一次性解决Spring 无法启动的问题
问题背景有同学反馈，有一个项目从 kotlin 1.2 升级到 kotlin 1.3 以后 Spring 项目无法启动，报java.lang.IllegalStateException: Ambiguous mapping. Cannot map 'xxx' method错误没有引入任何其它变量，只是更改了 kotlin 的版本，猜测可能是编译出来的字节码不一样，出问题的函数如下。@OptionalAuthAPI@GetMapping("/page")fun getActiv..
这么用的Redis Pipeline你见过吗？
抛出，问题最近项目碰到这么一个技术上的需求：前端通过长轮询的机制（http long polling），获取服务端的消息数据。而服务端是需要订阅所有业务方的业务消息，再通知到给前端。长轮询，其实简单来说，就是前端发起一个http请求，服务端把当前的请求 hang 住，直到超时或者有需要返回的内容，才return。 Apollo 配置中心就是使用这个机制实现配置的更新通知。但有这么一种情况，假如服务端消费到消息，但此时前端与服务端的连接刚好断开了，那这个消息就没法通知到前端。所以，我们得需
Mybatis是如何在SpringBoot中被加载执行的？
本文主要讲述mybatis在springboot中是如何被加载执行的，由于涉及的内容会比较多，所以这次只会对调用关系及关键代码点进行讲解，为了避免文章太长，读起来昏昏欲睡，一些不影响整体流程的细节就不涉及了。源码位置https://github.com/wbo112/blogdemo/tree/main/springbootdemo/springboot-mybatis1、预备知识FactoryBean什么是FactoryBean？我们先看看FactoryBean的源码//由 BeanFac
基于计算机底层基础设计一个高性能的单机管理主机的心跳服务
之前有很多读者问我学计算机基础有啥用？不懂算法、计算机网络、操作系统这些东西，也可以完成工作上的 CRUD 业务开发，那为什么要花时间去学？是的，不懂这些，确实不会影响 CRUD 业务开发，对于这类业务开发的工作，难点是在于对业务的理解，但是门槛并不高，找个刚毕业人，让他花几个月时间熟悉业务和代码，他一样可以上手开发了，也就是说，单纯的 CRUD 业开发工作很快就会被体力更好的新人取代的。另外，在面对一些性能问题，如果没有计算机基础，我们是无从下手的，这时候程序员之间的分水岭就出来了。看到这，大
Redis到底是怎么想的？用跳表来实现有序集合
Keeper导读：干过服务端开发的应该都知道 Redis 的 ZSet 使用跳表实现的（当然还有压缩列表、哈希表），我就不从 1990 年的那个美国大佬 William Pugh 发表的那篇论文开始了，直接开跳文章拢共两部分跳表是怎么搞的 Redis 是怎么想的一、跳表跳表的简历跳表，英文名：Skip List父亲：从英文名可以看出来，它首先是个 List，实际上，它是在有序链表的基础上发展起来的竞争对手：跳表（skip list）对标的是平衡树（AVL Tre.
肝完Alibaba这份面试通关宝典，今年的offer我拿手软了
前言不少人找LZ咨询，问我现在的面试需要提前准备什么？为了造福更多的开发者，也为了让更多的小伙伴通过面试；LZ近期也一直想着怎么才能帮到大家。所以近期在各大渠道整合大厂相关面试题，并结合了我一位现在已经入职阿里（阿里的Offer就是他今年的第15张offer）的朋友一整年的面试经历，为大家打造出一份金九银十Java面试通关宝典。内容涵盖：Java基础、JVM多线程、Spring、MyBatis、SpringBoot、MySQL、SpringCloud、Dubbo、Nginx、MQ、数
基于NRC词典的情感分析（含多种离散情绪）——python
NRC词典简介：NRC词典由加拿大国家研究委员会（简称NRC）的专家创建，目前已有多种语言版本，我们可以用其中文版本来进行情感分析。使用一系列单词来帮助识别情绪，情感，并分析标签，表情符号和单词颜色的关联。词典中包含情绪的类别主要有以下几种：我们可以用以下代码看词典中情感相关内容：import pandas as pdlexion_df = pd.read_excel('E:/JupyterProject/mybook-main/mybook-main/data/Textmining
震撼来袭，Alibaba出品Java性能优化高级笔记（全彩版）
性能优化作为一个程序员，性能优化是常有的事情，不管你是刚入行的小白还是已经入坑了很久的小秃头都会经历很多不同层次的性能优化——小到代码审查大到整个系统设计的优化！大势所趋之下，如何让自己的优化方向精准到性能瓶颈的那个点以及尽可能的提高优化的性价比已经慢慢成为每一个程序员都要考虑的问题了~下面是目前程序员进行性能优化时需要遵循的一些原则以及注意的一些点，大家可以看看自己在进行优化的时候是否有考虑到这些：如果你对于以上性能优化的原则、层次、通用方法以及代码质量的关系根本没有一个概念，也不
LDA主题模型绘制困惑度（perplexity）-主题数曲线——python
主题建模作为一种基于机器学习的文本内容分析技术，一般用于推断文本文档中隐藏主题的技术。很多研究使用了基于Latent Dirichlet Allocation (LDA)的主题建模算法来处理大规模文档并识别潜在主题。LDA主题模型已经在多个研究领域得到应用，且都有着不俗表现。LDA作为一种无监督机器学习技术，利用词袋方法识别隐藏在大规模文档集或语料库中的主题信息。LDA模型可挖掘出文档集或语料库中的潜在主题信息，并采用词 袋构建模型，在不考虑词汇出现顺序的情况下，构成“文档-主题分布”和“主题-词分布”
Java开发，内存泄漏不会排查，这下溴大了
什么是内存泄漏内存泄漏：对象已经没有被应用程序使用，但是垃圾回收器没办法移除它们，因为还在被引用着。在Java中，内存泄漏就是存在一些被分配的对象，这些对象有下面两个特点，首先，这些对象是可达的，即在有向图中，存在通路可以与其相连；其次，这些对象是无用的，即程序以后不会再使用这些对象。如果对象满足这两个条件，这些对象就可以判定为Java中的内存泄漏，这些对象不会被GC所回收，然而它却占用内存。在C++中，内存泄漏的范围更大一些。有些对象被分配了内存空间，然后却不可达，由于C++中没有GC
python列表、元组、字典、集合区别及他们之间的转换（超全）
今天想先总结一下python中数据结构区别以及他们之间能如何转化 1. 基本属性 数据结构 列表（list） 元组（tuple） 字典（dict） 集合（set） 基本形式 [123, 'python', ('python', 123)] ('A','B','C','1') {'A':7,'B':1,'C':...
MySQL调大sort_buffer_size，并发量一大，查询排序为啥又会变慢
导读大家可以想看看这条SQL语句思考一下：SELECT * FROM user WHERE user_name LIKE "%am%" AND age >= 18 AND age <= 24 AND sex = 0 ORDER BY age, user_name LIMIT 0, 50复制代码这条SQL使用了快速排序对age,username排序，有没有更好的办法，提升排序的性能？你可能已经发现，这条SQL其实只需要取前50个排好序的用户，但是，上面的执行过程确对表中的1..
【python数据分析】用python进行数据探索1（含各种数据基础分析方法以及直方图、条形图、折线图等基本画法）
从这周开始，我将在此记录我对《python数据分析与挖掘实战》（第二版）的跟读情况，将我认为的值得学习的点记录在这里，有时候也会对相关知识进行拓展，保持每周更新3-4次的频率，争取在下次开学前把这本书学习完。同时，因为python中库的更新，书中原来使用的一些函数已经发生变化，我也会相应进行修改。一、数据特征分析1. 定量数据的分布分析——直方图import pandas as pdimport numpy as npcatering_sale = './Python数据分析与挖掘实.
基于NRC词典的离散情感分析（含有程度词和否定词）
NRC词典的加载方法和分词方法之前的文章有写，直接套用即可。具体函数参考了这篇文章：基于情感词典的文本情感分析(附代码)_Petrichoryi的博客-CSDN博客_bosonnlp情感词典我相当于是把这篇文章里的正负情感改成了NRC词典中的八种离散情感，进行逐一计算，具体代码如下：not_word_file = open('E:/data/否定词.txt','r+',encoding='utf-8') not_word_list = not_word_file.readlines()no
【python数据分析】用python进行数据探索2（常见matplotlib及pandas绘图函数汇总、对比及拓展）
汇总几种常见matplotlib及pandas绘图函数，包括折线图、饼图、直方图、箱型图等。对对比pandas和matplotlib中这些绘图函数的不同使用方法。
【Python数据分析】数据预处理1——数据清洗
在数据挖掘过程中，数据预处理过程是占比很大的一部分工作数据预处理过程主要有以下几个部分1、数据清洗——2.数据集成——3.数据变换——4.数据规约本文介绍数据清洗部分一、缺失值分析与处理1.缺失值分析 缺失值的影响： （1）数据建模将丢失大量有用信息 （2）数据挖掘模型所表现出的不确定性更加显著 （3）包含控制的数据会使建模过程陷入混乱，导致不可靠输出 缺失值的分析：使用简单的统计分析，可以得到含缺...
今日推荐
周排行