last

目录 MySQL主键设计原则 主键设计的常用方案 自增ID UUID 自定义序列表 如何解决水平分片的需求 UUID 独立的序列库 复合标识符 带分库策略的自定义序列表 主键的必要性 主键的数据类型选择 在项目过程中遇到一个看似极为基础的问题，但是在深入思考后还是引出了不少问题，觉得有必要把这一学习过程进行记录。 MySQL主键设计原则 MySQL主键应当是对用户没有意义的。 MySQL主键应该是单列的，以便提高连接和筛选操作的效率 永远也不要更新MySQL主键 MySQL主键不应包含动态变化的数据，如时间戳、创建时间列、修改时间列等 MySQL主键应当有计算机自动生成。 主键设计的常用方案 自增ID 优点 ： 1、数据库自动编号，速度快，而且是增量增长，聚集型主键按顺序存放，对于检索非常有利。 2、 数字型，占用空间小，易排序，在程序中传递方便。 缺点 ： 1、不支持水平分片架构，水平分片的设计当中，这种方法显然不能保证全局唯一。 2、表锁 在MySQL5.1.22之前，InnoDB自增值是通过其本身的自增长计数器来获取值，该实现方式是通过表锁机制来完成的（AUTO-INC LOCKING）。锁不是在每次事务完成后释放，而是在完成对自增长值插入的SQL语句后释放，要等待其释放才能进行后续操作。比如说当表里有一个auto_increment字段的时候

Sentinel实现Redis集群的高可用 redis集群中有一主一从两个节点。当主节点down掉的时候需要把从节点提升为主节点继续提供服务，从而实现高可用。结构图如下， redis单机多实例主从的安装和配置请参考： http://my.oschina.net/xinxingegeya/blog/389521 下面是具体的搭建过程和一些验证。这里我们建立三个redis节点，其中两个是slave节点；建立三个sentinel节点，同时监控redis集群中的master节点。 目录结构如下， ➜ redis tree -L 1 . ├── conf ├── data ├── log ├── redis_7000 ├── redis_7001 ├── redis_7002 ├── redis_8000 ├── redis_9000 └── run 9 directories, 0 files 其中conf存放redis的配置文件，data为redis的数据存储目录，log为redis的日志目录，run为redis的pid文件目录。 这里使用了一个master节点，两个slave节点的结构设计，其中的7000作为master节点，7001和7002节点作为slave节点。 首先启动三台redis服务器，如下， ➜ redis_7000 ./src/redis-server ./7000

[算法模版]AC自动机 基础内容 板子不再赘述， OI-WIKI 有详细讲解。 \(query\) 函数则是遍历文本串的所有位置，在文本串的每个位置都沿着 \(fail\) 跳到根，将沿途所有元素答案++。意义在于累计所有以当前字符为结尾的所有模式串的答案。看代码就能很容易的理解。 另外 \(e[i]\) 记录的是第 \(t\) 个模式串结尾是哪个节点（所有节点均有唯一的编号）。 贴个 P5357 【模板】AC自动机（二次加强版） 板子： #include<iostream> #include<cstdio> #include<algorithm> #include<cmath> #include<cstring> #include<vector> #define maxn (int)(2e6+10000) int ch[(int)(2e5+1000)][30],fail[maxn],cnt,e[maxn],nex[maxn],n,queue[maxn],ans[maxn]; using namespace std; char s[(int)(2e6+1)]; char data[maxn]; void init() { memset(ch,0,sizeof(ch)); memset(fail,0,sizeof(fail)); memset(e,0,sizeof(e));

第一题：deco的abs 题目链接： https://ac.nowcoder.com/acm/contest/934/A 　　因为每个数都可以加任意次 d ，所以可以推出 0 <= 相邻两个数的差值的绝对值 < d ，于是我们先让所有数对d取模 　　再枚举每个位置 ，用 last 记录上一个数的值 ，然后求 abs(a[now] - last) 、abs( a[now] + d - last)、abs( a[now] - d, last )即可 　　下面贴代码：　　　　 　　 View Code 来源： https://www.cnblogs.com/StarRoadTang/p/11406840.html

第一章：概述 1. 数据和数据结点 　　数据是对客观事物的描述形式和编码形式的统称。 　　数据是由数据元素组成的，数据元素又称为数据结点，简称结点。 　　每个数据元素又包括多个数据项，每个数据项又称为结点的域，其中，用来唯一标识结点的域称为关键字。 2.数据结构、逻辑结构、物理结构 　　一个有穷的结点集合D，以及该集合中各结点之间的关系R，组成一个数据结构，表示成B=(D, R); 　　D和R是对客观事物的抽象描述，R表示结点间的逻辑关系，所以（D， R）表示的数据的逻辑结构。 　　数据结构在计算机内的存储形式称为存储结构，也称为物理结构。 3. 数据结构的种类 　　表结构（一对一）、树结构（一对多）、图结构（多对多）、散结构（结点之间没有关系，或者说存在特殊关系-无关关系） 4. 抽象、抽象数据类型、抽象数据类型的表示 　　抽象 - 从一般意义上将，抽象是指“抽取事物的共性，忽略个性；体现外部特征，掩饰具体细节”。 　　抽象数据类型简称ADT(abstract data type), 是将“数据”连同对其的“处理操作”（即运算）封装在一起而形成的复合体。注意： ADT是对一个确定的数学模型，以及定义在该模型上的一组操作的抽象表示，不涉及具体的实现。 　　抽象数据类型的表示 - 如可以将有序表有关的数据和处理操作封装成一个ADT，涉及的数据可能有元素个数、数据元素等

目录 第一章 数据分析简介 第二章 数据获取 第三章 单因子探索分析 参考资源 第一章 数据分析简介 1-1、数据分析流程 A 数据获取 B 探索分析与可视化（报表） C 预处理理论（去除脏数据） D 分析建模 E 模型评估 其中，CDE 为数据建模与挖掘 【核心内容】 1-2、前置知识 前置知识：Python3，Python数据分析-基础技术篇；数学； 编译环境：Python3.6+，Pycharm，Anaconda 1-3、数据分析概述 数据分析的含义与目标：统计分析方法，提取有用信息，并进行总结与概括的过程 1-4、使用Python进行数据分析 开发效率高、运行速度慢、胶水语言（比如嵌入C语言配合使用） 1-5、数据分析学习方法 A 重视理论 B 勤于查阅 C 身体力行 D 联系实际 第二章 数据获取 2-1、数据获取手段 A 数据仓库 B 监测与抓取 C 填写、日志、埋点 D 计算 2-2、数据仓库（DW） 1、概念：数据载体，业务数据汇总处理 （1）全部事实的记录 （2）部分维度与数据的整理（数据集市-DM） 2、数据库 VS 仓库 （1）数据库面向业务存储（保证高并发、快速读写、数据结构精简），仓库面向主题存储（主题：较高层次上对分析对象数据的一个完整并且一直的描述，比如购买图书发展的多维度存储信息） （2）数据库针对应用（OLTP，联机事务处理），仓库针对分析

本题要求实现顺序表的操作集。 函数接口定义： List MakeEmpty(); Position Find( List L, ElementType X ); bool Insert( List L, ElementType X, Position P ); bool Delete( List L, Position P ); 其中List结构定义如下： typedef int Position; typedef struct LNode List; struct LNode { ElementType Data[MAXSIZE]; Position Last; / 保存线性表中最后一个元素的位置 */ }; 各个操作函数的定义为： List MakeEmpty()：创建并返回一个空的线性表； Position Find( List L, ElementType X )：返回线性表中X的位置。若找不到则返回ERROR； bool Insert( List L, ElementType X, Position P )：将X插入在位置P并返回true。若空间已满，则打印“FULL”并返回false；如果参数P指向非法位置，则打印“ILLEGAL POSITION”并返回false； bool Delete( List L, Position P )：将位置P的元素删除并返回true

用的是nginx代理转发443到2120端口实现，官方说workman原生支持，没有实现（现象是 访问 htttps://域名:2120/ 超时，不知道是服务器问题还是什么） 后转为用nginx代理转发实现 1、假设用https://socket.test.com 作为socket连接的地址. https://www.test.com还是网站本身，实现共存，不影响主站访问 1、nginx的 网站.conf，注意红色部分。2121那个转发不是必须的，因为是服务端curl请求，可以直接请求ip地址带端口 server { listen 443; server_name *.test.com test.com; set $flag 0; if ($host != 'www.test.com') { set $flag "${flag}1"; } if ($host = 'socket.test.com'){ set $flag "${flag}1"; } if ($flag = "01"){ rewrite ^/(.*)$ http://www.test.com/$1 permanent; } #if ($host != 'www.test.com' ) { # } ssl on; ssl_certificate cert/cert-1542176077391__.test.com

（一）什么是梯度下降法 梯度下降法 和之前介绍的k近邻算法和线性回归法不同，梯度下降法不是一个机器学习算法。它既不能解决分类问题也不能解决回归问题，那梯度下降是什么呢？以及它的作用又是什么呢？ 其实，梯度下降法是一种基于搜索的最优化方法。 作用就是最小化一个损失函数，或者最大化一个效用函数，当然最大化一个效用函数就不是梯度下降了，而是梯度上升，但是本质都是一样的。 为什么会有梯度下降 我们在线性回归中，我们可以求出最小化一个函数所对应的参数的解。但是后面我们会看到，很多算法我们是没办法直接求到解的。那么基于这样的模型，我们就需要使用搜索的策略，来找到这个最优解。那么梯度下降法就是在机器学习领域，最小化损失函数的一个最常用的方法。 图解梯度下降 图中描述了损失函数J和参数θ之间的变化关系，图像上每一个点都会对应一个切线，或者说是导数。由于我们这里是一维的，所以就用导数来描述了，如果是多维的，那么就要对每一个维度上进行求导，组合起来就叫做梯度。 我们发现当蓝色的点在左边的时候，那么随着θ的减小，J对应的取值就会变大。θ增大，J对应的取值就会减少。而我们的目的，是希望找到一个合适的θ，使得J能取到最小值。首先我们要知道，梯度(这里是导数)代表方向，代表J增大的方向，所以我们要沿着梯度的反方向(所以才叫梯度下降啊，如果是梯度上升，那么这里的函数就是效用函数)，才能找到一个最小值

20 题目：一球从100米高度自由落下，每次落地后反跳回原高度的一半；再落下，求它在第10次落地时，共经过多少米？第10次反弹多高？ 1 while 1: 2 x = int(input("请输入第几次落地,若退出请输入0")) 3 if x!=0: 4 h=100 5 l=[] 6 l.append(100) 7 8 def hight(x): 9 hight = h*(0.5**x) 10 return hight 11 12 for i in range(1,x+1): 13 l.append(hight(i)*2) 14 15 sum_hight=sum(l) 16 last_hight=hight(x) 17 print(last_hight,sum_hight,l) 18 else: 19 break View Code 来源： https://www.cnblogs.com/xuwinwin/p/11396965.html