// 如果没有通过拦截器配置域名的话，可以在这里写上完整的URL(加上域名部分) //上传图片 let uploadUrl = '/uploadFile/file'; //登录相关 let loginUrl = '/login/toLogin'; let logoutUrl = '/login/logout'; //市场相关url let fireMapUrl = '/marketfiles/findFireFighting
1.基础命令 查看 hdfs dfs -ls / 上传 hdfs dfs -put 下载 hdfs dfs -get 删除 hdfs dfs -mv 2.hdfs生产数据块损坏/丢失修复方法 手动修复 hdfs fsck / #首先检查哪些数据块丢失了 hdfs debug recoverLease -path 文件位置 -retries 重试次数 # 修复指定路径的hdfs文件，尝试多
前言 记录podman的安装、配置以及一些常用操作，会不定时更新； 正文 1. podman 安装以及配置 ubuntu 安装 podman sudo apt update sudo apt install podman -y podman配置国内镜像源 cd /etc/containers/ mv registries.conf registries.conf-bak touch registries.conf 使用vim
docker 安装：https://blog.csdn.net/qq_44858888/article/details/124084408 docker 命令： 1，下载容器 docker pull 镜像名 2，查看镜像文件 docker images 3，创建并启动docker docker run -it xxxx bash 4，查看所有docker容器 docker ps -a 5，进入docker容器 docker exec -it 802 bash #
问题一：从测试中看不足 1、JAVA的基本运行单位是类 2、类中由类变量和类方法共同组成 3、变量的类型相互之间存在可以转换的关系，具体来说，可以分为以下几种情况： 1、（byte、short、char）-int-long-float-double,从低级到高级的排序，数据类型可以直接由低级向高级转换 举例：低级向高级：byte
1. 将数据对象重组成需要的数组 const obj = { fileId: '2022091247189020160833,2022091247189166178204', fileName: 'logo-axa.png,1.zhimg.jpg', time: '2022-09-08 13:20:00', postalCode: '12345678',
与主题有关的命令 与生产者生产消息有关的命令 与消费者消费消息有关的命令
与技术相关的工作都是关于纪律的 Photo by 布雷特乔丹 on 不飞溅 我们大多数人都听说过成为一名数据分析师、数据科学家、数据工程师、ML 工程师或软件工程师是多么美妙，但实际上，在这个领域开始或转换你的职业是非常困难的。 对于初学者来说，没有人会告诉你获得一份高薪、具有挑
相关方法 F 特征工程和特征选择无疑是数据科学的重要方法。如果您希望您的机器学习模型表现良好，您将需要在我们的特征和目标之间执行相关性，以便我们能够对数据集有一个公平的认识。我们可以将许多不同类型的相关性应用于我们的数据集，通过这些相关性我们可以找到我们想要的结果。对
报文在数据链路层传输的帧结构 终端电阻 终端电阻的目的：CAN总线在显性状态时为寄生电容充电，进入隐性状态时寄生电容需要放电，加终端电阻加速寄生电容放电，使波形更接近方波； 吸收传输线反射能量。 终端电阻为何选取两个120Ω左右电阻并联：经实验测量CAN使用的传输线（双绞
记录内容 目录记录内容简介 简介 现在是2022-09-04，本人今年刚刚大学毕业进入工作。 专业自动化，毕业后从事嵌入式相关工作、平时也喜欢自己尝试一些Linux服务器相关的应用尝试。 加上不断的工作学习、开始发现需要记录一些东西，不然光靠记是记不住的。 尝试过很多的笔记方法，为了能够
数学相关的内置函数 abs:取绝对值 divmod:求两个数相除的商和余数 max:求最大数 min:求最小数 pow:幂运算 round:四舍五入保留到指定小数位 sum:用来求和 可迭代对象相关的方法 all:如果所有的元素转换成为布尔值都是True,结果是True;否则是False any:只要有一个元素转换成为布
Python自带os.path库相关函数 一、判断文件/路径是否存在 os.path.isfile() os.path.isdir() os.path.exists() 返回值：True/False 二、创建文件夹 os.makedirs() import os if not os.path.exists(output_dir): os.mkdir() os.makedirs() # 可创建子文件夹 三、获取
gcd 相关 首先要熟悉几个转化： \(\gcd (a,b) = \gcd(a, a + qb)\) \(\gcd (a, b) = \gcd(a, a - b)\) \(\gcd (a, b) = \gcd(a, a \% b)\) 这几个转化很常见。 还有： \(\operatorname{lcm}(a, \gcd(b, c)) = \gcd(\operatorname{lcm}(a, b), \operatorname{lcm}(a, c))\) \(\g
参考与前言 本文主要介绍 建图 Mapping 方面的一些 基础知识介绍与相关下游任务使用 涉及知识较为基础，SLAM大佬们可以提前退出了 主要针对应用为移动机器人与物流无人驾驶车；提前申明：大部分文字/图片，翻译/截图于 来自 Introduction to Mobile Robotics, Techniques for 3D Mapping,
1.分层的优点 2.七层模型 3.TCP/IP参考模型 4.理想的网络设计 5.数据封装的方法 1.分层的优点 层次划分的方法 网络的每层应当具有相对独立的功能（便于排错）这个功能用不了 必然是你这层处理问题 梳理功能之间的关系，使上一个功能可以实现为另一个功能提供必要的服务，从而形成
1. super的作用 super()函数可以隐式的将子类里的method和父类里的method进行关联，这样就不需要再子类里显式的重新创建父类method里的属性 说人话就是继承父类需要对用到的父类的属性进行初始化，super()帮你处理完了 pytorch中的super用于初始化继承的nn.Module中的参数
1. enumerate用于将可迭代对象拆包成元组 比如list、dic、range list = [0,1,2,3] dic = {'a':1,'b':2,'c':3} for a in enumerate(list): print(a) # 输出为 (0,0) (1,1) (2,2) (3,3) for a in enumerate(dic): print(a) # 输出为 (0,'a') (1,'c
HashMap源码: 加载因子:loadFactory -- 默认 0.75f 初始容量大小: capacity 默认 16, 最大限制 1<<30 扩容: 当数组元素的数量 > 初始容量大小 * 加载因子,就会扩容. 会调用rehash方法将数组长度扩容到之前的两倍.扩容的时候,会生成一个新的数组,原来的所有数据需要重新计算哈希
每周策略晨报 盘面数据 上周 A 股上证指数下跌 0.67%，收于 3236.22 点，深证成指下跌 2.42%，收于 12059.71 点，创业板指下跌 3.44%，收于 2640.29 点。价值风格类板块代表指数上证 50、中证 100、沪深 300 分别上涨 0.03%、下跌 1.36%、下跌 1.05%，成长风格类板块代表
公司数据库从WINDOWS迁移到LINUX发现连接时报错.大概意思是不支持分组查询. 后来网上查询说是需在配置文件中增加如下内容,更改SQL_MODE. sql_mode=STRICT_TRANS_TABLES,NO_ZERO_IN_DATE,NO_ZERO_DATE,ERROR_FOR_DIVISION_BY_ZERO,NO_ENGINE_SUBSTITUTIONsql_mode=STRICT_TRANS_
透明度百分比对应 RGB 值 100% — FF 95% — F2 90% — E6 85% — D9 80% — CC 75% — BF 70% — B3 65% — A6 60% — 99 55% — 8C 50% — 80 45% — 73 40% — 66 35% — 59 30% — 4D 25% — 40 20% — 33 15% — 26 10% — 1A 5% — 0D 0% — 00 Frag
Kafka有哪几个部分组成 生产者、消费者、topic、group、partition kafka的group1）定义：即消费者组是 Kafka 提供的可扩展且具有容错性的消费者机制。在Kafka中，消费者组是一个由多个消费者实例构成的组。同一个组下的每个实例都配置有相同的组ID，被分配不同的订阅分区。当某个实例挂掉
概述： Object是顶层的构造，万物皆对象，所有的对象都是Object的子类。Object的方法所有的对象都能共享。 Object实例方法（原型方法） 使用实例对象调用的方法称为实例方法。所有实例都是Object的子类，所以所有的实例都能调
统计分析-典型相关分析 概念 典型相关分析是研究两个多变量（向量）之间之间的线性相关关系，能够揭示出两组变量之间的内在联系。 CCA(典型相关分析) 在一元统计分析中，用相关系数来衡量两个随机变量的线性相关关系，用复相关系数研究一个随机变量与多个随机变量的线性相关关系。然而，这些
