offset

先说 宽度 clientWidth、scrollWidth、offsetWidth参见 http://www.w3school.com.cn/jsref/dom_obj_all.asp clientWidth ：可见宽度，包括元素的内容区，就是最里面那部分，包括padding，不包括magin，不包括border，不包括滑动条； 备注：background-color包括元素的内容区、padding、border，也就是比clientWidth涉及区域多了一个border。 scrollWidth ：可以滚动的clientWidth； offsetWidth ：不包括magin，其他都包括； 注：这里offsetWidth包括滚动条的宽度，但是和scrollWidth不太一样，scrollWidth的是实际内容的宽度，就是将滑块滑动走过的宽度；而offsetWidth包括滚动条的宽度，不是滚动区域。 width ：就是你style给的width，不过有一个奇怪的地方，当打印style.width的时候，只对内联样式，且必须写成style = "width:某某px"的有用，能打印出来，其他的打印出来的都是空字符串。不知为何，好奇怪。 至于高度，和宽度一样的啦，对号入座就ok。 来源： oschina 链接： https://my.oschina.net/u/1165741/blog

//首页进入广告代码 (function(){ $(".pop_up h2") .click(function(){ $(".pop_up") .fadeOut(); $(".body_bg") .fadeOut(); }); 　window.onload=loadpopup(); var cookieString = new String(document.cookie) 　　function openwin(){ $(".pop_up") .fadeIn(); $(".body_bg") .fadeIn(); 　　} $(".pop_up h2") .click(function(){ $(".pop_up") .fadeOut(); $(".body_bg") .fadeOut(); }); 　　function get_cookie(Name) { 　　var search = Name + "=" 　　var returnvalue = ""; 　　if (document.cookie.length > 0) { 　　offset = document.cookie.indexOf(search); 　　if (offset != -1) { 　　offset += search.length 　　end = document.cookie.indexOf(";",

上传 IK分词器到 Elasticsearch目录的plugins目录中 解压 并修改名称 unzip elasticsearch-analysis-ik-6.3.0.zip -d ik-analyzer 然后重启 Elasticsearch 在kibana控制台输入下面的请求： POST _analyze { "analyzer": "ik_max_word", "text": "我是中国人" } 运行得到结果： { "tokens": [ { "token": "我", "start_offset": 0, "end_offset": 1, "type": "CN_CHAR", "position": 0 }, { "token": "是", "start_offset": 1, "end_offset": 2, "type": "CN_CHAR", "position": 1 }, { "token": "中国人", "start_offset": 2, "end_offset": 5, "type": "CN_WORD", "position": 2 }, { "token": "中国", "start_offset": 2, "end_offset": 4, "type": "CN_WORD", "position": 3 }, { "token": "国人",

在Redis中我们经常用到set,get等命令，细心的你有没有发现，还有几个相似的命令叫setbit,getbit，它们是用来干嘛的？ BitMap是什么 就是通过一个bit位来表示某个元素对应的值或者状态,其中的key就是对应元素本身。我们知道8个bit可以组成一个Byte，所以bitmap本身会极大的节省储存空间。 Redis中的BitMap Redis从2.2.0版本开始新增了setbit,getbit,bitcount等几个bitmap相关命令。虽然是新命令，但是并没有新增新的数据类型，因为setbit等命令只不过是在set上的扩展。 setbit命令介绍 指令 SETBIT key offset value 复杂度 O(1) 设置或者清空key的value(字符串)在offset处的bit值(只能0或者1)。 空间占用、以及第一次分配空间需要的时间 在一台2010MacBook Pro上，offset为2^32-1（分配512MB）需要～300ms，offset为2^30-1(分配128MB)需要～80ms，offset为2^28-1（分配32MB）需要～30ms，offset为2^26-1（分配8MB）需要8ms。<来自官方文档> 大概的空间占用计算公式是：($offset/8/1024/1024)MB 使用场景一：用户签到 很多网站都提供了签到功能

前戏 redis集群中的数据库复制是通过主从同步来实现的，主节点（master）把数据分发给从节点（slave），主从同步的好处在于高可用。 redis主从同步的原理： 1.从服务器向主服务器发送SYNC命令。 2.接到SYNC的主服务器会调用BGSAVE命令，创建一个RDB文件，并使用缓冲区记录接下来执行的所有命令。 3.当主服务器执行完BGSAVE命令时，它会向从服务器发送RDB文件，而从服务器则会接收并载入这个文件。 4.主服务器将缓冲区存储的所有写命令发送给从服务器执行。 环境准备 1.关掉所有redis服务，使用ps查看 [root@HH redis-5.0.6]# ps -ef |grep redis root 4388 8523 0 18:44 pts/1 00:00:00 grep --color=auto redis 2.准备6380，6381，6382三个文件夹，后面会用到，创建到data目录下 [root@HH redis-5.0.6]# mkdir /data/{6380,6381,6382} [root@HH redis-5.0.6]# ls /data/ 6380 6381 6382 3.准备三个redis的配置文件，放到redis的目录下，这里分别命名为redis-6380.conf，redis-6381.conf，redis-6382.conf

控制文件块内容分布 SQL> SELECT TYPE, 1 RECORD_SIZE, 2 RECORDS_TOTAL, 3 RECORD_SIZE*RECORDS_TOTAL, 4 ceil(record_size*records_total/((8*1024)-24)) 5 FROM v$controlfile_record_section; TYPE RECORD_SIZE RECORDS_TOTAL SIZE BLOCK# BLOCKS ---------------------------- ----------- ------------- ------- ------- --------- TITLE 1 1 1 1 DATABASE 316 1 316 2 1 CKPT PROGRESS 8180 11 89980 3 12 REDO THREAD 256 8 2048 15 1 REDO LOG 72 16 1152 16 1 DATAFILE 520 1024 532480 17 66 FILENAME 524 4146 2172504 83 266 TABLESPACE 180 1024 184320 349 23 TEMPORARY FILENAME 56 1024 57344 372 8 RMAN CONFIGURATION 1108 50 55400

Data 语义学 一个class的data members，一般而言，可以表现这个class在程序执行时的某种状态。Nonstatic data members放置的是“个别的class object”感兴趣的数据，static data members则放置的是“整个class”感兴趣的数据。 C++对象模型尽量以空间优化和存取速度优化的考虑来表现nonstatic data members，并且保持和C语言struct数据配置的兼容性。它们把数据直接存放在每一个class object之中。对于继承而来的nonstatic data members(不管是virtual还是nonvirtual base class)也是如此。不过没有强制定义其间的排列顺序。 至于static data members，则被放置在程序的一个global data segment中，不会影响个别class object的大小。在程序之中，不管该class被产生出多少个objects(经由直接产生或间接派生)，static data members永远只存在一份实例(甚至即使该class没有任何object实例，其static data members也已存在)。但是一个template class的static data members的行为稍有不同。 Data Member的绑定(The

Flink Kafka Connector 是 Flink 内置的 Kafka 连接器，它包含了从 Kafka Topic 读入数据的 Flink Kafka Consumer 以及向 Kafka Topic 写出数据的 Flink Kafka Producer，除此之外 Flink Kafa Connector 基于 Flink Checkpoint 机制提供了完善的容错能力。本文从 Flink Kafka Connector 的基本使用到 Kafka 在 Flink 中端到端的容错原理展开讨论。 1.Flink Kafka 的使用 在 Flink 中使用 Kafka Connector 时需要依赖 Kafka 的版本，Flink 针对不同的 Kafka 版本提供了对应的 Connector 实现。 1.1 版本依赖 既然 Flink 对不同版本的 Kafka 有不同实现，在使用时需要注意区分，根据使用环境引入正确的依赖关系。 <dependency> <groupId>org.apache.flink</groupId> <artifactId>${flink_kafka_connector_version}</artifactId> <version>${flink_version}</version> </dependency> 在上面的依赖配置中 ${flink

引用：http://blog.csdn.net/dslinmy/article/details/37362661 这里，讲一下RSA算法加解密在C#和Java之间交互的问题，这两天纠结了很久，也看了很多其他人写的文章，颇受裨益，但没能解决我的实际问题，终于，还是被我捣鼓出来了。 首先，介绍一下写这代码的目的：完成webService验证问题，服务器端采用C#开发，客户端采用Java开发。服务器端给客户端提供公钥，已进行数据加密，客户端加密后提数据提交给服务器，服务器用私钥对数据解密，进行验证。 这里遇到的主要问题是C# RSACryptoServiceProvider类产生的公钥、私钥都是xml字符串数据，而java RSA算法要求的 Modulus、Exponent都是BigInteger类型，两者间的转换才是问题所在。 关于Java 和 C#各自独立的进行RSA加密解密，大家可以看整两篇文章， java RSA加密解密实现（） 和 C#中RSA 加密解密和签名与验证的实现 。 接下来讲一下实现步骤： 首先由C# RSACryptoServiceProvider类生成公钥、私钥 /// <summary> /// 生成公钥、私钥 /// </summary> /// <returns>公钥、私钥，公钥键"PUBLIC",私钥键"PRIVATE"</returns> public