Ming Tong

一根网线同时走宽带和iptv(单线复用)起因因为装修的时候考虑的不够周全，导致入户弱电箱到客厅的电视之间只有一根网线，书房的PC的网线也是直接通到弱电箱。而现在要实现这几个目标：路由器放在客厅电视柜（保证最大覆盖面积）同时上网同时看iptv电视书房的PC（NAS）与客厅的路由器之间有1000m网线速度现在的拓扑结构只满足了第一条：第二条看似满足了，但是有缺陷（上网的带宽只有1...

微服务和区块链微服务与区块链的智能合约有很多共同之处。二者都独立运行（on-chain），并通过基于消息的通道与外界通信（off-chain）。二者的体积都很小，开发者希望他们都自主地、独立地运行，而且当布署在去中心化的网络上时，表现更好。 本文主要阐述使用微服务架构构建区块链应用的设计原则，及代码示例。涉及到： 微服务架构设计 去中心化的领域驱动设计 事件源与CQRS 分...

区块链 - 区块链基础知识：深入了解交易哈希链本文的主题是执行有关交易哈希链、 交易池的角色以及 一个最长的区块链如何永远占据主导。讨论的细节包括以下内容： - 事务哈希链的实现细节 - 数字资产如何签名并转移给新的拥有者 - 交易池的角色 - 为什么需要共识算法 - PoW vs PoS - 为什么最长的区块链永远占据主导包含的技术： - 区块链（Blockchain）...

区块链入门区块链支持的加密货币，不通过任何信任或监管机构的（如银行或政府）验证来每笔交易，不涉及中间商，依赖新式加密，使区块链中的数据是防篡改的匿名数据。区块链会被复制到对等网络中的每个节点，所以没有单一故障点，确保了这项技术的可用性和可靠性。区块链工作原理比特币区块链是世界上第一个区块链技术实例。所以，“区块链”经常被误解为与比特币密不可分。比特币区块链还推广了一种观念：即区块链...

Bitwise XORXOR(^) ：异或，数学符号为 ^1^0 = 1 0^1 = 1 0^0 = 01^1 = 0 XOR by 1 可以像开发一样从 1 到 0 或者 从 0 到 1. 还有一个有意思的：x^0 = x x^x = 0应用 1：翻转数字 N 的所有二进制位。 解决方案：如果 N 是32位数字，则：N ^((1 << 32) - 1 )应用 2：不用运算符交换两

题目描述： 反转二叉树的左右子树。实现：public class Solution { public TreeNode InvertTree(TreeNode root) { if(root == null) { return null; } TreeNode tmp = root.left;

题目描述： 求二叉树是否平衡，即：左右子树的高度差小于等于1，实现：public class Solution { public bool IsBalanced(TreeNode root) { if(root == null) { return true; } int L = Depth(root.l

题目描述： 求二叉树的最小高度.实现：public class Solution { public int MinDepth(TreeNode root) { if (root == null) { return 0; } int L = MinDepth(root.left); in

题目描述： 求二叉树的最大高度。代码实现：public class Solution { public int maxDepth(TreeNode root) { if(root == null) { return 0; } int left = 0, right = 0; left

题目描述： ZigZag方式遍历二叉树，即：根->左子->右子->右子的左子->右子的右子->XXX 实现：public class Solution { public IList<IList<int>> ZigzagLevelOrder(TreeNode root) { IList<IList<int>> result = new List<IList<int>>();

递归实现：public class Solution { public bool IsValidBST(TreeNode root) { return isValidBST(root, long.MinValue, long.MaxValue); } private bool isValidBST(TreeNode root, long minVal, lon

中序： 左->根->右递归实现：public class Solution { public IList<int> PreorderTraversal(TreeNode root) { List<int> result = new List<int>(); if (root != null){ result.AddRange(Preor

前序： 左->右->根递归实现：public class Solution { public IList<int> PreorderTraversal(TreeNode root) { List<int> result = new List<int>(); if (root != null){ result.AddRange(Preor

前序： 根->左->右递归实现：public class Solution { public IList<int> PreorderTraversal(TreeNode root) { List<int> result = new List<int>(); if (root != null){ result.Add(root.val);

实现：public class Solution { public bool IsSameTree(TreeNode p, TreeNode q) { if(p == null && q == null) { return true; } if(p == null || q == null)

题目描述：思路：实现：public class Solution { public IList<IList<int>> LevelOrder(TreeNode root) { Queue<TreeNode> queue = new Queue<TreeNode>(); var result = new List<IList<int>>();

题目描述： 判断一个二叉树是否左右对称，比如： 1 / \ 2 2 / \ / \ 3 4 4 3思路： 对称的条件是：左子树的左子结点等于右子树的右子结点，并且左子树的右子结点等于右子树的左子结点。递归实现：public class Solution { public bool IsSymmetric(TreeNode root) {

二叉树的数据结构定义：public class TreeNode { public int val; public TreeNode left; public TreeNode right; public TreeNode(int x) { val = x; }}二叉树题型：二叉树前序遍历二叉树中序遍历二叉树后序遍历二叉树层次遍历二叉树ZigZa

Union Find，也叫作 Disjoint Set，中文通常译作 “并查集”。 Union Find 有两种操作：Union 和 Find，即“连接”和“查找”。并查集用于：一个集合被分成几组的情况，集合中的每个数据只属于一个单独的组，无向图的连通分量就是这样一个例子。如下图： 1~9 的集合中的 3 个连通分量，或者说 3 个 Disjoint Set。Disjoint Set 数据结构可

动态规划：dynamic programming，是用过去的知识解决未来的问题。动态规划常用于字符串问题，可以通过解决原始问题的子问题，然后用这个子问题的结果来解决更复杂的原始问题。 通常把子问题的结果存放在一个一维或二维数组中，然后在需要时查询。动态规划还可以用在递归问题中，以避免重复地计算同一个子问题。 比如 Fibonacci 数列问题，Fn = Fn-1+ Fn-2 而 F0 = 0，

题目序列： 序号 标题 技术点 1 Two sum HashMap 2 Add two numbers 链表 3 Longest Substring Without Repeating Characters HashSet 4 Median of Two Sorted Arrays 5 6 7

题目描述： 给一个只包含”(“, “),”, “[“, “]”, “{“, “}” 的字符串，判断这个字符串是否有效（配对）。 比如： “()[]{}” 是有效的。 “([)]” 是无效的。思路： 让 3 种括号能有效的原则要依次配对，左开口的 3 种扩号是 ：”(“, “[“, “{“, 右开口的 3 种扩号是 “)”, “]”, “}”, 要让左右都配对，那就必须保证右开口扩号

题目描述： 找出一个 int 数组中的最大子数组的和。（数组长度 >= 1） 比如： [-2,1,-3,4,-1,2,1,-5,4] 的最大子数组是 [4,-1,2,1] 和是 6思路： 表面上这是一个最优化问题（optimization problem），可以试着用 DP 去解。DP 的第一步就是找出子问题： maxSubArray(int A[], int i, int

题目描述： 找出一组字符串中的最长共同前缀。分析： 例如 abc, abd, ab，它们的最长共同前缀是 ab。思路： 学习过的 Trie 刚好能解决这个问题，虽然不会是最优解，但可以练练手。 Trie：http://blog.csdn.net/cuit/article/details/78495561先定义好 Trie 树 的数据结构： 这里用 HashMap（C#中是 Dictiona

题目描述： 判断一个数字是否是回文，不可以用额外的空间。分析： 题目的初衷是不想答题者转换成字符串再判断是否是回文。可是即使不用字符串，也不可能完全做到不用额外的空间的，还不如直接明说了限制。 另外，负数，0 结尾的数字，是无论如何也不会成为回文的。思路： 可以先把数字逆序，再比较原数字和逆序后的数字是否相同，相同则是回文。 但是如果完全逆序则有可能导致overflow，所以只能逆序半截

题目描述： 给一个32位有符号整数，按位反转。 如果溢出则返回0。 比如： Input: 123 Output: 321 Input: -123 Output: -321 Input: 120 Output: 21思路： 第一反应是转换成 string，再反转，但这肯定不是最高效的。 可以从右向左按位逐个取出数字，保存进一个新的数字。 比如： 12

题目描述： 找出两个排序数组 nums1(长度为m), nums2(长度为n) 的中值。要求时间复杂度为O(logm+n)。 中值的定义：如果数组有偶数个，则中值是最中间两个数的平均值，如果数组有奇数个，则中值就是最中间那个数。 例1： nums1 = [1, 3] nums2 = [2] The median is 2.0 nums1 = [1, 2] nu

题目描述： 给出一个字符串，找出最长不重复的子串（连续的）。比如： Given “abcabcbb“, the answer is “abc“, which the length is 3. Given “bbbbb“, the answer is “b“, with the length of 1. Given “pwwkew“, theanswer is “wke“, wi

题目描述： 有两个非空链表，分别表示一个非负整数，位数是逆序的，比如： 2->4->3 分别是个位，十位，百位。结果仍然是一个表示非负整数的链表。 Input: (2 -> 4 -> 3) + (5 -> 6 -> 4) Output: 7 -> 0 -> 8思路： 因为结果仍然是位数逆序的，所以只需要像加法运算一样，从左到右依次相加两个链表即可。要注意的是：两个链表位置不相等

题目描述： 给出一个数组 nums，找出其中两个和为 target 值的元素的索引，注意：有且只有一对值符合要求。如： Given nums = [2, 7, 11, 15], target = 9, Because nums[0] + nums[1] = 2 + 7 = 9, return [0, 1].思路：第一反应会去暴力双重循环地判断 nums[0] + nums[i

Trie 来自单词 retrieval，发音为 try（避免与tree混淆），也叫做 单词查找树，或 字典树。 Trie 是树结构，除根结点外，每个结点都只会有一个父结点。每个结点都有 R 个子结点， R 是字母表的大小，而且可能含有大量的空结点。假设有字符串：“she sells sea shells by the sea shore”，可以保存成下面这样，让根结点为空：我们将每个 字符串 关联

Dijkstra 算法用于解决 边权重非负、加权有向图、单起点最短路径 问题。 Dijkstra 算法与在加权无向图中查找最小生成树的方法类似：每一步添加一个非树顶点到树中，直到所有顶点都在树中。

最短路径：从图中的一个顶点到另一个顶点的成本最小的路径。 单点最短路径：在加权有向图中，给出一个起点 s，找到是否有一条到顶点 v 的路径，如果有，找出权重最小的那条。最短路径的性质：路径是有向的。权重不定表示距离。并不是所有顶点都是可达的。负权重会使问题变复杂。最短路径一般都是简单的（不含零权重边的环）。最短路径不定是唯一的。可能存在平行边和自环。平行边中权重最小的才会被选中。也

加权图：为每条边关联一个权值或者说成本的图模型。 图的生成树：含有图的所有顶点的无环连通子图。 最小生成树：加权无向图的最小生成树（MST）是它的一棵权值最小（所有边的权值之和）的生成树。 下图是加权无向图与它的最小生成树。最小生成树有两个经典算法：Prim 算法Kruskal 算法如果一幅图是非连通的，则只能用这个算法计算所有连通分量的最小生成树，合并在一起叫做最小生成森林。还有几点要

在有向图中，如果两个顶点 v 和 w 是互相有向的，则称它们是强连通的。 在有向图中，如果任意两个顶点都是互相有向的，则称这幅图是强连通图。 所以有以下命题：任意顶点 v 和自身也是强连通的。如果 v 和 w 强连通的，则 w 和 v 也是强连通的。如果 v 和 w 强连通，w 和 x 强连通，则 v 和 x 也是强连通的。强连通性将所有顶点分成了一些平等的部分，每个部分都是由 相互为

**拓扑排序**拓扑排序：给一幅有向图，把所有的顶点排序，使所有的有向边都从 排在前面的顶点 指向排在后面的顶点。（或者证明不能做到，比如有环） 拓扑排序可以用来解决优先级调度的问题。（前后顶点有依赖关系） 比如下面的课程学习顺序：比如 任务x 必须在 任务y 之前完成， 任务y 必须在 任务z 之前完成，但 任务z 必须在 任务x 之前完成，这肯定是图中有环，这样就无法完成拓扑排序了。所有首先

在有向图中，边是单向的。**术语**：出度：在有向图中，一个顶点的出度为该顶点指出的边的总数。 入度：在有向图中，一个顶点的出度为指向该顶点的边的总数。 表示：用 v->w 来表示 一条由 v 指向 w 的边。v 与 w 也可能是双向的。类的代码：public class Digraph{ private final int V; private int E; priv

在无向图G中，若从顶点 v 到顶点 w 有路径(当然从vj到vi也一定有路径)，则称v和 w 是连通的。 若图 G 中任意两个不同的顶点 v 和 w 都连通(即有路径)，则称G为连通图。 无向图 G 的极大连通子图称为 G 的最强连通分量。任何连通图的连通分量只有一个，即是其自身。非连通的无向图有多个连通分量。可以用 DFS 查找所有连通分量：class CC { private

BFS：Breadth First Search，广度优先搜索。 当有这样一个问题：计算图中两点之间的最短距离时，需要广度优先搜索，BFS 也是很多图算法的基石。要找到顶点 s 到 顶点 v 的最短路径，从 s 开始，在所有距离 s 一条边的顶点中寻找 v，如果找不到，就继续在与 s 距离一条边的顶点中寻找 v，如此下去，走到找到 v。深度优先搜索就好像是一个人在走迷宫，而广度优先搜索就像是一组人

DFS：Depth First Search，深度优先搜索。走迷宫的过程：选择一条没有标记过的通道，在走过的路上铺一条绳子。标记所有你第一次路过的路口和通道。当到达一个标记过的路口时（用绳子）回退到上个路口。当回退到的路口已经没有可走的通道时继续回退。 绳子可以保证你总能找到一条出路，标记则能保证你不会两次经过同一条通道或同一个路口。深度优先遍历的具体实现思路是：用一个递归方法遍历所有顶

无向图：Undirected Graphs图由 边（Edge） 和 顶点(Vertex) 组成：一般用 0 到 V-1 来表示 V 个顶点组成的图中的各个顶点。 一般用 v-w 来表示连接顶点 v 到 顶点 w 的边。图相关术语特殊的图：自环：有一条边连接一个顶点和其自身。英文称作：self-loop。平行边：有两条边连接同样的同个顶点。英文称作：parallel。多重图：含有平行边的图

图的定义： 由一组顶点（Vertex）和一组能够连接做任意两个顶点的边（Edge）的集合组成。图的应用：地图：比如两点之间的最短路径。网页信息：比如多个页面之间的引用关系。电路：元件之间的连接关系。任务调度：比如最少的时间完成有依赖关系的工序调度。商业交易：比如表示现金和商品在买卖双方之间的转移，以理解对市场的理解。配对：学生与各种社团之间的关系。一个学生可能参与多个社团。计算机网络

LRU == Least Recently Used. LRU 的内部继承于 LinkedHashMap。LRUCache 将元素按照访问的先后顺序保存在一条双向链接中，并保存指向开头和结尾的指针。将元素作为key，元素在链接中的位置作为value 保存起来。LRU 的两种操作：Get：将它从链表中删除，并插入链表的头部。Delete：将它从尾部删除。Android 中的 LRUCache

假设待查找的对象是这样存在的：[key1, value1], [key2, value2], [keyX, valueX], … 我们可以把key的列表转过转化存入HashTable中。 使用基于HashTable的查找需要两步：用 Hash 函数将所有 key 都转化为数组的索引（整数）。如果多个 key 转化成为同一个数组的索引，则需要解决碰撞（collision-resolution）。

红黑树的性质：大小为 N 的红黑树的高度不会超过 2 * lg N大小为 N 的红黑树，根结点到做任意结点的平均距离为 lg NJDK中的TreeMap 内部使用红黑树实现。 .NET中的SortedSet 内部使用红黑树实现。

二叉查找树有链表的快速插入的优点，以及符号表快速查找的优点。 二叉查找树的性质是这样的：每个结点的 key 都大于其左结点的 key，小于其右结点的 key。按值从小到大遍历二叉树即是中序遍历。二叉查找树的查找操作：如果树是空的，则返回null。 如果被查找的 key 和根结点的键相待，查找命中。 否则就递归地子树中继续查找。如果被查找的 key 小于当前结点，就选择左子树，反之选择

查找思路： 在已排序的数组中查找某个元素，不断地从子数组开始查找，注意边界情况。递归方式：int[] Keys;public int search(int key, int low, int high){ if(high < low) { return low; } int mid = low + (high-low)/2; if(key

用“符号表（symbol tabel）” 描述一个抽象的不表格，将值（value）存在表中，然后按照键（key）来搜索这些值。“符号表” 有时也被叫做 “字典”，类似英文字典，按字母排序，key 就是单词，value 就是释义。 “符号表” 有时也被叫做 “索引”。有三种经典的 符号表：二叉查找树红黑树散列表（hash 表）符号表一般支持这些接口：符号表中既不能有重复的 Key，也不能有

有些情况下要求不一定要求数组全部有序，或者说不一定要一定性全部有序。 有些情况下先收集一些元素，找到这些元素中的最大值，然后重复这个步骤。 比如，电脑或手机上运行的多个应用程序，可以给每个程序分配一个优先队列，并总是处理下一个优先级最高的那个应用程序。这就需要优先队列了，它支持这两种操作：删除最大元素插入元素优先队列与队列（删除最老元素）和栈（删除最新元素）类似，但更高效。二叉堆数据结构能

快速排序是应用最广泛的排序算法之一，流行的原因是它实现简单，而且是原地排序（只需要一个很小的辅助栈），缺点是非常脆弱，实现时要非常小心才能避免性能问题。快速排序同样也是一种分治的排序算法，将一个数组分成两个子数组，两部分独立地排序。合并排序把数组分成两个数组分别排序再合并，而快速排序的方式是两个子数组都有序时整个数组也就有序了。 合并排序按数量将数组分成两半，快速排序按大小将数组分成两半。publ

这是一个典型的分治型算法，合并排序的思路是这样的： 将两个有序的数组归并成一个更大的有序数组。 先递归地将数组分成两半分别排序，再将结果合并起来。递归的实现（自上至下）public void sort(int[] a, int low, int high){ if(high <= low) { return; } int mid = low +

插入排序的思路是这样的： 像整理扑克牌那样，一张张来，将每一张插入到已经有序的牌中，这样会导致每个排在这张牌右边的元素都向右移动一个位置。对于大数组，且其中部分元素已经有序进行排序，比随机顺序的数组要快得多。代码如下：public void InsertSort(int[] a){ //升序排列 for(int i = 1; i < a.Length; i++) {

选择排序的思路是这样的： 首先，找到数组中最小的元素， 其次，将它和数组中的第一个元素交换（如果第一个就是最小的就和自己交换） 再次，在其余元素中找到最小的元素， 再次，将它和数组中的第二个元素交换 不断重复，直到最后一个元素。叫选择排序，是因为它不断地在其余元素中选择最小的那一个。 选择排序的移动是最少的，而交换的次数是N，其他排序算法都不具有这个性质。代码如下：public void

排序是最基本也是最常用的算法之一。常用的几个排序算法是：排序 – 冒泡排序 – 插入排序 – 选择排序 – 合并排序 – 堆排序 – 快速排序这些排序算法的基本性质和特点如下：冒泡排序，插入排序，选择排序的平均时间复杂度都是：O(n2) 合并排序，堆排序，快速排序的平均时间复杂度都是：O(n*log2n)冒泡排序，插入排序，选择排序的空间复杂度都是：O(1) 合并排序的空间复

Stack在C#和Java中都有现成的定义，且在LeetCode中也可以直接使用。 其泛型版本定义的主要属性和方法如下：public class Stack<T>{ public int Count; public void Clear(); public T Peek(); //返回的对象顶部的 Stack 而不删除它。 public T Pop(); //删

单链表数据结构： //Definition for singly-linked list. public class ListNode { public int val; public ListNode next; public ListNode(int x) { val = x; } }思路： 注：此算法来自discuss区排第一名的一个比较巧妙的算法。

单链表数据结构： //Definition for singly-linked list. public class ListNode { public int val; public ListNode next; public ListNode(int x) { val = x; } }思路： 有两个指针快慢套跑遍历，快指针每次走两格，慢指针每次走一格，当快

单链表数据结构： //Definition for singly-linked list. public class ListNode { public int val; public ListNode next; public ListNode(int x) { val = x; } }思路： 相对简单，只要依次遍历两个链表，比较链表1和链表2当前结点值的大

单链表数据结构：//Definition for singly-linked list. public class ListNode { public int val; public ListNode next; public ListNode(int x) { val = x; } }思路： 比较简单，遍历结点，如果当前结点与下一结点的值相同，则

单链表数据结构： //Definition for singly-linked list. public class ListNode { public int val; public ListNode next; public ListNode(int x) { val = x; } }非递归思路：遍历链表，不断将结点插入新链表的头结点。 使用3个结点：f

单链表数据结构： //Definition for singly-linked list. public class ListNode { public int val; public ListNode next; public ListNode(int x) { val = x; } }题型：从链表中删除一个结点从链表中插入一个结点反转链表修改链表顺序

参考书籍：《算法》第4版，[英文版讲解地址]，(http://algs4.cs.princeton.edu/home/)，Java语言描述《算法导论》，英文名《Introduction to Algorithms, third edition》，伪代码描述基础数据结构：数组位运算栈队列链表堆 (优先队列 Priority Queue)，Java源码链接二叉树 基础及题型 二叉搜

AI 的任务是设计一个实现了 “agent 功能”的 “agent 程序”，它的目的是做“感知”到“行动”的映射关系。假设这个程序运行在某些具有物理感应器和行动器的计算设备上，我们称之为 architecture： agent = architecture + program显然，我们选择的 program 要适合这个 architecture ，如果 program 的行动是行走，那么 arch

了解了 rational 之后，我们就可以设计 agent 了。 设计一个 agent 之前，我们要先指定好 4大项 PEAS (Performance, Environment, Actuators, Sensors)。 比如一个自动驾驶出租车的 agent，我们的 PEAS 是这样的：Performance 的衡量包括：能够到达正确的目的地、最小化油耗和磨损、最小化时间或成本，最小化违章和

任何时候的 rational 取决于 4 件事: • 定义成功的关键因素的 performance measure。 • agent 对于环境的预先了解。 • agent 可以执行的行动。 • agent 到目前为止的感知序列。定义一个 rational agent： 对于每个可能感知序列，根据感知序列提供的证据以及agent 已知的信息，rational agent 应当选择可以最大化

agent 是任何通过sensor感知其环境并通过actuators在此环境中作出行动的东西。 比如人agent：sensor 是眼睛，耳朵，以及其他器官，actuators 是手，腿，声道等。 比如机器人agent：sensor 是摄像头，红外线，actuators 是各种马达。我们用术语 percept 表示 agent 在任何时候感知到的输入信息。 而 percept sequence

AI 的定义像人类一样地行动（Acting humanly）通过 图灵测试的AI 需要具有的能力： - 自然语言处理（NLP，natural language process）：用语言沟通。 - 知识表达（knowledge representation）：保存听到和知道的东西。 - 自动推理（automated reasoning）：使用存储的信息回答问题并得出新的结论。 - 机器

SOCKS5 简介防火墙可以把内部网独立出来，防火墙作为一个应用层的网关，通常会支持 TELNET，FTP，SMTP的访问，从而需要有一个协议能够支持安全地穿透防火墙来访问这几个协议，SOCKS5应运而生。SOCKS5 协议由 RFC1928 定义，是SOCKS4 的扩展，提供了更多验证身份的方式，并且添加了对 IPv6 和 UDP 的支持，后者可以用于 DNS lookups。流程简介开始的握手包

Jonathan Linowes (作者), 童明 (译者) 文中示例代码下载亚马逊 京东 China-Pub 当当目录列表内容译者序审校者简介前言第1章万物皆可虚拟1 1.1虚拟现实对你来说意味着什么2 1.2头戴式显示器的类型4 1.2.1桌面VR4 1.2.2移动VR4 1.3虚拟现实与增强现实的区别5 1.4应用与游戏5 1.5本书涵盖的内容8 1.6VR体

日志日志对于Spring是一个非常重要的依赖，因为：它是一个强制的外部依赖所有人都想看到它们使用的工具的输出是什么。Spring集成了很多其他工具，这些工具也有日志的依赖。这样就可以统一日志系统了。Spring中强制的日志依赖是JCL （Jakata Commons Logging API），JCL的对象 log 在Spring中是可见的。最好所有版本都使用同一个日志库，这样迁移时就比较方便，

依赖管理和命名约定依赖管理和依赖注入是两回事。要集成依赖注入功能的话，需要在运行时或编译时把所有lib（jar）放进classpath。这些依赖不是注入的虚拟组件，而是文件系统中的物理资源。依赖管理包括 找到这些资源，存储它们以及把它们添加到classpaths中。依赖可以是直接的（在运行时依赖Spring），也可以是间接的（依赖的commons-dhcp本身是依赖于commons-pool的），间

OverviewSpring 框架是一个轻量级的解决方案，也是一个有潜力的一站式企业级方案。但是Spring是模块化的，可以按需所取。可以使用不带任何web框架的 IoC 容器，也可以只用 Hibernate集成代码 或 JDBC 抽象层。Spring 框架支持声明式的事务管理，通过 RMI 或 web services 远程访问业务逻辑，以及各种持久化数据。Spring提供了完整的 MVC 框架，

简介Spring Boot 让创建独立的产品级应用变得更简单，Spring Boot 可以用于创建用Java -jar 启动的 Java 应用，以及一些传统的war布署，还提供了一些命令行工具运行Spring 脚本。Spring Boot 的主要目标是：提供一个更快捷的开启Spring开发之路的方式。用另一种方式分解问题。提供一些非功能性的但对于项目很常用的特性类（比如嵌入式服务器，安全性，稳

定义模块ES6之后，使用模块语法（import/export）时，每个文件都会成为它自己的模块，带有一个私有全名空间。顶层的函数和变量不会污染全局全名空间。要为其他模块暴露函数，类，和变量以便import的话，可以用export关键字。// not exportedfunction somethingPrivate() { console.log('TOP SECRET')}expor

闭包（closure）当声明一个函数时，其内部的变量的声明也在它的scope中被截获。比如下面的代码中，变量 x 绑定到了外部scope的值，然后对 x 的引用在bar的上下文中被截获。var x = 4; // declaration in outer scopefunction bar() { console.log(x); // outer scope is captured on d

构造方法构造函数是大多数类最基本的东西，用 new 创建实例时就调用它，名称必须是constructor。class MyClass { constructor(option) { console.log(`Creating instance using ${option} option.`); this.option = option; }}用法

函数的scope当定义一个函数时，同时创建了一个scope。 函数内定义的任何东西都不能在函数外访问，只有函数内可以访问。function foo() { var a = 'hello'; console.log(a); // => 'hello'}console.log(a); // reference error内嵌函数也使用同样的规则。function foo() { va

简介JavaScript 中，函数可以用箭头语法（”=>”）定义，有时候也叫“lambda表达式”。这种语法主要意图是定义轻量级的内联回调函数。例如：// Arrow function:[5, 8, 9].map(item => item + 1); // -> [6, 9, 10]// Classic function equivalent:[5, 8, 9].map(function(ite

单例模式单例模式限制一个类只能实例化一个对象，当第一个对象被创建后，每次都返回这个对象的引用。var Singleton = (function () { // instance stores a reference to the Singleton var instance; function createInstance() {

原型模式原型模式用于创建一个可以被其他对象继承的对象。这种模式通过JavaScript原生内置的原型继承很容易实现。在原型上创建方法function Welcome(name) { this.name = name;}Welcome.prototype.sayHello = function() { return 'Hello, ' + this.name + '!';}var w

模块模式模块模式是一种创建型和结构型的设计模式，提供了一种生成公有接口的时候封装私有成员。可以通过闭包来完成，返回一个包含公有接口的对象。 这样我们就可以隐藏主要的逻辑，而只暴露一个接口：var Module = (function(/* pass initialization data if necessary */) { // Private data is stored within t

工厂方法工厂方法是一个简化地返回对象的函数。它不需要像构造器那样用 new 关键字来初始化对象。 通常，工厂方法作为API封装，就像 jQuery 和 moment.js 中那样，不使用 new 。 下面是最简单的工厂方法：function cowFactory(name) { return { name: name, talk: function ()

解析JSON使用一个函数：const jsonString = '[{"name":"John","score":51},{"name":"Jack","score":17}]';const data = JSON.parse(jsonString, (key, value) => key === 'name' ? value.toUpperCase() : value);结果为：[ {

抽象比较运算符 和 类型转换问题如果计算对象的类型不匹配，抽象比较运算符（== 和 !=）将转换其运算对象。这种强制转换是大多数计算结果的困惑问题的根源，通常，这些运算符并不总是像我们期待的那样转换类型："" == 0; // true A 0 == "0"; // true A"" == "0"; // false Bfalse == 0; // truefals

Array-like 的对象集合JavaScript 有一种“类似数组的对象”，它是一个对象的数组，并且带有一个length的属性。比如：var realArray = ['a', 'b', 'c'];var arrayLike = { 0: 'a', 1: 'b', 2: 'c', length: 3};最普通的例子是html中的 document.getElementByTa

Promise 链promise 的 then 方法返回一个新的 promise：const promise = new Promise(resolve => setTimeout(resolve, 5000));promise // 5 seconds later .then(() => 2) // returning a value from a then callbac

Markdown和扩展Markdown简洁的语法代码块高亮图片链接和图片上传LaTex数学公式UML序列图和流程图离线写博客导入导出Markdown文件丰富的快捷键快捷键加粗 Ctrl + B 斜体 Ctrl + I 引用 Ctrl + Q插入链接 Ctrl + L插入代码 Ctrl + K插入图片 Ctrl + G提升标题 C

简介For AndroidGoogle VR SDK for Android 支持 Daydream 和 Cardboard，包括一个简单的用于创建Cardboard视图的API，以及一些复杂点的支持Daydream手机和控制器的API。Google VR NDK for Android 提供了 C/C++ 的 API，可用于写 native 代码。熟悉 OpenGL 的开发者可以更快速地使用，简

背景：之前在优胜美地上用boot camp装的win10，后来升级到ei capitan了。问题：今天试着用boot camp移除windows，点继续就报错（说不能什么什么），然后用disk工具直接擦除了win10的分区并改为hfs分区，结果它变成了一个独立的空分区，并没有与我现有的mac所在分区合并。发现还有一个osx保留分区，里面是win10的启动文件，不敢擦除这个分区，怕把分区表搞坏。但又

集成Google IAP 常见错误，产生原因及解决办法“The publisher cannot purchase this item” 上传apk的google账号不可以进行支付。http://developer.android.com/google/play/billing/billing_testing.htmlhttp://developer.android.com/trainin

开发工具下载 https://www.visualstudio.com/?Wt.mc_id=DX_MVP5000319Windows 10 UWP开发视频1 http://blogs.windows.com/buildingapps/2015/08/31/update-to-developers-guide-to-windows-10-video-series/?WT.mc_id=dx_MVP...

开发工具下载Windows 10 UWP开发视频： http://blogs.windows.com/buildingapps/2015/08/31/update-to-developers-guide-to-windows-10-video-series/?WT.mc_id=dx_MVP5000319https://channel9.msdn.com/Blogs/One-Dev-Minu...

arduino

UWP == Universal Windows Platform 具体更新如下：Application Model Cortana，可集成进AppFile Explorer，打开文件夹Shared Storage，分享文件给另一个AppSettings，启动系统设置App间通信，交换数据App配置文件，更新列表控件 WebView 客户端输入验证Windows.UI.T

UWP

Android 知识树Android Application LayerActivity 生命周期：onCreate(), onStart(), onResume(), onPause(), onStop(),onDestroy(), onRestart()启动：startActivity()销毁：finish()传递数据：Intent.putExtra(); Intent.getXXXE

当前在网络传输应用中，广泛采用的是TCP/IP通信协议及其标准的socket应用开发编程接口（API）。TCP/IP传输层有两个并列的协议：TCP和UDP。其中TCP（transport control protocol，传输控制协议）是面向连接的，提供高可靠性服务。UDP（user datagram protocol，用户数据报协议）是无连接的，提供高效率服务。在实际工程应用中，对可靠性和效率的

C# 6.0 新功能Top 10

《游戏开发与设计技术丛书：Unity开发实战 》[爱尔兰] Matt Smith，[巴西] Chico Queiroz 著； 童明 译京东 当当第1章　Unity 4.X 入门1.1　引言1.2　安装Unity 4.X1.3　设置首选项1.4　了解和优化用户界面1.5　把Unity中创建的资源另存为Prefab1.6　了解Unity中的Content1.7　导入自己的Content1.8　导入Un