面试官所问到的(一)

1.int与String相互转换,以及数据类型转换异常!
2.hashmap与map区别,hashmap为什么线程不安全?
3.异常Exception下面有什么异常?
4.权限管理模块怎么做?
5.decode是什么?
6.图片怎么存到数据库里面?
7.为什么要用struts2?

1.int与String相互转换,以及数据类型转换异常!

               数据类型转换异常为“ClassCastException”

                int i = 100;
String s = "233";

                // String 转int
int i1 = Integer.parseInt(s);
int i3 = Integer.valueOf(s).intValue();
// int 转 String
String s1 = String.valueOf(i);
String s2 = Integer.toString(i);
String s3 = "" + i;// 不建议最后这种方法


2.hashmap与map区别,hashmap为什么线程不安全?

 HashMap是基于Hash Table的一种Map实现,允许null values和null key(它跟HashTable的区别在于它是非同步的,而且允许null key和null  values),HashMap不保证Map的顺序,甚至不能保证Map的顺序在运行过程中保持不变。因为它是异步的,所以它线程不安全!


3.异常Exception下面有什么异常?

RuntimeException和IOException


4.权限管理模块怎么做?

权限表与用户表相关联


5.DECODE是什么?

  DECODE函数是ORACLE PL/SQL的功能强大的函数之一,目前还只有ORACLE公司的SQL提供了此函数,其它数据库厂商的SQL实现还没有此功能。DECODE有什么用途呢? 先构造一个例子,假设我们想给智星职员加工资,其标准是:工资在8000元以下的加20%;工资在8000元或以上的加15%,通常的做法是,先选出记录中的工资字段值 --->select salary into var-salary from employee,然后对变量var-salary用if-then-else或 case when then else end之类的流控制语句进行判断。 如果用DECODE函数,那么我们就可以把这些流控制语句省略,通过SQL语句就可以直接完成。如下:

  select decode(sign(salary - 8000),1,salary*1.15,-1,salary*1.2,salary*1.15) from employee 是不是很简洁? DECODE的语法:DECODE(value,if1,then1,if2,then2,if3,then3,...,else),表示如果value等于if1时,DECODE函数的结果返回then1,...,如果不等于任何一个if值,则返回else。初看一下,DECODE 只能做等于测试,但刚才也看到了,我们通过一些函数或计算替代value,是可以使DECODE函数具备大于、小于或等于功能。


6.图片怎么存到数据库里面?

http://blog.csdn.net/wangbaoyin/article/details/7572985


7.为什么要用struts?

1.它是建立在MVC这种公认的好的模式上的,Struts在M、V和C上都有涉及,但它主要是提供一个好的控制器和一套定制的标签库上,也就是说它的着力点在C和V上,因此,它天生就有MVC所带来的一系列优点,如:结构层次分明,高可重用性,增加了程序的健壮性和可伸缩性,便于开发与设计分工,提供集中统一的权限控制、校验、国际化、日志等等;

2.其次,它是个开源项目得到了包括它的发明者Craig R.McClanahan在内的一些程序大师和高手持续而细心的呵护,并且经受了实战的检验,使其功能越来越强大,体系也日臻完善;

3.是它对其他技术和框架显示出很好的融合性。


bootstrap是一种统计学方法,用于通过从原始数据集中进行有放回抽样来估计统计量的分布。它可以用于估计均值、方差、置信区间等。 在引用中提到了使用bootstrap来估计均值的差异。具体来说,可以使用bootstrap来估计联系变量(每周每个学生练习的小时数)的均值差异。 在引用中提到了使用bootstrap的百分位数来构建置信区间。具体来说,可以通过从bootstrap分布中选择与所需置信水平相对应的百分位数来构建置信区间。 以下是使用bootstrap估计均值差异和构建置信区间的示例代码: ```python import numpy as np # 原始数据集 data = [2, 4, 6, 8, 10] # bootstrap抽样次数 = 1000 # 用于存储bootstrap样本均值的数组 bootstrap_means = np.zeros(B) # 进行bootstrap抽样和计算样本均值 for i in range(B): bootstrap_sample = np.random.choice(data, size=len(data), replace=True) bootstrap_means[i] = np.mean(bootstrap_sample) # 估计均值差异 mean_difference = np.mean(bootstrap_means) - np.mean(data) # 构建置信区间 confidence_interval = np.percentile(bootstrap_means, [2.5, 97.5]) print("均值差异: ", mean_difference) print("置信区间: ", confidence_interval) ``` 这段代码首先定义了原始数据集`data`,然后使用bootstrap方法进行1000次抽样,并计算每个bootstrap样本的均值。最后,通过计算bootstrap样本均值的均值与原始数据集均值之间的差异来估计均值差异,并使用bootstrap样本均值的百分位数构建置信区间。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

heroleader

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值