http处理流程详情

https://www.cnblogs.com/wdliu/p/9284459.html一、简介go语言中的网络编程主要通过net包实现,net包提供了网络I/O接口,包括HTTP、TCP/IP、UDP、域名解析和Unix域socket等。和大多数语言一样go可以使用几行代码便可以启动一个服务器,但是得益于goroutine的配合go实现的服务器拥有强大并发处理能力。二、socket编程Socke...

2018-07-09 21:52:49 417

转载 云主机搭建Kubernetes 1.10集群

https://www.cnblogs.com/aubin/p/9284633.html一、基础环境云主机下载软件包将所有软件下载至/data目录# 链接:https://pan.baidu.com/s/13DlR1akNBCjib5VFaIjGTQ 密码:1l69master到node做免密认证ssh-keygenssh-copy-id root@192.168.1.237ssh-copy-...

2018-07-09 21:48:02 728

转载 Spark MLlib 之 aggregate和treeAggregate从原理到应用

https://www.cnblogs.com/xing901022/p/9285898.html在阅读spark mllib源码的时候,发现一个出镜率很高的函数——aggregate和treeAggregate,比如matrix.columnSimilarities()中。为了好好理解这两个方法的使用,于是整理了本篇内容。由于treeAggregate是在aggregate基础上的优化版本,因此...

2018-07-09 21:45:29 705

转载 Redis Codis 部署安装

https://www.cnblogs.com/zhoujinyi/p/9249873.html背景关于Redis的高可用除了只身的Sentinel和Cluster之外,还有一个用的比较多的是Codis,由于公司的Redis大部分都使用Codis,本文就针对Codis进行相关的安装部署进行说明,来好好的学习Codis。介绍Codis 是一个分布式 Redis 解决方案, 对于上层的应用来说, 连接...

2018-07-08 11:17:03 506

转载 makefile编译子目录

https://www.cnblogs.com/iclodq/p/9276609.htmlmake子目录常用方法一般是SUB_DIR = lib_src service.PHONY: subdirs $(SUB_DIR)subdirs: $(SUB_DIR)$(SUB_DIR): @+make -C $@ foo: baz或者subdirs: for dir...

2018-07-07 14:24:48 5479

转载 hive优化分享

https://www.cnblogs.com/SunHuaJ/p/9244899.html 简述hive构建在hadoop基础上,利用分布式存储,通过mr引擎实现对大数据的计算。MR会频繁地读写磁盘而且MR任务的启动成本很高。对于hive优化显得尤为重要。而优化的核心就是更好地利用hadoop的分布式特性和hive的有点。本篇从IO、参数设置、案例实战来说明如何优化我们的hive。受限于个人能力...

2018-06-29 23:31:12 249

转载 机器学习算法 --- Decision Trees Algorithms

https://www.cnblogs.com/God-Li/p/9179039.html一、Decision Trees Agorithms的简介   决策树算法(Decision Trees Agorithms),是如今最流行的机器学习算法之一,它即能做分类又做回归(不像之前介绍的其他学习算法),在本文中,将介绍如何用它来对数据做分类。  本文参照了Madhu Sanjeevi ( Mady ...

2018-06-13 21:12:09 616

转载 追源索骥:透过源码看懂Flink核心框架的执行流程

https://www.cnblogs.com/bethunebtj/p/9168274.html写在最前:因为这篇博客太长,所以我把它转成了带书签的pdf格式,看起来更方便一点。想要的童鞋可以到我的公众号“老白讲互联网”后台留言flink即可获取。追源索骥:透过源码看懂Flink核心框架的执行流程flink追源索骥:透过源码看懂Flink核心框架的执行流程前言1.从 Hello,World Wo...

2018-06-11 23:34:17 3462 2

Go语言编程

这本书从整体的写作风格来说,会以介绍 Go 语言特性为主,示例则尽量采用作者平常的实践,而不是一个没有太大实际意义的语法示范样例。 本书作者背景极强,许式伟为原金山WPS首席架构师、曾是盛大创新院研究员,目前是国内Go语言实践圈子公认的Go语言专家。参与本书写作的几位作者都是实际用Go语言开发的项目的开发人员,有较强的实战经验。 这本书面向的读者是所有打算用Go语言的开发者,主要包括目前使用C、C++、Java、C#的开发人员,甚至一些Python、PHP开发人员也可能转为 Go 程序员。

2015-10-06

30天自制操作系统 PDF 扫描版

30天自制操作系统 PDF 扫描版 好书不解释!

2013-07-10

C++标准程序库_带书签版本

这本包含最新资料的完整书籍,反映出被ANSI/ISO C++语言标准规格书纳入的C++标准程序库的最新组成。更明确地说,这本书将焦点放在标准模板库身上,检验其中的容器、迭代器、仿函数和算法。读者还可以找到特殊容、字串、数值类别、国际化议题、IOStream。每一个元素都有深刻的呈现,包括其介绍、设计、运用实例、细部解说、陷阱、意想不到的危险,以及相关类别和函数的精确樯记式和定义式。

2013-06-25

Effective.C++

C++ 进阶图书。 C++ 开放必看。 C++大神 Scoot Mayers的大作。 PDF高清扫描带书签版。

2013-06-09

无懈可击的web设计

目录   第1章 灵活的文字   1.1 常见的方法   1.2 权衡我们的选择   1.3 无懈可击的方法   1.4 为什么说它是无懈可击的   1.5 有了灵活基础后的操作   1.6 结合使用关键字和百分比值   1.7 本章小结   第2章 可伸缩的导航栏   2.1 常见的方法   2.2 为什么这样做不是无懈可击的   2.3 无懈可击的方法   2.4 为什么这样做是无懈可击的   2.5 其他示例   2.6 本章小结   第3章 可扩展的行   3.1 常见的方法   3.2 为什么这样做不是无懈可击的   3.3 无懈可击的方法   3.4 为什么这样做是无懈可击的   3.5 自适应扩展的另一个例子   3.6 本章小结   第4章 巧妙的浮动   4.1 常见的方法   4.2 无懈可击的方法   4.3 为什么这样做是无懈可击的   4.4 本章小结   第5章 牢固的方框   5.1 常见的方法   5.2 为什么这样做不是无懈可击的   5.3 无懈可击的方法   5.4 为什么这样做是无懈可击的   5.5 其他圆角实现技术   5.6 本章小结   第6章 页面在缺失图片或CSS的情况下仍然易读   6.1 常见的方法   6.2 为什么这样做不是无懈可击的   6.3 无懈可击的方法   6.4 为什么这样做是无懈可击的   6.5 有或者没有样式   6.6 无懈可击的工具   6.7 本章小结   第7章 可转换的表格   7.1 常见的方法   7.2 为什么这样做不是无懈可击的   7.3 无懈可击的方法   7.4 为什么这样做是无懈可击的   7.5 本章小结   第8章 流动的布局   8.1 常见的方法   8.2 为什么这样做不是无懈可击的   8.3 无懈可击的方法   8.4 为什么这样做是无懈可击的   8.5 本章小结   第9章 构成一个整体   9.1 目标   9.2 为什么这样做是无懈可击的   9.3 构建过程   9.4 针对IE的CSS调整   9.5 本章小结

2012-10-27

[五笔打字与输入技巧六日速成].甘登岱.扫描版.pdf

五笔速成,有兴趣的朋友可以看看。 第1日 我要运指如飞 第2日 掌握五笔精髓——字根 第3日 练就五笔神功——汉字输入 第4日 给你一个加速度 第5日 掌握汉字输入技巧 第6日 学习98版五笔字型输入法 附录1 五笔字型单字编码表 附录2 86版五笔字型词汇编码表

2012-10-27

[Objective-C基础教程].Mark.Dalrymple.&.Scott.Knaster.扫描版.pdf

Objective-C是扩展C的面向对象编程语言,也是iPhone开发用到的主要语言。本书结合理论知识与示例程序,全面而系统地讲述Objective-C编程的相关内容,包括Objective-C在C的基础上引入的特性和Cocoa工具包的功能及其中的框架,以及继承、复合、源文件组织等众多重要的面向对象编程技术。附录中还介绍了如何从其他语言过渡到Objective-C。

2012-09-16

java 编程艺术

内容简介 本书揭示了Java程序员如何创建高质量软件的奥秘。Herbert Schildt 和James Holmes两位编程大师通过将Java应用于某些有趣、实用的计算机问题和编程任务中,全面展示了Java语言的强大功能、敏捷性、多样性和艺术性。本书各章内容分别涉及到Java精髓、递归下降的表达式解析器、用Java实现语言解释器、用Java创建下载管理器、用Java实现E-mail客户端和Internet搜索、用Java修饰HTML、显示统计图表、金融应用中的Applet和Servlet、基于AI的问题求解等,每章给出的示例代码都可以直接运行,无需修改,而且读者可以从www.osborne.com站点上免费下载这些代码。本书是亚马逊网站上的五星级图书,相信读者能够通过研读本书大大提高自己的Java开发能力。本书代码示例易懂有趣,设计思想独特,定会使您受益匪浅! 目录 第1章 Java精髓 1 1.1 简单数据类型和对象:完美的平衡 2 1.2 通过垃圾回收实现内存管理 3 1.3 完美的简单多线程模型 3 1.4 完全集成的异常机制 4 1.5 对多态性支持的改进 5 1.6 通过字节码保证可移植性和安全性 5 1.7 丰富的Java API 6 1.8 Applet 7 1.9 继续变革 7 第2章 递归下降的表达式解析器 9 2.1 表达式 10 2.2 解析表达式 11 2.3 表达式的解析 11 2.4 表达式的分解 13 2.5 一个简单的表达式解析器 16 2.6 向解析器中添加变量 24 2.7 递归下降解析器中的语法检查 34 2.8 计算器Applet 34 2.9 一些尝试 37 第3章 使用Java实现语言解释器 38 3.1 解释何种计算机语言 39 3.2 解释器概述 40 3.3 Small BASIC解释器 41 3.4 Small BASIC表达式解析器 61 3.4.1 Small BASIC的表达式 61 3.4.2 Small BASIC的标识符 62 3.5 解释器 66 3.5.1 InterpreterException类 67 3.5.2 SBasic构造函数 67 3.5.3 关键字 68 3.5.4 run()方法 70 3.5.5 sbInterp()方法 71 3.5.6 赋值 72 3.5.7 PRINT语句 73 3.5.8 INPUT语句 75 3.5.9 GOTO语句 76 3.5.10 IF语句 78 3.5.11 FOR循环 79 3.5.12 GOSUB 82 3.5.13 END语句 83 3.6 Small BASIC的使用 83 3.7 对解释器进行增强和扩展 86 3.8 创建自己的计算机语言 86 第4章 使用Java创建下载管理器 88 4.1 深入理解Internet下载流程 89 4.2 下载管理器概述 89 4.3 Download类 90 4.3.1 Download类的变量 94 4.3.2 Download类的构造函数 94 4.3.3 download()方法 95 4.3.4 run()方法 95 4.3.5 stateChanged()方法 99 4.3.6 Action和Accessor方法 99 4.4 ProgressRenderer类 99 4.5 DownloadsTableModel类 100 4.5.1 addDownload()方法 103 4.5.2 clearDownload()方法 103 4.5.3 getColumnClass()方法 103 4.5.4 getValueAt()方法 104 4.5.5 update()方法 104 4.6 DownloadManager类 105 4.6.1 DownloadManager类的变量 111 4.6.2 DownloadManager类的构造函数 111 4.6.3 verifyUrl()方法 111 4.6.4 tableSelectionChanged()方法 112 4.6.5 updateButtons()方法 113 4.6.6 动作事件的处理 114 4.7 编译并运行下载管理器 114 4.8 改进下载管理器 115 第5章 用Java实现E-mail客户端 116 5.1 E-mail内幕 117 5.1.1 POP3 117 5.1.2 IMAP 117 5.1.3 SMTP 118 5.1.4 发送和接收E-mail的一般过程 118 5.2 JavaMail API 118 5.3 一个简单的E-mail客户端 120 5.3.1 ConnectDialog类 121 5.3.2 DownloadingDialog类 126 5.3.3 MessageDialog类 128 5.3.4 MessagesTableModel类 135 5.3.5 EmailClient类 139 5.4 编译并运行E-mail客户端 156 5.5 对基本E-mail客户端的扩展 157 第6章 使用Java搜索Internet 158 6.1 Web搜索程序基础 159 6.2 遵守Robot协议 160 6.3 Search Crawler概述 161 6.4 SearchCrawler类 162 6.4.1 SearchCrawler类的变量 179 6.4.2 SearchCrawler类的构造函数 179 6.4.3 actionSearch()方法 180 6.4.4 search()方法 182 6.4.5 showError()方法 185 6.4.6 updateStats()方法 185 6.4.7 addMatch()方法 186 6.4.8 verifyUrl()方法 187 6.4.9 isRobotAllowed()方法 188 6.4.10 downloadPage()方法 190 6.4.11 removeWwwFromUrl()方法 191 6.4.12 retrieveLinks()方法 192 6.4.13 searchStringMatches()方法 198 6.4.14 crawl()方法 199 6.5 Web搜索程序的编译与运行 202 6.6 对Web搜索程序的思考 203 第7章 使用Java提交HTML 205 7.1 使用JEditorPane提交HTML 206 7.2 处理超链接事件 206 7.3 编写Mini Web浏览器 207 7.3.1 MiniBrowser类 208 7.3.2 MiniBrowser类的变量 213 7.3.3 MiniBrowser类的构造函数 214 7.3.4 actionBack()方法 214 7.3.5 actionForward()方法 215 7.3.6 actionGo()方法 215 7.3.7 showError()方法 216 7.3.8 verifyUrl()方法 216 7.3.9 showPage()方法 217 7.3.10 updateButtons()方法 218 7.3.11 hyperlinkUpdate()方法 219 7.4 Mini Web浏览器的编译与运行 220 7.5 HTML提交程序的应用前景 221 第8章 统计. 图表与Java 222 8.1 样本. 总体. 分布与变量 223 8.2 基本统计值 223 8.2.1 平均数 224 8.2.2 中位数 224 8.2.3 众数 225 8.3 方差和标准差 227 8.4 回归方程式 228 8.5 Stats类的完整代码 232 8.6 绘图数据 235 8.6.1 数据的缩放 236 8.6.2 Graphs类 236 8.6.3 Graphs类的final变量和实例变量 241 8.6.4 Graphs类的构造函数 242 8.6.5 paint()方法 244 8.6.6 bargraph()方法 247 8.6.7 scatter()方法 247 8.6.8 regplot()方法 248 8.7 一个统计表的应用 248 8.7.1 StatsWin类的构造函数 253 8.7.2 itemStateChanged()事件处理器 254 8.7.3 actionPerformed()方法 255 8.7.4 shutdown()方法 255 8.7.5 createMenu()方法 255 8.7.6 DataWin类 255 8.7.7 联合使用 256 8.8 创建一个简单的统计Applet 258 8.9 一点尝试 260 第9章 金融应用中的Applet和Servlet 261 9.1 计算贷款的定期还款额 262 9.1.1 RegPay的成员 266 9.1.2 init()方法 266 9.1.3 actionPerformed()方法 269 9.1.4 paint()方法 269 9.1.5 compute()方法 270 9.2 计算投资的长期收益 270 9.3 计算达到某项长期收益目标所需的投资本金 274 9.4 计算达到某项期望年金所需的初始投资 278 9.5 根据给定投资计算年金的最大值 282 9.6 计算某项贷款的账户余额 286 9.7 创建用于金融类计算的Servlet 290 9.7.1 使用Tomcat 291 9.7.2 测试Servlet 291 9.7.3 把RegPay转换成Servlet 292 9.7.4 RegPayS程序 292 9.8 一些尝试 296 第10章 基于AI的问题求解 297 10.1 表示法和相关术语 298 10.2 组合爆炸问题 299 10.3 搜索技术 300 10.4 问题的描述 301 10.5 FlightInfo类 303 10.6 深度优先搜索 304 10.7 广度优先搜索 313 10.8 添加启发信息 316 10.8.1 爬山搜索 317 10.8.2 爬山搜索的分析 322 10.8.3 最小代价搜索 323 10.8.4 最小代价搜索的分析 324 10.9 查找多个解 324 10.9.1 路径删除 325 10.9.2 节点删除 326 10.10 查找最优解 331 10.11 回到丢失钥匙的例子 336

2012-09-16

[模式识别].(希腊)西奥多里蒂斯.清晰版.djvu

[模式识别].(希腊)西奥多里蒂斯.清晰版.djvu 模式识别领域非常不错的一本教材

2012-09-08

[机器人学的几何基础].(英国)Selig.清晰版

一本很牛的书,哪怕只看懂此书的皮毛也会有巨大的收获

2012-08-03

空空如也

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