面包房算法 java_java处理买面包事件

一、应用场景描述

用户A想在XX网上买面包,于是

1)在XX网上点击购买发起买面包的请求

2)XX网接收请求,后台检验用户及用户的购买行为,通过后处理用户请求

3)由于买的面包可能很多或者内在业务很复杂,XX网在验证后会先在网站前台提示用户已付款成功,但同时后台在异步执行业务处理。

4)后台业务处理完毕,操作成功

二、场景用例代码

如下:

public class TestJs {

/**

* 测试当用户发起请求,前台进行JS提示后,后台代码在前台快速提示后能够异步进行处理

* @param  response

*/

public void testJavaContainJs(HttpServletResponse response){

try {

System.out.println("--------------第一步:用户前台发起买面包请求-------------------");

System.out.println("--------------第二部:后台进行校验并处理用户买面包的请求-------------------");

PrintWriter out = response.getWriter();

out.write ("

out.write ("alert('第三步:付款成功,前台给用户提示');");

out.write ("");

Integer i = 1000000000;

while(i>0){

System.out.println("--------------第四步:后台系统进行业务清算和库存操作,处理中:正在处理第"+i+"步骤-------------------");

}

out.flush();

out.close();

System.out.println("--------------第四步:用户付款成功后,后台系统进行业务清算和库存操作处理完毕-------------------");

} catch (IOException e) {

// TODO Auto-generated catch block

e.printStackTrace();

}

}

}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
您好!对于牛奶和面包的案例,我们可以使用Apriori算法来进行频繁项集的挖掘。Apriori算法是一种常用的关联规则挖掘算法,用于发现数据集中频繁出现的项集。 首先,我们需要将数据集转换为适合Apriori算法的格式。假设我们有一个包含多个交易记录的数据集,每个交易记录表示一个顾客购的物品清单。例如: Transaction 1: 牛奶, 面包, 水果 Transaction 2: 牛奶, 面包, 蔬菜 Transaction 3: 牛奶, 面包 Transaction 4: 牛奶, 蔬菜 接下来,我们可以使用以下步骤来运行Apriori算法: 1. 设置最小支持度阈值(minimum support threshold)。支持度是指包含某个项集的交易记录的比例。根据实际情况,我们可以设置一个适当的最小支持度阈值,例如0.5。 2. 根据最小支持度阈值,找出频繁1项集。频繁1项集是指支持度大于等于最小支持度阈值的项集。 3. 基于频繁1项集,生成候选2项集。 4. 计算候选2项集的支持度,并筛选出频繁2项集。 5. 基于频繁2项集,生成候选3项集。 6. 计算候选3项集的支持度,并筛选出频繁3项集。 7. 重复上述步骤,直到无法生成更多的候选项集为止。 通过上述步骤,我们可以找到频繁项集,即经常同时购的物品组合。例如,在上述案例中,频繁项集可能包括牛奶和面包的组合。 需要注意的是,Apriori算法会生成大量的候选项集,并计算它们的支持度。为了提高算法的效率,可以使用一些优化技术,如剪枝操作和使用哈希表等。 希望能够帮助到您!如果还有其他问题,请随时提问。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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
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