sonar- Unrecognized option: --add-exports=java.base/jdk.inCould not create the Java Virtual Machine.

官网下载最新的sonarqube-9.7.1版本提示:运行StartSonar.bat时报 Running SonarQube... wrapper | --> Wrapper Started as Console wrapper | Launching a JVM... wrapper | JVM exited while loading the application. jvm 1 | Unrecognized option: --add-exports=java.base/jdk.internal.ref=ALL-UNNAMED jvm 1 | Error: Could not create the Java Virtual Machine. jvm 1 | Error: A fatal exception has occurred. Program will exit. 搜索资料后发现 6.6以上版本必须用jdk11版本,但本机时8版本 不想更新 找到了6.6.版本 https://binaries.sonarsource.com/Distribution/sonarqube/sonarqube-6.6.zip 下载后再运行 浏览器打开:localhost:9000 

解决404报错(关于servlet路径配置)

在servlet上踩的坑真的不少了,其中路径就是最大的麻烦,404的罪魁祸首之一。 目前最新的servlet的版本支持两种不同的配置路径模式 第一种是使用配置文件web.xml(较为原理),第二种是通过注解配置(较为方便) 通过注解配置servlet 首先我们看我们JavaWeb项目的结构,可以看到entrance.jsp是在web.Student目录路径下的 在entrance.jsp中我们书写了一个表单传数据给后端,调用名为StudentInsert.do的servlet。 那其实现在就有问题了,'StudentInsert.do'指的是谁呢? 答案是:指的是urlPatterns为"Student/StudentInsert.do"的HttpServlet.class文件。因此对于entrance.jsp而言StudentInsert.do是同级文件,所以只需要通过"/StudentInsert.do"就可以找到这个servlet了。 使用web.xml配置 web.xml的配置只是代替了@WebServlet注解,在web.xml配置以下映射即可作为代替。class用来指定HttpServlet.class文件的路径,urlPattern的作用和上述一致。 <servlet> <servlet-name>WhteverYouNameIt</servlet-name> <servlet-class>com.example.bookstore.student.StudentInsertServlet</servlet-class> </servlet> <servlet-mapping> <servlet-name>WhteverYouNameIt</servlet-name> <url-pattern>/Student/StudentInsert.do</url-pattern> </servlet-mapping>

Opencv的基础操作

一、图像填充 首先定义图像显示函数: def cv_show(name, img): cv2.imshow(name, img) cv2.waitKey(0) cv2.destroyAllWindows() 图像读取: img_cat = cv2.imread('cat.jpg') 定义图像填充的大小: top_size, bottom_size, left_size, right_size = (50, 50, 50, 50) 接下来分别采用复制法、反射法、外包装法、常量法进行填充。 复制法: # 复制法,复制最边缘像素 replicate = cv2.copyMakeBorder(img_cat, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REPLICATE) 反射法: # 反射法,对感兴趣的图像中的像素在两边进行复制 reflect = cv2.copyMakeBorder(img_cat, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REFLECT) 第二种反射法 # 反射法,也就是以最边缘像素为周,对称 reflect101 = cv2.copyMakeBorder(img_cat, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REFLECT_101) 外包装法: # 外包装法 warp = cv2.copyMakeBorder(img_cat, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_WRAP) 常量法:

2023年最新最全Java面试八股文整理,不全你来打我

程序员面试背八股,几乎已经是互联网不可逆的一个形式了。自从面试八股文火了之后,网上出现了不少Java相关的面试题,很多朋友盲目收集背诵,但网上大部分的面试题,大多存在这几个问题:第一,未必系统全面;第二,光有题没有答案解析;第三虽然资料不错,但不一定能在面试中发挥运用。 所以今天,我把我从阿里的一个好大哥手上拿到这套2023年最新Java面试资料大全分享给大家。对不同能力层面和技术阶段的小伙伴,不管你是单纯想提高技术,还是在新的一年为面试求职跳槽涨薪而战,这份资料都能满足你。 阿里巴巴2023Java面试突击手册 ​注:篇幅有限,资料已整理成文档,文末领取! ​一、算法(大厂必备)2023版 (含:红黑树,B+树,贪心算法,哈希分治法,七大查找算法,动态规划,一致性算法,数据结构等...) ​二、设计模式(工欲善其事必先利其器)2023版 (含:单例模式,工厂模式,抽象工厂模式,建造者模式,原型模式,适配器模式,装饰器模式,代理模式等23种设计模式...) ​三、Netty + MQ + kafka(底层原理+面试题)2023版 (含:Netty常用场景,高性能设计,架构设计,经典面试题等...) ​四、zookeeper + Dubbo(技术干货+面试题)2023版 (含:zookeeper集群,应用场景,分布式锁,Dubbo核心功能,集群配置,负载均衡,常见面试题等...) ​五、Mybtis + Redis (底层原理+面试题)2023版 (含:mybtis缓存,运用原理,分页,Redis事务,主从架构,缓存,穿透,穿击,降级面试题等...) ​六、Http协议 + Linux (底层原理+面试题)2023版 (含:TCP/IP协议详细笔记,网络层架构,三四次握手,Linux概述,磁盘,目录,文件,安全,经典面试题等...) 七、Mysql (底层原理 + 面试题)2023版 (含:数据库基础,数据类型,引擎,索引,事务,锁,视图,sql语句,优化,mysql锁,面试题等...) ​八、Spring +SpringMVC +SpringBoot(底层原理 + 技术干货) (含:spring原理,周期,ioc原理,MVC事务,AOP原理,Boot配置,安全,监视器,面试题等...) ​九、经典面试题 + SpringCloud(大厂常见面试题)2023版 (含:面试必考21问,SpringCloud熔断,cap原理,设计目标优缺点,版本关系等...) 十、Java基础 + JVM(技术干货+底层原理)2023版 (含:Java基础,异常,NIO,HashMap,Tomcat,JVM堆栈,内存模型,调优,GC,老年代,新生代,垃圾回收,面试题等...) ​十一、多线程 (底层原理 + 技术干货)2023版 (含:多线程基本概念,线程安全,线程出,volatile,ThreadLocal,使用场景,并发量,阻塞列队,面试题等...) ​十二、实战项目(Github爆火)2023版 该项目是一款标准且已上线的“网约车”应用。符合我国交通部对网约车监管的技术要求。通过了交通部对网约车线上和线下能力认定。项目原型曾在杭州上线运行。 项目中核心功能包括:账户系统,订单系统,支付系统,地图引擎,派单引擎,消息系统等 网约车核心解决方案。 项目中完全采用微服务架构设计,应用了成熟的接口安全设计方案,采用分布式锁保证了分布式环境中的数据同步,用分布式事务解决了分布式环境中的数据一致性等。 前置技能:Git,Maven,Spring Boot,Spring Cloud,Redis,MySql ,RabbitMQ,ActiveMQ等。 项目架构图 最后 注:篇幅有限,资料已整理成文档,需要的小伙伴点击下方小卡片,我是乐于分享干货的后端打工人,持续输出学习干货和面试经验

2022icpc 济南站 持续补题

链接:Dashboard - 2022 International Collegiate Programming Contest, Jinan Site - Codeforces 签到题:k K. Stack Sort You are given a permutation with nn numbers, a1,a2,…,an(1≤ai≤n,ai≠aj when i≠j). You want to sort these numbers using m stacks. Specifically, you should complete the following task: Initially, all stacks are empty. You need to push each number aiai to the top of one of the mm stacks one by one, in the order of a1,a2,…,an.

无法连接ssh的原因

我先问大家一个问题:ssh协议是什么呢? ssh应该很多人都知道他的用途,ssh就是远程会话登录会话。利用 SSH 协议可以有效防止远程管理过程中的信息泄露问题。 ssh的原理: 在A上使用ssh连接B机 A向B发送连接请求B收到请求后,将自己的公钥发给AA收到公钥后,用公钥加密B的登陆密码,生成加密密文,发送给BB收到加密密文后,用自己的私钥解密,得到解密信息,然后与B的登陆密码做比较,正确则允许A登陆。 那么原理都知道了,那我就给大家说说ssh连接不上的原因吧 。(大家得学会看报错信息和日志) 这里的报错信息已经给大家画出来了,大家可以翻一下这个错误就知道原因了。 这个报错是因为公钥冲突了,大家可以把known_hosts这个文件下把你无法连接的ip公钥给删了就可以了,重新ssh连接即可

ElasticSearch仿京东搜索实战SpringBoot项目

文章目录 配置信息ElasticSearch配置 爬取数据爬取数据: server层实现业务编写--ES存储数据,获取ES数据controller层负责调用业务层(server)前后端交互 代码 配置信息 server.port=9090 # thymeleaf spring.thymeleaf.cache=false ElasticSearch配置 /src/main/java/com/kuang/kuangshenesjd/config/ElasticSearchClientConfig.java package com.kuang.kuangshenesjd.config; import org.apache.http.HttpHost; import org.elasticsearch.client.RestClient; import org.elasticsearch.client.RestHighLevelClient; import org.springframework.context.annotation.Bean; import org.springframework.context.annotation.Configuration; // 狂神的Spring两步骤 // 1.找对象 // 2.放到spring中 // 3.如果是springboot,先分析源码 // xxxx AutoConfiguration xxxProperfile @Configuration public class ElasticSearchClientConfig { @Bean public RestHighLevelClient restHighLevelClient() { RestHighLevelClient client = new RestHighLevelClient( RestClient.builder( new HttpHost("127.0.0.1", 9200, "http")) ); return client; } } 项目结构 ├── README.md ├── kuangshen-es-jd.iml ├── mvnw ├── mvnw.

ElasticSearch7.6.x最新完整教程通俗易懂

文章目录 ElasticSearch概述谁在用 4.Solr和ES的对比及选型Solr简介Es vs Solr的总结 Docker 安装ES及插件Docker 安装ESElasticsearch-head可视化安装 cnpm install运行在docker容器中为elasticsearch配置跨域访问 了解ELKElastic Kibana ES核心概念ik分词器查找es使用分词器的两种方式制作分词 Rest风格说明查看默认配置信息 关于ES文档API操作SpringBoot集成ES ElasticSearch概述 谁在用 4.Solr和ES的对比及选型 Solr简介 Es vs Solr的总结 Docker 安装ES及插件 Docker 安装ES 1.先查看docker容器中es的镜像列表: docker search elasticsearch 2.推荐镜像:nshou/elasticsearch-kibana,已包含Kibana docker pull nshou/elasticsearch-kibana 3.拉好后查看本机已安装的镜像 docker images 4.运行镜像,注意需要映射容器和本机的端口9200,9300,5601(kibana使用) 启动时进行端口映射:docker run -d -p 9200:9200 -p 9300:9300 -p 5601:5601 --name eskibana nshou/elasticsearch-kibana 5.docker ps 查看当前运行的容器 进入容器:docker exec -it 4d34fbf944a5 /bin/bash (4d34fbf944a5为ps后看到的容器id) 6.如果报错:stat /bin/bash: no such file or directory": unknown 说明这个容器没有bash,所以执行下面的命令: sudo docker exec -it 2df4237ffe01 sh

go runtime 基础学习-go:linkname

之前在看mutex、channel等源码的时候,发现很多都会调用runtime_SemacquireMutex,runtime_doSpin,runtime_xxx等。当你跳转过去后,会发现没有实际的实现。类似c++中的.h文件。后全量搜索后,你会发现会有如下方法: //go:linkname sync_runtime_SemacquireMutex sync.runtime_SemacquireMutex func sync_runtime_SemacquireMutex(addr *uint32, lifo bool, skipframes int) { semacquire1(addr, lifo, semaBlockProfile|semaMutexProfile, skipframes) } 其实,可以理解为runtime.go包里头,runtime_SemacquireMutex为其声明。实现则为sync.runtime_SemacquireMutex func runtime_SemacquireMutex(s *uint32, lifo bool, skipframes int) 在阅读golang源码的时候,也可以看到很多go:linkname指令,理解这个指令有助于我们更好的理解golang代码的底层逻辑。 go:linkname格式 //go:linkname localname [importpath.name] go:linkname指令指示编译器使用 import path.name 作为在源代码中声明为 localname 的变量或函数的目标文件符号名称。第一个参数表示当前方法或变量,第二个参数表示目标方法或变量。由于指令可以破坏类型系统和包模块化,因此在使用时必须导入unsafe包。 使用条件和注意事项 函数的声明 : func Hello() 添加go编译器指令 go:linkname localname [importpath.name] 这是因为 go build 添加了 -complete 参数来检查完整性。提供.s文件后, 以便编译器绕过 -complete 的检查,允许不完整的函数声明 由于指令可以破坏类型系统和包模块化,因此在使用时必须导入unsafe包。 举个🌰 . ├── go.mod ├── demo/internal │ └── internal.go │── demo/hello │ └── hello.go │ └── hello.

增量训练lightgbm模型,深度学习模型

1. 机器学习-增量训练方法(机器学习-增量训练方法 - 知乎) 包含:sklearn, lightgbm增量训练方法。 2. 深度学习模型增量训练 增量训练主要面临的问题:当增量训练时,主要解决的是新增加的训练样本中的新词问题。如果对新增加的新词不做index映射的话,会直接处理成OOV。 原词表有一份数据: old_word2id = {"OOV": 0, "I": 1, "AM": 2} 现在增量在训练的时候,有一条新的训练样本,例如: I LOVE CHINA, LOVE 和 CHINA 没有出现在 old_word2id 词表里,怎么将LOVE 和 CHINA添加进词表呢(这个好像只要更新词表即可)? 以及LOVE 和 CHINA相对应的emb怎么加进到 model的word_emb中呢? 我是用torch训练的深度模型,处理方式是: # 1. 对新增的词语映射为新的index,即将映射词表变为: """ old_word2id = {"OOV": 0, "I": 1, "AM": 2} """ new_word2id = {"OOV": 0, "I": 1, "AM": 2, "LOVE": 3, "CHINA":4} # 2. 为新增的词语赋予一个随机的初始embedding,即将底层词语embedding矩阵改为: """ # old_word_emb矩阵代表已经训练完成的 ”OOV“,”I“, ”AM“ 三个词的embedding old_word_emb = np.

VMware之安装配置CentOS7

安装步骤: 1、打开VMware虚拟机 创建新的虚拟机 2、根据你安装的虚拟机版本选择相应的 Workstation 什么是ISO镜像文件? 1、iso文件只是一个只读文件 2、.iso是电脑上光盘镜像(CD Mirror)的存储格式之一,因为其是根据ISO-9660有关CD-ROM文件系统标准存储的文件,所以通常在电脑中以后缀.iso命名,俗称iso镜像文件。 3、其形式上只有一个文件,能真实反映光盘的内容,可由或者镜像文件制作工具创建。 ​ 3、根据你自己的镜像文件版本选择对应版本 ​ 4、虚拟机的内存至少给2GB 5、编辑虚拟机,使用你自己的iso镜像文件,来创建操作系统; 我当前的操作系统就是基于iso来还原的 6、开启虚拟机,安装操作系统 7、 在虚拟机内部单击或按Ctrl+G进入虚拟机安装页面,白色代表选中,键盘上下键切换选项 第一项:安装CentOS7 第二项:先测试并且安装CentOS7(测试时间相当长) 8、选中第一个选项(Install CentOS7),直接回车进行安装 1、选择语言 2、更改时区 ,添加NTP时间服务器用于时间校准 注1:此处需联网, 注2:完成该设置后就没有时差了,否则需要重新安装NTP服务, 注3:阿里云提供了7个NTP时间服务器,选3个填写即可 ntp1.aliyun.com ntp2.aliyun.com ntp3.aliyun.com ntp4.aliyun.com ntp5.aliyun.com ntp6.aliyun.com ntp7.aliyun.com 3、一般不用选择最小安装,因为最小安装只有基本版(基础服务,无其他服务) 4、点击 网络和主机名 ,点进去打开网络,它会自动去读取IP地址 5、开始安装, 安装过程中可为当前的ROOT账号设置密码 6、重启打开之后,将不会有可视化界面,只会有黑窗口 7、登录root账号 查看IP 两种方式 1、 ip addr(ip a是简写) 查看网卡分配情况 2、 ifconfig (ifconfig ens33) 可以具体定位到你想查看的网卡信息 清屏:Ctrl+l 下图中 ens33 就是它的网卡 inet 192.168.159.128 (ip) 8、更换国内源——CentOS更换为阿里云的源 注意:更换国内源步骤使用的是Xshell软件,因为在VMware中操作太慢 1、首先备份 mv /etc/yum.repos.d/CentOS-Base.repo /etc/yum.repos.d/CentOS-Base.repo.bak

lambdaQuery中EQ、NE、GT、LT、GE、LE的用法

Maybatis-Plus lambdaQuery和mapper中EQ、NE、GT、LT、GE、LE的用法及详解 1.等于当前时间 //EQ 就是 EQUAL等于 taskFlowService.lambdaQuery().eq(TaskFlow::getCreateTime,DateUtil.now()) 2.不等于当前时间 //NE就是 NOT EQUAL不等于 taskFlowService.lambdaQuery().ne(TaskFlow::getCreateTime,DateUtil.now()); 3.大于当前时间 //GT 就是 GREATER THAN大于 taskFlowService.lambdaQuery().gt(TaskFlow::getCreateTime,DateUtil.now()); 4.小于当前时间 //LT 就是 LESS THAN小于 taskFlowService.lambdaQuery().lt(TaskFlow::getCreateTime,DateUtil.now()); 5.大于等于当前时间 //GE 就是 GREATER THAN OR EQUAL 大于等于 taskFlowService.lambdaQuery().ge(TaskFlow::getCreateTime,DateUtil.now()); 6.小于等于当前时间 //LE 就是 LESS THAN OR EQUAL 小于等于 taskFlowService.lambdaQuery().le(TaskFlow::getCreateTime,DateUtil.now()); 7.2个时间段是否相交 判断两个区间是否相交:// max(A.start, B.start) <= min(A.end, B.end) if ((!start1.after(end2)) && (!end1.before(start2))) { System.out.println("时间重叠"); }

springBoot集成jcifs

这个是抄的网上的,web项目 springboot 是都可以支持的 配置过滤的地址要处理下,我在下个文章里面阐述了。 1、添加jcifs依赖包。 <dependency> <groupId>jcifs</groupId> <artifactId>jcifs</artifactId> <version>1.2.9</version> </dependency> 2、在配置文件application.properties里添加jcifs的配置参数,也可新增独立的资源文件进行读取,在这里就不在赘述了。(账号密码自行向域控管理员申请) jcifs.http.domainController=10.100.xxx.xx jcifs.smb.client.domain=xxx.com jcifs.smb.client.username=XXX jcifs.smb.client.password=XXX 3、创建jcifs初始化NtlmHttpFilter 的子过滤器,在这里我只初始化了4个必须参数,其他参数见类中所展示的,根据项目需要进行配置。 注:在传统项目中是通过web.xml进行初始化,在springBoot项目中无法生效,难受~~~ import jcifs.Config; import jcifs.http.NtlmHttpFilter; /** * 初始化jcifs域控登录参数 * @author ex_lihui * @date 2019/03/28 */ public class JcifsFilter extends NtlmHttpFilter { public JcifsFilter(){}; public JcifsFilter(String defaultDomain,String domainController,String loadBalance,String enableBasic,String insecureBasic,String realm,String level,String username,String password){ Config.setProperty("jcifs.smb.client.domain",defaultDomain); Config.setProperty("jcifs.http.domainController",domainController); Config.setProperty("jcifs.smb.client.username",username); Config.setProperty("jcifs.smb.client.password",password); /*Config.setProperty("jcifs.http.loadBalance",loadBalance); Config.setProperty("jcifs.http.enableBasic",enableBasic); Config.setProperty("jcifs.http.insecureBasic",insecureBasic); Config.setProperty("jcifs.http.basicRealm",realm); Config.setProperty("jcifs.util.loglevel",level);*/ }; } 附录,传统初始化方式。 <filter> <filter-name>NtlmHttpFilter</filter-name> <filter-class>jcifs.http.NtlmHttpFilter</filter-class> <init-param> <param-name>jcifs.smb.client.soTimeout</param-name> <param-value>5000</param-value> </init-param> <!

Win10安装Nacos

Win10安装Nacos 文章目录 Win10安装Nacos前言下载Nacos安装Nacos验证 前言 最近在学微服务的东西,使用的是 Spring Cloud Alibaba 生态,Nacos就是其中关键的一环。 这是 Nacos 的官网地址:https://nacos.io/zh-cn/index.html 官网的文档对于 Nacos 的描述如下: Nacos 是 Dynamic Naming and Configuration Service的首字母简称,一个更易于构建云原生应用的动态服务发现、配置管理和服务管理平台。 Nacos 致力于帮助您发现、配置和管理微服务。Nacos 提供了一组简单易用的特性集,帮助您快速实现动态服务发现、服务配置、服务元数据及流量管理。 Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。 Nacos 是构建以“服务”为中心的现代应用架构 (例如微服务范式、云原生范式) 的服务基础设施。 下载Nacos 首先,需要注意的是,Nacos 需要有至少 JDK1.8 的 Java 环境支持,如果没有 Java 环境的请参考博客前半部分进行配置 Windows下配置IDEA开发环境 为了方便,这里我贴出 Nacos 2.1.2 版本的百度云链接 链接:https://pan.baidu.com/s/19xm6oxPZoUONuaaBBniUtA 提取码:yhkt 当然官网的首页就给我们提供了在 GitHub 的下载地址,我们也可以去官网下载。 我们直接进入 release版本的下载地址:https://github.com/alibaba/nacos/releases 显然 Nacos 的版本还在不断更新中,这里我们选择下载 2.1.2 版本,点击即可下载。 安装Nacos 下载完成后,找到一个自己喜欢的位置,把这个 Zip 包解压。比如我的位置是:D:\Dpan\Nacos\nacos-server-2.1.2 因为 Nacos 默认的是使用集群环境,我们这里使用单机环境的话,需要对配置文件做一点修改。我们在其 bin 目录下,用记事本打开 startup.cmd 文件,修改 set MODE 为 standalone。

cockpit管理控制台-尚文网络xUP楠哥

~~全文共1499字,阅读需约5分钟。 进Q群11372462,领取专属报名福利,包含云计算学习路线图+代表性实战训练+大厂云计算面试题资料! Cockpit 是红帽开发的web方式的服务管理工具,从Linux7版本开始就有了,其优点可以管理很多种服务;除了最基本的主机系统信息,CPU、内存使用率、磁盘存储卷管理、用户管理包括网络环境配置,在Linux8版本中的cockpit可以管理使用KVM虚拟机,在云原生时代真正的实现开源虚拟化平台的原生管理。 执行systemctl命令查看cockpit服务状态。 执行firewalld命令可以看到在services列表中已经默认添加了cockpit。 通过systemctl命令启动cockpit;启动后,默认使用TCP的9090端口。 打开浏览器,Chrome或Firefox都可以,输入https://IP:9090,进入cockpit管理控制台登录界面。 输入用户名如root和对应的口令进行登录;登录后会看到很多有用的信息,如CPU、内存使用率以及系统信息等。 对于日志的查看 对于存储、卷的查看和配置 对于网络环境的web智能化配置 另外,我们可以通过yum命令安装cockpit-machines软件包,通过此软件包可以通过cockpit已web方式管理KVM虚拟机,妥妥的虚拟化平台! 安装后,刷新浏览器会看到有Virtual Machines选项,可以看到目前所有的KVM虚拟机。 点开其中任意一台KVM虚拟机,会显示该虚拟机的资源情况以及控制台。

动态拉取接口数据

通过工具类动态拉取接口数据 写在前言: 使用工具类拉取接口中的数据,存放在自己的数据库,进行展示。 自己去看工具类中的注释,按照自己的需求去修改。 一、工具类 1、整理需求 想通过工具类把接口数据存放在数据库,并且别人接口中的数据发生变化。自己数据库中的数据也要发生变化。 2、技术显现 1、需要通过登录拿到token 2、把token放入全局的作用域 3、定时任务。自动到时间去请求接口。(5分钟一次,把请求过来的数据,存放在数据库中) import com.baidu.util.TokenUtil; import org.springframework.stereotype.Component; import java.io.*; import java.net.HttpURLConnection; import java.net.URL; /** * jdk 调用第三方接口 * @author hsq */ @Component public class HttpClientUtil2 { public static String doPost(String pathUrl, String data){ OutputStreamWriter out = null; BufferedReader br = null; String result = ""; try { URL url = new URL(pathUrl); //打开和url之间的连接 HttpURLConnection conn = (HttpURLConnection) url.openConnection(); //设定请求的方法为"POST",默认是GET //post与get的不同之处在于post的参数不是放在URL字串里面,而是放在http请求的正文内。 conn.setRequestMethod("POST"); //设置30秒连接超时 conn.

javac编译程序,出现‘javac’不是内部或外部命令,也不是可运行的程序或批处理文件。

问题描述:‘javac’不是内部或外部命令,也不是可运行的程序或批处理文件。 看了好多解决办法 1.检查环境变量的配置 2.检查jdk是否安装 啊啊啊啊 检查之后都是没问题的 (ಥ﹏ಥ) 看了其他博客,寻找解决办法 经过检查发现,确实没有javac.exe文件,就将javac.exe文件添加到了JAVA_HOME的 bin文件夹下, 还是不行,重启设备,还是不可以(ಥ﹏ಥ) 于是乎,直接卸载原来的jdk,重新下载安装jdk,问题解决了! 需要的小伙伴请点击: jdk官网 呜呜呜呜呜难过,耽误好长时间(ಥ﹏ಥ) 希望可以帮到有相同问题的小伙伴哦!

时间序列预测算法总结

一、背景介绍 绝大部分行业场景,尤其是互联网、量化行业,每天都会产生大量的数据。金融领域股票价格随时间的走势;电商行业每日的销售额;旅游行业随着节假日周期变化的机票酒店价格等;我们称这种不同时间收到的,描述一个或多种特征随着时间发生变化的数据,为时间序列数据(Time Series Data)。而时间序列预测做的就是通过多种维度的数据本身内在与时间的关联特性,利用历史的数据预测未来这么一件事情。 二、算法汇总 时序预测从不同角度看有不同分类: 从实现原理的角度,可以分为传统统计学,机器学习(又分非深度学习和深度学习)。 按预测步长区分,可以分为单步预测和多步预测,简单来说就是一次预测未来一个时间单元还是一次预测未来多个时间单元的区别。 按输入变量区分,可以分为自回归预测和使用协变量进行预测,区别在于维度中是否含有协变量,例如预测未来销售量时,如果只接受时间和历史销售量数据,则是自回归预测,如果可以接受天气、经济指数、政策事件分类等其他相关变量(称为协变量),则称为使用协变量进行预测。 按输出结果区分,可以分为点预测和概率预测,很多模型只提供了点预测而不提供概率预测,点预测模型后再加蒙特卡洛模拟(或其他转化为概率预测的方式)往往不能准确反映模型输出的预测概念,而在大多数场景下,概率预测更贴近事实情况,对于未来的预测本身就应该是一种概率分布。 按目标个数区分,可以分为一元、多元、多重时间序列预测。举例理解,使用历史的销售量预测未来1天的销售量为一元时间序列预测,使用历史的进店人数、销售量、退货量预测未来1天的进店人数、销售量、退货量(预测目标有三个)为多元时间序列预测,使用历史的红烧牛肉面、酸菜牛肉面、海鲜面的销售量预测未来1天的红烧牛肉面、酸菜牛肉面、海鲜面的销售量(预测目标有三种)为多重时间序列预测。 [1] 本文接下来会从实现原理的角度切入,大致介绍一下场景的时间序列预测方法的原理以及具体python实现,大部分深度学习的实现依赖于AWS于2019开源的时间序列建模工具包Gluon Time Series(GluonTS) 2.1 传统经典时间序列预测方法 ARIMA 简介 ARIMA是一种非常流行的时间序列预测统计方法,它是自回归综合移动平均(Auto-Regressive Integrated Moving Averages)的首字母缩写。ARIMA模型建立在以下假设的基础上: 数据序列是平稳的,这意味着均值和方差不应随时间而变化。 通过对数变换或差分可以使序列平稳。 算法详解:时间序列预测之ARIMA - 标点符实现(GluonTS) from gluonts.model.r_forecast import RForecastPredictor # build model arima_estimator = RForecastPredictor(freq='1D', prediction_length=args.horizon, method_name="arima") # Predicting forecast_df = pd.DataFrame(columns=['id', 'target_start_date', 'point_fcst_value']) # df_pred for entry_, forecast_ in tqdm(zip(training_data, estimator.predict(training_data))): id = entry_["id"] forecast_df = forecast_df.append( pd.DataFrame({"id": id, "target_start_date": forecast_.index.map(lambda s: s.strftime('%Y%m%d')), "point_fcst_value": forecast_.median})) Holt-Winters 简介 其实就是一种(三次)指数平滑方法,Holt (1957) 和 Winters (1960) 将Holt方法进行拓展用来捕获季节因素。Holt-Winters季节性方法包括预测方程和三个平滑方程:一个用于水平 ,一个用于趋势 ,另一个用于季节性分量。然后以累加或累乘的方式叠加分量组成预测。

【Wireshark启动后找不到网卡】

Wireshark启动后找不到网卡 问题:打开Wireshark,显示0个网卡,导致无法捕获流量数据解决方案ps:若出现服务名无效 问题:打开Wireshark,显示0个网卡,导致无法捕获流量数据 解决方案 打开命令行,运行 net start npf ps:若出现服务名无效 安装 winpcap