f2c

注：以下为 idea 最新版本 2020.3.2 的永久激活教程，请按照如下步骤安装激活 （webstorm、pycharm 激活方法相同）。 步骤一、下载安装包 去到 idea 官网 https://www.jetbrains.com/idea/download/ 下载最新的 2020.3.2 版本安装包，如下图所示， 选择 Ultimate 最终版，Download 下载。如上，我选择的是 Windows 版的，Mac 以及 Linux 版同样的可以切换到对应栏下载。 步骤二、 安装并选择试用30天 下载完成之后，正常安装即可。 注意： 如果有旧版本 idea 存在，需要先卸载旧版本才可以安装 2020.3.2 最新版本。 安装完成之后，立即运行。然后选择试用30天，如下图所示。 步骤三、激活使用 1、依次打开菜单栏：File -> Settings -> Plugins -> Install Plugin from Disk 。如下图所示， 2、然后找到破解补丁文件 BetterIntelliJ.zip， 注意是一个zip的压缩包，请不要解压（ 破解文件文末领取 ）。 点击 OK 之后，会有一个如下的提示，需要我们重启idea。 注意： 请注意一定要重启 idea ，否则可能不生效。 3、重启 idea 之后，打开菜单栏 Help -> Edit Custom VM

心得：9章以后，讲的快。需要提前预习。熟悉HTTPD，SELinux的服务。 来源： oschina 链接： https://my.oschina.net/wjp29/blog/4937908

http://groups.tianya.cn/post-233945-a26c77a21b324ae5952434f366b8504c-1.shtml http://groups.tianya.cn/post-233945-affb7a12483a4ae3a5d5fa0a979cf256-1.shtml http://groups.tianya.cn/post-233945-69147112bfc84a4ab7fe4e24245e71fc-1.shtml http://groups.tianya.cn/post-233945-b7f4bc30917a48b9a1ce6ad37e095a4c-1.shtml http://groups.tianya.cn/post-233945-f89157e886864b77997b83469e2236f7-1.shtml http://groups.tianya.cn/post-233945-ebf45fbb7f104197bc00a7f2b0156e57-1.shtml http://groups.tianya.cn/post-233945-75deb3d90b35440da4f0bf53b68577a2-1.shtml http://groups.tianya.cn/post-233945

面对可能出现的网络延迟，不可预估的请求流量等情况，设计一个分布式系统，我们通常围绕系统高可用，数据一致性的目标去规划和实现，想要完全实现这个目标，却并非易事。由此，分布式系统领域诞生了一个基本定理，即 CAP 定理，用于指导分布式系统的设计，从系统高可用，数据一致性，网络容错三个角度将分布式系统的特性抽成一个分区容错一致性模型。这样一来，让系统设计者只需根据业务场景特点，进行权衡设计适合业务场景的分区容错一致性模型即可，很大程度简化了分布式系统设计的难度。 也因此，CAP 定理是架构师所必须要掌握的内容，它影响着架构师对分布式系统的技术选型，技术决策。既然如此重要，接下来，我们就一起学习下 CAP 定理吧。 什么是 CAP CAP 定理最初是由加州大学伯克利分校的计算机科学家埃里克·布鲁尔（Eric Brewer）在 2000 年的 ACM PODC 上提出的一个猜想，也因此被叫做布鲁尔定理。后来在 2002 年，麻省理工学院的赛斯·吉尔伯特（Seth Gilbert）和南希·林奇（Nancy Lynch）发表了 CAP 定理的证明，让它成为分布式系统领域公认的一个定理。 CAP 定理指出了，在一个跨区域网络连接，共享数据的分布式系统中，一致性（Consistency），可用性（Availability）和分区容错性（Partition Tolerance）

金融机构的“面对面”经营 正在被重新定义 远程银行、云管家 成为线上金融服务的主场 看看容联【空中营业厅】的解决方案： （业务）全能办、（运营）全盘活、（经营）全场景 全能办 ：依托容联空中营业厅，将4类传统柜面业务快速迁移到远程银行办理，增加用户触点，用户随时随地享受与柜面一致且更加便捷、全面、智能的金融服务。 全盘活 ：远程银行不再依靠传统、单一渠道模式，以数据分析为驱动，利用客户在手机银行的各类交互数据，进行客群画像、分群，拉新的同时深耕已有客群，再采用语音、视频、AI为用户提供全方位、立体化远程综合金融服务。 全场景 ：加强线下、线上金融服务融合、打通，构建场景生态圈，拓宽服务领域、延伸服务周期，将服务交付场所逐渐由实体网点向各类生活消费场景转移、融合，如政务、教育、医疗、二手中介平台等。 来源： oschina 链接： https://my.oschina.net/u/4593198/blog/4770853

> 本文的阅读有一定的门槛，请先了解 GC 的基本只知识。 现代垃圾收集器的演进大部分都是往减少停顿方向发展。 像 CMS 就是分离出一些阶段使得应用线程可以和垃圾回收线程并发，当然还有利用回收线程的并行来减少停顿的时间。 基本上 STW 阶段都是利用多线程并行来减少停顿时间，而并发阶段不会有太多的回收线程工作，这是为了不和应用线程争抢 CPU，反正都并发了慢就慢点（不过还是得考虑内存分配速率）。 而 G1 可以认为是打开了另一个方向的大门： 只回收部分垃圾来减少停顿时间 。 不过为了达到只回收部分 reigon，每个 region 都需要 RememberSet 来记录各 region 之间的引用。这个内存的开销其实还是挺大的，可能会占据整堆的20%或以上。 并且 G1 还有写屏障的开销，虽说用了 logging wtire barrier，但也还是有开销的。 当然 CMS 也用了写屏障，不过逻辑比较简单，啥都没判断就单纯的记录。 其实 G1 相对于 CMS 只有在大堆的场景下才有优势，CMS 比较伤的是 remark 阶段，如果堆太大需要扫描的东西太多。 而 G1 在大堆的时候可以选择部分收集，所以停顿时间有优势。 今天的主角 ZGC 和 G1 一样是基于 reigon 的， 几乎所有阶段都是并发的，整堆扫描，部分收集 。 而且 ZGC 还不分代，就是没分新生代和老年代。

【摘要】 在分组时经常会要求结果集必须按基准集合的次序出现，这种对齐分组在日常统计中是很常见的。我们还能把对齐分组推广成更一般的枚举分组。如何简便快捷的处理对齐分组，这里为你全程解析，并提供 esProc 示例代码。 按指定基准对齐的分组运算 对照一个基准集合，将待分组集合成员的某个字段或表达式与基准集合成员比较，相同者则分到同一个组中，最后拆分出来的组数和基准集合成员数是相同的。这种分组我们称为对齐分组。对齐分组可能会有空组，也可能有成员未分配到任何一个组中。 1. 普通对齐分组 1.1 每组保留最多一个匹配成员 按某字段的指定顺序，将表中所有记录分组并汇总求和。 【例 1】 根据相互关联的课程表和选课表，按课程表顺序查询有哪些课程无人选择： 【SPL 脚本】 A5 的执行结果如下： 1.2 每组保留所有匹配成员 按某字段的指定顺序，将表中所有记录分组并汇总求和。 【例 2】 根据相互关联的员工表和部门表，按部门表中的部门顺序统计各部门人数： 【SPL 脚本】 A5 的执行结果如下： 1.3 不匹配记录放到新组 按某字段的指定顺序，将表中所有记录分组，不匹配记录放到新组。 【例 3】 根据员工薪资表，统计 [California, Texas, New York, Florida] 的平均工资，未指定的州作为“Other”统计。员工薪资表部分数据如下： 【SPL 脚本】 A5

在 《生态系统开发中，一些收获以及暂且没法解释的事情 [简单列表]》 记录到： [19] commit a1cb82f2c6d9a91c5d5fd7bf1ba13010207578a1 (HEAD -> master) Author: unsv29 <33002609@qq.com> Date: Tue Sep 15 17:13:03 2020 +0800 many tiny change ,mainly about socket MICRO 这个版本在其中一个CPU60上有问题。在qmxx上也有问题（传log马上发现问题，传csv没发现问题）。编译顺序 调整后（ota调整到tcna之前）都没问题。在qmxx上换个SD卡就好了，不换SD卡退回到很久之前的版本也不行，就是下载boot.txt出问题，下载别的都不出问题。最后把sd卡低格了，就OK了。 这个问题后果其实并不严重，因为一般不用下载log.txt. 不过这说明一个问题：我的sd驱动不完善。 《stm32 sdio调试,修改官方例程bug，已成功调通SDIO读取SD卡》 这个文章可能有帮助。不过我的SD卡已经让我低格了，无法验证这个代码好不好用了。以后有机会再实验吧。 不过我仍然小看这个问题了，后来又换了一个SD卡又出现问题了。因此打算根治这个问题。 改变编译顺序，改变编译等级都不会触发这个问题。所以说这个问题很隐蔽。

说明两种出现异常情况: 首先在Controller中的代码是这样的: /** * 兼容配置 * * @param model * @return */ @GetMapping ( "/iftest2" ) public String test2(Model model) { //存放字符串类型 model.addAttribute( "token" , "1234" ); return "iftest2" ; } 第一种: if指令，比较的数据类型不一致，默认抛异常 <#--第一种 :if指令，比较的数据类型不一致，默认抛异常--> <#if token == 1234 > 煌sir666 </#if> 运行后报错: 情况2：${} 如果访问的数据不存在，默认抛异常 <#--第二种-${} 如果访问的数据不存在，默认抛异常--> ${ token3 } 报错: 解决方案: yml文件中添加一段配置即可 spring : freemarker : settings : classic_compatible : true #兼容模式 data : mongodb : uri : mongodb://localhost:27017/demo server : port : 8088 #服务端口 这样就不会报错,最终 情况1：如果类型不一致，将输出空 情况2：${不存在} ， 将输出空

0. 前言 在之前的文章中简单介绍了一下asp.net core中的Identity，这篇文章将继续针对Identity进行进一步的展开。 1. 给Identity添加额外的信息 在《【asp.net core 系列】13 Identity 身份验证入门》一文中，我们大概了解了如何使用Identity，以及如何保存一些信息以便后续的验证。这里我们将深入讨论一下如何给Identity添加更多的信息。 我们知道在给Identity添加数据的时候，需要添加一个Claim对象。我们先回顾一下Claim的信息，Claim的属性大多只提供了公开的get访问器，所以这个类的重点在于构造方法： public class Claim { // 基础的 public Claim(string type, string value); public Claim(string type, string value, string valueType); public Claim(string type, string value, string valueType, string issuer); public Claim(string type, string value, string valueType, string issuer, string originalIssuer); //