m0_62844645的博客

原创 实习-笔记(1)

在服务调用的时候,出现网络阻塞/异常,数据库宕机等情况导致的数据不同步问题,防止用户会看到脏数据,使用定时补偿机制,同步南北系统已删除数据.: 首先查询南北系统的所有数据的key,按照规则转换成用友系统中数据的key,然后查询用友系统所有数据的key,进行比对,找出用友系统数据状态为待办,并且在南北系统数据不存在的数据,进行删除.在ForkJoin的分治任务中, 我们循环遍历LinkedList,与HashMap进行比对,如果map中不存在key为list该元素,那么就删除,如果有,就添加.

原创 MySQL 有哪些日志

我们知道 redo log 是为了防止 Buffer Pool 中的脏页丢失而设计的，那么如果随着系统运行，Buffer Pool 的脏页刷新到了磁盘中，那么 redo log 对应的记录也就没用了，这时候我们擦除这些旧记录，以腾出空间记录新的更新操作。所以 InnoDB 存储引擎会先写 ib_logfile0 文件，当 ib_logfile0 文件被写满的时候，会切换至 ib_logfile1 文件，当 ib_logfile1 文件也被写满时，会切换回 ib_logfile0 文件。

原创 数据库分库分表

将存放在单一数据库中的数据，按照某一维度分散地存放至多个数据库或者表中。​ 达到提升性能瓶颈，以及可用性的效果。**分库：**分库能够用于有效的分散对数据库单点的访问。**分表：**分表虽然无法缓解数据库压力，但却能够提供尽量将分布式事务转化为本地事务的可能，一旦涉及跨库的更新操作，分布式事务往往会使问题变复杂。**多主多从：**使用多主多从的分片方式，可以有效的避免数据单点，从而提升数据架构的可用性。

原创 分布式Id-雪花算法

简单说就是时间被调整回到了之前的时间，由于雪花算法重度依赖机器的当前时间，所以一旦发生时间回拨，将有可能导致生成的 ID 可能与此前已经生成的某个 ID 重复（前提是刚好在同一毫秒生成 ID 时序列号也刚好一致），这就是雪花算法最经常讨论的问题——时间回拨。在雪花算法原本的实现中，针对这种问题，算法本身只是返回错误，由应用另行决定处理逻辑，如果是在一个并发不高或者请求量不大的业务系统中，错误等待或者重试的策略问题不大，但是如果是在一个高并发的系统中，这种策略显得过于粗暴。同一毫秒时间戳时，通过这个。

原创 MySQL 索引特性-索引覆盖 索引下推 索引跳跃

*回表查询：**在使用非聚簇索引的时候，为了取到完整的数据，先在查询字段的非聚簇索引下找到对应的主键，然后带着主键去聚簇索引中查询。（扫描了两棵索引树，所以效率相对低）**索引覆盖：**就是查询的所有字段，均被所使用的索引覆盖。因为索引中已经包含了要查询的字段的值，因此查询的时候直接返回索引中的字段值就可以，不需要再次回表查询，提高查询效率。例如：表中索引为 （a,b）使用非聚簇索引找到符合a=1的数据，直接将a，b值合并返回；不需要回表查询。

原创 JUC-Synchronized

​ 这种切换会消耗大量资源，因为用户态和内核态都各自有各自专用的内存空间，寄存器等，用户态切换至内核态需要传递许多变量，参数给内核，内核也需要保护好用户态在切换时，一些寄存器值，变量等。以便内核态调用结束后切换回用户态。

原创 JUC-Volatile

术语单词描述内存屏障是一组处理器的指令，用于实现对内存操作的顺序限制缓冲行cache lineCPU告诉缓存中可以分配的最小存储单位，处理器填写缓存行的时候会加载整个缓存行。原子操作不可中断的一个或者一系列操作。缓存行填充CPU从内存读取操作数是可以缓存的，读取整个高速缓存行到适当的缓存。缓存命中cache hit进行高速缓存行填充操作的内存位置，是下一次处理器访问的地址，处理器从缓存中读取操作数，而不是从内存中读取。写命中write hit。

原创 后端日期格式传递到前端变成时间戳解决办法

后端日期数据格式正常,前端接收到的数据为时间戳。

原创 神经网络-正向传播，反向传播数学推导

原创 决策树---红酒分类

from sklearn import treefrom sklearn.datasets import load_winefrom sklearn.model_selection import train_test_splitimport pandas as pd#加载数据集wine=load_wine()#如果wine是一张表，应该长这样：print(wine.data.shape,wine.target)#打印数据的维度,lables类别pd_wine=pd.concat([pd.Da

原创 机器学习-线性回归

线性回归线性回归,又名普通最小二乘法,是回归问题最简单也是最经典的回归方法文章目录线性回归1.使用numpy线性回归1.1拟合直线1.2高阶多项式拟合曲线2.使用sklearn进行回归2.1拟合直线2.2 拟合曲线1.使用numpy线性回归(1)函数：p = polyfit(x,y,n)x是已知的离散数据点的横坐标，y是已知离散数据点的纵坐标，n为需要拟合的多项式最高次幂，由我们给定，运用不同的多项式进行拟合.p = polyfit(x,y,n)返回值p从左到右是高次到低次的多项式p(x)的系

原创 用python计算偏导数

偏导数文章目录偏导数1.偏导数的概念2.用python求简单的偏导数2.1 需要导入的库2.2 代码如果要计算具体的数值话就使用subs()函数来替换未知数.1.偏导数的概念2.用python求简单的偏导数2.1 需要导入的库from sympy import symbols, diffPython sympy的一大优点在于免费且开源,可以通过pip在线安装。它不依赖于外部库。SymPy支持符号计算、高精度计算、模式匹配、绘图、解方程、微积分、组合数学、离散 数学、几何学、概率与统计、物

原创 Matplotlib绘图基础详细教程

Matplotlib数据可视化文章目录Matplotlib数据可视化1. 画图的基本步骤1.1一步一步看3.散点图条形图的绘制plt是最常用的接口1. 画图的基本步骤1.导入模块import matplotlib as mplimport matplotlib.pyplot as plt2.创建画板,然后对画板进行调整3.定义数据4.绘制图形(包含坐标轴的设置,数据的导入,线条的样式,颜色,还有标题,图例,等等)5.plt.show()...1.1一步一步看(一)第一步:创

原创 大一期末C/C++基于EasyX图形库的期末课设

忙完了大一课设,就赶忙来写一篇博客,希望能对你们有用.文章目录忙完了大一课设,就赶忙来写一篇博客,希望能对你们有用.项目灵感:游戏玩法:难点:1.圣诞老人的睁眼闭眼2.人物的移动3.判断袜子与人物相撞4.鼠标操作4.游戏音乐加载5. 我的头文件6. 透明背景贴图的工具(不用做掩码图啦!!!!!!)7.其他判断游戏失败成功,袜子的移动,等等杂七杂八的就不一一解释了,直接给你们放我的代码8.这个是我的图片素材有什么问题,后续会补充,评论区问.先来大致了解一下我的游戏下图是游戏主界面的样子点击开始游戏

原创 Pandas数据分析

Pandas学习(一).前言:Pandas是建立在Numpy数据结构上的,尤其时它的Series 和Dataframe对象,为数据科学家们处理那些消耗大量时间的"数据清理"任务提供了捷径.下面我将重点介绍Series ,Dataframe和其他数据结构的高效使用方法.(二).Pandas的安装:在安装Pandas之前首相要确保你已经安装了Numpy,详细的安装方法,请参考Pandas官方文档(http://pandas.pydata.org/).(三).Pandas对象简介:三个基本数据结构: