- 博客(102)
- 收藏
- 关注
RSS订阅原创 git管理Codeup云效平台
会把本地master分支的内容推送到远程仓库test的master分支中，但是一般来说，master作为主分支维护的是最新最稳定的代码版本，push代码的话不应该直接push到master中，如果想推送到远程仓库的develop分支中，就需要在本地仓库也创建一个名为develop的分支，也就是说在本地仓库创建develop后在推送内容时远程仓库也会对应地自动创建出一个develop分支。命令与远程仓库建立连接，指定一个远程仓库的名称和URL，将其添加到当前仓库中，在示例中完整的命令就是。
2024-05-21 10:37:12
366
原创 MySQL面经
MySQL区别于其他数据库的最重要的一个特点就是插件式的表存储引擎，也就是说存储引擎是基于表的，但并不是所有的关系型数据库都有存储引擎这个概念，其他大多数数据库系统仅支持一种类型的数据存储。MySQL默认配置了许多不同的存储引擎，例如，Innodb、MyISAM、CSV、Memory和Archive等，可以根据业务需求选取一种最适配最高效的存储引擎。目前 MySQL常用的两种存储引擎是InnoDB和MyISAM。
2024-04-03 21:38:31
996
原创 Redis面经
三者的根本原因在于，Redis命中率下降，请求直接打在了数据库上。在正常的情况下，大部分的资源请求都可以被Redis响应，没有被Redis响应的小部分请求会转向数据库，这样的话，数据库DB的压力不会太大，是可以正常工作的。然而，如果大量高并发请求同时打在了Redis上，请求并没有在Redis上找到相应的资源，也就是Redis没有响应，命中率降低。这些请求就只能转向数据库，在大量高并发的请求之下，导致数据库压力瞬间增大，从而造成数据库服务器卡死或者宕机。
2024-03-26 19:32:44
1269
原创 MybatisPlus框架入门级理解
从条件构造器的学习中可以看出，虽然MybatisPlus提供了非常灵活的关于Where条件的SQL语句拼接方式，但是它是在业务逻辑层完成的，违背了企业开发的一些规范，如果不使用的话自己在xml文件中编写完整的SQL语句又会很麻烦。因此，我们可以利用MyBatisPlus的Wrapper来构建复杂的Where条件，然后自定义SQL语句中剩下的部分。我们需要想一种办法把mp构建好的条件往下传递给mapper层，在xml中最终实现SQL语句的组装。步骤1.基于Wrapper构建where条件@Test。
2024-01-16 16:02:03
1920
2
原创 Java反射机制和动态代理
什么是反射？反射允许对成员变量，成员方法和构造方法的信息进行编程访问。为什么用反射 / 反射的作用？可以轻易地获取成员变量、构造方法和成员方法的所有信息。①获取一个类里面所有的信息，获取到了之后，再执行其他的业务逻辑。②结合配置文件，动态的创建对象并调用方法。
2024-01-02 20:57:02
932
原创 Android开发笔记（四）
根节点下定义了六个节点，分别是：size（尺寸）、stroke（描边）、corners（圆角）、solid（填充）、padding（间隔）、gradient（渐变），各节点的属性值主要是长宽、半径、角度及颜色。所有派生类均可使用ComponentButton的属性和方法，加之ComponentButton本身继承了Button类，故以上几种按钮同时具备Button的属性和方法。Button按钮的背景在正常情况下是凸起的，在按下时是凹陷的，从按下到弹起的过程，用户便能知道点击了这个按钮。
2023-12-28 20:54:36
954
原创 MyBatis的基本使用及常见问题
MyBatis前言MyBatis简介MyBatis快速上手Mapper代理开发增删改查环境准备配置文件完成增删改查查询添加修改删除参数传递注解完成增删改查前言JavaWebJavaWeb是用Java技术来解决相关Web互联网领域的技术栈。MySQL数据库与SQL语言MySQL：开源的中小型数据库。MySQL登录：进入bin文件目录下以管理员身份cmd进去，net start mysql启动MySQL服务，net stop mysql停止服务，mysql -uroot -p进入登录页面，exit
2023-12-28 20:51:33
1004
原创 Android开发笔记（三）—Activity篇
假设活动A有个按钮，点击该按钮会跳到活动B；同时活动B也有个按钮，点击按钮会跳到活动A；从首页打开活动A之后，就点击按钮在活动A与活动B之间轮流跳转。此时活动页面的跳转流程为：首页->活动A->活动B->活动A->活动B->活动A->活动B->…多次跳转之后想回到首页，正常的话返回流程是这样的：…活动B->活动A->活动B->活动A->活动B->活动A->首页，每个箭头都代表按一次返回键，可见要按下许多次返回键才能返回首页。其实在活动A和活动B之间本不应该重复返回，因为回来回去总是这两个页面是没有意义的。
2023-10-30 23:03:32
1146
原创 Andriod学习笔记（二）
注：两个属性的取值包括：left、top、right、bottom，还可以用竖线连接各取值，例如“left|top”表示即靠左又靠上，也就是朝左上角对齐。ImageView本身默认图片居中（fitCenter），若要改变图片的显示方式，可通过scaleType属性设定（在Java代码中是。在某些场合，有的字符无法由输入法打出来，或者某些文字以特殊字体展示，就适合先切图再放到ImageButton。相对布局的下级视图位置由其他视图决定。属性使用，可确定每行中的所有组件在列中的宽度占比，该属性定义在子组件上。
2023-10-23 00:07:58
462
原创 Andriod学习笔记（一）
安卓是一种基于Linux内核的自由及开放源代码的操作系统，主要使用于移动设备。Mininum SDK表示安卓该版本以上的设备都可以运行该Android代码。Android采用Log工具打印日志：Log.e：表示错误信息，比如可能导致程序崩溃的异常Log.w：表示警告信息Log.i：表示一般信息Log.d：表示调试信息，可把程序运行时的变量值打印出来，方便跟踪调试Log.v：表示冗余信息。
2023-10-11 22:00:30
490
原创 基于深度学习的加密恶意流量检测
摘录自：Mingfang ZHAI,Xingming ZHANG,Bo ZHAO. Survey of encrypted malicious traffic detection based on deep learning[J]. Chinese Journal of Network and Information Security, 2020, 6(3): 66-77.
2023-09-15 15:44:07
1785
4
原创 人机交互学习-8 交互设计模型与理论
1：若需要删除大量文本，则使用鼠标，通过菜单进行删除；预测无错误情况下专家用户在下列输入前提下完成任务的时间。在交互设计早期阶段为用户性能提供有效、准确的模型。2：若只是删除个别词，则使用“删除键”进行删除。能够容易地对不同的界面或系统进行比较分析。策略一：缩短当前位置到目标区域的距离。确定何种方案能最有效地支持特定任务。策略二：增大目标大小以缩短定位时间。方法2：使用“删除键”删除文本。目标：删除Word中的文本。对用户执行情况进行量化预测。方法1：使用菜单删除文本。
2023-06-16 22:15:07
2019
原创 人机交互学习-7 可视化设计
如果可视对象在高度和宽度上经常改变，以及对象与可视交互环境边界之间的距离比较大的话，就可以说这个布局较复杂。如文档页面应显示真实可打印区域的向导，以避免打印文档超出可用的打印区域。新手用户不必面对复杂的工具，熟练用户也不必为寻找这些工具烦恼。一个对话框的控件在一个层次关系的嵌套中调用另一个对话框。：第n类组件出现的概率（以该类组件出现的频率为基础）布局复杂度是根据可视对象的大小和位置来衡量的。窗口菜单：包含了当前打开窗口的列表。注：important！C：以比特表示的系统复杂性；只停止其所属的应用程序。
2023-06-16 17:16:35
1596
原创 人机交互学习-6 交互式系统的设计
外形因素设计什么样的产品？产品输入方法产品与用户互动的形式取决于产品的外形和人物角色的能力和喜好哪种方式或者组合更适合设定的人物角色数据元素交互产品中的基本主体，如相片、电子邮件、订单功能元素对数据元素操作的工具以及输入或者放置数据元素的位置在智能电话人物角色Vivien，满足其需求的功能元素包括：（使用场景剧本检验）声音激活控制（声音数据和联系人关联起来）快速拨号键从地址簿中选择联系人从电子邮件、约会项以及备忘录中选取联系人。
2023-06-16 10:43:39
1846
原创 人机交互学习-5 交互式系统的需求
关于目标产品的一种陈述，它指定了产品应做什么，或者应如何工作应该是具体、明确和无歧义的注：了解背景设计目标特点敏感，且很容易在开始有挫折感设计要求特点设计要求对经常使用的工具集，要能快速访问特点设计要求在谈到交互技术时，老年人和儿童有特殊需求。注：important！！！必出Personas解决产品开发过程中出现的3个设计问题：A：专业开发人员知道什么可行，什么对用户最合适B：用户最了解他们需要什么，应当让他们指导设计工作谁将使用系统？这些用户属于哪些类型的人群？是什么因素决定他们将怎样使用系统
2023-06-16 09:15:45
1394
原创 人机交互学习-4 交互设计过程
将迄今为止从用户那里收集的数据，连同解释和工作模型提供给更大的目标人群，以获得见解和赞同。合并工作模型以阐明共同的工作模式和过程，并创建亲和图 （满足用户要求的问题的层次化表示）。评审和“走查”合并的数据，共享所创建的角色。为了减少风险，考虑周到地陈述在利益相关者之间流传的预期影响，对于在开发的前期阶段就引出有益的建议，是一个有用的过程。设计交互系统的困难之一，是客户和用户可能对新系统并没有一个清晰的想法。第一种候选方案的选择是：让用户和涉众与各种方案相交互，并听取他们的体验、 偏好和改进建议。
2023-06-15 19:50:09
1488
原创 人机交互学习-3 交互设计目标与原则
在一个工作或任务范围内，一名用户应用计算机是为了达到一些目标，交互的健壮性包括支持目标成功获得和评估的特性，即在决定成就和目标评估方面对用户提供的支持程度。处理措施：当错误出现时，系统应该能够检测到错误，并提供简单的、有建设性的、具体的指导来帮助用户进行恢复操作。随着新技术渗透到人们的日常生活中，人们对产品有了更多的要求 ，到底什么样的产品才是用户愿意使用和购买的？可学习性是有关交互式系统的特性，使新用户在初始时明白如何应用交互式系统，其后如何获得最大程度的性能。
2023-06-15 16:38:18
2167
原创 大数据概述
通过大数据的分析来优化教育机制，也可以作出更科学的决策，这将带来潜在的教育革命，在不久的将来，个性化学习终端将会更多地融入学习资源云平台，根据每个学生的不同兴趣爱好和特长，推送相关领域的前沿技术、资讯、资源乃至未来职业发展方向。借助于大数据技术，天气预报的准确性和实效性将会大大提高，预报的及时性将会大大提升，同时对于重大自然灾害如龙卷风，通过大数据计算平台，人们将会更加精确地了解其运动轨迹和危害的等级，有利于帮助人们提高应对自然灾害的能力。虽然R很适合分析数据，但是就一般用途而言不太擅长。
2023-06-15 12:19:46
1016
原创 大数据处理架构Hadoop
Hadoop是Apache软件基金会旗下的一个开源分布式计算平台，为用户提供了系统底层细节透明的分布式基础架构Hadoop是基于Java语言开发的，具有很好的跨平台特性，并且可以部署在廉价的计算机集群中Hadoop的核心是分布式文件系统HDFS（Hadoop Distributed File System）和MapReduce。
2023-06-15 11:39:20
1972
原创 分布式文件系统HDFS
兼容廉价的硬件设备流数据访问：一次写入、多次读取大数据集简单的文件模型强大的跨平台兼容性不适合低延迟数据访问：几十ms范围的，HDFS以数据以数据呑吐量为目标，可能会提高时间的延迟。无法高效存储大量小文件：namenode将文件系统的元数据保存在内存中，因此文件系统存储的文件总数有限。不支持多用户写入及任意修改文件HDFS采用了主从（Master/Slave）结构模型，一个HDFS集群包括一个名称节点（NameNode）和若干个数据节点（DataNode）。名称节点作为。
2023-06-15 10:47:40
2219
原创 流计算、Flink和图计算
很多企业为了支持决策分析而构建的数据仓库系统，其中存放的大量历史数据就是静态数据。技术人员可以利用数据挖掘和OLAP（On-Line Analytical Processing）分析工具从静态数据中找到对企业有价值的信息。近年来，在Web应用、网络监控、传感监测等领域，兴起了一种新的数据密集型应用——流数据，即数据以大量、快速、时变的流形式持续到达。数据快速持续到达，潜在大小也许是无穷无尽的数据来源众多格式复杂数据量大，但是不关注存储，一旦经过处理，要么被丢弃，要么被归档存储注重。
2023-06-14 21:47:44
1887
原创 Spark
Spark是基于内存计算的大数据并行计算框架，可用于构建大型的、低延迟的数据分析应用程序。Spark的特点运行速度快：使用DAG执行引擎以支持循环数据流与内存计算容易使用：支持使用Scala、Java、Python和R语言进行编程，可以通过进行交互式编程通用性：Spark提供了完整而强大的技术栈，包括SQL查询、流式计算、机器学习和图算法组件运行模式多样：可运行于独立的集群模式中，可运行于Hadoop中，也可运行于Amazon EC2等云环境。
2023-06-14 16:32:48
1118
原创 人机交互学习-2 人机交互基础知识
用户通过在屏幕某个位置上键入特定命令的方式来执行任务。是一种**“基于字符的界面（Character-based Interface）”**。
2023-06-13 18:12:44
1414
原创 机器学习-11 BP神经网络
神经网络的训练目的是希望能够学习到一个模型，实现输出一个期望的目标值。学习的方式是在外界输入样本的刺激下不断改变网络的连接权值。前馈型神经网络，反馈型神经网络和自组织神经网络。前馈神经网络将神经元分层排列，分别是输入层、中间层和输出层。按照层数不同，划分为单层前馈神经网络和多层前馈神经网络。如感知机、BP网络、RBF网络。反馈神经网络每个神经元同时将自身的输出信号作为输入信号反馈给其他神经元，Hopfield神经网络是反馈网络中最简单且应用广泛的模型。
2023-06-13 01:43:15
2299
原创 机器学习-8 集成学习
集成学习是一种功能十分强大的机器学习方法，其基本思想是先通过一定的规则生成一定数量的基学习器，再采用某种集成策略将这些基学习器的预测结果组合起来，从而形成最终的理论。集成学习不是一个单独的机器学习方法，而是将多重或多个弱学习器组合成一个强学习器加粗样式，从而有效地提升分类效果。对于一个回归问题，假设样本(x→x,y)服从的真实分布为Px→yPxy。设D表示含噪采样点集， (x→xyDy_DyD)服从分布D，yDy_DyD为输入x→x。
2023-06-12 21:33:52
732
原创 机器学习-12 卷积神经网络简介
深度学习是一种利用复杂结构的多个处理层来实现对数据进行高层次抽象的算法，是机器学习的一个重要分支。传统的BP算法仅有几层网络，需要手工指定特征且易出现局部最优问题，而深度学习引入了概率生成模型，可自动地从训练集提取特征，解决了手工特征考虑不周的问题，而且初始化了神经网络权重，采用反向传播算法进行训练，与BP算法相比取得了很好的效果。卷积神经网络目前是深度学习领域的热点，尤其是图像识别和模式分类。
2023-06-09 17:52:47
1187
原创 机器学习-6 支持向量机
支持向量机（SVM）是一种基于统计学习理论的监督学习方法。支持向量机在各个领域内的模式识别问题中都有广泛应用，包括人脸识别、文本分类、笔迹识别等。当训练数据线性可分时，通过硬间隔最大化，学习一个线性可分支持向量机；当训练数据近似线性可分时，通过软间隔最大化，学习一个线性支持向量机；当训练数据不可分时，通过使用核技巧以及软间隔最大化，学习一个非线性支持向量机。
2023-06-09 10:35:17
1325
原创 数据仓库分析工具Hive
Hive是一个构建于Hadoop顶层的数据仓库工具某种程度上可以看作是用户编程接口，本身不存储和处理数据依赖分布式文件系统HDFS存储数据依赖分布式并行计算模型MapReduce处理数据定义了简单的类SQL 查询语言——HiveQL用户可以通过编写的HiveQL语句运行MapReduce任务是一个可以提供有效、合理、直观组织和使用数据的模型Hive的特点：采用批处理方式处理海量数据Hive需要把HiveQL语句转换成MapReduce任务进行运行；数据仓库存储的是静态数据，
2023-06-08 21:42:00
797
原创 MapReduce
在MapReduce中，一个存储在分布式文件系统中的大规模数据集会被切分成许多独立的小数据块，这些小数据块可以被多个Map任务并行处理。MapReduce框架会为每个Map任务输入一个数据子集，Map任务生成的结果会继续作为Reduce任务的输入，最终由Reduce任务输出最后结果，并写入分布式文件系统。特别需要注意的是：适合用MapReduce来处理的数据集需要满足一个前提条件，即待处理的数据集可以分解为许多小的数据集，而且每一个小数据集都可以完全并行地进行处理。
2023-06-08 11:09:38
1229
原创 NoSQL数据库
泛指非关系型的数据库，区别于关系数据库，它们不能保证关系数据的ACID特性。NoSQL适用关系型数据库的时候就使用关系型数据库，不适用的时候也没有必要非使用关系型数据库不可，可以考虑使用更加合适的数据存储。NoSQL不是一个工具，而是由一些具有互补性和竞争性的工具组成的一个概念，是一个生态圈。NoSQL 系统舍弃了许多传统关系型数据库的方便之处，而把一些通常由关系型数据库本身来完成的任务交给了应用层来完成。
2023-06-07 17:04:54
1340
原创 分布式数据库HBase
HBase是一个高可靠、高性能、面向列、可伸缩的分布式数据库，是谷歌BigTable的开源实现，主要用来存储非结构化和把结构化的松散数据。HBase的目标是处理非常庞大的表，可以通过水平扩展的方式，利用廉价计算机集群处理由超过10亿行数据和数百万列元素组成的数据表。HBase和BigTable的底层技术对应关系BigTableHBase文件存储系统GFSHDFS海量数据处理MapReduce协同服务管理ChubbyZookeeper。
2023-06-06 17:31:20
1186
1
原创 人机交互学习-1 人机交互概述
程序开发过程中约80％的维护开销都与用户和系统的交互相关，这其中又有64％属于可用性问题。优秀的人机交互技术如**以用户为中心的设计（UCD）**方法提出了多种用于构建交互式系统的技术和工具。：人们使用系统时心理上的感觉。此时，感性是包括看到某个系统之后所接触到的审美印象和情绪，或是对象的个性等概念。用户体验是一个非常广泛的概念，包括用户在对产品使用前、使用期间、使用后的感受、信念、喜好、知觉、身体及精神上的反应和行为等。人机交互对软件工程技术的发展具有很大的促进作用，但现有的软件工程技术在实现。
2023-05-30 20:32:13
1298
原创 机器学习-5 朴素贝叶斯算法
总体信息：当前总体样本符合某种分布。比如抛硬币，二项分布。学生的某一科的成绩符合正态分布。样本信息：通过抽样得到的部分样本的某种分布。抽样信息=总体信息+样本信息基于抽样信息进行统计推断的理论和方法称为经典统计学。先验信息：抽样之前，有关推断问题中未知参数的一些信息，通常来自于经验或历史资料。基于总体信息+样本信息+先验信息进行统计推断的方法和理论，称为贝叶斯统计学。
2023-05-30 18:21:12
1411
原创 机器学习-4 决策树算法
分类算法利用训练集获得分类模型（分类器），从而实现将数据集中的样本划分到各个类中。分类模型通过学习训练样本中属性集与类别之间的潜在关系，并以此为依据对新样本属于哪一类别进行预测。
2023-05-30 00:06:37
825
原创 机器学习-3 K最近邻算法
用于分类任务的机器学习模型称为分类模型或分类器。分类任务的目标是通过训练样本构建合适的分类器C(X)，完成对目标的分类。分类类别只有两类的分类任务称为二值分类或者二分类，这两个类别分别称为正类和负类，通常用+1和-1分别指代。分类类别多于两类的分类任务通常称之为多值分类。
2023-05-23 22:43:40
532
原创 机器学习-2 线性回归
回归就是用一条曲线对数据点进行拟合，该曲线称为最佳拟合曲线，这个拟合过程称为回归。当该曲线是一条直线时，就是线性回归。线性回归（Linear Regression）是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖关系的一种统计分析方法。“线性”指一次，“回归”实际上就是拟合。线性回归一般用来做连续值的预测，预测的结果是一组连续值。在训练学习样本时，不仅需要提供特征向量X，还需要提供样本的实际结果（标记label），因此线性回归模型属于监督学习里的回归模型。
2023-05-20 15:32:13
931
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