一.内存四驱模型不知我们是否有读过《深入理解java虚拟机》这本书，强烈推荐读一下。在java中我们将运行时数据，分为五个区域分别是：程序计数器，java虚拟机栈，本地方法栈，java堆，方法区。在c/c中我们将运行时数据，分为四个区域分别是：栈区，堆区，数据区，代码区。我们详细来介绍下：1.栈区：由编译器自动分配释放，存放函数的

前言在日常开发中，存储数据的最常用的方式便是数据库了，其中最为著名的便是MySQL数据库，因它简便易于上手而且可扩展性强大，跨平台使得它广为使用，今天我们就来具体聊聊它的安装。一、安装过程我们所使用的是MySQL5.7版本，这个版本算是挺不错的。下面我们来介绍下这个版本的具体安装过程吧。1.解压安装因为官网目前下载不了，为了大家安装过程中方便，我们下载

Redis是一个超精简的基于内存的键值对数据库(keyvalue)，一般对并发有一定要求的应用都用其储存session，乃至整个数据库。不过它公自带一个最小化的命令行式的数据库管理工具，有时侯使用起来并不方便。不过Github上面已经有了很多图形化的管理工具，而且都针对REDIS做了一些优化，如自动折叠带schema的key等。RedisDesk

之前一篇文章中我们讲了基于Mysql8的读写分离(文末有链接)，这次来说说分库分表的实现过程。概念解析垂直分片按照业务拆分的方式称为垂直分片，又称为纵向拆分，它的核心理念是专库专用。在拆分之前，一个数据库由多个数据表构成，每个表对应着不同的业务。而拆分之后，则是按照业务将表进行归类，分布到不同的数据库中，从而将压力分散至不同的

根据阿里交易型业务的特点，以及在双十一这样业内罕有的需求推动下，我们在官方的MySQL基础上增加了非常多实用的功能、性能补丁。而在使用MySQL的过程中，数据一致性是绕不开的话题之一。本文主要从阿里巴巴“去IOE”的后时代讲起，向大家简单介绍下我们过去几年在MySQL数据一致性上的努力和实践,以及目前的解决方案。一.MySQL单机的数据一致性

一、背景运营者能够对用户行为进行分析的前提，是对大量数据的掌握。在以往，这个数据通常是由开发者在控件点击、页面等事件中，一行行地编写埋点代码来完成数据收集的。然而传统的操作模式每当升级改版时，开发和测试人员就需要重复不断对代码进行更新，整个流程耗时长，无法满足业务的需求。为帮助开发者解决这一痛点，个推应用统计“个数”推出“可视化埋点”这一技术

从找不到需求险些被叫停，到支撑亿级DAU的数据库行业标杆，腾讯云数据库TcaplusDB在风雨中走过了整整10年。辉映日月破风浪，十年一剑破九天。百万行代码就像淙淙流淌的数据溪流，终于在十年后汇成不可逾越的护城河。出发2010年前后，QQ空间很火，带动了基于SNS互动页游（WebSNS）的火爆，腾讯内部开始考虑怎么做页游。也开始建设页游基础技术

缓存系统的用来代替直接访问数据库，用来提升系统性能，减小数据库负载。早期缓存跟系统在一个虚拟机里，这样内存访问，速度最快。后来应用系统水平扩展，缓存作为一个独立系统存在，如redis，但是每次从缓存获取数据，都还是要通过网络访问才能获取，效率相对于早先从内存里获取，还是不够逆天快。如果一个应用，比如传统的企业应用，一次页面显示，要访问数次redis，那效果

递归神经网络（RNN）RNN是最强大的模型之一，它使我们能够开发如分类、序列数据标注、生成文本序列（例如预测下一输入词的SwiftKeykeyboard应用程序），以及将一个序列转换为另一个序列（比如从法语翻译成英语的语言翻译）等应用程序。大多数模型架构（如前馈神经网络）都没有利用数据的序列特性。例如，我们需要数据呈现出向量中每个样例的特征，如表示句子、段

递归神经网络（RNN）RNN是最强大的模型之一，它使我们能够开发如分类、序列数据标注、生成文本序列（例如预测下一输入词的SwiftKeykeyboard应用程序），以及将一个序列转换为另一个序列（比如从法语翻译成英语的语言翻译）等应用程序。大多数模型架构（如前馈神经网络）都没有利用数据的序列特性。例如，我们需要数据呈现出向量中每个样例的特征，如表示句子、段