- 博客(479)
- 资源 (8)
- 收藏
- 关注
RSS订阅原创 CompletableFuture 详解
JDK1.8中的是对Future的扩展和加强。实现了和Future接口，前者是对后者的一个扩展，增加了异步回调、流式处理、多个Future组合处理的能力和通过回调的方式处理计算结果，使Java在处理多任务的协同工作时更加顺畅便利。接口定义了任务编排的方法，可以向下执行后续阶段。异步执行的，默认线程池是，但为了业务之间互不影响，且便于定位问题，强烈推荐使用自定义线程池。// 根据commonPool的并行度来选择,而并行度的计算是在ForkJoinPool的静态代码段完成的。
2024-05-08 05:00:00
334
7
原创 Mac 链接 HP 136w 打印机步骤
进入到系统后，上侧菜单选 “设置” ，左边子菜单选“wifi”，wifi界面选择 “向导”，跳转的界面会列出当前能搜索到的所有无线网，选中你当前想要加入的网络，输入这个网络环境的登录密码，确定之后，会弹出一个设置成功的弹窗。网址打开后，界面右上角有 “登录” 相关的字样或者按钮，点击，弹出登录弹框，登录弹框输入id，默认id为：admin，密码不用输入，直接点击登录。按钮进入WI-FI菜单】，找到NetWork选项OK进入；【5】打开Mac中的WI-FI设置，选择HP163w相关的无线网络，点击链接。
2024-05-08 00:15:00
88
1
原创 JVM 类加载机制
其中类加载的过程包括了加载、验证、准备、解析、初始化五个阶段。在这五个阶段中，加载、验证、准备和初始化这四个阶段发生的顺序是确定的，而解析阶段则不一定，它在某些情况下可以在初始化阶段之后开始，这是为了支持 Java语言的运行时绑定(也成为动态绑定或晚期绑定)。另外注意这里的几个阶段是按顺序开始，而不是按顺序进行或完成，因为这些阶段通常都是互相交叉地混合进行的，通常在一个阶段执行的过程中调用或激活另一个阶段。类的加载: 查找并加载类的二进制数据。
2024-05-06 05:00:00
903
58
原创 罗马数字转整数[简单]
若存在小的数字在大的数字的左边的情况，根据规则需要减去小的数字。对于这种情况，我们也可以将每个字符视作一个单独的值，若一个数字右侧的数字比它大，则将该数字的符号取反。通常情况下，罗马数字中小的数字在大的数字的右边。若输入的字符串满足该情况，那么可以将每个字符视作一个单独的值，累加每个字符对应的数值即可。通常情况下，罗马数字中小的数字在大的数字的右边。关于罗马数字的详尽书写规则，可以参考 罗马数字。是一个有效的罗马数字，且表示整数在范围。给定一个罗马数字，将其转换成整数。的左边，所表示的数等于大数。
2024-05-06 00:15:00
330
2
原创 Java面试——不安全的集合类
系统性学习，移步Java 中有许多的集合，常用的有List，Set，Queue，Map。其中 List，Set，Queue都是Collection（集合），List中的内容表示其中元素的类型，是泛型的一种使用。不能直接使用简单数据类型做泛型的原因：集合类（比如Set）在进行各种 “操作” ( 如contains()) 时都会调用元素本身提供的 “方法” ( 如hashCode() 和 equals())，而不是由集合类自身去实现这些 “方法”。
2024-05-05 05:00:00
1223
72
原创 Mac 安装 JDK21 流程
直接解压就可以用，解压的路径就是安装的路径；进入下载目录，解压文件并将文件移动到指定的目录中。因为我们是手动安装，所以需要自己创建。架构，选择对应的包，不匹配会提示安装失败或者不可用；bin.tar.gz。文件，在文件末尾加入以下内容：第一行设置了。目录，我这里保持和自动安装的目录相同。版本开始是商业的，可能需要支付费用。的版本信息，而不是错误消息，则表明。环境变量中，以便在终端中直接使用。命令可以查看电脑是什么类型的。安装文件规范，默认会安装到。是一个免费开源选项。
2024-05-03 05:00:00
950
44
原创 Mac 更新 Homebrew软件包时提示 zsh: command not found: brew 错误
安装成功 但还需要重启终端 或者 运行 source /Users/zhengzhaoxiang/.zprofile 否则国内地址无法生效。如果出现如下提示，进行更新时，根据上述的步骤重新操作即可。提示选择下载源时选择1即可。当提示是否删除之前本机安装的。
2024-05-03 00:15:00
361
2
原创 Mac 版 安装NVM
是一个用于管理多个Node.js版本的工具。它允许开发者在同一台机器上安装和切换不同版本的Node.js，以便在不同的项目中使用不同的Node.js版本。macOS用户可以使用homebrew来安装NVM。
2024-05-01 05:00:00
924
67
原创 经典机器学习法---感知模型机
上述算法中的一些细节步骤还是与之前理论部分有差别：比如理论中的随机梯度下降法是使用一个随机误分类点进行优化参数，这就要求每次迭代前都要找出当前参数下的误分类点集，然后在这些点中随机抽取一个样本点更新参数。另一方面边遍历边更新参数的做法可以保证在给定训练样本和参数初始值的情况下，输出的解唯一。分类问题中损失函数的一个自然选择是误分类点的总数，但是考虑到这样的损失函数对于参数。需要注意的是，使用上述损失函数的感知机模型如果采用不同的参数初始值或选取不合的误分类点就会得到不合的参数最优解（存在不止一个超平面。
2024-05-01 00:15:00
1594
54
原创 RDMA技术（解决主从数据库数据不一致问题）
即远端直接内存访问，是一种高性能网络通信技术，具有高带宽、低延迟、无CPU消耗等优点。主要解决网络传输中服务器端数据处理的延迟问题。Remote：数据通过网络与远程机器间进行数据传输；Direct：没有内核的参数，有关发送传输的所有内容都卸载到网卡上；Memory：在用户空间虚拟内存与RNIC网卡直接进行数据传输不涉及到系统内核，没有额外的数据移动和复制；Access操作；
2024-04-30 05:00:00
1822
59
原创 Jenkins持续化集成
当触发进程请求是会自动触发构建。A）也可以使用已经存在的公钥作为凭证，选择。选择项目，点击立即构建，可以查看构建日志。例如浏览器输入进程地址，即可触发立即构建。参数为设置的身份验证令牌。获取代码>调用单元测试>打包>发布。成功后即可在浏览器访问发布的项目。必项安装，其他插件可选择安装。系统管理>管理插件>可选插件。服务是否更新，有更新自动构建。的用户，此后用户可以在。的页面上登录和授权操作。文件下的公钥作为凭证。将公钥的内容输入即可。C）其他项可以随便填写。D）可以系统中设置多个。文件，上传即可安装。
2024-04-29 05:00:00
1584
60
原创 node 项目启动报 ERROR Failed to compile with 1 errors 错误
具体的构建逻辑会根据项目的需求和配置而定，例如将源代码转换为浏览器可执行的。等）来对项目进行打包、压缩、转译等操作，以生成最终的可部署的代码。通常在开发过程中，我们会使用一些构建工具（如。命令安装项目依赖，它会根据项目根目录下的。文件中的依赖配置，将所需的包下载并安装到。即可正常启动项目，不会再出现上述错误。文件，或者将代码打包成可发布的文件等。【1】删除项目中原有的。
2024-04-29 00:15:00
252
2
原创 多线程模型浅谈
其次，又区别于内核级线程模型，它的进程里的所有线程并不与内核线程一一绑定，而是可以动态绑定同一个内核线程，当某个内核线程因为其绑定的线程的阻塞操作被内核调度出CPU时，其关联的进程中其余用户线程可以重新与其他内核线程绑定运行。：用户线程不内核线程内核线程是一对一（1 : 1）的映射模型，也就是每一个用户线程绑定一个实际的内核线程，而线程的调度则完全交付给操作系统内核去做，应用程序对线程的创建、终止以及同步都基于内核提供的系统调用来完成。内核线程指需要内核的参与，由内核完成线程的调度。的函数来控制用户线程。
2024-04-28 05:00:00
1822
66
原创 分布式WEB应用中会话管理的变迁之路
利用负载均衡器的分发能力，将同一浏览器上同一用户的请求，都定向发送到固定服务器上，让这个服务器处理诠用户的所有请求，这样只要这个服务器上保存了用户Session，就能保讷用户的状态一致性。，是把原来的单体架构应用，通过分而治之的手段，按照业务功能，切分成一些小的模块应用，部署在不同服务器节点上，例如上图中的服务器A和B。在这样的单体架构中，由于所有的用户请求都是由这个唯一的服务器进行响应处理，所以只要把保存了用户信息和状态的Session对象，存放在应用服务器内存里，就能轻松地达到保持用户状态的目的。
2024-04-27 05:00:00
1257
74
原创 mac 使用 git pull/git push 时需要输入密码，解决方案
根据提示输入密码，成功后会展示你本机的ssh密钥地址；时，提示需要输入密码。命令则无需输入密码了。
2024-04-27 00:15:00
284
3
原创 Maven的仓库、周期和插件
随着各公司的Java项目入库方式由老的Ant改为Maven后，相信大家对Maven已经有了个基本的熟悉。但是在实际的使用、入库过程中，笔者发现挺多人对Maven的一些基本知识还缺乏了解，因此在此处跟大家简单地聊下Maven的相关内容，为Maven的仓库、生命周期及插件。
2024-04-26 05:00:00
1194
57
原创 机器学习——过拟合
不同类型的模型具有不同的特点，所以结合各种模型的预测结果也能有效降低过拟合的风险，提升预测精度。大部分ML模型的学习过程中都运用了类似梯度下降法的迭代优化算法，过多的迭代次数会出现过度训练（Overtraining），让模型最终的参数过度适应训练集，加重过拟合。以决策树模型为例，令树的深度越大、叶子节点数越少，模型就越复杂，对训练集的数据分类更精细，会更容易导致模型过拟合。其次在特征工程阶段，“暴力”构造的特征中会包含过多训练集的噪声信息，这类只适合于训练集的冗余特征会降低模型的泛化能力。
2024-04-26 00:15:00
717
39
原创 关于Spring事务管理之默认事务间调用问题
这里用到的事务配置为注解方式, 目前我们项目开发过程中使用配置文件方式, 一般为以下方式。这种方式的事务配置, 更容易引起问题。没有接受到里面抛出的异常, 方法继续执行, 执行结束后, 事务提交。, 默认事务再被调用时, 如外层方法无事务, 自身会新启事务。由事务的传播行为我们知道, 如果将方法配置为默认事务。的时候检测到事务被标记为回滚, 与预期不符, 也就是。, 作为一个独立事务来执行. 由此存在一个问题。出现异常后它将事务标记为回滚。的事务回滚依托在异常之上, 当。, 之后再被调用的方法。
2024-04-24 05:00:00
2389
91
原创 多因子模型的因子分组 --主成分分析
主成分分析的思想是借助于正交变换，将其分量相关的原随机向量转化成其分量不相关的新随机向量，即将原随机向量的协方差阵变换成对角形阵， 在几何上表现为将原坐标系变换成新的正交坐标系，使之指向样本点散布最开的p 个正交方向，然后对多维变量系统进行降维处理，使之能以一个较高的精度转换成低维变量系统，再通过构造适当的价值函数，进一步把低维系统转化成一维系统。3、主成分分析中各主成分是按方差大小依次排列顺序的，在分析问题时，可以舍弃一部分主成分，叧取前面方差较大的几个主成分来代表原变量，从而减少了计算工作量。
2024-04-24 00:15:00
1390
50
原创 使用Nexus搭建npm私服库
后生成的地址（没有文件手动生成）用户名邮箱可在管理端页面上查看到。包项目：在项目的根目录下（和。【8】上传打包：选择自己的。默认没有项目上下文，可在。：随便填写 这里写上。代理地址我们可以使用。官网在国内会比较慢。
2024-04-22 05:00:00
713
58
原创 经典机器学习算法——决策树
树模型是机器学习中最常用的一类模型，包括随机森林、AdaBoost、GBDT（XGBoost和Lightgbm）等，基本原理都是通过集成弱学习器的即式来进一步提升准确度。这里的弱学习器包括线性模型和决策树模型，本期介绍的就是决策树模型（DecisionTree）。决策树属于有监督学习，即可用于回归问题也能解决分类问题，对应的模型称为回归树和分类树。模型的结构采用树图形式展示：其中圆圈表示分裂节点，矩形（右子结点）表示输出结果y。
2024-04-22 00:15:00
1478
28
原创 HTTPS之Wireshark抓包
Wireshark是一个非常强大的网络分析软件，借助它能够知道客户端和服务器端是如何互相交换消息的，能够了解每个消息的具体内容。
2024-04-21 05:00:00
1061
110
原创 多因子模型的因子分组-克隆巴赫α系数
等等）中的因子，或者是不系统性风险模型中因子有高相关度的因子，而选取不同的因子组别中的因子，使我们的模型更加稳定。因为多因子模型中的各因子决定了你的投资风格，而相对固定的投资风格是评判你多因子模型的稳定性以及好坏的标准之一，所以因子分组对于我们多因子模型来说非常重要。通过这一方法，我们能够确定我们的多因子模型到底有多少组不同的因子，并且确定每一组里的因子有哪些。系数的计算之后，我们通常通过以下步骤来对因子进行分组：计算因子总体的克隆巴赫。系数也存在它的局限性：当被分组的因子个数较少的时候，克隆巴赫。
2024-04-21 00:15:00
566
54
原创 基于TCC的分布式事务
分布式的架构中，分布式的事务是一个绕不过的挑战，微服务理念的流行让分布式的问题日益突出。在公司内部， 笔者所接触的管理系统中实际上也存在着分布式事务。这里假设有这三个系统（cim、xfunds、cert）存在客户的同步问题。//cim 系统签约用户（cim本地事务）//新增成功//新增失败，导致和cert系统数据不一致try {//祈祷cert这个接口调用成功。
2024-04-20 11:30:30
1406
85
原创 Mac M1芯片启动项目时出现 no zstd-jni in java.library.path 问题排查
包的问题，同事的M2芯片启动项目是正常的，所以初步判断是M1芯片和。通过 Mac M1芯片的电脑启动项目时出现了。发现项目启动正常，问题解决。通过项目发现，目前依赖的。，二进制版本中我看到了对。包之间不兼容的问题。
2024-04-20 00:26:31
624
4
原创 基于Zookeeper 简单实现分布式任务协调组件
ZooKeeper是一个分布式的，开放源码的分布式应用程序协调服务，是Google的Chubby一个开源的实现，是Hadoop和Hbase的重要组件。它是一个为分布式应用提供一致性服务的软件，提供的功能包括：配置维护、域名服务、分布式同步、组服务等。ZooKeeper的目标就是封装好复杂易出错的关键服务，将简单易用的接口和性能高效、功能稳定的系统提供给用户。
2024-04-17 05:00:00
1740
53
原创 多因子模型的因子分组-聚类分析
由于类同质性是定义一个类的基础，那么不同因子之间在同一个特征空间相似度的衡量对于聚类步骤是很重要的，由于特征类型和特征标度的多样性，距离度量必须谨慎，它经常依赖于应用，例如，通过定义在特征空间的距离度量来评估不同对象的异质性，很多距离度量都应用在一些不同的领域，一个简单的距离度量，如Euclidean距离，经常被用作反映不同因子间的异质性，一些有关同质性的度量，例如PMC和SMC，能够被用来特征化不同因子的概念同质性。聚类或分组同样是一个很重要的步骤，因子基于不同的方法被分到不同的类中。
2024-04-17 00:15:00
915
24
原创 特征选择——互信息量
上一期介绍了决策树模型的生成算法，因个人原因，有关决策树的剪枝算法放在下一期文章。本期介绍分类问题中一个常用的指标——互信息。在之前参加的某数据比赛中，由于对数据背后的业务不太了解，所以特征工程环节大多采取了“暴力”提取的方式，最终特征过多直接导致模型存在过拟合问题。所以赛后总结在做特征工程时就应该考虑特征的取舍问题，主要通过特征与因变量Y之间的相关性分析做出判断。衡量单变量的相关性指标有很多，比如Pearson相关系数、Pearson卡方检验、Fisher得分、互信息等。
2024-04-15 05:00:00
679
27
原创 IOS 短信拦截插件
在使⽤iOS设备的时候, 我们经常会收到10691065开头的垃圾短信, 如果开了iMessage会更严重, 各种乱七⼋糟的垃圾信息会时不时地收到。从iOS11开始, ⼿机可以⽀持恶短信拦截插件了. 我们可以通过该插件添加⼀些规则通过滤这些不需要的信息.
2024-04-15 00:15:00
1166
58
原创 多因子模型的因子选取
关于同业指标中性化处理，举个例子，我们可能发现某一个科技类股票的利润，分红，以及股价的涨幅相对于其它行业股票都相当优秀，但是可能在科技行业内就没有那举优秀，甚至表现不如同行业公司，此时我们就需要进行同业指标中性化处理，来消除由于同行业的类似分红政策，资本结构以及营业资产的影响。这里我们所说的信息比率是相对收益率除以非系统性风险，所以当我们在进行因子选择的时候，我们一定不能选取系统性风险模型（例如中国的上证综指，美国的S&P500等等）中的因子，或者是与系统性风险模型中因子有高相关度的因子。
2024-04-14 21:48:25
436
29
原创 Guava里一些比较常用的工具
随着java版本的更新提供了越来越多的语法和工具来简化日常开发，但是我们一般用的比较早的版本所以体验不到。这时就用到了guava这个包。guava提供了很多方便的工具方法，solar框架就依赖了版本，这里稍微介绍下。
2024-04-14 05:00:00
1331
67
原创 IEDA 启动项目时出现 java: java.lang.OutOfMemoryError: GC overhead limit exceeded 异常
软件自身使用的虚拟机是分开的（也就是独立的进程）中增加编译器使用的虚拟机内存[
2024-04-14 00:15:00
381
5
原创 Git以及Gitlab的快速使用文档
上的项目，而不管是谁的；而后者则是你必须是你要克隆的项目的拥有者或管理员，且需要先添加。安装过秳返里略过，一直下一步即可。的时候设置了密码，则需要输入密码的，否则直接是不需要输入密码的。密钥，将密钥添加到远程项目中，则获取到更新，提交代码的权限。这里需要输入密码，最好不要设置直接按回车即可，这样就在。文件的内容粘贴到文本框中。文件，如果文件已经存在，那么你可以跳过步骤。的时候，是不需要输入用户名的，如果配置。的时候是需要验证用户名和密码的；的安装目录下，右键运行。为例，将此项目的代码。
2024-04-13 12:54:32
715
14
原创 多因子模型的数据处理
通常我们希望选取因子的分布尽量呈现正态分布，而金融数据通常呈现右偏分布且具有非负性，所以我们通常采用对数转换来处理我们选取的因子数据。数据处理对于我们多因子建模是非常重要的前期准备工作，好的数据对于我们之后的资产分配，组合建模，回测，归因等都是坚实的保障，所以我们通常在前期花多量时间将原始数据处理成我们所需的数据。● 如果数据有严重的异常值及其他数据问题，我们可以对数据先进行排行，然后对排行后的数据强加一个分布，通常是正态分布，有时也用卡方分布，再进行。我们检验的标准是：先计算经处理数据的偏度。
2024-04-13 12:33:33
1276
84
原创 ⼿机客户端画K线图流程
绘制⼀屏的数据，在画的时候不会把K线数据全部绘制出来，⼀般在可见的范围内绘制⼏个，⽐如。上步处理后，图表控件跑到原有区域的上⽅去了，需要把它移回原有的区域显⽰，图的时候是以屏幕坐标来处理，所以为了⽅便画图需要把屏幕坐标处理成和。这样就能在当前的可见区域看到绘制好可见的图。⽅向的值就可以了，缩放同理。轴上需要⾃动缩放，即在当前可见的。图矩形的坐标，可以使⽤最右边的点。线图数据，接下来处理的是通过处理。线图能滑动和缩放滑动，在上⾯的。，所以需要在第⼀步中⽤到的。来计算当前绘制的第⼀个点的。
2024-04-08 23:44:09
1393
90
原创 Idea 通过 Tomcat 启动项目时出现“错误：找不到或无法加载主类 ecoding”
错误：找不到或无法加载主类 ecoding”时出现了错误，可以查看下该配置是否填写正确；
2024-04-08 23:13:32
448
4
原创 Idea Junit运行 @Test 代码时出现 java.lang.reflect.InvocationTargetException 异常
进行单元测试了，如果有遇到此类问题的可以试一下；我的问题是因为默认的。版本不是我本地安装的。之后，就能够正常使用。
2024-04-07 23:33:11
646
21
Nginx离线安装所需依赖配置
2024-02-20
java 高级开发 zzx博客链接.xmind
2020-04-06
ojdbc14-10.2.0.4.0.jar包
2017-03-27
ojdbc14-10.2.0.4.0.jar
2017-03-26
企业人事管理论文+源代码
2016-11-27
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人