Erlang（转）

最新推荐文章于 2023-03-01 15:47:11 发布
最新推荐文章于 2023-03-01 15:47:11 发布
阅读量104 收藏
点赞数

面向文档的数据库 CouchDB

CouchDB是一个"面向文档"的数据库，采用 ErLang 语言开发，文档的格式是一个JSON字符串（也可包含二进制附件）。 底层结构是由一个"存储"(storeage) ，以及多个"视图索引"(view indexs)。 "储存"用来储存文件, "视图索引"用于查询处理。 CouchDB落实到最底层的数据结构就是两类B+Tree 。 CouchDB 能够适应非常广泛的应用场景，在某些偶尔连接网络的应用中，我们可以用CouchDB暂存数据，随后进行同步。也可以在Cloud环境中，作为...

Jabber服务器 ejabberd

ejabberd是的Jabber / XMPP协议的即时通讯服务器，持牌GPLv2许可下（自由和开放源码） ，写的爱尔朗/检察官办公室。在其它特性中， ejabberd是跨平台，容错， clusterable和模块化。

Erlang Eclipse IDE

这是在 Eclipse 环境下开发 Erlang 程序的插件，安装地址：http://erlide.sourceforge.net/update

Erlang 开发环境 ErlyBird

ErlyBird 是Erlang 基于NetBeans的IDE开发环境。主要的功能有： 语法检查 语法高亮 函数导航窗口 代码折叠 缩进 代码补齐(内置函数、OTP函数、项目函数等)，按Ctrl+Space或自己定义 跳转到函数定义处(OTP函数、项目函数)，按Ctrl点击函数名 项目管理。创建/编译等，编译基于Emakefile。原来的代码需自己拷贝到新建项目目录中 跳转到编译错误 自动索引OTP和项目源文件 Erlang控制台 安装方法： 1.进入Netbeans6.5...

编程语言 Erlang

Erlang是一种通用的面向并发的编程语言，它由瑞典电信设备制造商爱立信所辖的CS-Lab开发，目的是创造一种可以应对大规模并发活动的编程语言和运行环境。Erlang问世于1987年，经过十年的发展，于1998年发布开源版本。Erlang是运行于虚拟机的解释性语言，但是现在也包含有乌普萨拉大学高性能Erlang计划(HiPE)[1]开发的本地代码编译器，自R11B-4版本开始，Erlang也开始支持脚本式解释器。在编程范型上，Erlang属于多重范型编程语言...

MochiWeb

MochiWeb是一个用来构建Web应用的轻便，高效的HTTP应用框架的Erlang库

Disco

Disco 是一个实现了Map-Reduce 的框架，采用 Erlang + Python 开发 软件运行的屏幕截图如下

yaws

yaws 是一个用Erlang语言开发的高效的web server

消息服务器 RabbitMQ

rabbitmq 是一个实现了AMQP协议的消息服务器

Scalaris

Scalaris 是一个采用Erlang开发的分布式 key-value 存储系统。

Tsung

压力测试工具，可以测试包括HTTP, WebDAV, PostgreSQL, MySQL, LDAP, and XMPP/Jabber等服务器

etorrent

etorrent 是一个用Erlang语言开发的Bittorrent客户端

ErLang AJAX框架 ERDialog

The ER Dialog project 为小型项目提供了一个简单的 AJAX 框架，采用 ErLang 开发。

ErLang的GUI框架 wxErlang

wxErlang不仅是一个跨平台ErLang的GUI框架。它不像其他许多现有的GUI库，采用了本地的外观和感觉的基本平台。也就是说，如果一个 应用程序的执行在Mac OS X的应用程序会看起来像一个真正* * Mac OS X的应用程序。 Linux下和GNOME ，它的外观就像一个普通的GNOME应用程序。和Windows环境下，它会看起来像一个Windows应用程序。 wxErlang 是一个 Erlang 语言对 C++ 的 GUI 库 wxWidgets 的封装。...

拼写检查 Speller Pages

Speller Pages是一个自由，开放源码的Web用户界面和JavaScript库服务器端拼写检查程序。适用于PHP或Perl / CGI方式的版本，拼字网页，可让您带来优越的拼写建议capabilites的GNU Aspell的用户您的网站。在线演示：http://www.netjs.com/speller/ 使用代码： <!-- Call a function like this to handle the spell check ...

分布式的Key-Value存储系统 Dynomite

Dynomite 是采用 ErLang 语言开发的分布式的Key-Value存储系统。 Dynomite is an eventually consistent distributed key value store written in Erlang. The design is based off of Amazon’s Dynamo paper. Dynomite currently implements the following features described in the Dynamo paper, plus some stuff not covered by the paper. Vector clocks Merkle trees Consistent hashing Tunable quorum Gossip...

分布式的Key-Value存储系统 Ringo

Ringo 是一个分布式的Key-Value存储系统，采用 ErLang 语言开发。支持磁盘数据存储。 Ringo is an experimental, distributed, replicating key-value store based on consistent hashing and immutable data. Unlike many general-purpose databases, Ringo is designed for a specific use case: For archiving small (less than 4KB) or medium-size data items (<100MB) in real-time so that the data can survive K -...

分布式的Key-Value存储系统 Kai

What Kai is A highly available key-value store Scales infinitely Achives low latency even if several nodes are getting down Inspiared by Amazon's Dynamo

WAP邮件代理 SO WAP!

SO WAP! 项目实现一个完整的基于 ErLang 语言的支持WAP的标准环境。

eCouch

eCouch 是一个用ErLang 语言编写的应用程序，用于访问 CouchDB 服务器。主要的特性包括： eCouch is an application that provides an API to a CouchDb server It uses the rfc4627 module from LShift eCouch design was inspired by the article Building a Non-blocking TCP server using OTP principles It assumes that inets application is running ...

[@more@]

来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/21414867/viewspace-1020807/，如需转载，请注明出处，否则将追究法律责任。

转载于:http://blog.itpub.net/21414867/viewspace-1020807/

cuanying2258
关注
Erlang 玩转字符串
SummerGao
12-10 866
erlang的汉字字符串和...
Erlang时间戳转换时发现的问题
Nicer_feng's blog
03-30 2637
昨天在任务里自己手写了个时间戳转换函数，期间发现根据时间戳转换过来的时间怎么都对不上当前时间，试了很久发现了问题和解决方案；本文还包括一些时间函数的解析，以及自己实现的一些时间函数的API供参考
谈谈一只菜鸟转行Erlang游戏服务端的经历（希望大佬指导，也希望我的经历能给一些还未毕业的同学或者正在迷茫自己工作内容的同学一些感触）
GEM_boy的博客
12-27 1992
第一次发文章，主要想谈谈自己近半年来的心路历程吧，希望各位大佬多多指教，也希望给看到这篇文章还未入行或者打算入行但是不知道选择什么方向的同学一点我自己的亲身体验。
Erlang十分钟快速入门
lee576的专栏
02-13 3585
这个Erlang初始开源版本包含了Erlang的实现，同时它也是用于构建分布式高可用性系统的Ericsson中间件的最大组成部分。Kernel - 运行Erlang系统所必须的C代码：Erlang内建功能（BIFs）；代码、启动、命名服务；对网络show_ads_zone(13);   Erlang概述 Erlang不但是一种编程语言，而且它具有比编程语言更加贴近操作系统的一些
erlang开发经验谈：防坑指南
ve12345的博客
02-12 654
任何语言在使用中都会遇到这样那样的问题，erlang也是。这里整理下我遇到的一些问题，避免继续踩坑。说实话，“防坑指南”这个标题有点过于标新立异，不过还是希望能引起重视，避免在实际开发中重复犯这些问题。 '--' 运算与 '++'运算 1&gt; [1,2,3,4] -- [1] -- [2]. [2,3,4] 算是erlang经典的问题了。这是从后面算起的，先算 [1] -- [2] ，得...
同一世界服务器架构--Erlang游戏服务器
weixin_30709929的博客
05-24 454
Erlang最大的优点是方便，很多基础功能都已经集成到Erlang语言中。之前用C++写服务器的时候，管理TCP连接很繁琐，需要写一大堆代码来实现。底层的框架需要写很多代码实现，这样既浪费时间，又会有很多BUG。但是用Erlang就方便多了，底层的一切你都不需要考虑，你只需要考虑，服务器的架构以及业务逻辑。从此让你彻底从底层的泥潭中解脱。我从去年年底开始了解学习Erlang，到现在我已经彻...
Erlang转JAVA,将Erlang UTF-8编码的字符串转换为java.lang.String
weixin_33274667的博客
03-12 165
Java节点接收以UTF-8编码的Erlang字符串.它的类类型是OtpErlangString.如果我只是执行.toString()或.stringValue(),则生成的java.lang.String具有无效的代码点(基本上,Erlang字符串中的每个字节都被视为不同的字符).现在,我想在创建Java String时使用新的String(字节,“UTF-8”),但是如何从OtpErlangS...
Erlang 格式转换
fly_vip的博客
03-01 218
erlang 基础知识点——格式转换
erlang 进制转换
sunjiangangok的博客
04-10 1375
在elang中使用“#”就可以进行进制的转换，不过使用这个进行进制转换的话，只能从2～36进制之间的整数转换成10进制的数据。    使用“#”转换的格式是：base#value。    其中base的取值是2～36之间，value的取值是base进制下的相应数据。看一些例子吧：60> 2#101. 5 61> 16#cafe. 51966 62> 36#fanyingfei. 1553
erlang 调用java_Erlang进程与Java线程
weixin_36227085的博客
03-04 141
小编典典在我之后重复： “这些是不同的范例”大声说20次左右-这是我们目前的口头禅。如果我们 真的 必须比较苹果和橙子，那么至少要考虑一下“成为水果”的共同方面在哪里相交。Java“对象”是Java程序员的基本计算单位。也就是说， 对象 (基本上是具有臂和腿的结构，比C++更严格地执行了封装)是建模世界的主要工具。您认为“此对象知道/拥有Data{X,Y,Z}并执行Functions{A(),B(...
Erlang 实现十六进制字符串与二进制互转
SummerGao
11-15 516
Erlang 实现十六进...
Erlang十六进制字符串转为ascii字符串
SummerGao
05-13 292
-export([hexToAscii/1]). %% 16进制字符转Ascii hexToAscii(HStr) -> hexToAscii(HStr, []). hexToAscii([X1, X2 | Rest], Acc) -> hexToAscii(Rest, [hv(X1) * 16 + hv(X2) | Acc]); hexToAsci...
erlang的汉字字符串和二进制的相互转换，并还原成汉字打印
SummerGao
04-08 995
测试： 1>...
JSP学生学籍管理系统设计与实现(源代码+论文+开题报告+外文翻译+答辩PPT).zip
09-21
1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。
省市区数据，完成三级联动，选择地区
09-21
省市区数据，完成三级联动，选择地区
机械原理课程设计网球自动捡球机.doc
最新发布
09-21
机械原理课程设计网球自动捡球机.doc
2024秋招华为笔试题大全-仅供参考具体需要根据实际修改
09-21
2024秋招华为笔试题大全-仅供参考具体需要根据实际修改
借助于Ascend310 AI处理器完成深度学习算法部署任务，
09-21
应用背景为变电站电力巡检，基于YOLO v4算法模型对常见电力巡检目标进行检测，并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务，并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
基于深度学习的物体识别与抓取方法，六自由度机械臂，python编写程序.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
Erlang编程入门指南
"Erlang入门手册" Erlang是一种面向并发的、函数式的编程语言，尤其在构建高可用性、容错性强的分布式系统中表现出色。本手册旨在引导初学者进入Erlang的世界，介绍其核心概念和编程模式。 在入门部分，手册首先向...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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