sekever的博客

比如我们其实需要解决 lag 的问题，但是你给出的方案是迁移到工作流，辛辛苦苦调用一堆，最后了解详情后发现，需要迁移的任务根本不重要，可以直接丢弃。7，自己可以不拼，但是需要让上级看到你拼命，每天早上很早上班，就是一个比较差的习惯。并且对这个问题，有充分的处理思路、问题文档、事后反思，如果是别人的问题更好了，提出问题的同时，提出解决方案。2，给你派活的时候需要注意什么：可以做的慢，但是需要做的准确、可以推脱，但是需要合理的理由、活干完后立刻汇报（预案+测试+等等）4，可以做的慢，但是需要做的准确。

视频文件的中间音频帧可能为空导致的问题。

来总结一下量\价少量下跌多量下跌少量上涨多量上涨少量下跌局势不明朗，需要警惕观察？价格上涨较少，说明资金入场意愿不强，局势不明朗，可以再观察观察；高位则是入场资金意愿不足可以出售了买方力量疲软，已经入场的资金可以先放着观察一下，外部资金需要注意风险多量下跌阴跌市场一致看跌，重大利空，找个合适的位置割肉或者止损需要警惕观察，不要轻易入场封板重大利好少量上涨换手率增加，小幅度利好，适合观察高位可能是庄家出货，小幅度利空走势健康，值得参与量高价更高，利好，尽快参与多量上涨。

Hex 和 Base64 是最简单的密码学算法之一，严格来说他甚至不具备加密功能，只是一数据的表现方式，他们在传输视频、图片等二进制文件的时候经常发挥作用。

其中 f1 是表示分钟，f2 表示小时，f3 表示一个月份中的第几日，f4 表示月份，f5 表示一个星期中的第几天。当 f1 为 a-b 时表示从第 a 分钟到第 b 分钟这段时间内要执行，f2 为 a-b 时表示从第 a 到第 b 小时都要执行，其馀类推。当 f1 为 */n 时表示每 n 分钟个时间间隔执行一次，f2 为 */n 表示每 n 小时个时间间隔执行一次，其馀类推。当 f1 为 * 时表示每分钟都要执行 program，f2 为 * 时表示每小时都要执行程序，其馀类推。

有一个需求，这个需求希望如果用户触发了下单操作，就对b端的管理员发送一次弹窗，如果想让前端源源不断的接受到后端发送的实时数据，这种需求可以使用什么技术来实现可以采用以下几种技术方案：1，WebSocket：WebSocket 是一种在单个 TCP 连接上进行全双工通信的协议，它允许网页和后端进行双端通信2，Server-Sent Events (SSE)：SSE 是一种让服务器向浏览器推送更新的技术。它基于 HTTP 协议，只需要服务器端发送一个特殊的 HTTP 响应头即可建立连接。

背景是需要在 java 项目中实现一个音频切分的功能，比如用户上传了一个100分钟的视频，我们需要将该音频的前10分钟和最后10分钟切出来，需要切的音频格式包含 mp4、mp3、wav 等常见的压缩文件格式经过调研发现 ffmpeg 比较适合处理这个，在 java 中有提供对应的封装库 javacv、ffmpeg-platform，当然 java 中也提供了其他的组件去切音频，但是他们的泛用性不如 ffmpeg。

外界的声音都是模拟信号，在数字设备中A/D转化成为了由0、1表示的数字信号后被储存下来。数字信号都是离散的，所以采样率是指一秒钟采样的次数，采样率越高，还原的声音也就越真实。由于人耳听觉范围是20Hz~20kHz，根据香农采样定理(也叫奈奎斯特采样定理)，理论上来说采样率大于40kHz的音频格式都可以称之为无损格式。但在40kHz采样率下得到的声音已没有细节可言，所有频率都是只采样了一个波峰一个波谷。现一般的专业设备的采样频率为44.1kHz。

IO 就是计算机内部与外部进行数据传输的过程，比如网络 IO 与磁盘 IO所有 IO 都需要系统调用，由操作系统代理执行，并经历从 IO 设备拷贝到内核空间拷到用户空间的环节在内核收到调用请求之后，会有数据准备、数据就绪、数据拷贝的阶段每一个程序员面试的时候或多或少都会被问到相关知识，了解一下相关概念是非常重要的。

在全监督学习中，算法的目标是从给定的输入数据（特征）和对应的正确输出（标签）中学习一个函数或模型，使得该模型能够在新的未知数据上准确预测标签。这样，在微调时，模型只需要少量的标记数据就能达到较好的性能，尤其对于那些标记数据稀缺的任务来说，预训练极大地提高了效率和效果。向量库：将一段文本、图像、音频拆分成多个纬度的数据，根据用户传入，锚定坐标然后选择最近的点做返回，这大概就是向量数据库在 LLM 工程（langchain）中的使用，简单来说就是做缓存。其实就是指基于语言模型的应用程序设计和开发的架构。

这样我们可以重写组件的 isAccess 方法并将组件的执行状态记录在数据库中，每次执行到该组件的时候，根据状态判断是否需要执行。利用 LiteFlow，你可以将瀑布流式的代码，转变成以组件为核心概念的代码结构，这种结构的好处是可以任意编排，组件与组件之间是解耦的，组件可以用脚本来定义，组件之间的流转全靠规则来驱动。在流程执行的过程中可能有很多上下文对象，在不同的流程模块中调用，因此在创建流程的时候，我们可以封装一个 Context 对象，里面可以存放很多的上下文数据。flow.el.xml 文件。

2，左侧交易者的核心逻辑是，虽然投资者无法有效的高精确度同时高正确率的去判断市场的最高点和最低点，但是有一件事在股票市场中是一定的，那就是跌多了要涨，涨多了要跌。根据这个理论，有一些聪明的朋友可能就会动脑筋了，我手里有大量的现金流并且有大量的该股股票，我可以一个人大量的买进并且卖出这只股票造成一种量增的错觉，放出利好信号吸引其他的韭菜朋友过来购买这只股票，然后我再在一个高点去卖出股票以获取利益。，并在自己想象的底部进场买股。所以，在这种游戏里，最终，决定输赢的不是运气，而是实力，场外实力，你赚钱的实力。

在移动互联网时代，手机流量、电量是最为有限的资源，而移动端的即时通讯应用无疑必须得直面这两点解决流量过大的基本方法就是使用高度压缩的通信协议，而数据压缩后流量减小带来的自然结果也就是省电：因为大数据量的传输必然需要更久的网络操作、数据序列化及反序列化操作，这些都是电量消耗过快的根源当前即时通讯应用中最热门的通信协议无疑就是 Google 的 Protobuf 了。

如果存储的数据过多，查询效率会大大降低，如何去解决这个问题？1，限定数据的范围：禁止不带任何限制数据范围条件的查询语句，这样就不用查询整个数据库2，范式优化（垂直拆表）：优化为 BC 范式，删除重复数据，或者单纯的拆字段3，水平拆表：保持数据表结构不变，通过某种策略将存储的数据分片。这样每一片数据分散到不同的表或者库中4，读写分离：主读副写，配置一下来实现 mysql 的主从复制今天介绍的重点就是垂直拆表（拆字段）和水平拆表（拆数据）

真正的屎山不是初级程序员写的巨量胶水代码，而是没学明白抽象的程序员写的大量设计模式耦合形成的。你甚至不理解为什么当初的创作者需要使用到这个设计模式，不知道从哪开始读之前的代码，甚至在心中咒骂之前的作者无数遍。为了不让我们的后者觉得我们的水平很差，学好设计模式是很重要的设计模式代表了最佳的实践，通常被有经验的面向对象的软件开发人员所采用。设计模式是软件开发人员在软件开发过程中面临的一般问题的解决本文会列出几个常用框架以及 jdk 中使用的设计模式。

普通的系统无非 CRUD，那系统如何控制一个用户该看到哪些数据、能操作哪些功能？日常开发中最常用到 RBAC 和 OAuth2 这两种访问控制和授权方案。

语法糖指在计算机语言中添加的某种语法，这种语法对语言的功能并没有影响，但是更方便程序员使用带有语法糖的代码一般不能直接翻译为汇编语言，JDK 需要将语法糖先翻译成直接支持的编程语言，然后执行正常的转换为汇编语言的操作。在 java 中，翻译语法糖的任务被交给了前端编译器。

序列化机制可以让对象地保存到硬盘上，减轻内存压力的同时，也起了持久化的作用；也可以让 Java 对象在网络传输。一般我们可以使用 java 自带的序列化机制和 json 来就行序列化。以下讲解一下序列化相关概念。

函数的第四个参数填 TURE 或者 FALSE，意思为模糊查找和精确查找，这里选择 FALSE，点击回车即可实现两个表格关联。函数第一个参数设置成 sheet1 中的 A 列（如果数据很多，可以直接选中 A 列）函数的第三个参数填需查找条件所在列数，实例中查找名字，但返回的城市在第二列，所以就填2。实现两个 sheet 间的关联需要用 vlookup 函数实现。函数的第二个参数选中 sheet2 中的 A 列和 B 列。

做这玩意给我恶心坏了。