- 博客(62)
- 收藏
- 关注
RSS订阅原创 Nacos配置中心支持加密配置项动态刷新
问题描述通过jasypt对Nacos中的敏感配置项经行加密处理后，首次通过Nacos配置中心获取配置，可以正常解密ENC(XXXX)，修改配置中心中的任意配置，触发配置刷新后，无法正常解密，配置内容变为ENC(XXXX)。注：在实现功能的时候，查阅了很多资料，最终参考了https://www.cnblogs.com/flying607/p/12520009.html中的方法，但是在实际应用过程中，按照他的方法并未达到预期的效果，可能是版本原因....吧，未深究，所以自己debug一遍，在合适的位子进行配
2022-05-31 02:21:39
3454
1
转载 【转】集群和分布式部署有什么区别?
1.集群和分布式的区别小饭店原来只有一个厨师，切菜洗菜备料炒菜全干。后来客人多了，厨房一个厨师忙不过来，又请了个厨师，两个厨师都能炒一样的菜，这两个厨师的关系是集群。 为了让厨师专心炒菜，把菜做到极致，又请了个配菜师负责切菜，备菜，备料，厨师和配菜师的关系是分布式，一个配菜师也忙不过来了，又请了个配菜师，两个配 菜师关系是集群...
2021-02-01 22:41:54
691
原创 Java学习记录 —【Mybatis generator】自动生成代码
Java学习记录 —【Mybatis generator】自动生成代码一、项目依赖注意，这里的版本号，使用较低版本话，会导致覆盖生成mapper.xml时，xml中内容重复的问题<dependency> <groupId>org.mybatis.generator</groupId> <artifactId>mybatis-generator-core</artifactId> <version>1.3.7</v
2021-01-03 21:08:28
352
原创 GO语言—心形GIF图片
520当天，在抖音上刷到了一个MATLAB版的心形GIF图片的视频，心血来潮，写了一个Go语言版本的，供大家学习参考。package mainimport ( "image" "image/color" "image/gif" "math" "os")// 申明画板的颜色组var palette = []color.Color{color.White, color.Black, color.RGBA{0xff, 0x00, 0x00, 0xff}}func main() { c
2020-05-20 21:00:25
2299
原创 Go语言—字符串操作/转换
字符串在开发中经常用到，包括用户的输入，数据库读取的数据等，我们经常需要对字符串进行分割、连接、转换等操作，我们可以通过Go标准库中的strings和strconv两个包中的函数进行相应的操作。字符串操作常用方法总结package mainimport ( "fmt" "strings")func main() { // func Contains(s, substr stri...
2020-05-01 22:36:14
1491
原创 数据结构与算法—二叉树（Go语言实现）
Go语言实现二叉树的常用算法本文参考原博客：数据结构与算法之二叉树（Python版），实现了常用的二叉树链式表示、节点初始化、二叉树的输出、深度计算、叶子节点统计、深度遍历（先中后序遍历）及广度遍历，也涉及到了go语言中接口及常用的递归算法，供大家参考学习！package mainimport "fmt"// Node 二叉树节点，采用链表的形式表示type Node struct ...
2020-04-29 23:10:15
477
原创 Go语言—利用结构体操作单链表
写在前面在学习Go语言中的结构体实现单链表时，发现参考资料给的一些例子都是十分简单。上网查了一圈，也没有找到更多的稍微复杂一些的例子，于是结合以前学习Python操作单链表的思路，给出了Go语言的版本，仅供学习参考。package mainimport "fmt"// ListNode 链表的节点type ListNode struct { val int next *List...
2020-04-01 00:13:18
477
原创 Java学习1-基本概念
Java三大版本的含义JavaSE（Java standard Edition）：保准版，定位在个人计算机上的应用，这个版本是Java平台的核心，提供了丰富的API来开发一般个人计算机上的应用。JavaEE（Java Enterprise Edition）：企业版，定位在服务器端的应用，javaEE是JavaSE的扩展，增加了用为服务器开发的类库。JavaME（Java Micro Edi...
2019-11-12 21:09:39
206
原创 Flask—表单、模板的宏、模板的继承与包含、模板中的一些特殊变量与方法、闪现
表单： 使用 Flask_WTF 表单扩展，可以 帮助进行CSRF验证，帮助我们快速定义表单模板，而且可以帮助我们在视图函数中验证表单的数据。前端进行了数据校验，在后端中也需要进行数据校验， 有了Flask_WTF就可以省去自己写if else判断了 。WTForms 支持的HTML标准字段如下表:字段类型 说明StringField 文本...
2019-08-31 21:06:56
314
原创 celery 异步发送邮件
celery4.3的使用说明：celery是一个异步的任务队列。你可以使用它在你的应用上下文之外执行任务。说白了就是：你的响应程序可能需要执行任何消耗资源的任务都可以交给任务队列，让你的程序自由快速地响应客户端请求。celery有三大核心组件：1、celery客户端：用于发布后台作业。当与Flask一起工作的时候客户端与Flask应用一起运行2、celery workers：这些是运行...
2019-08-31 20:56:43
687
1
原创 XSS攻击
原理：HTML语言是一种超文本标记语言，通过将一些字符特殊地对待来区别文本和标记，例如，( < )被看作是HTML标签的开始，与之间的字符是页面的标题内容。当动态页面中插入的内容含有这些特殊字符时，用户的浏览器会将其误认为是插入了HTML标签，当这些HTML标签引入一段JS脚本时，这些脚本程序将会在用户浏览器中执行。说白了就是渲染模板是的转义与否的问题。默认是开启转义的，即：你输入什么，...
2019-08-31 20:46:26
248
原创 Python3对Excel表格操作（写入、追加）
python3 对Excel操作方法有很多，pandas可以读取Excel数据，创建Excel表格，写入数据，但是好像不能实现追加，后写入的数据会覆盖到以前数据；xlrd、xlwt、xlutils可是实现对xls格式的表格数据的读取、写入以及修改（如：追加）；openpyxl可以实现对xlsx格式的表格数据进行读、写、修改等操作。本例仅以表格的写入与追加为例，简单说明一下Python对Excel...
2019-08-05 16:57:22
13208
原创 Flask—上下文、g对象、请求钩子、flask_script脚本扩展、渲染模板、过滤器
上下文： 相当于一个容器，保存了Flask程序中运行过程中的一些信息上下文包括：请求上下文、应用上下文请求上下文：request、session应用上下文：跟请求没有关系，current_app，g（对象）g对象： g对象是一个空对象，一般会动态增加属性，来实现多个函数之间的传参请求上下文和应用上下文的区别： 请求上下文是保存客户端和服务器交互的数据，应用上下文是在Flask应用程序...
2019-07-06 20:36:12
321
原创 Flask——request请求、异常处理abort、构造响应信息、与前端交互、cookie、session
request请求： request对象中保存了一次http请求中的一切信息。包括：data、form、args、cookies、headers、method、url、files。data：记录请求的数据，并转换成字符串form：记录请求中的表单数据args：记录请求中的查询参数cookies：记录请求中的cookie信息headers：记录请求中的报文头信息method：记录请求中...
2019-07-05 21:54:10
1430
原创 Flask—视图函数的路由规则设置说明
Flask是一款轻量级的web框架，只提供web框架的核心功能，具有自由、灵活、高度定制的特点。# 第一个Flask的例子from flask import Flaskapp = Flask(__name__)@app.route("/")def index(): return "Hello, Flask!"if __name__ == "__main__": a...
2019-07-04 17:09:52
625
原创 python多任务—协程（二）
在协程中调用普通函数，可以使用关键字：call_soon, call_later, call_at1、loop.call_soon(callback, *args, context=None) 从字面上看是调用立即返回。在下一个迭代的事件循环中立即调用回调函数，大部分的回调函数支持位置参数，而不支持关键字参数，如果想用关键字参数，可以使用functools.partial()方法对回调函数进一步...
2019-07-02 16:52:48
2041
原创 Ubuntu更新python3.5到最新版本——3.7.4
1、下载网址：https://www.python.org/ftp/python/3.7.4/ 下载 Python-3.7.4rc1.tgz2、解压tar zxvf Python-3.7.1rc2.tgzcd Python-3.7.1rc23、编译./configuremakesudo make install当 sudo make install 时：...
2019-06-27 19:21:09
7044
原创 python多任务—协程（一）
写在前面： 花了一周的时间，对协程做了一个简单的梳理，特别是异步编程asyncio库的使用，做了详细的说明。本文主要包括的知识点有：yield生成器的复习并实现协程的功能、greenlet库实现协程、gevent库实现协程、asyncio异步协程的介绍、异步协程的创建与运行、任务的创建与运行、并发运行gather/wait/as_complete/wait_for等方法的实现、异步协程的嵌套、aw...
2019-06-25 21:07:12
50463
15
原创 python多任务—线程
线程是CPU调度的单位，在python中，由于GIL的存在，所以多线程也不是真正的多线程，它是通过竞争GIL锁，得到使用CPU的权限。多线程，threading模块的使用import threadingimport os, timedef thread_run(num): print("The thread {} is running!".format(num)) tim...
2019-06-19 20:44:38
338
原创 python多任务—进程
多任务什么叫“多任务”，简单地说，就是操作系统可以同时做多个任务。单核CPU 要实现多任务，通过调度算法实现，如：时间片轮转、优先级调度等；四核CPU相当于4个单核CPU。并发： 任务量大于CPU核数，通过操作系统的各种调度算法，实现多个任务“一起”执行（实际上由于切换任务的速度非常快，只是看上去一起执行，并没有真正的同时执行。）并行： 任务量小于等于CPU核数，级任务是真正的一起执行的。...
2019-06-16 16:11:34
675
原创 数据结构与算法之二叉树
树树：由n(n >= 1)个有限结点组成一个具有层次关系的集合。树的术语：1、结点的度：一个结点含有的子树的个数称为该结点的度（一个结点含有子结点的个数，如：B的度为3，G的度为2）2、树的度：一棵树中最大的结点的度，如：上图中的树的度就是B结点的度，为33、叶子结点：度为0的结点，如：K、J、F、L、O、P4、结点的层次：从根开始，根为第1层，根的子结点为第2层，以此类推。...
2019-06-06 19:10:51
267
原创 机器学习sklearn之KNN算法思想及KD树实现原理
物以类聚、人以群分KNN算法主要是通过K个最近样本的类型判断当前样本的类别，可用于分类和回归。他们的决策方式有所区别：做分类时，一般采用多数表决法，K个最近邻中，哪个类别占的比例多，预测样本就为哪个类别；做回归时，一般采用平均法，对K个最近邻样本输出取个平均值。由于算法简单且分类精度较高，在实际当中也有一定的应用，也是入门机器学习的一个比较典型的算法。很多人会把它跟K-Means算法混淆，因...
2019-06-05 19:25:41
1108
1
原创 网络通信-TCP协议网络通信的过程
网络通信过程：1、两台电脑之间可以通过网线连接直接通信，但是需要提前设置好ip地址以及网络掩码。并且IP地址需要控制在同一个网段内，如：192.168.1.1和182.168.1.xx就是同一个网段的。网络掩码（A类：255.0.0.0；B类：255.255.0.0；C类：255.255.255.0）的作用是与ip按位与得到网络号，判断是不是在同一个网段内。2、使用集线器组成网络，实现多台...
2019-06-04 20:41:21
2457
原创 机器学习sklearn之K-Means及其改进策略
K-Means聚类算法，是一种无监督的聚类方法，由于其简单且聚类效果不错，得到了广泛的应用。本文从传统的聚类方法K-Means算法讲起，并针对质点初始化、减少距离计算以及大样本减少计算量三个方面介绍其优化的三种方法，分别是K-Means++、elkan K-Means以及mini Batch K-Means。下面是手写的笔记，供大家学习参考，如有不清楚的地方，欢迎交流讨论…K-Means算法比较简...
2019-06-01 21:47:59
896
原创 机器学习sklearn之支持向量回归（SVR）
SVM除了具有线性分类和非线性分类之外，还支持回归（SVR）。与传统的回归问题有所不同，在定义损失的时候，容忍f(x)与y之间有一定的偏差，具体推导过程如下图。由于回归问题引入了容忍偏差，松弛变量，式子相较于SVM分类更复杂一些，但是总体的求解思路是一致的，包括：定义目标函数、目标函数转换为无约束优化问题、对偶问题、SMO求解α，根据KKT条件找支持向量并计算b。上图中把W带入化简过程已省略，感...
2019-05-31 22:13:29
3641
1
原创 网络通信-TCP
回顾一下UDP的通信过程，首先创建一个UDP的套接字；绑定端口号（可以不绑定，操作系统会自动的分配端口号，当通信结束后，自动回收端口号，但是作为服务器的话，那就要绑定端口号了），一般不需要绑定ip；发送或接受数据；关闭套接字。通信过程就好比写信，写好地址和盖上邮戳，然后寄过去，收到信件后按照同样的方式再寄回来。# udp实现一个聊天室import socketdef send_msg(...
2019-05-30 21:18:32
454
原创 一键拼接微信好友头像
使用wxpy获取微信好友的头像，然后拼接成一张图片，一键完成。并使用pyinstaller生成可执行文件，使用更方便。# coding="utf-8"from wxpy import *import mathfrom PIL import Imageimport osdef creat_filepath(): """创建头像存放文件夹""" avatar_dir =...
2019-05-28 17:00:53
849
原创 网络通信-udp
网络网络就是一种辅助双方或者多方进行连接的工具。其主要目的是为了联通多方然后进行通信，把数据从一方传递到另一方。所谓的网络编程就是让不同的电脑上的软件能够进行数据传递，即进程之间的通信。如下图：ipip是用来在网络中标记一台电脑，是唯一的。注意： IP地址127．0．0．1~127．255．255．255用于回路测试，如：127.0.0.1可以代表本机IP地址，用 http://127.0...
2019-05-27 21:03:32
1459
原创 python3知识点杂记（六）
37、import导入模块1、import搜索路径import sys# sys.path从上面的目录中依次查找要导入的模块文件，列表中的路径的先后顺序代表了python解释器在搜索模块时的先后顺序。程序执行时添加新的模块路径sys.path.append("/xx/oo")sys.path.insert(0, "/yy/zz")# sys.pathimport aa...
2019-05-25 22:11:21
367
原创 python3知识点杂记（五）
32、新式类与旧式类新式类与旧式类：是否继承了object基类，python3中默认是新式类，class A() <==> class A(object) <==> class Amro顺序：新式类是广度优先，从左到右；旧式类是深度优先，从左到右。class Parent(): def __init__(self): self.a = 1c...
2019-05-24 20:07:56
217
原创 python3知识点杂记（四）
26、单例模型单例设计模型旨在减少多余类的创建，节约内存。单例模型的实现方式通常包括：__new__()方式实现单例、装饰器方式实现单例、import方式等等。以前我写过相关的博客，这里不细讲了，直接贴代码…# __new__()方式：主要思想是在创建类对象的时候判断一下这个类对象是不是已有实例对象了，如果有就返回那个实例对象，否则创建一个class A():# instanc...
2019-05-23 20:13:24
389
原创 机器学习sklearn之贝叶斯网络实战（三）
贝叶斯网络的结构学习包括：基于评分的结构学习、基于约束的结构学习以及两者结合的结构学习方法（hybrid structure learning）。评分函数主要分为两大类：贝叶斯评分函数、基于信息论的评分函数。贝叶斯评分函数主要包括：K2评分、BD评分、BDeu评分基于信息论的评分函数包括：MDL评分、BIC评分、AIC评分基于约束（依赖分析或条件独立性测试）的方法：基于贝叶斯评分...
2019-05-22 22:31:28
10606
23
原创 python3知识点杂记（三）
21、字典推导式dict_ = {key: value for (key, value) in [("zhangsan", 18), ("lisi", 20)]}dict_{'lisi': 20, 'zhangsan': 18}我们见过列表推导式，现在又了解到了字典推导式，它们的格式都是**[x for x in xx]** 或 {x for x in xx} ，但是，不要以为(x f...
2019-05-22 19:28:29
219
原创 python3知识点杂记（二）
17、==与ispython中对象包括三个基本要素：id（身份标识）、type（数据类型）、value（值）==是用来比较两个对象的value是否相等is是用来比较两个对象的id是否相等a = b = [1, 2, 3]c = [1, 2, 3]print(a == b == c) # 值相等print(a is b) # a和b的id相等print(a is c) #...
2019-05-21 20:01:18
278
原创 Python3知识点杂记（一）
python相关知识点的一些小结1、lambda 函数：lambda函数是一个可以接收任意多个参数并返回单个表达式值的函数。lambda函数不能包含命令，它们所包含的表达式不能超过一个。不要试图往lambda函数中塞入太多东西，如果你需要更复杂的东西，应该定义一个普通的函数。f = lambda x, y: x*y # 传入x，y，返回x*y的结果f(3, 4)122、深拷贝...
2019-05-20 21:27:49
623
原创 机器学习sklearn之贝叶斯网络实战（一）
贝叶斯网络贝叶斯网络、信念网络、贝叶斯模型或概率定向无环图形模型是一种概率图形模型 (一种统计模型), 通过有向无环图 (DAG)表示一组随机变量及其条件依赖关系。当我们想要表示随机变量之间的因果关系时, 主要使用贝叶斯网络。贝叶斯网络使用条件概率分布 (CPD) 进行参数化。网络中的每个节点都使用 P(node∣Pa(node))P(node | Pa(node))P(node∣Pa(...
2019-05-18 21:17:30
12481
11
原创 机器学习sklearn之贝叶斯网络实战（二）
从数据中学习贝叶斯网络的CPD参数正常情况下，我们手头上有的只是数据，对一些CPD的参数值我们通常情况下无法获取，或者获取的代价比较大，那么怎么从数据中学习到贝叶斯网络的参数以及结构呢？这里，我们首先讲解一下参数的学习，即CPD的参数学习。通常采用的方式有：极大似然估计和贝叶斯估计，极大似然估计对样本数量的要求比较高，特别是当数据分布不均匀时，容易发生过拟合线性，为了解决这一问题，通常是采用贝叶...
2019-05-18 20:59:13
5962
14
原创 机器学习sklearn之贝叶斯网络（一）
首先先复习一下条件概率、全概率、贝叶斯公式的推导过程。并举了三个贝叶斯的相关的例子。贝叶斯网络又称信念网络，是有向无环图模型，是一种概率图形模型。后面会针对贝叶斯网络的实际应用进行说明…...
2019-05-17 21:29:15
1925
原创 机器学习sklearn之SVM推导（三）
针对线性不可分问题，SVM引入了核函数方法，将低维空间的线性不可分问题映射到高维空间，使其变得线性可分。注意：核函数和映射函数没有关系，只是用来计算计算映射到高维空间之后的内积的一种简便方法。后面又刷了一遍西瓜书，对SVM分类算法的硬间隔最大化及软间隔最大化问题进行了总结，上图！！！SVM分类算法至此终于推导完了，总结中详细说明了KKT条件寻找支持向量的方式，以前在看刘建平博客的时候，发现在...
2019-05-14 21:45:52
211
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人