- 博客(16)
- 收藏
- 关注
RSS订阅原创 rabbitmq实现延迟队列
延迟队列延迟队列，顾名思义就是消息进入消息队列后不会被立即消费，而是等一段时间后消费，这个时间可以自己设定，比如用户登录5分钟后向其推送消息。rabbitmq并未提供延时队列的直接实现，但是rabbitmq提供了死信队列和TTL(消息过期时间)的实现方式，我们可以借助死信队列+TTL到达实现延迟队列的目的。下面先实现死信队列和TTL。实现TTL这里使用springboot实现TTL，通过ttl方法设置队列过期时间，配置类：@Configurationpublic class RabbitmqCo
2021-11-07 13:14:11
1489
原创 nginx常用配置
为了日后方便，这里记录一下nginx的常用配置，此处nginx使用docker 安装并配置数据卷：docker run -id --name c_nginx --net host -v ~/nginx/conf.d:/etc/nginx/conf.d -v ~/nginx/html:/usr/share/nginx/html nginx1. 绑定多个端口与tomact服务器不同，nginx可以同时开启多个端口，nginx绑定多个端口的方法如下：进入conf.d目录:cd ~/nginx/con
2021-10-30 09:51:15
2787
原创 spring-boot整合dubbo
1. dubbo简介Apache Dubbo是一款高性能的Java RPC框架。其前身是阿里巴巴公司开源的、轻量级的开源Java RPC框架，可以和Spring框架无缝集成。其中RPC(remote procedure call)为远程过程调用，PRC不是指一个具体的技术，而是值整个网络的调用过程，例如，服务器A和B，分别部署了一个应用，那么A服务器的应用肯定不能直接调用B服务器的应用，所以通过网络来表达调用的语义和传达调用的数据。Dubbo提供了三大核心能力：面向接口的远程方法调用，智能容错和负载均
2021-10-08 08:25:17
636
原创 虚拟机模拟redis集群
实践是检验真理的唯一标准，作为redis的初学者，在学习redis集群的时候，希望能够自己搭建一个redis集群，但只有一台电脑，所以想出使用虚拟机去模拟redis集群，相当于构建一个伪集群。（伪）集群搭建步骤1 搭建所需环境VM虚拟机（这里操作系统选用的是CentOs7）安装redies注：为避免权限问题，后期操作均使用root账户2 创建集群目录为方便对文件的管理，新建一个集群目录[root@centOSyangsensen redis]# mkdir redis-c
2021-07-26 21:51:00
421
原创 简单解析网络API接口数据
API数据接口-聚合数据 xml和 json 是现今互联网中常用的两种数据交换格式，两种格式都可以进行网络数据交换，数据存储，配置文件，但由于两种文件不同的优缺点，xml主要用于配置文件，json主要应用于网络数据交换。本文通过申请聚合API数据接口，分别使用xml和json的方式解析该API数据。申请方式可以进入聚合数据官方进行申请(聚合官方)。聚合数据提供了很多的网络API接口，很方便开发者使用。 我在聚合数据申请了一个手机号码归属地查询的接口，请求示例如下图：该
2021-05-23 14:34:38
1790
原创 Java中的四种线程池
文章目录线程池Executors线程池概述线程池的好处1. 缓存线程池2. 定长线程池3. 单线程线程池4. 周期定长线程池线程池Executors线程池概述 在进行多线程任务开发的时候，一个线程会经历如下四个阶段： 1. 创建线程 2. 创建任务 3. 执行任务 4. 关闭线程 如果一个线程的任务量很小，那么创建任务和执行任务将占整个流程的很少时间，多数时间用于创建线程和关闭线程，
2021-05-19 09:32:26
290
原创 常用类库String浅析
文章目录String常用方法StringBuffer和StringBuilder构造函数常用方法String 字符串是常量，它们一经创建就不能被修改。正因为字符串对象不变，所以可以共享它们。比如：String str1 = "abc";String str2 = "abc"; 上述代码并没有申请两块存储空间，str1和str2是同一块内存地址的引用。 在对一个字符串进行引用时，JVM首先会在常量池（永久代中，不会被GC回收）中
2021-05-18 13:01:08
97
原创 try catch中finally的理解（java）
理解在进行try catch进行异常处理时，不管是否抛出了异常，也不管在finally之前是否有return语句，finall均必然会被执行，除非程序被关闭（可能是电脑断电，关机，代码使其退出等非正常情况）。finally的执行finally之前无return的情况首先看一个简单的例子： public static void main(String[] args) { div(); } public static void div(){ int x,
2021-05-02 13:15:36
278
原创 opencv进行复数的乘除法运算
目录引言opencv中的复数表示复数乘法引言由于opencv自身不带有复数计算功能，但我又经常需要进行复数运算，所以我只能自己写两个函数来进行复数的乘除法运算。opencv中的复数表示复数包含了实部和虚部，在opencv中是使用一个二通道的Mat对象来存放一个复数数组，两个通道分别存储复数的实部和虚部，图像傅里叶变换的结果就是一个使用二通道数组存放的复数数组。比如一个复数：[0+0j0+j1+0j1+j]\begin{bmatrix}0+0j&0+j\\1+0j&1+j\e
2021-03-26 18:01:35
988
原创 图像锐化
目录1. 图像锐化2. 空间域方法2.1. 梯度模算子1. 图像锐化图像锐化也称边缘增强。锐化技术用于加强图像中的边界和细节信息。由于边界和细节信息对应频域中的高频部分，所以在频域中通常对图像进行高通滤波，在空间域则进行微分处理。2. 空间域方法在进行频率域处理前，先简单介绍两种空间域的图像锐化算子。2.1. 梯度模算子由数学知识，我们知道方向导数取得最大值的方向是梯度方向，这个最大值便是梯度的模。在边界和细节部分进行梯度运算，得到的值较大，而在较平缓的地方，会得到较小的梯度。为了运算简便，梯度
2021-02-27 13:54:24
7222
2
原创 频域中图像平滑的方法
文章目录1. 频域中图像平滑流程2. 理想低通滤波器3. 巴特沃斯低通滤波器1. 频域中图像平滑流程在一副图像中，平滑的图像信号在频谱中贡献低频分量，而高频部分往往是图像的细节和边界，噪声也具有丰富的高频分量。所以对图像进行低通滤波可以消减噪声，但也可能使边界和图像细节变得模糊。频域中图像滤波的处理流层如下图：其中DFT为离散傅里叶变换，IDFT为离散傅里叶反变换，H(m,n)H(m,n)H(m,n)为滤波器的传递函数。滤波器的输出为：2. 理想低通滤波器二维理想低通滤波器(Ideal Lo
2021-02-20 09:44:28
2758
原创 opencv显示图像的频谱图（C++）
opencv显示图像的频谱图（C++）1. 图像傅里叶变换2. 幅度谱3.相位谱4. 测试1. 图像傅里叶变换图像的傅里叶变换是二维的傅里叶变换，二维离散傅里叶变换(discrete Fourier transform,DFT)定义式如下：在这里f(m,n)f(m,n)f(m,n)为图像在点(i,j)(i,j)(i,j)的像素值。二维离散傅里叶反变换为：在opencv中可以通过dft()函数实现二维离散傅里叶变换，代码如下：Mat DFT::dft2(Mat input){ if (in
2021-02-15 10:49:04
3310
3
原创 图像平滑算法
目录1.噪声1.噪声图像在获取的过程中一般会受到各种干扰而导致图像含有噪声。噪声的产生原因有很多，噪声产生的原因决定了噪声的分布特性。当噪声n(x,y)n(x,y)n(x,y)与图像信号g(x,y)g(x,y)g(x,y)无关时，含噪图像f(x,y)f(x,y)f(x,y)可以用下面的式子表示：f(x,y)=g(x,y)+n(x,y)f(x,y)=g(x,y)+n(x,y)f(x,y)=g(x,y)+n(x,y)这种噪声称作加性噪声。还有一种乘性噪声，即噪声和信号有关，含噪图像f(x,y)f(x
2021-02-13 18:23:05
3149
原创 修正直方图增强对比度
目录直方图（histogram）直方图均化直方图（histogram）设一副数字图像的像素总数为NNN，灰度级为LLL，第kkk个灰度级的灰度等级为rkr_krk,共有像素nkn_knk个，则第kkk个灰度级或者说rkr_krk出现的频率：hk=nk/Nh_k=n_k/Nhk=nk/N,其中k=0,1........(L−1)k=0,1........(L-1)k=0,1........(L−1)。以kkk为横坐标（或rkr_krk为横坐标），hkh_khk为纵坐标画出的柱状图，就成为了
2021-02-02 22:01:30
493
原创 对比度增强算法
目录一、简单线性变换二、分段线性变换一、简单线性变换如果原图像f(x,y)f(x,y)f(x,y)的灰度范围为[m,M][m,M][m,M],经过线性变换之后，我们希望变换后的图像g(x,y)g(x,y)g(x,y)的灰度范围是[n,N][n,N][n,N],那么经过下面的简单线性变换就可实现：g(x,y)=(N−n)/(M−m)[f(x,y)−m]+ng(x,y)=(N-n)/(M-m) [f(x,y)-m]+n g(x,y)=(N−n)/(M−m)[f(x,y)−m]+n令系数k=(N−n)/(
2021-01-28 18:36:05
4920
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人