linux环境变量PATH设置错误恢复

最新推荐文章于 2024-05-31 14:13:10 发布
最新推荐文章于 2024-05-31 14:13:10 发布
阅读量1.7k 收藏 5
点赞数 3
分类专栏： 开发环境 linux
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/yunlilang/article/details/108357656
版权

背景

一个刚入职小弟，添加环境变量PATH时，之前的PATH没有加上，导致系统命令不能用

解决

环境变量可以理解为把一些可执行程序，添加为命令，从bash可以直接调用；如果bash下不能调用则从安装目录也可以执行，因此按照这个思路进行恢复
1、/usr/bin/vim ~/.bashrc修改PATH，把系统命令添加export PATH=$PATH:/usr/bin:/usr/local/bin:/bin:/sbin
2、locate source ~/.bashrc
一开始source命令找了半天安装目录没找到，后来采用locate命令执行，恢复OK。

签名安全规范：解决【请求对象json序列化时，时间字段被强制转换成时间戳的问题】| 签名计算(数组用[]表示，对象（字典）用{} 表示进行排序拼接。)
专注于计算机研发知识和资讯分享
05-31 810
API接口协议中包含字段nonce_str，主要保证签名不可预测。我们推荐生成随机数算法如下：调用随机数函数生成，将得到的值转换为字符串。接口协议中包含字段nonce_str，主要保证签名不可预测。我们推荐生成随机数算法如下：调用随机数函数生成，将得到的值转换为字符串。尤其是涉及敏感词操作的接口：支付、密码、登陆、验证码等接口。允许的请求头字段： 添加sign。
开放平台实现安全的身份认证与授权原理与实战：使用JWT进行无状态身份验证
AI天才研究院
11-08 196
随着互联网的飞速发展，越来越多的应用和网站采用了开放平台(Open Platform)的方式提供服务。用户可以方便地通过各种第三方应用或网站获取数据、购物、交易信息等，同时也能够将自己的信息分享给其它应用和网站。而对于这些开放平台来说，如何确保其平台中的用户信息、数据的安全性就显得尤为重要。目前市面上常用的安全机制包括密码加密、HTTPS传输协议以及OAuth2.0认证授权等。但是，由于开放平台中存在多个子系统，而且各个子系统之间需要进行交互调用，因此很难保证整个平台的信息安全。
java中字符串的非空判断
weixin_34279184的博客
05-12 419
问题如下:在java 中 字符串为null 如何判断String str;if(str==null) ??str.equal("null") ?? 答:我觉得应该搞清楚字符串对象和字符串变量这两个概念的区别。字符串变量保存一个字符串对象的引用。判断字符串是否空涉及两个层次：1、是首先判断字符串变量的引用是否为空，即空对象的概念，用null来判断，可以用== null；（注意不能用equals(n...
低级判空错误
hanghXU的博客
12-30 167
zIotMonitor.getSensorSerialno() == "" || zIotMonitor.getSensorSerialno() == null zy.getGatewaySerialno() == null || zy.getGatewaySerialno().isEmpty()
JAVA判空、null
热门推荐
行者无疆
07-23 1万+
这是篇修改，今天（12-07-26）在博客园看到一篇关于null的文章，有所收获，回过头来看看前几天的判空问题，需要改进。 对JAVA中判定变量是否为空不了解，大家多指教指教。 经过测试，如果是对象类型（包括String、Long、Integer等对象类型）都可以置为空并且用null == var来判定是否为空。但是基础变量类型int等类型却不能够用=null来置空，如果是直接定义然后
基于注解和反射生成xml
爱笑的boy的博客
06-06 871
基于注解和反射生成xml
Java中使用@NotBlank注解出现bug
m0_57310426的博客
04-14 562
NotNull 验证对象，@NotEmpty 验证字符串、集合或数组，而 @NotBlank 仅验证字符串。因此，你应该根据验证的对象类型选择合适的注解进行使用。3. @NotEmpty 注解用于验证 字符串、集合或数组 是否为空。如果被注解的字符串为空字符串 “”，或集合/数组为空，则验证失败。1.@NotBlank 注解用于验证 字符串 是否为空格或不为空。2.​@NotNull 注解用于验证 对象 是否为 null，它可以应用于字段和方法参数上。如果被注解的字段为 null，则验证失败。
【Java】 VO（Value Object）和 DTO（Data Transfer Object）
步子哥的博客
04-19 2281
VO（Money）用于表示一个具体的业务概念，它是不可变的，并且两个相同的 VO 实例在逻辑上是相等的。DTO（OrderDTO）用于封装数据以便于在不同的系统或层之间传输，它可以包含多个属性，并且通常是可变的。在实际的软件设计中，正确地使用 VO 和 DTO 可以帮助我们创建更加清晰、灵活且易于维护的代码。
后端接收DTO如何映射到实体类POJO
weixin_45986072的博客
04-14 510
后端接收DTO如何映射到实体类POJO前言第一步 编写AutoMapper类第二步 使用需注意,此处得转换只有字段一致得才能转换成功，如果有些POJO里有些字段是DTO没有得，只需手动set。 前言 有时候为了项目需要，在前端进行传值得时候，为了方便往往使用得是DTO，但后端接收并处理数据得时候，我们是需要进行对POJO进行新增、修改、删除操作的。当然也可以new 一个实体类对象，再将DTO得值一个个set到POJO上，但这需要花费大量的时间。 第一步 编写AutoMapper类 package com.p
基于Java实现OPC UA数据点位事件订阅的完整指南
洛阳泰山的博客
05-31 1279
本文介绍如何使用Java实现OPC UA数据点位事件的订阅。通过引入opcua依赖，创建订阅，准备监控项请求，创建并设置监听器，以及处理异常，详细解析了代码实现过程。
实体类莫名其妙出现类型转化异常，主要是子类类型转换异常，自身转自身、遍历也报错
小小木子渐成长
11-07 1635
问题背景描述：公司的老项目，突然出现bug，以前运行好好的，代码也长时间未更新了，报错如下图： 报错的地方 然后改成相同子类遍历，不用子类转父类 还是报错，不是这个问题，然后发现语法基本没啥问题 然后对实体类进行分析，一直找不到问题 通过问题一步步排查，最后发现只要涉及到该实体类的类型转换，就会报错，不管是强转，还是自身调用转换都会出现报错 实体类ProjectUserBe...
Map.entry详解
weixin_44021180的博客
10-28 1778
Map.entrySet() 这个方法返回的是一个Set<Map.Entry<K,V>>，Map.Entry 是Map中的一个接口，他的用途是表示一个映射项（里面有Key和Value），而Set<Map.Entry<K,V>>表示一个映射项的Set。Map.Entry里有相应的getKey和getValue方法，即JavaBean，让我们能够从一个项中取出Key和Value。 下面是遍历Map的四种方法: public static void m..
hashmap如何根据value值查找对应的key值
Myblog
07-29 3502
import java.util.HashMap; import java.util.Map; public class Main{ public static void main(String[] args) { HashMap<Integer,Integer> map=new HashMap<>(); //key---value map.put(1,2); map.put(2,3); map.
isNotEmpty,isNotBlank ,isEmpty ,isBlank 字符串空判断
kunkun378263的专栏
03-03 2923
isNotEmpty ： 判断某字符串是否非空 StringUtils.isNotEmpty(null) = false StringUtils.isNotEmpty("") = false StringUtils.isNotEmpty(" ") = true StringUtils.isNotEmpty("bob") = true isNotBlank： 判断某字符串是否不为空且长度不为0且不
StringUtils中 isNotEmpty 和isNotBlank的区别
tt_best的博客
10-20 846
http://blog.csdn.net/foamflower/article/details/5713604 下面是StringUtils判断是否为空的示例： StringUtils.isEmpty(null) = true StringUtils.isEmpty("") = true StringUtils.isEmpty(" ") = false //注意在Strin
StringUtils工具包中的isNotBlank与isNotEmpty的区别
罗伯特是疯子丶
07-03 4827
通俗点来讲： String str = "xxx"; isNotEmpty(str)等价于 str != null &amp;&amp; str.length &gt; 0 （可以理解为 str !=null &amp;&amp; str != ""） isNotBlank(str) 等价于 str != null &amp;&amp; str.length &gt; 0 &amp;&amp
package com.shanzhu.tourism.utils.recommend; import cn.hutool.core.collection.CollUtil; import cn.hutool.core.map.MapUtil; import com.google.common.collect.Lists; import com.shanzhu.tourism.utils.recommend.dto.RelateDTO; import java.util.*; import java.util.stream.Collectors; import java.util.stream.IntStream; /** * 推荐算法 * * @author: ShanZhu * @date: 2024-07-25 */ public class CoreMath { /** * 推荐计算 */ public List<String> recommend(String userId, List<RelateDTO> list) { //找到最近邻用户id Map<Double, String> distances = computeNearestNeighbor(userId, list); if(MapUtil.isEmpty(distances)){ return Collections.EMPTY_LIST; } //取出相似度最近的用户id String nearest = distances.values().iterator().next(); Iterator<String> iterator = distances.values().iterator(); while (iterator.hasNext()) { nearest = iterator.next(); } Map<String, List<RelateDTO>> userMap = list.stream().collect(Collectors.groupingBy(RelateDTO::getUserId)); //最近邻用户涉及的业务id列表 List<String> neighborItemList = userMap.get(nearest).stream().map(e -> e.getProductId()).collect(Collectors.toList()); //当前用户涉及的业务id列表 List<String> userItemList = userMap.get(userId).stream().map(e -> e.getProductId()).collect(Collectors.toList()); //找到最近邻买过，但是该用户没涉及过的，计算推荐，放入推荐列表 List<String> recommendList = new ArrayList<>(); for (String item : neighborItemList) { if (!userItemList.contains(item)) { recommendList.add(item); } } Collections.sort(recommendList); return recommendList; } /** * 在给定userId的情况下，计算其他用户和它的相关系数并排序 */ private Map<Double, String> computeNearestNeighbor(String userId, List<RelateDTO> list) { //对同一个用户id数据，做分组 Map<String, List<RelateDTO>> userMap = list.stream().collect(Collectors.groupingBy(RelateDTO::getUserId)); //treemap是从小到大排好序的
最新发布
04-03
<think>好的，用户想了解Java推荐算法的实现细节和优化方法，特别是使用Hutool、Guava和Stream API。首先，我需要整理推荐算法的基本概念和常见类型，比如协同过滤、基于内容的推荐等。然后结合Java的具体实现，分析如何利用这些工具库来优化代码。 首先，推荐算法的基础是协同过滤，分为用户协同和物品协同。用户可能想知道如何用Java实现这些算法。例如，计算用户相似度可以用余弦相似度或皮尔逊相关系数，这里可以用Java的数据结构如Map来存储用户评分，用Stream API来处理数据，简化代码。 接下来，实现细节方面，数据预处理是关键。Hutool提供了文件读取工具，可以快速加载数据集。Guava的Multiset或Multimap可能用于存储用户-物品的交互数据。比如，用Multimap来记录每个用户评分过的物品，这样查询时更高效。 然后是核心算法实现。用户协同过滤需要计算用户之间的相似度，这里可以用嵌套循环遍历用户，但这样效率不高。优化的话，可能需要并行处理，Java的Stream API的parallel()方法可以在这里派上用场，利用多核处理器加速计算。 在优化方法部分，缓存是重点。Guava的LoadingCache可以缓存用户相似度计算结果，避免重复计算。对于实时推荐，增量计算可能更有效，比如只更新受影响的部分，而不是全部重新计算。此外，矩阵分解如SVD，可以用并行矩阵运算库，比如使用并行流来加速矩阵操作。 工具库方面，Hutool的FileUtil和Log可以简化IO和日志记录，Guava的集合工具能优化数据结构，Stream API使代码更简洁。例如，使用Stream的filter和collect来处理数据集合，减少样板代码。 性能方面，要注意算法复杂度，比如用户协同过滤是O(n²)，大数据下可能不适用，可能需要分治或近似算法。内存优化方面，使用稀疏数据结构存储评分矩阵，避免内存浪费。 最后，用户可能对如何具体整合这些库到推荐系统中感兴趣，比如示例代码展示如何使用Hutool读取数据，Guava处理集合，Stream API进行并行计算。同时，需要提醒用户根据数据规模选择合适的算法和优化策略，比如小数据用协同过滤，大数据则考虑矩阵分解或深度学习模型。 总结，回答需要涵盖推荐算法的基础、Java实现的具体步骤、各工具库的应用场景，以及优化策略，确保结构清晰，帮助用户逐步理解和实现。</think>### Java推荐算法实现与优化指南 #### 一、推荐算法基础实现 1. **协同过滤算法** - **用户协同过滤**：通过计算用户相似度（如余弦相似度$similarity = \frac{\sum (u_i \cdot v_i)}{\sqrt{\sum u_i^2} \cdot \sqrt{\sum v_i^2}}$）推荐相似用户偏好的物品 - **物品协同过滤**：基于物品相似度矩阵（如Jaccard系数$J(A,B) = \frac{|A \cap B|}{|A \cup B|}$）进行推荐 2. **基于内容的推荐** 使用TF-IDF算法计算文本特征向量： $$ TF(t) = \frac{\text{词t在文档中出现的次数}}{\text{文档总词数}} $$ $$ IDF(t) = \log \frac{\text{总文档数}}{\text{包含词t的文档数}} $$ #### 二、Java实现细节 1. **数据预处理** ```java // Hutool读取CSV数据 List<String> lines = FileUtil.readLines("data.csv", StandardCharsets.UTF_8); // Guava构建稀疏矩阵 Table<Integer, Integer, Double> ratingMatrix = HashBasedTable.create(); ``` 2. **核心算法实现** ```java // 计算用户相似度（Stream API实现） Map<Integer, Map<Integer, Double>> similarityMatrix = userList.parallelStream() .collect(Collectors.toMap( u -> u.id, u -> userList.stream() .filter(v -> !v.equals(u)) .collect(Collectors.toMap( v -> v.id, v -> cosineSimilarity(u.ratings, v.ratings) )) )); ``` #### 三、优化方法 1. **性能优化** - **缓存机制**（Guava LoadingCache）： ```java LoadingCache<Integer, List<RecommendItem>> cache = CacheBuilder.newBuilder() .maximumSize(1000) .build(new CacheLoader<>() { public List<RecommendItem> load(Integer userId) { return calculateRecommendations(userId); } }); ``` - **矩阵分解优化**（SVD加速）： ```java Matrix factorization = new Matrix(userCount, featureCount); factorization.parallelStream().forEach(row -> updateFeatures(row)); ``` 2. **代码优化** - **Hutool工具链**： ```java // 快速构建JSON响应 JSONObject res = JSONUtil.createObj() .set("code", 200) .set("data", recommendList); ``` - **Stream API并行处理**： ```java List<RecommendItem> topN = itemScores.entrySet().parallelStream() .sorted(Comparator.comparingDouble(e -> -e.getValue())) .limit(10) .map(e -> new RecommendItem(e.getKey(), e.getValue())) .collect(Collectors.toList()); ``` #### 四、工具库整合 | 工具库 | 应用场景 | 示例方法 | |-----------|-----------------------------|--------------------------| | Hutool | 数据读取/JSON处理 | FileUtil, JSONUtil | | Guava | 集合优化/缓存 | Multimap, LoadingCache | | Stream API | 数据管道/并行计算 | filter, map, collect | #### 五、性能对比指标 1. **准确率**：查准率$P = \frac{TP}{TP+FP}$ 2. **召回率**：$R = \frac{TP}{TP+FN}$ 3. **响应时间**：90%请求<200ms（需JVM调优）[^4]
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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