Delta

I have Q7Q/504 as ERP system and QDD/504 as CRM system. A new material named JERRY2 is newly created in ERP and successfully downloaded to CRM via request download. However, after that I made changes on material in ERP, and the change fails to be synchronized to CRM. When checking the outbound queue status via tcode SMQ1, I see the status Stop. When I tried to reactivate the Queue, I got the following message “Generic stop set”: I have debugged to know why this message is raised: the flag sg_lock is marked as abap_true, so the message is raised: The root cause is because there are some

背景 在阿里云上看到我运行了一段时间的程序，发现 memory 一项基本是在稳步提升，就知道有内存泄漏的情况出现。如下图 近三日从 35% 升到 40%，缓慢而坚定的提升。 代码 排查此问题需要分析其堆内存快照，当然我们不能直接使用线上机器调试。不幸的是测服机器在内网，和阿里云联不通，alinode 发挥不了作用。但所幸的是 V8 引擎提供了内部接口可以直接把堆中的JS对象导出来供开发者分析。我们采用heapdump这个模块，执行如下命令安装 $ npm install heapdump --save "heapdump": "^0.3.15", 执行如下 const heapdump = require('heapdump'); heapdump.writeSnapshot(`./${Date.now()}.heapsnapshot`); 生成的文件如下 $ ll -lh -rw-rw-r-- 1 souche souche 38M Nov 19 19:00 1574161221512.heapsnapshot 总之我在测服上定时每 2 小时打印堆栈快照。 总之，你可以使用 scp 命令把测服的代码导出到本地 # 传递单个文件 $ scp 【服务器用户名】@【服务器地址】：【服务器上存放文件的路径】【本地文件的路径】 # 例如 $ scp souche@172.11.xxx

在处理很多数据的时候，我们都要用到时间的概念。比如时间戳，固定时期或者时间间隔。 pandas 提供了一组标准的时间序列处理工具和数据算法。 在 python 中 datetime.datetime 模块是用的最多的模块。比如使用 datetime.datetime.now() 就得到了当前的时间 2018-04-14 14:12:31.888964 。这个时间包含了年，月，日，小时，分钟，秒，毫秒。 通过 datetime 模块还可以得到两个时间的时间差 t1=datetime(2018,4,11) t2=datetime(2018,3,3) print(t1-t2) 39 days, 0:00:00 也可以通过 timedelta 进行日期的运算 t1=datetime(2018,4,11) delta=timedelta(12) print(t1+delta) 结果： 2018-04-23 00:00:00 但是实际在代码开发过程中，我们经常会遇到用字符串来表示时间，如何转换成 datetime 模块呢。这里需要用打算哦 strptime 函数。 value='2018-4-12' datetime.strptime(value,'%Y-%m-%d') 但是每次都需要用 strptime 来转换时间太过于麻烦。而且很多时候有不同的时间表达式。比如 ‘Apri 12,2018’

四、动态规划 1.在动态规划设置中，智能体完全了解表示环境特性的马尔可夫决策流程 (MDP)。（这比强化学习设置简单多了，在强化学习设置中，智能体一开始不知道环境如何决定状态和奖励，必须完全通过互动学习如何选择动作。） 2.迭代方法求状态值函数 迭代方法先对每个状态的值进行初始猜测。尤其是，我们先假设每个状态的值为 0。然后，循环访问状态空间并通过应用连续的更新方程修改状态值函数的估算结果。 3.动作值 思考下 q π ​(s 1​ ,right) 这个示例。这个动作值的计算方式如下所示： q π ​(s 1 ​,right)=−1+v π ​(s 2 ​)=−1+2=1， 我们可以将状态动作对的值 s 1 ​,right 表示为以下两个量的和：(1)向右移动并进入状态 s 2 ​ 的即时奖励，以及 (2) 智能体从状态 s 2 ​ 开始并遵守该策略获得的累积奖励。 4.对于更加复杂的环境 在这个简单的网格世界示例中，环境是确定性环境。换句话说，智能体选择某个动作后，下个状态和奖励可以 100% 确定不是随机的。对于确定性环境，所有的s′,r,s,a 为 p(s′,r∣s,a)∈{0,1}。 在这种情况下，当智能体处在状态 s 并采取动作 a 时，下个状态 s′ 和奖励 r 可以确切地预测，我们必须确保 q π ​(s,a)=r+γv π ​(s′)。 通常

一、ACID介绍 ACID就是常见数据库事务的四大特性：Atomicity(原子性)、Consistency（一致性）、Isolation（隔离性）、Durability（持久性）。 在Hive 0.13之前，Hive支持 分区级别 上原子性、一致性、持久性，隔离性可以通过hive提供的锁机制来实现（通过zookeeper锁或者内存锁来 锁住一个分区的数据 ）。 从Hive 0.13开始，Hive可以支持行级别上面的ACID语义了 。因此我们可以在有其他程序读取一个分区数据时往这个分区插入新的数据。 二、使用限制 不支持 BEGIN、COMMIT、ROLLBACK 等语句，所有的语句都是自动提交 仅支持ORC格式 事务的支持默认是关闭的，需要配置相关参数打开 表需要配置分桶，外部表不能设置成事务表，因为外部表的文件存储格式不在hive的管理之中。（因为Hive事务的实现主要依赖于表分桶的存储格式，如果表没分桶，那么表底下的文件就会很散乱，hive的事务机制无法有效的读取） 非 ACID 的会话不能读写ACID表，也就是说，需要在会话中手动set参数开启hive事务管理支持后才可以操作ACID表 目前仅支持快照隔离级别，不支持脏读、读已提交、可重复读、串行等隔离级别 现有的zk和内存锁和事务不兼容 使用oracle作为metastore数据库，以及设置了"datanucleus

题目要求 题目链接 分析 这题看起来好像不难，但要认真读题。 他说的什么间隔为1只不过是一句废话，告诉你就是普通的矩阵地图而已。 其实数据不可能是只有1行的，2行为一组，每一组都是独立的，要考察每一组里兔八哥能不能被猎人K.O. 那怎么才算K.O.呢？问题就转化为一张点阵图中两个点是否直接相连（中间不穿过其他点），所有的东西就看做物理上的质点（或者就是平面上一个纯粹的点）吧。 也就是说， Δ y \Delta y Δ y 与 Δ x \Delta x Δ x 最小公约数是 1 1 1 ！ 好了， g c d gcd g c d 呗，欧几里得算法！ 《辗转相除法（欧几里得算法）详解》 但这里如果我们简单地使用int的欧几里得算法，会爆的，全部RE，所以可以考虑BigInteger的gcd()。 使用Java写的这个题基本必定会T掉，因为太慢了，根据多年与Java博弈的经验，我成功地在五次提交之内AC，下面说说一些注意的点： 读一定要用BufferedReader，Scanner可以直接nextBigInteger()，看似更好其实更慢了 一定要一次把所有的数据读进来，否则肯定会炸，千万别一边读一遍算 结果千万不能一次一次的输出，必须使用StringBuilder整合输出内容 不要使用字符串连接符，怕影响效率 split()的时候一定要使用 ，千万不能使用 \\s+ ，不然估计会T掉

　　中国最强火箭+新一代载人飞船试验船升空，完成了中国今年以来首个重磅的航天发射任务，在后续探月工程、火星计划紧随其后的情况下，今天的发射也开启了中国航天在2020年的“超级模式”。 　　 　　 　　 　　图丨“胖五”发射画面（来源：直播画面） 　　北京时间 18:00 ，一枚长征五号 B 运载火箭搭载着新一代载人飞船试验船在海南文昌发射中心准时发射升空。 　　点火十余分钟后， 中国航天科技集团宣布载人飞船试验船已进入预定轨道，发射任务宣告成功， 此次试验船将在测试中主要验证气动热防护、再入控制和群伞减速回收等关键技术。 　　据新华网介绍，作为继神舟飞船任务成功之后我国自主开展研制的功能和性能全面升级的载人飞船，新一代载人飞船将瞄准空间站服务、载人深空探测等多个领域任务。 　　今天登场的长征五号 B 运载火箭是目前长征五号系列运载火箭家族中的 两大成员之一，主要用于空间站舱段等近地轨道大型航天器发射任务， 是在长征五号运载火箭基础上改进研制的新型火箭，今天发射也是长征五号 B 的首次飞行任务。 　　从运载能力来看，长征五号是我国运载能力最强的火箭，可实现近地轨道 25 吨级、地球同步转移轨道 14 吨级的运力，在目前世界现役火箭中排名第三，仅次于猎鹰 重型火箭（Falcon Heavy）和德尔塔重型火箭（Delta IV ）。由 于长征五号个头大，身材“胖”

题面： 传送门 思路： 真·动态最短路 但是因为每次只加1 所以可以每一次修改操作的时候使用距离分层的bfs，在O(n)的时间内解决修改 这里要用到一个小技巧： 把每条边(u,v)的边权表示为dis[u]+w(u,v)-dis[v]，这样边权实际上变成了“这条边离作为最短路的一份子还差了多少” 然后在用这个边权的新图里面更新1到每个点的最短路，再用原来的dis加上这个值，就是当前的最短路了 实际上是把绝对数值转化为了“离最优解的距离”，以此解题 Code： 1 #include<iostream> 2 #include<cstdio> 3 #include<cstring> 4 #include<algorithm> 5 #include<queue> 6 #define ll long long 7 #define inf 1e15 8 #define mp make_pair 9 using namespace std; 10 inline int read(){ 11 int re= 0 ,flag= 1 ; char ch= getchar(); 12 while (ch> ' 9 ' ||ch< ' 0 ' ){ 13 if (ch== ' - ' ) flag=- 1 ; 14 ch= getchar(); 15 } 16 while (ch>= ' 0 ' &&ch<

<font size=3 face="微软雅黑"> <更新提示> <第一次更新> 更新了基础部分 <第二次更新>更新了$lazytag$标记的讲解 </font> <font size=3 face="微软雅黑"> <正文> 线段树 Segment Tree 今天来讲一下经典的线段树。 线段树是一种二叉搜索树，与区间树相似，它将一个区间划分成一些单元区间，每个单元区间对应线段树中的一个叶结点。 简单的说，线段树是一种基于分治思想的数据结构，用来维护序列的区间特殊值，相对于树状数组，线段树可以做到更加通用，解决更多的区间问题。 性质 1.线段树的每一个节点都代表了一个区间 2.线段树是一棵二叉树，具有唯一的根节点，其中，根节点代表的是整个区间$[1,n]$ 3.线段树的每一个叶节点代表的是长度为$1$的元区间$[x,x]$ 4.对于每一个节点$[l,r]$，它的左儿子被定义为$[l,mid]$，右儿子被定义为$[mid+1,r]$ 如图，这就是一棵维护了区间$[1,10]$的线段树。 我们还可以发现，线段树层数为$log_2n$层，除去最后一层，线段树是一棵完全二叉树。 建树 (build) 我们来考虑一下如何储存并建立一棵线段树。 由于线段树是二叉树，所以我们可以直接用数组存储结点的编号，即对于节点$x$储存在$a[p]$处，我们令$x$的左儿子储存在$a[p 2]$处

　　　　在 集成学习之Adaboost算法原理小结 中，我们对Boosting家族的Adaboost算法做了总结，本文就对Boosting家族中另一个重要的算法梯度提升树(Gradient Boosting Decison Tree, 以下简称GBDT)做一个总结。GBDT有很多简称，有GBT（Gradient Boosting Tree）, GTB（Gradient Tree Boosting ）， GBRT（Gradient Boosting Regression Tree）, MART(Multiple Additive Regression Tree)，其实都是指的同一种算法，本文统一简称GBDT。GBDT在BAT大厂中也有广泛的应用，假如要选择3个最重要的机器学习算法的话，个人认为GBDT应该占一席之地。 1. GBDT概述 　　　　GBDT也是集成学习Boosting家族的成员，但是却和传统的Adaboost有很大的不同。回顾下Adaboost，我们是利用前一轮迭代弱学习器的误差率来更新训练集的权重，这样一轮轮的迭代下去。GBDT也是迭代，使用了前向分布算法，但是弱学习器限定了只能使用CART回归树模型，同时迭代思路和Adaboost也有所不同。 　　　　在GBDT的迭代中，假设我们前一轮迭代得到的强学习器是$f_{t-1}(x)$, 损失函数是$L(y, f_{t-1