logx

fastmybatis 支持原生的插件，将写好的插件配置到mybatis配置文件中即可 <?xml version="1.0" encoding="UTF-8"?> <!DOCTYPE configuration PUBLIC "-//mybatis.org//DTD Config 3.0//EN" "http://mybatis.org/dtd/mybatis-3-config.dtd"> <configuration> <plugins> <plugin interceptor="xxxxx.MyInterceptor" /> </plugins> </configuration> 这里演示编写一个分表插件 假设有4张分表，user_log0~3，记录用户的日志情况 user_log0 user_log1 user_log2 user_log3 现在需要动态查询指定到某一张表 首先生成对应的实体类，指定一张表生成，不用全部生成 /** * 表名：user_logX * %index% 占位符 */ @Table(name = "user_log%index%") public class UserLog { ... } 注意 %index% 占位符 Mapper不变 public interface UserLogMapper extends CrudMapper

一、前言 “功夫贷”是一款线上贷款 APP，主要是给信用卡优质用户提供纯线上的信用贷款，以期限长、额度高、利息低为主要优势（类似的业务模式主要有宜人贷）。 和任何一种分期贷款一样，符合资质的用户，在功夫贷成功贷款之后，需要在约定还款日还款。目前还款主要有以下这几种方式： 用户在 APP 上主动还款； 系统定时通过后台任务扣款； 催收人员通过内部作业系统，手动发起扣款； 真正的扣款操作（从银行卡扣款）主要是通过第三方支付来完成，比如京东支付、通联等。不同的第三方支付，支持的银行列表和限额不同，费用和稳定性也不尽相同，我们会选择出个最优通道、以及多层级备用通道，为此研发了支付路由系统，同时这些服务商的业务限制 / 出错概率还不低，所以我们又要考虑业务上的一致性，这也是本文要介绍的主题。 扣款业务是比较复杂的，包括如下几个主要步骤： 对业务表 (扣款任务表 / 还款计划表等) 的数据库操作 调用第三方支付 清算入账 这多个子功能需要保证同时成功或者同时失败，其中既有外部第三方调用，又有内部微服务的调用，所以这是个比较典型的分布式事务的场景。由于外部的第三方支付服务有时不稳定、且部分交易可能很长时间才能确认成功。 因此 我们没考虑两阶段提交的分布式事务，而是选择了最终一致性，而为了保证在状态不一致这个时间窗口的准确性 (比如不能在该窗口对用户重复扣款)，我们也额外多做了很多的考虑。 二

一、前言 “功夫贷”是一款线上贷款 APP，主要是给信用卡优质用户提供纯线上的信用贷款，以期限长、额度高、利息低为主要优势（类似的业务模式主要有宜人贷）。 和任何一种分期贷款一样，符合资质的用户，在功夫贷成功贷款之后，需要在约定还款日还款。目前还款主要有以下这几种方式： 用户在 APP 上主动还款； 系统定时通过后台任务扣款； 催收人员通过内部作业系统，手动发起扣款； 真正的扣款操作（从银行卡扣款）主要是通过第三方支付来完成，比如京东支付、通联等。不同的第三方支付，支持的银行列表和限额不同，费用和稳定性也不尽相同，我们会选择出个最优通道、以及多层级备用通道，为此研发了支付路由系统，同时这些服务商的业务限制 / 出错概率还不低，所以我们又要考虑业务上的一致性，这也是本文要介绍的主题。 扣款业务是比较复杂的，包括如下几个主要步骤： 对业务表 (扣款任务表 / 还款计划表等) 的数据库操作 调用第三方支付 清算入账 这多个子功能需要保证同时成功或者同时失败，其中既有外部第三方调用，又有内部微服务的调用，所以这是个比较典型的分布式事务的场景。由于外部的第三方支付服务有时不稳定、且部分交易可能很长时间才能确认成功。 因此 我们没考虑两阶段提交的分布式事务，而是选择了最终一致性，而为了保证在状态不一致这个时间窗口的准确性 (比如不能在该窗口对用户重复扣款)，我们也额外多做了很多的考虑。 二

万物皆可Embedding系列会结合论文和实践经验进行介绍，前期主要集中在论文中，后期会加入实践经验和案例，目前已更新： 万物皆可Vector之语言模型：从N-Gram到NNLM、RNNLM 万物皆可Vector之Word2vec：2个模型、2个优化及实战使用 Item2vec中值得细细品味的8个经典tricks和thinks Doc2vec的算法原理、代码实现及应用启发 Sentence2Vec & GloVe 算法原理、推导实与现 后续会持续更新Embedding相关的文章，欢迎持续关注「搜索与推荐Wiki」 Sentence2vec Sentence2vec 是2017年发表于ICLR（国际学习展示回忆）的一篇论文，其全称为： A Simple but tough-to-beat baseline for sentence embeddings 下面来看一下论文所介绍的内容（论文的内容比较晦涩难懂，小编水平也不高，如果不当之处，评论区留言，感谢！）。 1、概述 论文主要提出了一种无监督的，基于单词词向量计算句子embedding的方法，称之为Smooth Inverse Frequecy(SIF)，使用加权平均的方法从word embedding到sentence embedding，然后再基于句子的embedding进行相似度计算

开发板购买链接 https://item.taobao.com/item.htm?spm=a2oq0.12575281.0.0.50111deb2Ij1As&ft=t&id=626366733674 开发板简介 开发环境搭建 windows 源码示例： 0_Hello Bug （ESP_LOGX与printf） 工程模板/打印调试输出 1_LED LED亮灭控制 2_LED_Task 使用任务方式控制LED 3_LEDC_PWM 使用LEDC来控制LED实现呼吸灯效果 4_ADC_LightR 使用ADC读取光敏电阻实现光照传感 5_KEY_Short_Long 按钮长按短按实现 6_TouchPad_Interrupt 电容触摸中断实现 7_WS2812_RMT RGB_LED彩虹变色示例 8_DHT11_RMT 使用RMT实现读取DHT11温湿度传感器 9_SPI_SDCard 使用SPI总线实现TF卡文件系统示例 10_IIC_ADXL345 使用IIC总线实现读取ADXL345角度加速度传感器 11_IIC_AT24C02 使用IIC总线实现小容量数据储存测试 12_IR_Rev_RMT 使用RMT实现红外遥控接收扫码（NEC） 13_IR_Send_RMT 使用RMT实现红外数据发送（NEC） 14_WIFI_Scan 附近WIFI信号扫描示例 15_WIFI_AP

云栖号资讯：【 点击查看更多行业资讯 】 在这里您可以找到不同行业的第一手的上云资讯，还在等什么，快来！ 导读： 描述“富者愈富，穷者愈穷”的马太效应，以及经济学中的帕累托法则，其背后的数学模型是什么？在统计学中，它们可以被抽象成幂律分布。 我们在城市规模中看到的模式：大多数人类居住地区的规模达不到以百万来计数，但少数地区能达到数百万人规模。在数字王国里，大多数网站的访问量很低，但少数网站的访问量非常庞大。在文学领域，大多数书籍几乎无人阅读，但少数书籍畅销异常。 所有这些都让我们回忆起“富者愈富，穷者愈穷”的现象。 在语言学中，这种现象被称为Zipf定律，以哈佛的语言学家George Kingsley Zipf的名字命名，他观察到在一种语言中第i位最常见的单词出现的频率正比于1/i。Zipf定律指出，在一个n个单词的语料库中，遇到第i位最常见单词的概率为 数Hn在数学领域出现非常频繁，值得为它起一个名字——第n位调和数（harmonic number）。这个名字源自何处？它源于音乐中的泛音或称和声。一根弦以一个基波长震动，同时还以1/2，1/3，1/4，…的谐波长震动：这对应一个无穷和，当n=∞时，它被称为调和级数（harmonic series）。 由于Zipf定律给出了一个事件的概率，因此也用它命名了对应的概率分布。 在表11-1中，你可以看到一个英语语料库（布朗语料库

CSDN同步 注：本人模拟省选 \(A\) 卷。 前记 一场英语模拟期末直接萎掉之后心境垂垂暮老，然后来模拟省选增强一点信心。 实际却不大行 本来立的目标是口头 \(200\) 的，看完题发现 \(150\) 的目标比较合适。 组合数问题 先开 \(T2\) 的主要原因：觉得自己数论强。没了。 \[\sum_{k=0}^n f_i \times x^k \times C_n^k \] 其中 \(f = \sum_{i=0}^m a_i \cdot k^i\) 算法一 暴力。 \(f_i\) 用 \(\mathcal{O}(m)\) 的时间计算， \(C_n^k\) 用杨辉三角， \(x^k\) 递推。 时间复杂度： \(\mathcal{O}(nm)\) . 实际得分： \(15pts\) . \(\texttt{Link}\) 代码 算法二 注意到， \(m=0\) 有部分分。 因此考虑， \(m=0\) 时，即多项式降为常数项，如何通过 \(n \leq 10^5 , 10^9\) 的数据？ 显然，原式就变成了 \[\sum_{k=0}^n a_0 \times x_k \times C_n^k \] \[= a_0\times \sum_{i=0}^n x^i \cdot C_n^i \] 你懵了，一看，唉？ \(n \leq 10^5\) ， \(p\) 还是质数？

ilmerge ilmerge /ndebug /target:dll /targetplatform:4 /out:target.dll /log x1.dll /log x2.dll Costura.Fody (推荐) 配置文档参考 https://github.com/Fody/Costura 来源： oschina 链接： https://my.oschina.net/xfan/blog/4286082

题目背景 在 Nescafe27 和 28 中，讲述了一支探险队前往 Nescafe 之塔探险的故事…… 当两位探险队员以最快的时间把礼物放到每个木箱里之后，精灵们变身为一缕缕金带似的光，簇簇光芒使探险队员们睁不开眼睛。待一切平静下来之后，探险队员来到了一座宫殿中，玉制的石椅上坐着两个人。「你们就是……Nescafe 之塔护法中的两位？」 「是的，我们就是神刀护法 xlk 和飞箭护法 riatre……你们来这里做什么？」 「我们是前来拜访圣主和四位护法的……」 「如果你们想见圣主和其它两位护法，你们必须穿过前方的七色彩虹。请随我来吧……」 题目描述 探险队员们跟随两位护法来到了七色虹前。七色虹，就是平面直角坐标系中赤、橙、黄、绿、青、蓝、紫七个半圆。第 \(i\) 座半圆形彩虹的圆心是 \((x_i,0)\) ，半径是 \(r_i\) ，半圆上所有点的纵坐标均为非负数。探险队员可以看做一条竖直的，长度等于身高的线段。线段的底端纵坐标为 \(0\) ，最高的一位探险队员的身高为 \(h\) 。 现在探险队员们要从 \((0,0)\) 穿越七色虹到达 \((x_0,0)\) 。穿越七色虹的过程中，探险队员的整个身体必须始终在至少一个半圆形彩虹的内部。由于彩虹的半径 \(r_i\) 可能太小了，不足以满足这个条件，因此两位护法决定帮助他们把所有彩虹的半径都增大一个非负实数 \(r\)