Wesley13 Wesley13
3年前
JAVA面试考点解析(11)
9、解释内存中的栈(stack)、堆(heap)和方法区(methodarea)的用法。答:通常我们定义一个基本数据类型的变量,一个对象的引用,还有就是函数调用的现场保存都使用JVM中的栈空间;而通过new关键字和构造器创建的对象则放在堆空间,堆是垃圾收集器管理的主要区域,由于现在的垃圾收集器都采用分代收集算法,所以堆空间还可以细分为新生代和老生代,
Wesley13 Wesley13
3年前
MySQL索引那些事儿
我们都有到图书馆借书的经历,偌大的图书馆,为什么能在短的时间内找到想要找的书?如果这些书是杂乱无章的堆放,或者没有任何标识的放在书架,那么还能这么快的找到吗?这个场景就很接近我们软件开发中使用数据库的场景,图书馆的书就类似我们数据表中的数据,楼层索引牌、书架分类标识、索书号就类似我们查找数据的索引。那我们常用的数据库的索引底层的一个数据结构是什么样的呢?要了
Wesley13 Wesley13
3年前
UOJ 176 新年的繁荣
挺妙的解法。发现边权很小,我们可以考虑从大到小枚举边权来进行$kruskal$算法,这样子对于每一个边权$i$,我们只要枚举$0\\leqj<m$,找到一个点使它的点权为$i|2^j$,尝试连边即可。另外,如果同一个点权重复出现,一定有办法使这个边权连满,这样子直接累加到答案里就可以了。时间复杂度$O(m\2^m)$,再套一个并
Stella981 Stella981
3年前
ASZip0.2版本解决中文文件名乱码问题
ASZip文件库是开源的AS3版–Zip压缩算法,具体示例应用可见http://code.google.com/p/aszip/。目前的最新版本是0.2版。最近在项目中需要用到该第三方类库来支持Flash对图片文件的批量打包上传。由于是外国友人写的,所以对中文命名的图片文件进行压缩时,就会报错,只能支持用非中文的命名的图片文件。下面是我在作者原有代码的基
Stella981 Stella981
3年前
Bytom侧链Vapor源码浅析
在这篇文章中,作者将从Vapor节点的创建开始,进而拓展讲解Vapor节点出块过程中所涉及的源码。做为Vapor源码解析系列的第一篇,本文首先对Vapor稍加介绍。Vapor是目前国内主流公链Bytom的高性能侧链,是从Bytom主链中发展出来的一条独立的高性能侧链。Vapor是平台最重要的区块链基础设施之一,目前采用DPoS的共识算法,具有高性能、高安
Stella981 Stella981
3年前
Net Core使用Lucene.Net和盘古分词器 实现全文检索
Lucene.netLucene.net是Lucene的.net移植版本,是一个开源的全文检索引擎开发包,即它不是一个完整的全文检索引擎,而是一个全文检索引擎的架构,提供了完整的查询引擎和索引引擎,是一个高性能、可伸缩的文本搜索引擎库。它的功能就是负责将文本数据按照某种分词算法进行切词,分词后的结果存储在索引库中,从索引库检索数据的
Wesley13 Wesley13
3年前
MySQL大数据高并发处理之
接上一章的内容,我们来谈一下MySQL中的查询优化技术。保证在实现功能的基础上,尽量减少对数据库的访问次数(可以用缓存保存查询结果,减少查询次数);通过搜索参数,尽量减少对表的访问行数,最小化结果集,从而减轻网络负担;能够分开的操作尽量分开处理,提高每次的响应速度;在数据窗口使用SQL时,尽量把使用的索引放在选择的首列;算法的结构尽量简单;在查询时,不要过多
Stella981 Stella981
3年前
Python数据分析必备学习路线与技术
即便在同一领域里,从软件开发转向算法,也不是一件很容易的事情。我经历过这种转型,期间迷茫过、浮躁过。后来发现,光看书不行,把每日所学记录下来,感觉学的比较快。通过记录,驱动我思考,帮助我了解哪些是真懂,哪些是理解不透的。后来,几乎每两天就将每日所学,总结成一篇原创技术文,发在公众号里,现在已经有260多篇了。也很幸运,成功转方向。
十月飞翔 十月飞翔
3年前
路由协议分为哪几类
首先路由协议分两类:1.静态路由协议手动写目的和下一跳,大量路由数目的时候不适合使用,因为命令写起来比较复杂,多线路的时候选路死板不够灵活.2.第二种是动态路由协议,可以根据自己的算法决定选择合适的路径动态路由协议分两类:内部网关协议.igp:1.内部协议分两类,一类是距离矢量协议目前
图解:卷积神经网络数学原理解析
图解:卷积神经网络数学原理解析源自:数学中国过去我们已经知道被称为紧密连接的神经网络。这些网络的神经元被分成若干组,形成连续的层。每一个这样的神经元都与相邻层的每一个神经元相连。下图显示了这种体系结构的一个示例。图1.密集连接的神经网络结构当我们根据一组有限的人工设计的特征来解决分类问题时,这种方法很有效。例如,我们根据足球运动员在比赛期间的统计数据来预测