leaf

实现样式 准备工作，先实现 树状组件的基本样式 <span style="height:500px; display:block; overflow-y:auto;" class="mytree"> <el-tree :data="data" show-checkbox node-key="id" :default-expand-all="true" :props="defaultProps" ></el-tree> </span> 　 接下来修改css ，注： 我使用的是 scss，less 也行 .mytree /deep/ { .el-tree > .el-tree-node:after { border-top: none; } .el-tree-node { position: relative; padding-left: 16px; } //节点有间隙，隐藏掉展开按钮就好了,如果觉得空隙没事可以删掉 .el-tree-node__expand-icon.is-leaf { display: none; } .el-tree-node__children { padding-left: 16px; } .el-tree-node :last-child:before { height: 38px; } .el-tree > .el-tree-node:before {

不了解分布式ID生成器的同学，先复习一下之前的 《9种分布式ID生成方式》 Tinyid 是滴滴开发的一款分布式ID系统， Tinyid 是在 美团（Leaf） 的 leaf-segment 算法基础上升级而来，不仅支持了数据库多主节点模式，还提供了 tinyid-client 客户端的接入方式，使用起来更加方便。但和美团（Leaf）不同的是，Tinyid只支持号段一种模式不支持雪花模式。 Tinyid的特性 全局唯一的long型ID 趋势递增的id 提供 http 和 java-client 方式接入 支持批量获取ID 支持生成1,3,5,7,9...序列的ID 支持多个db的配置 适用场景 ：只关心ID是数字，趋势递增的系统，可以容忍ID不连续，可以容忍ID的浪费 不适用场景 ：像类似于订单ID的业务，因生成的ID大部分是连续的，容易被扫库、或者推算出订单量等信息 Tinyid 原理 Tinyid 是基于号段模式实现，再简单啰嗦一下号段模式的原理：就是从数据库批量的获取自增ID，每次从数据库取出一个号段范围，例如 (1,1000] 代表1000个ID，业务服务将号段在本地生成 1~1000 的自增ID并加载到内存.。 Tinyid 会将可用号段加载到内存中，并在内存中生成ID，可用号段在首次获取ID时加载，如当前号段使用达到一定比例时，系统会异步的去加载下一个可用号段

　　上市 10 年，在破产边缘徘徊过，在量产泥潭中挣扎过，不过如今的特斯拉已被彻底盘活，成为备受资本市场看好的电动汽车行业新巨头。 　　2010 年 6 月 29 日，特斯拉在纳斯达克上市，当时的市值仅有 17 亿美元，至 2020 年 6 月 29 日上市十周年之际，特斯拉市值创下历史新高，盘中市值一度突破 2100 亿美元，十年间市值涨了 123 倍，再次领先于丰田汽车市值。 　　据粗略估算，这个起初并不被传统汽车巨头看好的外来破局者，如今单从市值维度来看已是 1.1 个丰田汽车、2.1 个大众汽车、4.9 个戴姆勒、5.9 个通用汽车、8.9 个福特汽车。如果与国产造车新势力样本相比，大约相当于 22.4 个蔚来汽车。 　　 　　图｜特斯拉近 5 年的市值变化 　　放在十年的时间维度来看，这是一项了不起的成就，但就在两年前，特斯拉还处于至暗时刻。成立 15 年来连年亏损、深陷产能地狱、如期交付困难，连硅谷 “钢铁侠” 马斯克都曾一度扛不住压力，向外媒倾诉自己在汽车工厂打地铺亲自监督生产，长时间高压工作靠安眠药入睡，甚至在推特上发出要把特斯拉 “私有化” 的争议性事件，以及在直播节目中公开抽大麻来缓解精神压力。 　　质的转变发生在 2019 年，特斯拉超级工厂落户上海，随后的公司经营状态出现较大的转机。在上海市政府的支持下，特斯拉超级工厂以前所未有的速度拔地而起，2019 年

　　 　　近日，mRNA“三巨头”之一的 BioNTech 和 Regeneron（再生元）宣布达成战略合作计划，双方将用 mRNA 癌症疫苗 “BNT111 FixVac” 与免疫检查点抑制剂（immune checkpoint inhibitors, 以下简称 ICIs）Libtayo(cemiplimab)联合用药，治疗黑色素瘤。这是 BioNTech 继与罗氏、赛诺菲展开 mRNA 免疫疗法药物联用之后的又一动作。 　　Moderna 和 CureVac 在近些年也展开了同样的布局，除了新冠疫苗之外，为何 “巨头” 都在试水 mRNA 癌症疫苗与 ICIs 联用？联用的进展及效果如何？ 　　 　　（来源：AP） 　　 “将 mRNA 癌症疫苗和 PD-1 联用是一种常规策略” 　　黑色素瘤是临床上常见的高度恶性皮肤肿瘤，也是发病率增长最快的恶性肿瘤之一，易转移，50% ～80% 的晚期黑色素瘤患者会发生肝转移，8%～46% 的黑色素瘤患者会发生脑转移。其死亡率占皮肤恶性肿瘤第一位，发生转移的晚期黑色素瘤中位生存时间仅为 8～9 个月，5 年生存率不足 5%，由此，黑色素瘤被称为“癌中之王”。 　　九年前获批的第一款检查点抑制剂被认为是对于黑色素瘤等癌症的革命性疗法，随后多款 ICIs 产品已被批准用于黑色素瘤、肾癌、头颈癌、膀胱癌等多种肿瘤的临床治疗

1 数据结构的练习与巩固 2 ///////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////// 3 #include <iostream> 4 using namespace std; 5 6 struct BTNode 7 { 8 char Data; 9 BTNode* lChild, * rChild; 10 BTNode() 11 { 12 lChild = NULL; 13 rChild = NULL; 14 } 15 BTNode( char & data, BTNode* l = NULL, BTNode* r = NULL) 16 { 17 Data = data; 18 lChild = l; 19 rChild = r; 20 } 21 }; 22 23 class BT 24 { 25 public : 26 BTNode* root; 27 char RefValue; 28 29 public : 30 BT() { root = NULL; } 31 BT( char

2017年4月28日，核酸研究(Nucleic Acids Research)杂志上，在线公布了一个可搜索微生物次生代谢物合成基因组簇的综合性数据库antiSMASH数据库 4.0版，前3版年均引用250次，累计引物1600+；可实现基因组与基因组之间的相关天然产物合成基因簇的查询和预测。 临床上使用的大部分抗生素和药物均来自植物或微生物的天然产物。结合基因组挖掘的经典分离与分析法使得能鉴定和描述基于宏基因组的天然产物途径，该过程与研究结果是天然产物研究领域中在近二十年来较为创新的技术。为使该技术能为更为广泛的研究者使用，许多精确的软件被建立。antiSMASH自2010年开放以来，在次生代谢物基因组挖掘上带来了重要的影响。然而，antiSMASH只能分析一个（单独的）基因组来进行基因组挖掘，它不能提供基因组之间的交叉或相互连接的功能关系。因此，研究者在文章中建立了antiSMASH数据库，该数据库包含了所有NCBI GenBank数据库上公布了（截止至 2016年5月27日）的可用的细菌基因组信息（3907生物物种的8883条信息）。 antiSMASH数据库能为研究者提供一个使用方便、注释了的生物合成基因簇最新集合，可以让研究者在提供复杂的问题之后轻松地进行基因组之间的分析。作者在文章中提供了antiSMASH的相关网站信息

作者 | 悟空聊架构 来源 | 悟空聊架构 （ID：PassJava666） 转载请联系授权（微信ID：PassJava） 本篇主要内容如下： 主要内容 前言 我们都在讨论分布式，特别是面试的时候，不管是招初级软件工程师还是高级，都会要求懂分布式，甚至要求用过。传得沸沸扬扬的分布式到底是什么东东，有什么优势？ 借用火影忍术 风遁 · 螺旋手里剑 看过 火影 的同学肯定知道 漩涡鸣人 的招牌忍术： 多重影分身之术 。 这个术有一个特别厉害的地方， 过程和心得 ：多个分身的感受和经历都是相通的。比如 A 分身去找卡卡西（鸣人的老师）请教问题，那么其他分身也会知道 A 分身问的什么问题。 漩涡鸣人 有另外一个超级厉害的忍术，需要由几个影分身完成： 风遁·螺旋手里剑。 这个忍术是 靠三个鸣人一起协作完成的。 这两个忍术和分布式有什么关系？ 分布在不同地方的系统或服务，是彼此相互关联的。 分布式系统是分工合作的。 案例： 比如 Redis 的 哨兵机制 ，可以知道集群环境下哪台 Redis 节点挂了。 Kafka的 Leader 选举机制 ，如果某个节点挂了，会从 follower 中重新选举一个 leader 出来。（leader 作为写数据的入口，follower 作为读的入口） 那 多重影分身之术 有什么缺点？ 会消耗大量的查克拉。分布式系统同样具有这个问题，需要几倍的资源来支持。

今天笔者来介绍一个超级简单并且又极其实用的boosting算法包Catboost，据开发者所说这一boosting算法是超越Lightgbm和XGBoost的又一个神器。 catboost 简介 在笔者看来catboost有一下三个的优点： 它自动采用特殊的方式处理 类别型特征（categorical features） 。首先对categorical features做一些统计，计算某个类别特征（category）出现的频率，之后加上超参数，生成新的数值型特征（numerical features）。这也是我在这里介绍这个算法最大的motivtion，有了catboost，再也 不用手动处理类别型特征了。 catboost还使用了 组合类别特征 ，可以利用到特征之间的联系，这极大的 丰富了特征维度 。 catboost的基模型采用的是 对称树 ，同时计算leaf-value方式和传统的boosting算法也不一样，传统的boosting算法计算的是平均数，而catboost在这方面做了优化采用了其他的算法，这些改进都能 防止模型过拟合 。 catboost 实战 这里笔者采用的是之前参加一个CTR点击率预估的数据集，首先通过pandas读入数据。 from catboost import CatBoostClassifier import pandas as pd from

　　Moderna 和 CureVac 在近些年也展开了同样的布局，除了新冠疫苗之外，为何 “巨头” 都在试水 mRNA 癌症疫苗与 ICIs 联用？联用的进展及效果如何？ 　　 　　（来源：AP） 　　“将 mRNA 癌症疫苗和 PD-1 联用是一种常规策略” 　　黑色素瘤是临床上常见的高度恶性皮肤肿瘤，也是发病率增长最快的恶性肿瘤之一，易转移，50% ～80% 的晚期黑色素瘤患者会发生肝转移，8%～46% 的黑色素瘤患者会发生脑转移。其死亡率占皮肤恶性肿瘤第一位，发生转移的晚期黑色素瘤中位生存时间仅为 8～9 个月，5 年生存率不足 5%，由此，黑色素瘤被称为“癌中之王”。 　　九年前获批的第一款检查点抑制剂被认为是对于黑色素瘤等癌症的革命性疗法，随后多款 ICIs 产品已被批准用于黑色素瘤、肾癌、头颈癌、膀胱癌等多种肿瘤的临床治疗，在肺癌治疗中更是取得突破性进展。但由于肿瘤的异质性及肿瘤微环境的复杂性，ICIs 单药在非选择患者中有效率偏低，这让联合疗法成为目前探索的热点，借助手术、化疗、放疗、靶向治疗等治疗手段与免疫治疗产生的协同作用，可有效提高 ICIs 的作用效果。但响应率低下、耐药性等问题仍未得到显见的解决。 　　伦敦皇家马斯登医院的肿瘤学家 James Larkin 曾说："黑色素瘤是对检查点抑制剂最敏感的一种癌症。" 但没人知道原因。一些患者对检查点抑制剂反应良好

Python实战社群 Java实战社群 长按识别下方二维码， 按需求添加 扫码关注添加客服 进Python社群▲ 扫码关注添加客服 进Java社群 ▲ 作者 | 悟空聊架构 来源 | 悟空聊架构（ID：PassJava666） 转载请联系授权（微信ID：PassJava） 本篇主要内容如下： 主要内容 前言 我们都在讨论分布式，特别是面试的时候，不管是招初级软件工程师还是高级，都会要求懂分布式，甚至要求用过。传得沸沸扬扬的分布式到底是什么东东，有什么优势？ 借用火影忍术 风遁 ·螺旋手里剑 看过 火影 的同学肯定知道 漩涡鸣人 的招牌忍术： 多重影分身之术 。 这个术有一个特别厉害的地方， 过程和心得 ：多个分身的感受和经历都是相通的。比如 A 分身去找卡卡西（鸣人的老师）请教问题，那么其他分身也会知道 A 分身问的什么问题。 漩涡鸣人 有另外一个超级厉害的忍术，需要由几个影分身完成： 风遁·螺旋手里剑。 这个忍术是靠三个鸣人一起协作完成的。 这两个忍术和分布式有什么关系？ 分布在不同地方的系统或服务，是彼此相互关联的。 分布式系统是分工合作的。 案例： 比如 Redis 的 哨兵机制 ，可以知道集群环境下哪台 Redis 节点挂了。 Kafka的 Leader 选举机制 ，如果某个节点挂了，会从 follower 中重新选举一个 leader 出来。（leader