javaWeb_JDBC_数据库连接池概述以及dbcp连接池
JDBC_dbcp数据库连接池 1.数据库连接池概述 (1).传统的数据库操作 普通的JDBC数据库连接使用 DriverManager 来获取，每次向数据库建立连接的时候都要将 Connection 加载到内存中，再验证用户名和密码( 得花费0.05s～1s的时间)。需要数据库连接的时候，就向数据库要求一个，执行完成后再断开连接。这样的方式将会消耗大量的资源和时间。 数据库的连接资源并没有得到很好的重复利用.若同时有几百人甚至几千人在线，频繁的进行数据库连接操作将占用很多的系统资源，严重的
VNC/XRDP/XDMCP尝试
VNC 以最新的CentOS7为例 1.需要修改的lightdm软件（DM软件)配置文件lightdm.conf 开启vnc服务及其端口 command=Xvnc -rfbauth /etc/vncpasswd 2.复制vnc的配置文件 从/lib/systemd/sysytem 到/etc/systemd/system 注意修改名字及其格式 替换里面的<USER> 分别为用户名和家目录绝对路径 3.每次修改vnc配置文件 需要执行指令 systemctl daemon-reload 然后 重
02-HTML5新的input属性
【转】02-HTML5新的input属性 本节重点 HTML5 拥有多个新的表单输入类型。这些新特性提供了更好的输入控制和验证 本节介绍新的输入类型： date datetime datetime-local email month number range search tel time url week color color 类型用在input字段主要用于选取颜色 从拾色器中选择一个颜色:
<input type="color" name="mycolor"> date date 类型允
java简单学习笔记20190205
Spring MVC控制器的开发 在类上方中标注@Controller并标注@ReqeustMapping("/project")表示为MVC的请求控制器，路径为/项目名称/请求路径，之后在方法中标注@RequestMapping("/index“），则表示请求的路径是前面的/项目名称/请求路径/请求的控制器index，返回的是ModelAndView视图对象，可设置视图名称mv.setViewName("index")和前面的MVC前缀"/web-inf/jsp/"+返回的视图名称+后缀名"
spring cloud 初体验
spring cloud分为注册端、客户端以及消费端 初体验的理解就是: 注册端就是将之前所有的应用在这边进行注册,然后给每个应用都生成自己的标识,这些应用就是来自于客户端,消费端则通过调用注册端(有点数据中心的概念)然后去调用客户端各个的应用. 1、注册端代码: 直接创建maven项目: pom.xml <?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns
2019.2.2牛客寒假算法基础集训营
整理人：李献强 A-出题 （1）马鸿儒 (2)周翔 （3）高营 B-煤气罩 （1）马鸿儒 （2)周翔 (3)高营 C-项链 （1）马鸿儒 （2)周翔 （3）高营 D-美食 （1）马鸿儒 （2)周翔 （3）高营 E-海啸 马鸿儒l F-石头剪刀布 G-区间或和 （1）马鸿儒 （2）高营 H-肥猪 马鸿儒 I-wzoi （1）马鸿儒 （2)周翔 J-迷宫 （1）马鸿儒 （2）高营
[CF1111E] Tree
Portal 题意很好懂, 就不讲了. 主要问题在Dp方程式, 设\(Dp[i][j]\)表示询问点中前\(i\)个点分成\(j\)个联通块的时候的方案数, 那么有: \[ Dp[i][j] = Dp[i - 1][j - 1] + Dp[i - 1][j] * (j - h[i]) \] \(h[i]\)表示一个点到根的链上有多少个询问点. 你发现询问点数很少. 并且是\(\sum k_i \leq balabalal\)的形式, 直接上虚树计算\(h[i]\) 时间复杂度\(O(nlogn
数据挖掘笔试面试（9）
【校招面经】机器学习与数据挖掘常见面试题整理 part4 2018年07月25日 12:43:21 稻蛙 阅读数：149 五十一、Hinge loss Hinge loss 的叫法来源于其损失函数的图形，为一个折线，通用的函数表达式为： L(mi)=max(0,1−mi(w)) 表示如果被正确分类，损失是0，否则损失就是 1−mi(w) 。 在机器学习中，Hing 可以用来解 间距最大化 的问题，最有代表性的就是SVM 问题，最初的SVM 优化函数如下：argminw,ζ12||w||2+C∑
数据挖掘笔试面试（10）
【校招面经】机器学习与数据挖掘常见面试题整理 part5 2018年08月04日 15:58:45 稻蛙 阅读数：105 五十九、计量经济学中的平稳性 六十、高斯混合分布 1. 生成模型 2. 认为点是由多个高斯分布产生的，每个点可以归入多个类 3. 目标是使观测到的点在生成的高斯分布中出现概率最大 在做参数估计的时候，常采用的方法是 最大似然 。最大似然法就是使样本点在估计的概率密度函数上的概率值最大 。由于概率值一般都很小， N 很大的时候这个连乘的结果非常小，容易造成浮点数下溢。所以我们
ElasticSearch(十一)Elasticsearch清空指定Index/Type数据
POST /index_name/type_name/_delete_by_query?conflicts=proceed
{
"query": {
"match_all": {}
}
}
数据挖掘笔试面试（11）
【校招面经】机器学习与数据挖掘常见面试题整理 part7 2018年08月04日 21:32:43 稻蛙 阅读数：182 七十、势函数法 from：https://www.cnblogs.com/huadongw/p/4106290.html 势函数主要用于确定分类面，其思想来源于物理。 1 势函数法基本思想 假设要划分属于两种类别ω1和ω2的模式样本，这些样本可看成是分布在n维模式空间中的点xk。 把属于ω1的点比拟为某种能源点，在点上，电位达到峰值。 随着与该点距离的增大，电位分布迅速减小
数据挖掘笔试面试（12）
【校招面经】机器学习与数据挖掘常见面试题整理 part8 2018年08月04日 21:46:27 稻蛙 阅读数：266 七十六、t-SNE from：http://www.datakit.cn/blog/2017/02/05/t_sne_full.html t-SNE(t-distributed stochastic neighbor embedding)是用于降维的一种机器学习算法，是由 Laurens van der Maaten 和 Geoffrey Hinton在08年提出来。此外，
Spring集成MyBatis的使用-使用SqlSessionTemplate
Spring集成MyBatis的使用 Spring集成MyBatis，早期是使用SqlSessionTemplate，当时并没有用Mapper映射器，既然是早期，当然跟使用Mapper映射器是存在一些区别的，比如映射文件命名空间不需要跟接口名一样，接口中的方法不一定跟sql的id一样，通过它的SqlSessionTemplate的使用，在具体实现类中可以实现找到对应的sql Spring-Mybatis集成方式二-使用SqlSessionTemplate step1 导包：spring-web
数据挖掘笔试面试（13）
【校招面经】机器学习与数据挖掘常见面试题整理 part9 2018年08月04日 22:10:31 稻蛙 阅读数：203 八十、SVM的核函数 from：https://blog.csdn.net/lihaitao000/article/details/51173459 SVM核函数包括线性核函数、多项式核函数、径向基核函数、高斯核函数、幂指数核函数、拉普拉斯核函数、ANOVA核函数、二次有理核函数、多元二次核函数、逆多元二次核函数以及Sigmoid核函数. 核函数的定义并不困难，根据泛函的有
Linux下__attribute__((visibility ("default")))的使用
https://blog.csdn.net/fengbingchun/article/details/78898623
如何在ASP.NET Core程序启动时运行异步任务（2）
原文：Running async tasks on app startup in ASP.NET Core (Part 2) 作者：Andrew Lock 译者：Lamond Lu 在我的上一篇博客中，我介绍了如何在ASP.NET Core应用程序启动时运行一些一次性异步任务。本篇博客将继续讨论上一篇的内容，如果你还没有读过，我建议你先读一下前一篇。 在本篇博客中，我将展示上一篇博文中提出的“在Program.cs中手动运行异步任务”的实现方法。该实现会使用一些简单的接口和类来封装应用程序启动
NOIP提高组--选择客栈
我看到有人用线段树来写而且想法和我的差不多，但是代码有一点复杂，所以我就贴一下我的做法。 思路 首先一定知道纯暴力50分差不多了，所以看到k非常的小，那么就从k入手。 不知道有没有人和我一样是先枚举颜色的，那么我们来思考一下，对于每个相同颜色的客站之间[l,r]，如果当前区间不能找到一个合理的咖啡厅，那么一定会影响到和他连在一起的下一个不能找到咖啡厅的区间。那么我们就将这个标记放在r这个节点上，那么第一个节点我们就当做是0。 说的形象一点，就是看这个节点能和前面多少个相同颜色的客栈组成合法的方
周排行