技术文章

json的序列化与反序列化

荒凉一梦 提交于 2021-02-20 16:50:42
㈠什么是json? JSON(JavaScript Object Notation, JS 对象简谱) 是一种轻量级的数据交换格式。它基于ECMAScript(欧洲计算机协会制定的js规范)的一个子集,采用完全独立于编程语言的文本格式来存储和表示数据。简洁和清晰的层次结构使得JSON 成为理想的数据交换语言。 易于人阅读和编写,同时也易于机器解析和生成,并有效地提升网络传输效率。 是JavaScript用来处理数据的一种格式,大部分是用来处理JavaScript和web服务器端之间的数据交换,把后台web服务器的数据传递到前台,然后使用JavaScript进行处理,例如ajax等,是独立于语言和平台的轻量级的数据交换格式。 ㈡json语法 JSON的语法可以表示以下三种类型的值。  简单值 :使用与 JavaScript 相同的语法,可以在 JSON 中表示字符串、数值、布尔值和 null。但 JSON不支持 JavaScript中的特殊值 undefined。  对象 :对象作为一种复杂数据类型,表示的是一组无序的键值对儿。而每个键值对儿中的值可 以是简单值,也可以是复杂数据类型的值。  数组 :数组也是一种复杂数据类型,表示一组有序的值的列表,可以通过数值索引来访问其中 的值。数组的值也可以是任意类型——简单值、对象或数组。 JSON不支持变量、函数或对象实例

sh和bash之间的区别

浪子不回头ぞ 提交于 2021-02-20 16:49:57
问题: When writing shell programs, we often use /bin/sh and /bin/bash . 在编写shell程序时,我们经常使用 /bin/sh 和 /bin/bash 。 I usually use bash , but I don't know what's the difference between them. 我通常使用 bash ,但是我不知道它们之间有什么区别。 What's main difference between bash and sh ? bash 和 sh 之间的主要区别是什么? What do we need to be aware of when programming in bash and sh ? 在使用 bash 和 sh 编程时,我们需要注意什么? 解决方案: 参考一: https://stackoom.com/question/O1PU/sh和bash之间的区别 参考二: https://oldbug.net/q/O1PU/Difference-between-sh-and-bash 来源: oschina 链接: https://my.oschina.net/u/4438370/blog/4492883

Linux 下部署Django项目

五迷三道 提交于 2021-02-20 16:49:10
Linux 下部署Django项目 说明:本文所使用的环境为CentOS 6+Python2.7+Django1.11 安装Django、Nginx和uWSGI 1.确定已经安装了2.7版本的Python; 2.安装python-devel yum install python-devel 3.安装uwsgi pip install uwsgi 测试uwsgi是否能正常工作 1.新建一个index.py; # index.py def application (env, start_response): start_response( '200 OK', [( 'Content-Type', 'text/html')]) return "Hello World" 1 2 3 4 2.uwsgi –http :8000 –wsgi-file index.py 浏览器访问8000端口看是否有hello world输出 注意:确保8000端口能被外网访问 测试Django能否正常工作 $ cd /var/www/ $ django-admin startproject mysite $ cd mysite $ python manage.py runserver 0.0.0.0:8000 浏览器访问8000端口看是否有hello world输出 测试uwsgi是否能和django集成

基于zookeeper分布式锁

早过忘川 提交于 2021-02-20 16:48:46
最近项目中新上线了抢优惠券功能,虽然用户不多但是,如何防止超发呢?单体应用情况下只需要在抢券方法前用synchronized修饰即可,但是目前大部分项目都是分布式微服务架构,所以就需要加分布式锁。项目用的SpringMVC+dubbo,注册中心使用的zookeeper,所以就选用的基于zookeeper的分布式锁。 原生的zookeeper分布式锁写起来比较复杂,使用zookeeper的Curator框架轻松实现,代码实现: pom文件 <dependency> <groupId>org.apache.zookeeper</groupId> <artifactId>zookeeper</artifactId> <version>3.4.6</version> </dependency> <dependency> <groupId>org.apache.curator</groupId> <artifactId>curator-recipes</artifactId> <version>4.0.1</version> </dependency> Spring集成 <!-- 重连策略 --> <bean id="retryPolicy" class="org.apache.curator.retry.ExponentialBackoffRetry"> <!-- 间隔时间基数 -->

Linux下串口配置初步探寻

北慕城南 提交于 2021-02-20 16:48:13
一、在 struct termios结构体 中,对串口进行基本配置(如 波特率设置,校验位和停止位设置 等)。 ( 一 ): struct termios // 串口的设置主要是设置 struct termios结构体的各成员 { tcflag_t c_iflag; //input mode flags 输入模式标志。 tcflag_t c_oflag; //output mode flags 输出模式标志 tcflag_t c_cflag; //control mode flags 控制模式标志 tcflag_t c_lflag; //local mode flags 本地模式标志。 cc_t c_line; //line discipline 线路规程(速率)。 cc_t c_cc[NCCS]; //control characters 控制字符数组 }; 1 、 c_cflag代表控制模式 CLOCAL含义为忽略所有调制解调器的状态行,这个目的是为了保证程序不会占用串口。CREAD代表启用字符接收器,目的是是的能够从串口中读取输入的数 据。 CS5/6/7/8 表示发送或接收字符时使用 5/6/7/8 比特。 CSTOPB 表示每个字符使用两位停止位。 HUPCL 表示关闭时挂断调制解调器。 PARENB: 启用奇偶校验码的生成和检测功能。 PARODD

cobbler自动化安装centos7.6

核能气质少年 提交于 2021-02-20 16:47:59
一、cobbler介绍 1.前言 cobbler 是基于 python 语言开发的 pxe 二次封装的网络安装服务;可以多系统选自自动化安装配置。可以通过 Web 图形化界面配置,其安装包为 cobbler,在 epel 源上,配置过程中某些过程可能需要依赖互联网环境。 2.Cobbler可以干什么 使用 Cobbler,无需进行人工干预即可安装机器。Cobbler 设置一个 PXE 引导环境(它还可以使用 yaboot 支持 PowerPC),并控制原装相关的所有方面,比如网络引导服务(DHCP 和 TFTP)与存储库镜像。当希望安装一台新机器时,Cobbler 可以: 1)使用一个以前定义的模板来配置 DHCP 服务(如果启用了管理 DHCP) 2)讲一个存储库(yum 或 rsync)建立镜像或解压缩一个媒介,以注册一个新操作系统 3)在 DHCP 配置文件中为需要安装的机器创建一个条目,并使用指定的参数(IP 和 MAC) 4)在 TFTP 服务目录下创建适当的 PXE 文件 5)重新启动 DHCP 服务来反应新的更改 6)重新启动机器以开始安装(如果电源管理已启动 3.Cobbler 支持的系统和功能 Cobbler 支持众多的发行版:Redhat、Fedora、CentOS、Debian、Ubuntu 和 SUSE。当添加一个操作系统(通常通过使用 ISO 文件)时

「自然语言处理(NLP)」良心推荐:一文了解注意力机制(Attention)

最后都变了- 提交于 2021-02-20 16:47:43
喜欢我们,点击上方 AINLPer ,关注一下,极品干货即刻送达! 本文主要参考博 客: https://blog.csdn.net/intflojx/article/details/85338778 引言 相信很多小伙伴在看论文的时候,会时不时的遇到注意力机制(Attention)这个关键词。其实 注意力模型最近几年在深度学习各个领域被广泛使用,无论是在图像处理、语音识别还是自然语言处理中,都很容易遇到注意力模型的身影。 它其实是深度学习技术中最值得关注与深入了解的核心技术之一。 了解注意力机制的工作原理对于关注深度学习技术发展的技术人员来说有很大的必要。 本文概要 1 什么是注意力机制(Attention) 2 Encoder-Decoder框架 3 Attention注意力机制 4 Attention小结 正文开始 1 什么是注意力机制(Attention) 深度学习中的注意力机制借鉴了人类的注意力思维方式。 我们首先人类的视觉注意力机制介绍开始。 举个例子: 比如当你看到一篇论文的时候,你的眼睛会快速的扫描论文第一页,接着首先将注意力集中到论文的标题(如果论文的第一页有图片,你也会去关注第一页中的图片是什么),然后你就会关注论文的摘要是什么,对于摘要区域,你会渐渐投入到更多地注意力,然后读懂摘要,进而了解文章的大概内容。

kudu

走远了吗. 提交于 2021-02-20 16:47:09
Apache Kudu 介绍 Apache Hadoop提供了一系列数据存储与处理的组件,覆盖了多种多样,应用于企业级关键服务的用户案例。 在Clondera,我们一直在努力探索Hadoop的各种可能性,扩展Hadoop的边界--使用Hadoop更快、更好用、更安全。 自2012年,我们开启了一个关于Apache Hadoop存储系统的验证工作(避免Hadoop被约束在部分特定用户案例中)。验证过程中,我们发现了一些重要的发展趋势并最终决定去开发 一个新型的存储系统,对HDFS与Apache HBase提供的功能进行补充。现在我们非常自豪的推出Kudu,一个Hadoop生态系统上的新开源组件。Kudu的目标是: 提供快速的全量数据分析与实时处理功能; 充分利用先进CPU与I/O资源; 支持数据更新; 简单、可扩展的数据模型; 在这里,我们会对打造Kudu的动机、Kudu架构等给出简单的介绍。 功能上的空白 在很多Cloudera的客户环境中,我们发现了“混合架构 (hybrid architecture)”的趋势,即很多Hadoop工具会被同时部署。HBase主要被用于支撑数据导入,(及其)快速的小查询执行,更重要的是支持数据的随机修改。而HDFS与Impala组合的使用可以高效处理列式存储数据(例如Apache Parquet),在大规模数据集上提供高性能的分析型查询。 目前

公有云(三)

雨燕双飞 提交于 2021-02-20 16:46:54
12.重装系统 1.更换系统盘 直接换系统的那块盘,可以换不同的操作系统,比如从Linux换成Windows 或者Windows换成linux 步骤:ECS控制台---点击对应的实例---停止实例--右侧更多-- 更换系统盘 2.重新初始化 步骤:ECS控制台---停止实例--右侧更多 -- 重新初始化磁盘--到了本实例云盘管理-- 选择对应的系统盘---打勾-- 重新初始化磁盘 13.工单系统 工单是什么 工单是我们提交问题的 如何创建工单 点击上面菜单栏-- 点击选择提交工-- 选择对应的产品分类 --- 选择遇到问题的分类,在点右下角提交 14.RDS 云数据库 支持mysql sqlserver postgrepsql mariadb PPAS(高度兼容oracle) 云数据库RDS 建议和ECS 在同一个区域里 创建实例 地域:根据你的云主机来选择 类型:mysql/mariadb/postgrepql基础版 可用区域要和你的ECS匹配, 网络类型也要根据你的云主机网络来选择 规则:小型网站, 1核1G就够了 后续可以升级 存储空间也是安需求建 购买实例后,需要等1到2分钟擦i可以看到实例列表 管理实例 点击管理页面来进行管理 专有网络的联通性 ping 数据库地址 安装mysql yum install -y mysql 管理平台创建MYSQL账号

缺失值处理

佐手、 提交于 2021-02-20 16:46:40
1. 数据缺失分为两种:行记录缺失,列记录缺失。 2. 不同的数据存储和环境对缺失值的表示也不同。例如:数据库中是Null,Python是None,Pandas或Numpy是NaN。 3. 对缺失值的处理通常4种方法: (1). 丢弃 下面两种场景不宜采用该方法: 不完整数据比例较大,超过10% 缺失值存在明显的数据分布规律或特征 (2). 补全 常用补全方法: 统计法:对于 数值型 的数据,使用均值、加权均值、中位数等方法补足;对于 分类型 数据,使用类别众数最多的值补足。 模型法:基于已有的其他字段,将缺失字段作为目标变量进行预测,从而得到较为可能的补全值。如果带有缺失值的列是 数值 变量,采用回归模型补全;如果是 分类 变量,则采用分类模型补全。 专家补全:少量且具有重要意义的数据记录,专家补足也是非常重要的一种途径。 其他方法:随机发、特殊值法、多重填补等 (3). 真值转换法 (4). 不处理 常见能够自动处理缺失值模型包括:KNN、决策树和随机森林、神经网络和朴素贝叶斯、DBSCAN(基于密度的带有噪声的空间聚类)等。 处理思路: 忽略 ,缺失值不参与距离计算,例如:KNN。 将缺失值 作为分布的一种状态 ,并参与到建模过程,例如:决策树以及变体。 不基于距离做计算 ,因此基于值得距离计算本身的影响就消除了,例如:DBSCAN。 4. 对于缺失值的处理上,主要配合使用