qq_44609058的博客

线程私有的，每个线程都有一份，内部保存的字节码的行号，用于记录正在执行的字节码指令的地址。Java堆是线程共享的区域：主要用来保存对象实例，数组等，内存不够时则抛出OutOfMemoryError异常。组成：年轻代+老年代●年轻代被划分为三部分，Eden区和两个大小严格相同的Survivor区；●老年代主要保存生命周期长的对象，一般是一些老的对象。jdk1.7和jdk1.8的区别●1.7中有一个永久代，用于存储类信息、静态变量、常量、编译后的代码。

●异步发送（验证码、短信、邮件...）●MySQL和Redis，ES之间的数据同步●分布式事务●削峰填谷●生产者发送消息，消息没有到达交换机或者没有到达队列；●MQ宕机消息丢失；●消费者服务宕机丢失消息。回答●开启生产者确认机制，确保生产者的消息能到达队列；●开启持久化功能，确保消息未消费前在队列中不会丢失；●开启消费者确认机制为auto，由spring确认消息处理成功后完成ack；●开启消费者失败重试机制，多次重试失败后将消息投递到异常交换机，交由人工处理。

聚集索引（又称聚簇索引）：数据与索引放到一块，B+树的叶子节点保存了整行数据，有且只有一个。聚集索引选取的规则：如果存在主键，主键索引就是聚集索引；如果不存在主键，将使用第一个唯一（UNIQUE）索引作为聚集索引；如果表没有主键且没有合适的唯一索引，则InnoDB会自动生成一个rowid作为隐藏的聚集索引。非聚簇索引（又称二级索引）：数据与索引分开存储，B+树的叶子节点保存对应的主键，可以有多个。回表查询：通过二级索引找到对应的主键值，到聚集索引中查找整行数据覆盖索引。

缓存雪崩：是指在同一时段大量的缓存key同时失效或Redis服务宕机，导致大量请求到达数据库，带来巨大压力。解决方案①给不同的key设置不同的过期时间（如：对key的TTL添加随机值，已降低过期重复率）；②对于Redis服务宕机问题，可以利用Redis集群提高服务的可用性（如：哨兵模式、集群模式）；③给缓存业务添加降级限流策略（如：在ngxin或spring cloud gateway中设置限流规则），该策略可以作为系统的保底策略，适用于穿透、击穿、雪崩；

虽然 @Transactional 注解可以作用于接口、接口方法、类以及类方法上，但是 Spring 建议不要在接口或者接口方法上使用该注解，因为这只有在使用基于接口的代理时它才会生效。⑦NESTED：如果有运行的事务，则当前方法应该在这个事务的嵌套事务内运行：否则，启动一个新的事务，并在新启动的事务中运行。否则，可以不运行在事务中。④NOT_SUPPORTS：当前方法不应该运行在事务中，如果当前有运行的事务，则将其挂起。⑤MANDATORY：当前方法必须运行在事务中，如果没有正在运行的事务，则抛出异常。

对此，Java提出String pool的概念，在堆中开辟一块存储空间String pool，当初始化一个String变量时，如果该字符串已经存在了，就不会去创建一个新的字符串变量，而是会返回已经存在了的字符串的引用。引起该异常的原因是 JVM 或 ClassLoader 尝试加载某类时在内存中找不到该类的定义，该动作发生在运行期间，即编译时该类存在，但是在运行时却找不到了，可能是编译后被删除了等原因导致。不同的哈希值取余后的结果可能是相同的，用equals方法判断是否为相同的对象，不同则在链表中插入。

论文：CTFN: Hierarchical Learning for Multimodal Sentiment Analysis Using Coupled-Translation Fusion Network论文链接：其中couple learning能够并行的进行双向跨模态的相互关联，本文通过(text,video)、(audio,text)、(audio,video)3个CTFN模块结合使用以弥补模态缺失。论文、动机及相关工作介绍该论文发布在ACL-2021，由浙江省脑机协...

该次学术讨论主要讲述了如何去写论文、如何投稿。并介绍了WILEY论文投稿工具，该工具提供了论文撰写（包括：图表、摘要图的生成）、投稿期刊会议分析及建议等。链接：https://gcb.h5.xeknow.com/s/1rvuFi工具：提供论文稿件的润色、提供论文翻译功能、提供图表插图绘制、摘要图设置（需要联系作者，将相关资料发送）平台支持多作者编辑 手稿...

一、什么是预训练？目前随着数据量爆炸式的增长，靠人工去标注更多数据是非常昂贵，并且也不太现实的。因此预训练的方式就出现了，也逐渐成为了一种主流的方法。那到底什么是预训练呢？简单地说，预训练就是：“使用尽可能多的训练数据，从中提取出尽可能多的共性特征，从而能让模型对特定任务的学习负担变轻。”预训练将学习分成了两步：1）首先将大量低成本收集的训练数据放在一起，经过某种预训方法去学习其中的共性知识 ；2）然后，再使用相关特定域的少量标注数据进行微调，模型就可以从共性知识出发，学习这些特定领域数据的

多模态任务挑战：表示、翻译、对齐、融合、协同学习。(1)多模态表示：联合（joint）、协作（coordinated）联合表示（又称单塔模型）：通过将单模态用函数进行投射到同一多模态表示空间。公式：xm=f(x1,x2,......,xn)。主要用于：在训练和推理过程中都存在多模态数据的任务中。最简单的例子为单个模态的串联（又称早起融合）。该论文分析了从神经网络、图形模型、递归神经网络等方面创建联合表示。基于神经网络的联合表示：每个模态从几个单独的神经层开始，然后通过一个隐藏...

一、IOC概念及原理二、IOC创建对象和属性注入使用bean标签创建对象：<bean id="名称" class=" 类路径"></bean>属性注入：(1)set方法注入创建set方法；xml配置文件：<bean id="名称" class=" 类路径"><property name="属性名" value="属性值" >></property></bean>创建Applicationco