MARY

第一部分：理论知识学习部分 第八章 泛型程序设计 1、泛型程序设计概念 1）JDK 5.0 中增加的泛型类型，是Java 语言中类型安全的一次重要改进。 2）泛型：也称参数化类型(parameterized type)，就是在定义类、接口和方法时，通过类型参数指示将要处理的对象类型。（如ArrayList类）　 3）泛型程序设计（Generic programming）：编写代码可以被很多不同类型的对象所重用。 2、泛型类的声明及实例化的方法 1）一个泛型类（generic class）就是具有一个或多个类型变量的类，即创建用类型作为参数的类。 2）如一个泛型类定义格式如下：class Generics＜K,V＞其中的K和V是类中的可变类型参数。 3）Pair类引入了一个类型变量T，用尖括号（<>）括起来，并放在类名的后面。 4）泛型类可以有多个类型变量。例如:public class Pair<T, U> { … } 5）类定义中的类型变量用于指定方法的返回类型以及域、局部变量的类型。 6）泛型类的约束与局限性: a）不能用基本类型实例化类型参数 b）运行时类型查询只适用于原始类型 c）不能抛出也不能捕获泛型类实例 d）参数化类型的数组不合法 e）不能实例化类型变量 f ）泛型类的静态上下文中类型变量无效 g）注意擦除后的冲突 3、泛型方法的定义 1）泛型方法：除了泛型类外

学习路线： Day1 　　　　 Day2 　　　　Day3　　　　Day4　　　　Day5　　　　...待续　 一、简单回顾一下昨天的内容 1. 昨天了解到了一些编码的知识 1.1. 我们写好的.py文件头没有加# -*- coding:utf-8 -*-这样的声明，那么在Windows终端中调用Python2解释器运行时，文件中的中文会显示乱码，为何？原来我们Windows终端是以GBK编码来读的，而Python2中不是默认的utf8的编码格式。调用Python3解释器就没问题，有中文就不会出现乱码，由此引出Python3的编码格式。 1.2. Python3中是没有字符这种编码类型的，默认都是字节编码，也就是没有Unicode这种类型，但本质上它又全是Unicode，只是你看着它是字符编码这种类型。（这句话有点拗口） 1.3. Python3的内部机制：utf-8形式写入文件---->utf-8读到内存中转为Unicode的编码形式---->Windows终端以GBK形式去读的时候，Unicode转换为GBK形式给显示出来。（所以说Python3中没编码声明# -*- coding:utf-8 -*-，中文不会乱码） 1.4. utf-8和GBK编码并不能直接转换，中间要借助Unicode编码作为桥梁，其实现原理可以用下面的图表示： 1.5.

1163: 零起点学算法70——Yes,I can! Time Limit: 1 Sec Memory Limit: 64 MB 64bit IO Format: %lld Submitted: 1415 Accepted: 1070 [ Submit ][ Status ][ Web Board ] Description Boys and girls： Good evening. Welcome to take the select contest. I wish you can be an ACMer, and ACM can bring the happiness of success to you. ACM is a little difficult,but if you try,you can!Nothing is impossible. Input One line, the ACMer's name. The name is at most 8 characters. Output You should output one line like the output sample. Output "I am" then the acmer's name, then ",yes,I can!" Sample Input Mary Sample Output I am

一、一般疑问句定义 　　参考： 英语语法中的一般疑问句和特殊疑问句的区别 　　　　 英语一般疑问句句型结构 　　能用yes / no(或相当于yes / no)回答的问句。 二、一般疑问句的句子结构，三种 　　be动词： be + 主语 + 表语。 Is he a student? 　　情态动词： can + 主语 + 动词原形 can he swim? 　　助动词： do/does/did + 主语 + 动词原形 Does he go shopping? 三、含系动词be的一般疑问句的构成 　　具体地说，就是当陈述句中有am /is / are时，可直接将它们提至主语前，但如遇第一人称，最好将其置换成第二人称。 　　如： 　　I'm in Class 2, Grade 1. → Are you in Class 2, Grade 1? 你是在一年级二班吗? 　　It's a map of China. → Is it a map of China? 这是一幅中国地图吗? 四、含情态动词的一般疑问句的构成 　　一般疑问句面前人人平等：情态动词与am / is / are一样，也可直接将它们提至主语前，所以问题迎刃而解了。 　　如： 　　I can spell it. → Can you spell it? 你会拼写它吗? 五、含实义动词的一般疑问句的构成 　

1.字段类型概述 2.字符串类型 （1）string string类型在ElasticSearch 旧版本中使用较多，从ElasticSearch 5.x开始不再支持string，由text和keyword类型替代。 （2）text 当一个字段是要被全文搜索的，比如Email内容、产品描述，应该使用text类型。设置text类型以后，字段内容会被分析，在生成倒排索引以前，字符串会被分析器分成一个一个词项。text类型的字段不用于排序，很少用于聚合。 （3）keyword keyword类型适用于索引结构化的字段，比如email地址、主机名、状态码和标签。如果字段需要进行过滤(比如查找已发布博客中status属性为published的文章)、排序、聚合。keyword类型的字段只能通过精确值搜索到。 3.整数类型 在满足需求的情况下，尽可能选择范围小的数据类型。比如，某个字段的取值最大值不会超过100，那么选择byte类型即可。迄今为止吉尼斯记录的人类的年龄的最大值为134岁，对于年龄字段，short足矣。字段的长度越短，索引和搜索的效率越高。 4.浮点类型 对于float、half_float和scaled_float,-0.0和+0.0是不同的值，使用term查询查找-0.0不会匹配+0.0，同样range查询中上边界是-0.0不会匹配+0.0，下边界是+0.0不会匹配-0.0。

转： Activiti学习之 多实例实现会签功能 2014年11月26日 11:27:11 程诺 阅读数：26185 版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/chq00788/article/details/41513451 一个任务需要多个角色进行审批或者表决，根据这些审批结果来决定流程的走向。实现以上任务，activiti已经提供了支持，可以使用BPMN规范的多实例活动来实现。 1.Activiti多实例: 多实例节点 是在业务流程中定义重复环节的一个方法。 从开发角度讲，多实例和 循环 是一样的： 它可以根据给定的集合，为每个元素执行一个环节甚至一个完整的子流程， 既可以顺序依次执行也可以并发同步执行 。 多实例 是在一个普通的节点上添加了额外的属性定义 （所以叫做 '多实例 特性'），这样运行时节点就会执行多次。 下面的节点都可以成为一个 多实例节点： User Task Script Task Java Service Task Web Service Task Business Rule Task Email Task Manual Task Receive Task (Embedded) Sub-Process Call Activity 根据规范的要求，每个上级流程为每个实例创建分支时都要提供如下变量：

本文翻译自官网：Reading & Writing Hive Tables https://ci.apache.org/projects/flink/flink-docs-release-1.9/dev/table/hive/read_write_hive.html Flink Table Api & SQL 翻译目录 使用 HiveCatalog 和Flink的Hive连接器，Flink可以读取和写入Hive数据，以替代Hive的批处理引擎。 确保遵循说明 在您的应用程序中 包括正确的 依赖项 。 从 Hive 读 数据 写数据到 Hive 局限性 从 Hive 读数据 假设Hive在其 default 数据库中 包含一个表，该表 名为people，其中包含几行。 hive> show databases; OK default Time taken: 0.841 seconds, Fetched: 1 row(s) hive > show tables; OK Time taken: 0.087 seconds hive > CREATE TABLE mytable(name string, value double ); OK Time taken: 0.127 seconds hive > SELECT * FROM mytable; OK Tom 4.72 John 8

很多开发者说自从有了 Python/Pandas，Excel 都不怎么用了，用它来处理与可视化表格非常快速。 下面我来举几个例子。 删除重复行和空行 我们直接用dict.fromkeys的方法把当前的数据转为字典，默认的值为None因为用不到，也就无所谓了。然后我们再用list直接对结果进行类型转换，转换为list。 In [135]: for row in rows4: print(row) ('name', 'address') ('tom li', 'beijing') ('tom li', 'beijing') ('',) ('mary wang', 'shandong') ('mary wang', 'shandong') ('',) ('de8ug', 'guangzhou') In [148]: dict.fromkeys(rows4) Out[148]: {('name', 'address'): None, ('tom li', 'beijing'): None, ('',): None, ('mary wang', 'shandong'): None, ('de8ug', 'guangzhou'): None} In [137]: list(dict.fromkeys(rows4)) Out[137]: [('name', 'address'), ('tom

原文链接： MySQL | 05 如何设计高性能的索引？ 上回我们主要研究了为什么使用索引，以及索引的数据结构。今天带你了解如何设计高性能的索引。 <!--more--> 其中，有这么一个点，说的是 InnoDB 引擎中使用的是聚簇索引，其 主索引 的实现树中的叶子结点存储的是完整的数据记录，而 辅助索引 中存储的则只是辅助键和主键的值。 这样在用辅助索引进行查询时，会先查出主键的值，然后再去主索引中根据主键的值查询目标值。 比如，假想一个表如下图存储了 4 行数据。其中 Id 作为主索引，Name 作为辅助索引。 Id Name Company 5 Gates Microsoft 7 Bezos Amazon 11 Jobs Apple 14 Ellison Oracle 对于聚簇索引，若使用主键索引进行查询， select * from tab where id = 14 这样的条件查找主键，则按照 B+ 树的检索算法即可查找到对应的叶节点，之后获得行数据。 若使用辅助索引进行查询，对 Name 列进行条件搜索，则需要两个步骤： 1、第一步在辅助索引 B+ 树中检索 Name，到达其叶子节点获取对应的主键值。 2、第二步根据主键值在主索引 B+ 树中再执行一次 B+ 树检索操作，最终到达叶子节点即可获取整行数据。 上面这个过程称为 回表 。 回表：在数据中，当查询数据的时候

【推荐阅读】微服务还能火多久？>>> 记录 http://blog.sina.com.cn/s/ blog_73b339390102yoio.html PE：市盈率 = 股价 / 每股盈利 PEG：(市盈率相对盈利增长比率 /市盈增长比率) PEG=PE/（企业年盈利增长率*100 ） PB：市净率 =股价 / 每股净资产 PS：市销率 =股价 / 每股收入=总市值 / 销售收入 ROE：净资产收益率＝报告期净利润／报告期末净资产 EPS：每股盈余 =盈余 / 流通在外股数 beta值：(贝塔系数)：每股收益 =期末净利润 / 期末总股本 import math 年均投资收益率 = (pow(终值 /本金, 1/年限) -1)*100 投资收益本息 = pow((1+预期年收益率),年限)*本金 投资目标年限 = math.log(终值/本金)/math.log(1+预期年收益率) 时间转换 import time a = ' 2020-03-06 19:18:00 ' a1 = time.strptime(a, ' %Y-%m-%d %H:%M:%S ' ) # 格式化str为time格式 print (time.strftime( ' %Y%m%d ' ,a1)) # 格式化time格式为str print (time.asctime(time.localtime(time