- 博客(10)
- 资源 (1)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 测试 | 计算机基础
一、数据库 1、事务 1.1 的四种隔离级别 数据库事务的隔离级别有4种，由低到高分别为： 1）、Read uncommitted （读未提交）：一个事务可以读取另一个未提交事务的数据，即脏读。 2）、Read committed （读提交）：一个事务要等另一个事务提交后才能读取数据。（解决脏读） 3）、Repeatable read （可重复读）：就是在开始读取数据（事务开启）时，不再允许修改操作。（解决不可重复读） 4）、Serializable （可串行化）：事务串行化顺序执行，可以避免脏读、不可重复
2022-04-23 12:33:23
713
原创 测试 | 问题
测试相关 自顶向下&自底向上 一、自顶向下的集成是从主控模块（主程序，即根结点）开始，按照系统程序结构，沿着控制层次从上而下，逐渐将各模块组装起来。在从上向下的集成测试过程中，需对那些未经集成的模块开发桩模块。在集成过程中，可以采用宽度优先或深度优先的策略向下推进。 优点： 1、较早地验证了主要控制和判断点； 2、按深度优先可以首先实现和验证一个完整的软件功能； 3、功能较早证实，带来信心； 4、只需一个驱动，减少驱动器开发的费用；支持故障隔离。 缺点： 1、柱的开发量大；底层验证被推迟； 2、底层
2022-04-12 21:22:31
200
原创 数据库 | 数据库理论知识汇总
事务的四个特性 原子性：一个事务是一个不可分割的工作单位，事务中包括的诸操作要么都做，要么都不做。 一致性：事务必须是使数据库从一个一致性状态变到另一个一致性状态。一致性与原子性是密切相关的。 隔离性：一个事务的执行不能被其他事务干扰。即一个事务内部的操作及使用的数据对并发的其他事务是隔离的，并发执行的各个事务之间不能互相干扰。 持久性：持久性也称永久性，指一个事务一旦提交，它对数据库中数据的改变就应该是永久性的。接下来的其他操作或故障不应该对其有任何影响。 ...
2022-03-21 21:28:19
561
原创 Python | 数据分析过程常用python语句总结
一、数据集 1、导入数据集 (1) 小规模数据集 sklearn.datasets.load_*() ## *可换为具体数据集名称,参数：subset=train表示只要训练的部分(下同) (2)大规模数据集 sklearn.datasets.fetch_*() 2、数据集划分 sklearn.model_selection.train_test_split(dataset.data,datset.target,test_size=0.2,random_state=2) #依次返回xtrain,xtes
2022-03-20 20:48:40
1943
原创 Android学习笔记（二）| Kotlin学习
本文为《第一行代码Android》学习笔记，如有侵权，请联系我删除。疏漏之处还请指正。 一、变量与函数 1.1 变量 1.两种声明变量的关键字 val：声明不可变的变量 var：声明可变变量 自动推导类型：val/var 变量名=值 指定类型： val/var 变量名：类型=值 2.Kotlin数据对象类型 （Kotlin中的数据类型均非关键字，而是对象） Int、Long、Short、Float、Double、Boolean、Char、Byte 2.2 函数 1.定义 fun 函数名(参数名.
2021-06-08 21:29:02
62
2
原创 Android学习笔记（一）
本文为《第一行代码Android》学习笔记，如有侵权，请联系我删除。疏漏之处还请指正。 一、简介 1.1 Android 系统架构 Linux 内核层 ：为Android 设备的各种硬件提供底层驱动 系统运行库层：主要特性支持及Android 运行时库 应用框架层：各种API 应用层：安装在手机上的应用程序 1.2 Android应用开发特色 四大组件、丰富的系统控件、SQLite数据库、强大的多媒体 1.3 四大组件 Activity：门面 Service BroadcastReceiver.
2021-06-08 20:49:52
240
5
原创 Matlab学习笔记
Matlab>函数repmat B = repmat(A, m, n) :将矩阵A复制mn块，即B由mn块A平铺而成 B = repmat(A, [mn]）：等同1 B = repmat(A, [mn p...]) ：B由mnp*…个A块平铺而成 repmat(A, m, n):当A是一个数a时，产生一个全由a组成的m*n矩阵 ...
2020-08-06 20:55:29
91
转载 折衷型模糊多属性算法
4.2 折衷型模糊多属性决策方法 （1）折衷型模糊决策的基本原理 折衷型模糊决策的基本原理是： 从原始的样本数据出发，先虚拟模糊正理想和模糊 负理想，其中模糊正理想是由每一个指标中模糊指标值的极大值构成；模糊负理想是由 每一个指标中模糊指标值的极小值构成。然后采用加权欧氏距离的测度工具来计算各备 选对象与模糊正理想和模糊负理想之间的距离。在此基础上，再计算各备选对象属于模 糊正理想的隶属度，其方案优选的原则是，隶属度越大，该方案越理想。 （2）折衷型模糊决策的基本步骤 Step1：指标数据的三角形模糊数表达
2020-08-05 22:38:51
1430
javafx setText()函数报错问题
2021-03-22
TA创建的收藏夹 TA关注的收藏夹
TA关注的人