- 博客(10)
- 收藏
- 关注
RSS订阅原创 Redis 常见面试题
使用布隆过滤器快速判断数据是否存在，避免通过查询数据库来判断数据是否存在：我们可以在写入数据库数据时，使用布隆过滤器做个标记，然后在用户请求到来时，业务线程确认缓存失效后，可以通过查询布隆过滤器快速判断数据是否存在，如果不存在，就不用通过查询数据库来判断数据是否存在，即使发生了缓存穿透，大量请求只会查询 Redis 和布隆过滤器，而不会查询数据库，保证了数据库能正常运行，Redis 自身也是支持布隆过滤器的。具体来说，在主从服务器命令传播阶段，主服务器收到新的写命令后，会发送给从服务器。
2024-07-21 21:18:10
640
原创 MySQL索引
如果我们使用非自增主键，由于每次插入主键的索引值都是随机的，因此每次插入新的数据时，就可能会插入到现有数据页中间的某个位置，这将不得不移动其它数据来满足新数据的插入，甚至需要从一个页面复制数据到另外一个页面，我们通常将这种情况称为页分裂。会先检二级索引中的 B+Tree 的索引值（商品编码，product_no），找到对应的叶子节点，然后获取主键值，然后再通过主键索引中的 B+Tree 树查询到对应的叶子节点，然后获取整行数据。另外，建立联合索引时的字段顺序，对索引效率也有很大影响。
2024-07-01 18:19:17
898
原创 每日八股（mysql）
一般情况下我们选择 InnoDB 都是没有问题的，但是某些情况下你并不在乎可扩展能力和并发能力，也不需要事务支持，也不在乎崩溃后的安全恢复问题的话，选择 MyISAM 也是一个不错的选择。MySQL 存储引擎采用的是 插件式架构 ，支持多种存储引擎，我们甚至可以为不同的数据库表设置不同的存储引擎以适应不同场景的需要。虽说 VARCHAR(100)和 VARCHAR(10)能存储的字符范围不同，但二者存储相同的字符串，所占用磁盘的存储空间其实是一样的，这也是很多人容易误解的一点。
2024-06-26 16:29:48
790
原创 每日八股（ssm）
在populateBean()方法中一共调用了两次后置处理器，第一次是为了判断是否需要属性填充，如果不需要进行属性填充，那么就会直接进行return，如果需要进行属性填充，那么方法就会继续向下执行，后面会进行第二次后置处理器的调用，这个时候，就会调用到AutowiredAnnotationBeanPostProcessor的postProcessPropertyValues()方法，在该方法中就会进行@Autowired注解的解析，然后实现自动装配。所以在处理事务的过程中，要保证尽可能的缩⼩范围。
2024-06-20 20:22:37
879
原创 java每日八股分享
1、要把⼀⽚⼆进制数据数据逐⼀输出到某个设备中，或者从某个设备中逐⼀读取⼀⽚⼆进制数据，不管输⼊输出设备是什么，我们要⽤统⼀的⽅式来完成这些操作，⽤⼀种抽象的⽅式进⾏描述，这个抽象描述⽅式起名为IO流，对应的抽象类为OutputStream和InputStream ，不同的实现类就代表不同的输⼊和输出设备，它们都是针对字节进⾏操作的。上述两种锁机制类型都是“互斥锁”，学过操作系统的都知道，互斥是进程同步关系的⼀种特殊情况，相当于只存在⼀个临界资源，因此同时最多只能给⼀个线程提供服务。
2024-06-19 20:43:21
767
原创 每日java八股（集合）
hashmap是根据hashcode返回value的，如果没有重写hashcode，即使重写了equals方法之后，两个对象equals之后相同，但是hash之后却不同，在使用hashMap的时候通过一个对象作为key去获取另外一个对象为key存进去的value的时候，很有可能返回为空，这就是原因。⾥⾯，新数组⼤⼩是旧数组的1.5倍，如果扩容后的新数组⼤⼩还是⼩于最⼩容量，那新数组的⼤⼩就是最⼩容量的⼤⼩，后⾯会调⽤⼀个Arrays.copyof⽅法，这个⽅法是真正实现扩容的步骤。
2024-06-17 21:54:15
925
原创 Ubuntu环境，配置pytorch深度学习环境
选择编译器 编译器位置：/root/anaconda3/envs/pytorch_gpu/bin/python3.9。创建一个虚拟环境，比如我这里创一个名为pytorch_gpu，python3.“ESC”退出编辑模式， "："进入命令模式，输入wq!输入：vim ~/.bashrc 3.在文末输入以下内容。2.之后，vi或者vim命令编辑~/.bashrc文件。让修改生效，执行命令：source ~/.bashrc。执行命令 sudo vim ~/.bashrc。5.pycharm添加ssh解释器。
2023-08-04 16:04:57
323
1
原创 Residual Dense Network for Image Super-Resolution(RDN)
RDN网络结构及其特点，突出了其在图像超分辨率任务中的优越性能。
2023-08-02 15:49:35
328
原创 Attention is all yon need
这样的设计有助于信息的流动。其中，编码器将输入符号表示的序列（x1，...，xn）映射到连续表示的序列z =（z1，...，zn）。给定z，解码器逐步生成一个符号输出序列（y1，...，ym），每次生成下一个符号时，模型都是自回归的[10]，将先前生成的符号作为附加输入。对于卷积层，单个具有核宽度 k < n 的卷积层无法连接所有输入和输出位置，为了实现这一点，需要堆叠 O(n/k) 个卷积层（在连续核情况下），或者在扩张卷积情况下需要 O(logk(n))，这增加了网络中任意两个位置之间最长路径的长度。
2023-07-06 10:10:50
105
1
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