pq

题目如下： 在不分解n的前提下，求d。 给定： e = 14058695417015334071588010346586749790539913287499707802938898719199384604316115908373997739604466972535533733290829894940306314501336291780396644520926473 n = 33608051123287760315508423639768587307044110783252538766412788814888567164438282747809126528707329215122915093543085008547092423658991866313471837522758159 说明过程。 这种e很大的，d可能就会比较小，可能会满足Wiener’s attack的条件，介绍如下： 英文： 中文材料参考： 这里有两个概念，连分数和渐进分数，详情自行谷歌百度 连分数概念图： 渐进分数概念： 我的理解： 上面的等式应该比较容易理解，就是等式右边的分母很大，作为整体很小，意味着等式左边的减数和被减数的差距很小很小，并且可以通过被减数的连分数求解不断逼近它本身的一个渐进分数，因此可能会存在某个渐进分数可以满足减数的要求； 当然按照求解的渐进分数的分子分母分别对应减数的分子分母

在汽车设计中，“豪华感”到底是如何体现出来的？这是我在英国求学期间的毕业设计 （The Premium for Automotive Design） 仔细研究过的课题，也是这些年做汽车设计以来经常需要回答的问题。 这次有幸受广汽邀请，体验了一下传祺品牌最新发布的GA8旗舰轿车，深入品味了GA8的设计。可以说，在豪华感的营造上，GA8将传祺品牌带到了一个新的层次，在一款相对平价的产品上，打破了过去大部分国产车的一些固有印象，做到了让老百姓买得起的“豪华感”。 首先说明，汽车行业的所谓“豪华”，是要分为两类的，第一类的典型是奔驰、宝马、雷克萨斯这个级别，我们称之为 Premium brands ，另一类的典型是迈巴赫，劳斯莱斯，宾利，我们把这些品牌称为 Luxury brands 。具体到每一款车就会稍微复杂一点，比如Mercedes Benz S class我们通常不说它是premium car，而是划分到Luxury car里面；而像大众帕萨特这个级别的车实际上已经迈入了premium car的入门范围。 前一类的premium brand，是在尽可能合理的情境下实现的一种豪华，是依然受到技术、成本和其他各种量产要求的限制的，也是设计师更应该注意通过设计来打造豪华感的。这时候设计师对于“豪华感”的表达要求更高，因为一不小心就不够“豪华”了；而后一类的luxury brands

作者：启明星辰ADLab 原文链接： https://mp.weixin.qq.com/s/OBgJJ3UqENhw92CJ2wE9pQ 1.漏洞概述 2020年6月8日，安全研究员 Yunus Çadirci 公布UPnP（通用即插即用）协议漏洞公告（CVE-2020-12695），并将其命名为CallStranger漏洞。该漏洞允许攻击者绕过内网的数据防泄露系统（DLP）进行数据逃逸，可导致敏感数据泄露，并且可对设备所在内部网络进行扫描，甚至能劫持设备进行分布式拒绝服务（DDOS）攻击。根据CallStranger漏洞原理，启明星辰ADLab以某款智能电视作为测试目标，对CallStranger漏洞的危害性进行了演示分析。 2.漏洞影响 与之前的UPnP漏洞不同，CallStranger漏洞存在于协议设计中，因此该漏洞影响几乎所有支持UPnP的设备，包括Windows 10所有版本、路由器、访问接入点、打印机、游戏机、门铃对讲机、媒体应用程序和设备、摄像头、电视机等。根据SHODAN和ZoomEye的搜索结果，至少有数以百万计的在线设备受到影响。 3.漏洞分析 UPnP全称为Universal Plug and Play，即通用即插即用，UPnP允许各种网络设备在没有任何特殊设置或配置的情况下进行通信，使设备彼此可自动连接和协同工作。例如新的打印机插上电并连接网络之后

序 本文主要研究一下rocketmq-client-go的pushConsumer pushConsumer rocketmq-client-go-v2.0.0/consumer/push_consumer.go type pushConsumer struct { *defaultConsumer queueFlowControlTimes int queueMaxSpanFlowControlTimes int consumeFunc utils.Set submitToConsume func(*processQueue, *primitive.MessageQueue) subscribedTopic map[string]string interceptor primitive.Interceptor queueLock *QueueLock done chan struct{} closeOnce sync.Once } pushConsumer定义了queueFlowControlTimes、queueMaxSpanFlowControlTimes、consumeFunc、submitToConsume、subscribedTopic、interceptor、queueLock、done、closeOnce属性 NewPushConsumer rocketmq

前言：最近在开发一个功能:动态展示的订单数量排名前10的城市,这是一个典型的Top-k问题，其中k=10,也就是说找到一个集合中的前10名。实际生活中Top-K的问题非常广泛，比如：微博热搜的前100名、抖音直播的小时榜前50名、百度热搜的前10条、博客园点赞最多的blog前10名，等等如何解决这类问题呢？初步的想法是将这个数据集合排序,然后直接取前K个返回。这样解法可以，但是会存在一个问题：排序了很多不需要去排序的数据,时间复杂度过高.假设有数据100万,对这个集合进行排序需要很长的时间,即便使用快速排序,时间复杂度也是O(nlogn)，那么这个问题如何解决呢？解决方法就是以空间换时间,使用优先级队列 目录 一: 认识PriorityQueue 二：利用PriorityQueue解决topk问题 三：总结 一：认识PriorityQueue 1.1：PriorityQueue位于java.util包下,继承自Collection,因此它具有集合的属性,并且继承自Queue队列,拥有add/offer/poll/peek等一系列操作元素的能力,它的默认大小是11,底层使用Object[] 来保存元素,数组的话肯定会有扩容,当添加元素的时候大小超过数组的容量,就会扩容，扩容的大小为原数组的大小加上,如果元素的数量小于64,则每次加2，如果大于64,则每次增加一半的容量。 1.2

欲善其事，必先利其器。这里我为大家提供了两种pycharm激活方式(都支持最新2019版本)： 修改hosts激活：需要修改hosts，稳定无影响，持续更新，推荐~ 破解补丁激活：需要下载补丁，永久有效，但破解可能会遇到各种问题 pycharm汉化教程 ————————更新分割线2019.04.09———————— 一、修改hosts激活 优点：方便快捷 缺点：需要修改hosts文件 1.修改hosts文件 将0.0.0.0 account.jetbrains.com和0.0.0.0 www.jetbrains.com添加到hosts文件最后，注意hosts文件无后缀，如果遇到无法修改或权限问题，可以采用覆盖的方法去替换hosts文件 修改后请检查hosts文件是否修改，激活码无法激活的原因99.99%是因为hosts没有修改正确 Windows系统hosts文件路径为：c:\windows\system32\drivers\etc Ubantu(Linux)系统hosts文件路径为：/etc Mac激活点这里： MacBook PyCharm激活码 2.复制激活码 打开PyCharm选择Activation code激活，然后复制下面的激活码点击激活。此激活码有效期为2020-03-11，大家可以关注微信公众号：裸睡的猪 或扫描下方二维码，在过期之前我会在公众号中推送新的激活码哦

出现这种问题的时候建议是： 1、调大堆内存，根本方法 2、调小XX:InitiatingHeapOccupancyPercent、调大XX:ConcGCThread 3、打印XX:+PrintAdaptiveSizePolicy，youngGC默认没什么线索，这个打印出来可以看到更多线索 G1回收器没有深入了解过。。。。。 参考资料 https://www.baidu.com/s?ie=utf-8&f=8&rsv_bp=1&rsv_idx=1&tn=baidu&wd=Parallel%20Time%3A%202699.8%20ms%2C%20GC%20Workers&fenlei=256&rsv_pq=ac1e26e3000103a9&rsv_t=c96dpP%2FiuU1jER59XrDCAoECjj4JaehrkppjOd6FysNclU1hTo8ljbzIk20&rqlang=cn&rsv_enter=1&rsv_dl=tb&rsv_n=2&rsv_sug3=1&rsv_sug2=0&rsv_btype=i&inputT=1616&rsv_sug4=1616 https://blog.csdn.net/vfgbv/article/details/51720344 https://blog.csdn.net/lijingyao8206/article/details

学习参考：Python3网络爬虫开发实战 问题：requests抓取的页面信息和浏览器中看到的不一样。 原因：requests获取的都是原始的HTML文档，浏览器中的页面很多都是经过javascript数据处理后的结果，这些数据可能通过AJax加载的，也可能是通过其他特定算法计算得到的 解决：对于通过Ajax加载的，叫异步加载，这种可以在web开发上做到前后端分离，降低服务器直接渲染页面带来的压力，如果遇到requests无法获取有效数据，需要进一步分析网页后台向接口发送的Ajax请求，然后用requests来模拟Ajax请求，就可以成功获取了 6.1 什么是 Ajax Ajax是利用Javascript在保证页面不被刷新、页面链接不改变的情况下与服务器交换数据并更新部分网页的技术。 2. 基本原理 发送请求、解析内容、渲染网页 6.2 Ajax 分析方法 1. 查看请求 jax其实有其特殊的请求类型，它叫作 xhr ，Request Headers中有一个信息为 X-Requested-With:XMLHt甲Request，这就标记了此请求是 Ajax请求 在response里面可以找到真实的数据。 2. 过滤请求 6.3 Ajax 结果提取 1.分析请求 继续下拉网页，会发现很多xhr信息出来，找到其中两个 点击第一个，可以发现，这是一个 GET类型的请求，请求链接为

基础索引如下所示： 精确索引(IndexFlatL2): 主要参数d；占用字节4d;是否穷尽式搜索：是； 内积精确检索(IndexFlatIP)：d；4d；是； 级联式图搜索(IndexHNSWFlat)：d,M; 4d+8M; 否； 倒置文件与精确后检验(IndexIVFFlat)：quantizer,d,nlists,metric; 4d;否 局部感应哈希(iNDEXlsh): d,nbits; nbits/8; 是 标量量化(IndexScalarQuantizer)：d; d; 是 PQ(IndexPQ): d, M, nbits; M(nbits=8); 是 倒排文件+标量量化(IndexIVFScalarQuantizer):quantizer, d, nlists, qtype; d或d/2; 否 IVFADC粗量化+PQ+残差(IndexIVFPQ):quantizer,d, nlists, M, nbits; M+4或M+8；否 IVFADC+R即为IVFADC+基于code的rerank(IndexIVFPQR):quantizer,d, nlists, M, nbits, M_refine, nbits_refine; M+M_refine+4或M+M_refine+8; 否 单元捕获方法 常用的一种加速检索过程，但以一定找到最近邻为代价的方法是是使用例如k

一、背景 全文根据《算法-第四版》， Dijkstra（迪杰斯特拉）算法，一种单源最短路径算法。我们把问题抽象为2步：1.数据结构抽象 2.实现。 分别对应第二章、第三章。 二、算法分析 2.1 数据结构 顶点+边->图。注意： Dijkstra算法的限定： 1.边有权重，且非负 2.边有向 2.1.1 加权 有向边 DirectedEdge，API抽象如下： 方法 描述 DirectedEdge(int v, int w, double weight) 构造边 double weight() 边的权重 int from() 边的起点 int to() 边的终点 2.1.2 加权 有向图 EdgeWeightedDigraph，API抽象如下： 方法 描述 EdgeWeightedDigraph(In in) 从输入流中构造图 int V() 顶点总数 int E() 边总数 void addEdge(DirectedEdge e) 将边e添加到图中 Iterable<DirectedEdge> adj(int v) 从顶点v指出的边（邻接表,一个哈希链表，key=顶点，value=顶点指出的边链表） Iterable<DirectedEdge> edges() 图中全部边 2.1.3 最短路径 DijkstraSP, API抽象如下： 方法 描述 DijkstraSP