differ

joe @joe-PC /cygdrive/g/dapjtag/openocd-20200729/OpenOCD-20200729-0.10.0/share/openocd/scripts $ openocd -f ./board/st_nucleo_f103rb.cfg Open On-Chip Debugger 0.10.0 (2020-07-29) [https://github.com/sysprogs/openocd] Licensed under GNU GPL v2 libusb1 09e75e98b4d9ea7909e8837b7a3f00dda4589dc3 For bug reports, read http://openocd.org/doc/doxygen/bugs.html Info : The selected transport took over low-level target control. The results might differ compared to plain JTAG/SWD srst_only separate srst_nogate srst_open_drain connect_deassert_srst Info : Listening on port 6666 for tcl connections Info :

前言 面试竞争力越来越大，是时候撸一波Vue和React源码啦； 本文将前2个月面试总结成从20个层面来对比Vue和React的源码区别； 文章有点长，可以收藏，慢点品尝； 如果需要了解API的区别，请戳： Vue 开发必须知道的 36 个技巧 React 开发必须知道的 34 个技巧 文章源码： 请戳 ，原创码字不易，欢迎star！ 1.Vue和React源码区别 1.1 Vue源码 来张Vue源码编译过程图 图片来源： 分析Vue源码实现 1.1.1 挂载 初始化$mounted会挂载组件,不存在 render 函数时需要编译(compile); 1.1.2 compile 1.compile 分为 parse，optimize 和 generate，最终得到 render 函数； 2.parse 调用 parseHtml 方法，方法核心是利用正则解析 template 的指令，class 和 stype，得到 AST； 3.optimize 作用标记 static 静态节点，后面 patch,diff会跳过静态节点； 4.generate 是将 AST 转化为 render 函数表达式，执行 vm._render 方法将 render 表达式转化为VNode，得到 render 和 staticRenderFns 字符串； 5.vm._render 方法调用了 VNode

在MPP无共享环境中，查询的总响应时间取决于单个node执行最长的process。如果数据偏斜，则具有更多数据的node将花费更多时间来完成，因此每个node必须具有大约相等的行数并执行大约相同的处理量。如果一个node要处理的数据比其他node多得多，可能会导致性能差和内存不足的情况。 将大表连接在一起时，最佳分配至关重要。要执行联接，匹配的行必须一起位于同一node上。如果数据未分配在同一DSK列上，则表之一中所需的行将动态重新分配给其他node。在某些情况下，将执行广播动作，在该动作中，每个node将其各自的行发送到所有其他node，而不是进行重新分配动作，在该重新分配动作中，每个node都会对数据进行哈希处理，然后根据哈希键将行发送到适当的node。 在GPDB中的所有表都是分布的，这意味着它们的数据被分割到系统的所有节点上。如果数据分布的不平坦，查询的性能可能会受到影响。下面的视图可以帮助诊断一张表是否出现了数据不平坦分布。 gp_skew_coefficients gp_skew_idle_fractions gp_skew_coefficients The gp_toolkit.gp_skew_coefficients view shows data distribution skew by calculating the coefficient of

问题： Python 3.3 includes in its standard library the new package venv . Python 3.3在其标准库中包括新的软件包 venv 。 What does it do, and how does it differ from all the other packages that seem to match the regex (py)?(v|virtual|pip)?env ? 它有什么作用？与似乎与正则表达式 (py)?(v|virtual|pip)?env 匹配的所有其他软件包有什么区别 (py)?(v|virtual|pip)?env ？ 解决方案： 参考一： https://stackoom.com/question/2oRBj/venv-pyvenv-pyenv-virtualenv-virtualenvwrapper-pipenv等有什么区别 参考二： https://oldbug.net/q/2oRBj/What-is-the-difference-between-venv-pyvenv-pyenv-virtualenv-virtualenvwrapper-pipenv-etc 来源： oschina 链接： https://my.oschina.net/stackoom/blog/4328222

问题： The man pages and programmer documentations for the socket options SO_REUSEADDR and SO_REUSEPORT are different for different operating systems and often highly confusing. 套接字选项 SO_REUSEADDR 和 SO_REUSEPORT 的 man pages 和程序员文档对于不同的操作系统是不同的，并且通常非常混乱。 Some operating systems don't even have the option SO_REUSEPORT . 某些操作系统甚至没有 SO_REUSEPORT 选项。 The WEB is full of contradicting information regarding this subject and often you can find information that is only true for one socket implementation of a specific operating system, which may not even be explicitly mentioned in the text. WEB中充满了关于此主题的矛盾信息

中国幅员辽阔，人空众多，很多地方人们都说自己的方言。 China is a vast country with a large population. People in many places speak their own dialects. 中国 China; Sino- 幅员辽阔 vast in territory; a vast territory 人口众多 have an enormous population; encompass a large population; with a large population 很多 a lot of; a great many of; a good many of 地方 place; space; room; locality; local 人们 people; men; the public; humanity 自己的 self 方言 dialect; localism 方言在发音上的差别最大。 Dialects differ the most in pronunciation.、 方言 dialect; localism 发音 pronunciation; enunciation; articulation; phonation articulation 差别 difference; disparity;

leetcode地址： https://leetcode.com/problems/convert-sorted-list-to-binary-search-tree/description/ 难度：中等 描述： Given a singly linked list where elements are sorted in ascending order, convert it to a height balanced BST. For this problem, a height-balanced binary tree is defined as a binary tree in which the depth of the two subtrees of every node never differ by more than 1. Example: Given the sorted linked list: [-10,-3,0,5,9], One possible answer is: [0,-3,9,-10,null,5], which represents the following height balanced BST: 0 / \ -3 9 / / -10 5 解题思路： 分为两步： 1. 把链表转存到一个数组中，问题转化为：将一个有序数组转化为一个平衡二叉查找树

RMQ算法，是一个快速求区间最值的离线算法，预处理时间复杂度O（n*log(n)），查询O(1)，所以是一个很快速的算法。 当然这个问题用线段树同样能够解决，算法复杂度为：O(N)~O(logN) 。 RMQ： RMQ（Range Minimum/Maximum Query），即区间最值查询，是指这样一个问题：对于长度为n的数列A， 回答若干询问RMQ（A,i,j）(i,j<=n)，返回数列A中下标在i，j之间的最小/大值。 分析： 对于该问题，最容易想到的解决方案是遍历，复杂度是O(n)。但当数据量非常大且查询很频繁时，该算法无法在有效的时间内查询出正解。 本节介绍了一种比较高效的在线算法（ST算法）解决这个问题。所谓在线算法，是指用户每输入一个查询便马上处理一个查询。该算法一般用较长的时间做预处理，待信息充足以后便可以用较少的时间回答每个查询。ST（Sparse Table）算法是一个非常有名的在线处理RMQ问题的算法 预处理： 设A[i]是要求区间最值的数列，F[i, j]表示从第i个数起连续2^j个数中的最大值。（DP的状态） 例如： A数列为：3 2 4 5 6 8 1 2 9 7 F[1，0]表示第1个数起，长度为2^0=1的最大值，其实就是3这个数。同理 F[1,1] = max(3,2) = 3, F[1，2]=max(3,2,4,5) = 5，F[1，3] =

转自: http://autopilotpattern.io/ ,一种不错的应用开发模式 The autopilot pattern automates in code the repetitive and boring operational tasks of an application, including startup, shutdown, scaling, and recovery from anticipated failure conditions for reliability, ease of use, and improved productivity. Why do we need to do this? Who is this for? How do we do it? How does this differ from previous approaches to automation? How does this differ from scheduler-backed container automation? What infrastructure do we need to do this? Example apps using this pattern Why do we need to do this? We need to make the

原创 HDOJ： http://acm.hdu.edu.cn/showproblem.php?pid=1002 　　长度在1000以内的两个数相加是不可能直接相加的，我用的是模拟手工相加的方法，比如： 1111+11，由于n位数相加最多只能 得到n+1位, 所以可以写成01111+00011，这样考虑进位会方便一些，用户输出字符串，将字符串转换成字符数组，然后逐个将字符 数组的字符数字转换成 int型考虑相加，相加以后再转换成char存放，过程涉及很多字符串String、StringBuilder、char、int的 相互转换，弄得头都大，输出格式 注意一下就没多大问题了，以下是自己写的Accepted代码： 1 import java.util.* ; 2 3 public class HDOJ_1002 { 4 5 public static void main(String[] args) { 6 Scanner reader= new Scanner(System.in); 7 int N= reader.nextInt(); 8 String Result[]= new String[N]; // 存储N个结果字符串 9 int count=0 ; 10 String s1[]= new String[N]; 11 String s2[]= new String[N];