优化

1.关于eclipse java web开发常用的工具之一，为什么选择eclipse而不用myeclipse、intellij idea等其他开发工具呢？有几个原因，一个是习惯问题，二是eclipse轻量，也许还有其他的原因，这里不深入讨论。 1.1 eclipse优化 网上有很多优化的教程，我这里主要讲讲我的优化内容，有比较明显效果的 1.1.1设置编辑器 window --> perferences-->General -->Editors --> File Associations 默认的打开方式可能包含预览和代码，所以一旦打开文件，就显得很卡，更改默认的打开方式，可以加速文件打开，提高效率。 1.1.2 取消Spell Check window -->perferences --> General --> Editors --> Text Editors -->Spelling 将 Enable spell cheking 前面复选框去掉。 1.1.3 取消不需要的启动项 window --> perferences -->General --> Startup and Shutdown 根据需要，来加载内容，取消不需要的部分即可 1.1.4 取消不需要的验证 window --> perferences --> Validation 根据需要 ，取消一部分验证

MySQL 中有两种排序方式： 1. 通过有序索引扫描直接返回有序数据 ，这种方式在使用explain分析查询的时候显示为using index, 不需要额外的排序，操作效率较高。 mysql> explain select start_time from warning_repaired order by start_time desc\G; *************************** 1. row *************************** id: 1 select_type: SIMPLE table: warning_repaired type: index possible_keys: NULL key: start_time key_len: 5 ref: NULL rows: 499471 Extra: Using index 1 row in set (0.00 sec) 2. 通过对返回数据进行排序，也就是通常所说的filesort排序 ，所有不是通过索引直接返回排序结果的排序 都叫filesort排序。 filesort并不代表通过磁盘文件进行排序，而只是进行了一个排序操作，至于排序操作 是否使用了磁盘文件或者临时表等，则取决于MySQL服务器对排序参数的设置和需要排序数据的大小。 mysql> explain select * from

为了优化网站的访问速度，我们可以通过对静态内容进行压缩，从而减少网页加载的时间，大大节省用户的带宽。在这篇文章中，我将介绍如何使用 Apache 和.htaccess文件进行静态内容压缩。 首先让我介绍一下，我们可以使用两种不同的方法压缩内容: GZip 和 deflate 。 介绍 GZip方法在早期的apache版本中使用（在Apache 1.3之前）。但在那之后apache引入了deflate方法，相比GZip并没有太大的效果（但仍是非常好的）。然而，GZip在apache 1.3之后不再提供更多的支持。因此，你的Apache版本必须大于1.3，如果没有，你必须升级到最新版本的Apache。 在使用压缩之前，你必须启用apache的mod_deflate模块。要启用这个模块，你只需要从httpd.conf文件去掉这个模块行。 启用这个模块后，你的服务器准备好提供压缩的内容。但是，服务器只有当它接收到来自客户端的相应头文件时，才会创建压缩内容。所以，现在你需要将下面的代码放置到你网站的htaccess文件，才能通知服务器提供压缩的内容。 .HTACCESS代码 <ifmodule mod_deflate.c=""> # force deflate for mangled headers # developer.yahoo.com/blogs/ydn/posts/2010/12

MySQL查询优化器执行查询的过程中对查询计划的重要补充信息。 （1）using where 使用了where子句来过滤元组 （2）using temporary 用临时表保存中间结果，常用于GROUP BY 和 ORDER BY操作中 （3）using filesort 使用文件完成排序操作，这是可能是ordery by，group by语句的结果，这可能是一个CPU密集型的过程，可以通过选择合适的索引来改进性能，用索引来为查询结果排序。 （4）using index 不需要读取数据文件，从索引树（索引文件）中即可获得信息。如果同时出现using where，表明索引被用来执行索引键值的查找，没有using where，表明索引用来读取数据而非执行查找动作。 （5）using join buffer 使用了连接缓存： Block Nested Loop，连接算法是块嵌套循环连接 Batched Key Access，连接算法是批量索引连接 （6）impossible where where子句的值总是false，不能用来获取任何元组 （7）select tables optimized away 在没有GROUP BY子句的情况下，基于索引优化MIN/MAX操作，或者对于MyISAM存储引擎优化COUNT(*)操作，不必等到执行阶段再进行计算，查询执行计划生成的阶段即完成优化。

Basic Idea of GAN Generator G G是一个生成器，给定先验分布 Pprior(z) 我们希望得到生成分布 PG(x) 　，这里很难通过极大似然估计得到结果 Discriminator D D是一个函数，来衡量 PG(x) 与 Pdata(x) 之间的差距，这是用来取代极大似然估计 首先定义函数V(G, D)如下： 我们可以通过下面的式子求得最优的生成模型 下面我们来看看原文中几个重要的数学公式描述，首先我们直接上原始论文中的目标公式吧： 上述这个公式说白了就是一个最大最小优化问题，其实对应的也就是上述的两个优化过程。有人说如果不看别的，能达看到这个公式就拍案叫绝的地步，那就是机器学习的顶级专家，哈哈，真是前路漫漫。同时也说明这个简单的公式意义重大。 这个公式既然是最大最小的优化，那就不是一步完成的，其实对比我们的分析过程也是这样的，这里现优化D，然后在取优化G，本质上是两个优化问题，把拆解就如同下面两个公式： 优化D： 优化G： 可以看到，优化D的时候，也就是判别网络，其实没有生成网络什么事，后面的G(z)这里就相当于已经得到的假样本。优化D的公式的第一项，使的真样本x输入的时候，得到的结果越大越好，可以理解，因为需要真样本的预测结果越接近于1越好嘛。对于假样本，需要优化是的其结果越小越好，也就是D(G(z))越小越好，因为它的标签为0。但是呢第一项是越大

第五步已经完成了所有工作，但是新的需求来了，就是发布广告的人有一些特殊字符来绕过敏感词判断，我们需要把特殊字符过滤掉，那么正常想法就是使用正则表达式来过滤，但是我们实现的这个算法中，可以把特殊字符判断消化在其中： package test; import static util.PrintUtil.print; import java.util.ArrayList; import java.util.Arrays; import java.util.HashMap; import java.util.Iterator; import java.util.Map; import java.util.Map.Entry; public class Test { static int key_max = 0; // 敏感词最大长度 static String[] keys = {"办证", "气枪出售", "裸聊", "裸表演", "土枪卖"}; static String tContent = "再办证顶"; static ArrayList<String> first = new ArrayList<String>(); static String[] sortFirst; static char[] charFirst; static HashMap<String,

到第三步，已经把算法优化的精髓掌握了，用树形结构来承载。 但是有些细节不容忽视，我们大量使用了ArrayList.contains，效率非常不高。 这里进行进一步优化，就是“疯狂的排序、疯狂的二分查找”。 package test; import static util.PrintUtil.print; import java.util.ArrayList; import java.util.Arrays; import java.util.HashMap; import java.util.Iterator; import java.util.Map; import java.util.Map.Entry; public class Test { static String[] keys = {"办证", "气枪出售", "裸聊", "裸表演", "土枪卖"}; static String tContent = "再办证顶"; static ArrayList<String> first = new ArrayList<String>(); static String[] sortFirst; static HashMap<String, ArrayList<String>> map = new HashMap<String, ArrayList<String>>();

厚着脸皮，使用“编程珠玑”。 需求： 判断出发布内容是否含有敏感词。 敏感词：办证、气枪、裸聊 发布内容：***************** 第一步：快速实现 实现主要功能，没有什么特别地方。但是有个很重要问题， 当敏感词超过了一定量时候，效率将会急剧下降 。 因为不管发布内容多少，每次需要循环敏感词个数，假设发布内容“顶”，敏感词达到了1000个，循环1000次，将明显消耗性能。 package test; import static util.PrintUtil.*; public class Test { static String[] keys = {"办证", "气枪", "裸聊"}; static String tContent = "测试内办证容"; /** * 快速实现的方法 */ public final static String test1(String content) { for (String k : keys) { if (content.indexOf(k) > -1) return k; } return null; } public static void main(String[] args) { long time1 = System.currentTimeMillis(); print(test1(tContent)); print(

版权声明：本文由王少鸣原创文章，转载请注明出处: 文章原文链接： https://www.qcloud.com/community/article/159 来源：腾云阁 https://www.qcloud.com/community Android Qzone 6.1版本在情侣空间涉水React Native，以动态插件方式将情侣空间进行React Natived的改造。在情侣空间基础上，Android Qzone 6.2版本以融合的方式将话题圈进行React Native改造。本文主要讲述话题圈的开发改造流程，相关数据对比及性能优化，本次改造ReactNative基于15Release。 一.Android侧项目整体开发流程 二.ReactNative改造后话题圈整体流程 三.ReactNative性能优化之路 本次版本开发周期较赶，加上视频组件本身相对复杂，融入ReactNative耗时较多，部分优化规划在二期实施。 1.包精简 版本对比： 情侣独立插件:7.2m。 话题圈:本次ReactNative框架移植入Qzone整体仅加大了3.2m。 主要优化点： 1)去除了小平台so库。 2)复用Qzone support jar。 二期规划： 1)在Qzone与ReactNative中间加Adapter，使ReactNative适配Qzone本身网络库及图片库

Hash数据结构是一种非常常见的数据结构，作为一个程序员，你可能每天都在和它接触， 尽管很多时候你可能没有意识到。Hash在PHP内核中扮演了非常重要的角色，数组、变量作用域、函数参数列表等均是基于Hash实现。所以，在PHP里你能看到各种对于Hash的优化。 Hash数据结构 Hash数据结构，本质上为了解决计算机中真正意义的数组只能使用数字作为索引，而程序员却经常需要使用字符串或者其他更复杂的类型来作为数组key的问题。首先我们需要一个函数能把字符串转成数字。然后，由于数组的长度有限，我们还需要把这个数字映射到数组长度的区间里，一般使用取模操作。最后， 如果两个字符串最终计算出来的Hash值一样，将保存到数组相同的位置上，这种情况叫做Hash冲突。解决冲突的常见办法之一就是拉链法， 就是将Hash冲突的数据维护在一个链表里； 另一种比较常见的解决冲突的办法叫开放寻址。下图所示是一个典型的Hash结构： Hash函数的最优情况是，将key平均分布在数组空间中， 这样能获得最大的性能。最坏的情况是完全冲突，这个时候Hash表事实上已经退化为一个链表。前几年比较火的Hash攻击事实上就是构造大量的冲突key，使PHP的POST数组退化为链表，从而耗尽服务器的CPU资源。 因此我们可以得出一个结论， 一个优秀的hash函数应该符合两点： 足够随机分布，足够快 。 DJB2算法