qq_40848737的博客

数据库： sqlserver2008r2表： device_data数据量：2000w行左右表结构复制代码CREATE TABLE [dbo].[device_data]([Id] [int] IDENTITY(1,1) NOT NULL,[DeviceId] nvarchar NOT NULL,[SystemTick] [int] NOT NULL,[Sport] [int] NOT NULL,[Temperature] [int] NOT NULL,[Voltage] [int]

思维导航：是什么undo logRedo Log 与 Binlog Redo log 三种状态 redo log 的持久化 Binlog 三种格式 三种状态 binlog 的持久化 两者的联系 状态 Crash-Safe 能力 三步提交的参数配置 组提交优化 " 三步提交 " 三步提交过程总结三个日志的比较（undo、

实验名称：Hadoop安装部署一、实验环境：虚拟机数量：3个 （1个master，2个slave：slave01，slave02）主节点master信息：操作系统：CentOS7.5软件包位置：/home/zkpk/tgz数据包位置：/home/zkpk/experiment已安装软件：无从节点slave01信息：操作系统：CentOS7.5软件包位置：/home/zkpk/tgz数据包位置：/home/zkpk/experiment已安装软件：无从节点slave0

pyspark中的DataFrame等价于Spark SQL中的一个关系表。在pyspark中，DataFrame由Column和Row构成。pyspark.sql.SparkSession：是DataFrame和SQL函数的主要入口DataFrameReader：读取数据，返回DataFrameDataFrameWriter：把DataFrame存储到其他存储系统pyspark.sql.DataFrame、pyspark.sql.Column和 pyspark.sql.Row一，SparkSe

一、问题和排查步骤 1.1 问题基本信息 1.2 问题解析 1.3、解决办法二、扩展-各种情况对比 默认两项 proxy_set_header 其他项等 总结三、扩展 ->脚本 proxy_set_header $host $proxy_host $http_host 各个变量含义 python 获取请求所有数据信息脚本本文会先由一个问题引入，然后再进行多种情况进行分析。一、问题和排查步骤1.1 问题基本信息​ 我们应用程序

一般情况下我们可以从公共渠道诸如 DockerHub 获取镜像上获取镜像，但是在实际生产过程中，往往需要定制化的镜像，例如修改一些配置文件，增加一些特殊的命令或软件等需求，这时就需要通过编写 Dockerfile 来生成自定义的镜像文件。Dockerfile介绍Dockerfile 是一个文本格式的配置文件，通过编写 Dockerfile 脚本来定义自己需要的镜像。Dockerfile 文件由一行行命令语句组成，文件中的注释信息以 # 开头。编辑好 Dcokerfile 文件之后，我们可以通过 dock

Java虚拟机运行时数据区 方法区:存储 类信息、常量、静态变量、即使编译器编译后的代码等数据，也有别名叫做非堆。 方法区其中有包含有 运行时常量池，用于存放编译期生成的各种字面量和符号引用。其中，可通过String.intern()方法将字符串放入运行时常量池中。 堆:存储的是类实例对象，数组。 JVM 所管理的内存中最大的一块。Java堆是被所有线程共享的一块内存区域，在虚拟机启动时创建。 从内存回收的角度来看，由于现在收集器基本都采用 分代收集算法，所以堆可以细分为 新生代 和老

写在前面在上一篇《冰河开始对Dubbo下手了！》一文中，我们重点介绍了为何要学习Dubbo，而且还是要深入理解Dubbo的原理和核心源码。既然是要写深度解析Dubbo源码的系列专题，我们首先要做的就是搭建一套Dubbo的源码环境，正所谓“工欲善其事，必先利其器”。但是，为了更好的理解Dubbo，我将本文重点分成三个部分：Dubbo中的核心角色、搭建Dubbo源码环境、Dubbo核心模块说明、运行Dubbo的示例程序 四个部分。说干就干，上重点。注：本系列专题，我是基于Dubbo 2.7.8版本进行源码分

在JS没有模块化标准的时代，如果存在以下依赖关系：main.js -> b.js -> a.js那么我们必须把js文件的顺序按照模块的依赖关系顺序放到页面中(简单的举例，不考虑循环依赖等复杂情况) 我们需要提前加载好所有的依赖。//main.js(function(){moduleB.logb();})()//b.jsvar moduleB = (function () {function logb() {moduleA.loga();conso

asp.net core 5.0 中的 JsonConsoleIntro#asp.net core 5.0 中日志新增了 JsonConsole，还是输出日志到 Console，但是会应用 Json 格式的一个 Formatter 把日志格式化成 json 再输出到控制台Sample#一起来看一个示例，以我的一个小项目为例子来演示，默认的 console 日志格式是多行的，不够结构化，想要进行加工的话就会比较麻烦，不能很方便的进行加工和扩展，而 JSON 则是一种相对来说比较结构化的数据，相对来说进

BCC和libbpf的转换转载BCC和libbpf的转换本文讲述如何将基于BCC的BPF应用转换为libbpf + BPF CO-RE。BPF CO-RE可以参见上一篇博文。为什么是libbpf和BPF CO-RE？历史上，当需要开发一个BPF应用时可以选择BCC 框架，在实现各种用于Tracepoints的BPF程序时需要将BPF程序加载到内核中。BCC提供了内置的Clang编译器，可以在运行时编译BPF代码，并将其定制为符合特定主机内核的程序。这是在不断变化的内核内部下开发可维护的BPF应用程

问题描述我司某产品线有指定业务接口customQuery在线上环境中，与首页一起打开时下载数据的时间明显过长（平均可以达到2s）注：“与首页一起打开” 的含义是指用户进入WEB系统后会首次加载的主页面，该主页会提前请求customQuery数据，以用于显示首页中的列表数据。正常的想法会第一时间认为是刚进入首页请求多，导致的下载速度慢，这个自然不是这个原因，要不然也不会专门写这些内容，后面会讲到。下文中我会尽量仅针对问题本身，不掺杂业务逻辑进行表述，并尽可能的做到描述清晰，准确。不过个人表达力及知识

腾讯IOT 安卓开发初探目的：将Andorid端作为一个物联网设备（device），然后将其安卓设备上面的数据发送到腾讯云IOT开发平台上。（这里我们将手机上面的GPS经纬度发送到腾讯云IOT平台上）。腾讯IOT开发平台：https://console.cloud.tencent.com/iotexplorer腾讯IOT Java SDK GitHub：https://github.com/tencentyun/iot-device-java开发工具：Android Studio代码Github

好久没写支付相关的文章了，今天继续从事老本行~上次在文章钱被扣走了，但是订单却未成功！支付掉单异常最全解决方案提到，支付过程会出现掉单、卡单的情况，这种情况对于用户来讲，体验非常差，明明自己付了钱，扣了款，但是订单却未成功。上篇文章我们简单说了下解决方案，这次小黑哥就结合生产实际碰到的情况，给出两种详细设计的方案：定时轮询补偿方案延迟消息补偿方案大家可以根据自己系统的实际情况，选择性参考。当然了，以下设计方案可能并不完美，如果各位读者还有其他解决方案，欢迎留言指出，一起讨论，一起成长~欢迎关

在SQL Server中可能有这样的拼接字符串需求，需要将查询出来的一列拼接成字符串，如下案例所示，我们需要将AddressID <=10的AddressLine1拼接起来，分隔符为|。如下截图所示。这种方式看起来似乎没有什么问题，而且简单测试也是OK：USE AdventureWorks2014;GODECLARE @address_list NVARCHAR(MAX);SET @address_list =’’;SELECT @address_list = @address_list +

在一种基于腐蚀膨胀运算实现的局部自适应对比度增强算法中，提出了一种可以分开自适应的调整局部亮部和暗部对比度的方法。但是就象在评论中提到的，这种方法会产生方块效应。特别是在对比度已经比较大的边缘附近，这种方块效应会比较明显。这是因为在边缘附近，对比度本来就是比较大的，偏均方差也就相应的比较大。那么调整的时候给出自适应的调整量就会相应地变小。一旦离开边缘附近，领域不包括边缘，对比度就会相对陡然变小，那么自适应的调整量就会相应变大。那么在边缘同一侧就可能会比较明显地出现不均匀的变化，也就是我们所说的方块效应。不均

近年来，随着深度学习技术的快速发展，基于AI的超分辨技术在图像恢复和图像增强领域呈现出广阔的应用前景，受到了学术界和工业界的关注和重视。但是，在RTC视频领域中，很多AI算法并不能满足实际场景下的应用需求。本文将着眼于AI技术从研究到部署的落地问题，分享超分辨技术在RTC领域落地应用所面临的机遇与挑战。一、超分辨技术概述超分辨技术的提出超分辨技术的提出超分辨这一概念最早是在20世纪60年代由Harris和Goodman提出的，是指从低分辨率图像，通过某种算法或模型生成高分辨图像的技术，并且尽可能

前言我们都知道当单库系统遇到性能瓶颈时，读写分离是首要优化手段之一。因为绝大多数系统读的比例远高于写的比例，并且大量耗时的读操作容易引起锁表导致无发写入数据，这时读写分离就更加重要了。EFCore如何通过代码实现读写分离，我们可以搜索到很多案例。总结起来一种方法是注册一个DbContextFactory，读操作注入ReadDcontext，写操作注入WriteDbcontext；另外一种是动态修改数据库连接串。以上无论哪种方法，实现简单粗暴的读写分离功能也不复杂。但是如果需要实现从库状态监测（从库宕机

1.JAVA 的并发模型共享内存模型 在共享内存的并发模型里面,线程之间共享程序的公共状态,线程之间通过读写内存中公共状态来进行隐式通信 该内存指的是主内存,实际上是物理内存的一小部分2.JAVA 内存模型的抽象2.1 java内存中哪些数据是线程安全的,哪些是非安全的非线程安全 : 在 java 中所有的实例域、静态域、和数组元素都存放在堆内存中,并且这些数据是线程共享的,所以会存在内存可见性问题线程安全 : 局部变量、方法定义的参数、异常处理器参数是当前线程的虚拟机栈中的数据,

段表集合（field_info）用于描述接口或类中声明的变量，包括类级变量以及实例级变量，但不包括在方法内部声明的局部变量。字段包含待信息有字段的作用域（public、private、protected）、是实例变量还是类变量（static）、可变性（final）等等。这些信息要么有，要么没有，很适合用标志位来表示，而字段叫什么，被定义为什么数据类型，这些都无法固定，只能用常量池中的常量来描述。字段表结构如下：类型 名称 数量u2 access_flags 1u2 name_index