- 大模型(LLM)推理框架汇总
AIGC大模型 吱屋猪
langchain人工智能AI-native百度产品经理神经网络自然语言处理
MLCLLMsubmodulesinMLCLLM大模型(LLM)好性能通用部署方案,陈天奇(tvm发起者)团队开发.项目链接docs:https://llm.mlc.ai/docs/github:https://github.com/mlc-ai/mlc-llm支持的平台和硬件platforms&hardware支持的模型|Architecture|PrebuiltModelVariants||—
- 【TVM 教程】如何处理 TVM 报错
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/运行TVM时,可能会遇到如下报错:---------------------------------------------------------------AnerroroccurredduringtheexecutionofTVM.F
- 使用TVM编译部署DarkNet模型:YOLO-V2和YOLO-V3实战指南
周情津Raymond
使用TVM编译部署DarkNet模型:YOLO-V2和YOLO-V3实战指南tvm-cnTVMDocumentationinChineseSimplified/TVM中文文档项目地址:https://gitcode.com/gh_mirrors/tv/tvm-cn前言在深度学习模型部署领域,TVM作为一个高效的深度学习编译器栈,能够将训练好的模型优化并部署到各种硬件平台上。本文将详细介绍如何使用T
- 【TVM 教程】PAPI 入门
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/性能应用程序编程接口(PerformanceApplicationProgrammingInterface,简称PAPI)是一个可在各种平台上提供性能计数器的库。在指定的运行期间,性能计数器提供处理器行为的准确底层信息,包含简单的指标,如总
- 【TVM 教程】在 TVM 中使用 Bring Your Own Datatypes
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:GusSmith,AndrewLiu本教程将展示如何利用BringYourOwnDatatypes框架在TVM中使用自定义数据类型。注意,BringYourOwnDatatypes框架目前仅处理数据类型的软件模拟版本。该框架不支持开箱
- 【TVM 教程】如何使用 TVM Pass Instrument
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:Chi-WeiWang随着实现的Pass越来越多,instrumentpass执行、分析每个Pass效果和观察各种事件也愈发重要。可以通过向tvm.transform.PassContext提供tvm.ir.instrument.Pa
- TVM Monthly - June 2021
HanBlogs
TVM深度学习推理引擎TVMTVMMonthly
TVMMonthly-June2021AsdiscussedbytheTVMPMC,ourgoalistoprovideamonthlysummaryoftheprojectsousersanddeveloperscangetabetterunderstandingofthegoings-onoftheTVMcommunity.Feedbackandsuggestionsarewelcomedso
- TVM Monthly - July 2021
HanBlogs
TVM深度学习推理引擎TVMTVMMonthly
TVMMonthly-July2021AsdiscussedbytheTVMPPMC,ourgoalistoprovideamonthlysummaryoftheprojectsousersanddeveloperscangetabetterunderstandingofthegoingsonoftheTVMcommunity.Feedbackandsuggestionsarewelcomedso
- 【TVM 教程】如何使用 TVM Pass Infra
HyperAI超神经
TVM人工智能深度学习机器学习TVM调用调用pass在线教程
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:ZhiChen随着Relay/tir中优化Pass数的增加,手动执行并维护它们的依赖关系变得难以处理。因此我们引入了一个基础架构来管理优化Pass,并使其适用于TVM堆栈中IR的不同层。Relay/tir程序的优化可以在各种粒度上应用
- 【TVM 教程】如何使用 TVM Pass Instrument
HyperAI超神经
TVM语言模型人工智能机器学习TVM编译框架加速芯片深度学习
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:Chi-WeiWang随着实现的Pass越来越多,instrumentpass执行、分析每个Pass效果和观察各种事件也愈发重要。可以通过向tvm.transform.PassContext提供tvm.ir.instrument.Pa
- 深度学习编译器
1)深度学习编译器复杂个JB与通用自动编译工具不同,深度学习编译器结构更加复杂,包括图层优化、张量(Tensor)优化、代码生成、硬件部署、自动调优(AutoTuning)等几个部分。以TVM为例,图1.1为TVM的结构示意图。最上层表示不同的深度学习框架,TVM将不同深度学习框架实现的算法转化为高层IR表示,高层IR以算子为原子单元,将不同类型的算法抽象成图节点对图进行融合优化。之后,TVM将高
- TensorRT × TVM 联合优化实战:多架构异构平台的统一推理加速与性能调优全流程
观熵
大模型高阶优化技术专题架构人工智能
TensorRT×TVM联合优化实战:多架构异构平台的统一推理加速与性能调优全流程关键词TensorRT、TVM、异构推理优化、跨平台部署、GPU加速、NPU融合、自动调度、深度学习推理引擎、性能调优摘要在深度学习模型推理部署场景中,面对GPU、NPU、CPU等多架构异构平台的并存,如何实现统一的高性能推理优化成为企业工程落地的关键挑战。本文聚焦TensorRT与TVM的联合优化策略,从平台结构适
- AI 编译器技术沙龙丨 AMD/北京大学/沐曦/上海创智齐聚北京,TVM/Triton/TileLang 各展所长
hyperai
在AI变革千行百业的时代,一场关于效率、可部署性与算力可持续性的技术革命正悄然发生。作为承上启下的关键中间件,AI编译器串联起了底层硬件与上层应用。无论是已在业界广泛应用的TVM,还是近年来快速崛起的Triton,亦或是今年年初才崭露头角的算子编程语言TileLang,编译技术已不仅仅是让模型「跑得起来」的基本保障,同时也正在升级为支撑「高效执行与资源利用优化」的关键技术。围绕AI编译器上下游的创
- 【TVM 教程】如何使用 TVM Pass Infra
机器学习人工智能深度学习算法
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:ZhiChen随着Relay/tir中优化Pass数的增加,手动执行并维护它们的依赖关系变得难以处理。因此我们引入了一个基础架构来管理优化Pass,并使其适用于TVM堆栈中IR的不同层。Relay/tir程序的优化可以在各种粒度上应用
- AFC自动售检票系统终端业务软件综合测试方案
Ray_1997
长沙地铁自动售检票系统可用性测试负载均衡程序人生交通物流经验分享
1.测试目标验证终端业务软件是否满足功能需求和性能指标。确保系统在复杂运营环境下的稳定性和可靠性。检测潜在安全漏洞,保证交易数据的安全性。提供系统的全面质量评估,支持系统上线或升级决策。2.测试范围终端类型:闸机(ES)自动售票机(TVM)客服终端(SLE)充值机(AVM)关键功能模块:刷卡验证(进站/出站/换乘)票务操作(售票、退票、充值)数据传输(设备→SC→ACC)日志记录与上传系统接口:硬
- 【TVM 教程】开发环境中加入 microTVM
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:MohamadKatanbaf本教程描述了将使用microTVM编译的模型集成到自定义开发环境所需的步骤。在本教程中,我们使用STM32CubeIDE作为目标集成开发环境(IDE),但我们不依赖于此IDE的任何特定功能,将microT
- 【TVM 教程】创建使用 microTVM 的 MLPerfTiny 提交
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:MehrdadHessar本教程展示了如何使用microTVM构建MLPerfTiny提交。该教程演示了从MLPerfTiny基准模型中导入一个TFLite模型,使用TVM进行编译,并生成一个可以刷写到支持Zephyr的板上的Zeph
- 【TVM 教程】使用 TVMC Micro 执行微模型
人工智能深度学习
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:MehrdadHessar本教程介绍了如何为微型设备编译一个微模型,并在Zephyr平台上构建一个程序,来执行这个模型,烧录程序,并用tvmcmicro命令来执行所有模型。在进行本教程之前你需要安装python和Zephyr依赖安装m
- 【 TVM 教程】microTVM PyTorch 教程
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:MehrdadHessar该教程展示了如何使用PyTorch模型进行microTVM主机驱动的AOT编译。此教程可以在使用C运行时(CRT)的x86CPU上执行。注意:此教程仅在使用CRT的x86CPU上运行,不支持在Zephyr上运
- AI编译器对比:TVM vs MLIR vs Triton在大模型部署中的工程选择
学术猿之吻
人工智能mlir量子计算pytorch深度学习分布式
引言:大模型部署的编译器博弈随着千亿参数大模型成为常态,推理延迟优化成为系统工程的核心挑战。本文基于NVIDIAA100与GoogleTPUv4平台,通过BERT-base(110M)和GPT-2(1.5B)的实测数据,对比TVM、MLIR、Triton三大编译框架在动态shape支持、算子融合效率、内存管理等方面的工程特性,揭示不同场景下的编译策略选择规律。一、技术架构对比分析1.1TVM:分层
- PrimExpr 与 RelayExpr 的区别
胡乱儿起个名
TVMTVM编译器AI编译器人工智能
PrimExpr与RelayExpr的区别解析 在TVM的表达式系统中,PrimExpr和RelayExpr是两种不同层级的表达式类型,分别服务于TVM的不同编译阶段和目标场景。以下是它们的核心区别和关联:1.设计目标与层级特性PrimExprRelayExpr所属层级TVM底层张量表达式(TIR层)Relay前端高级计算图主要用途循环优化、硬件指令生成神经网络计算图表示抽象级别低层级(接近硬件
- TVM虚拟机
虚拟机编程语言软件开发
技术核心优势:TVM引擎支持Lisp、JavaScript、Python、Ruby、Lua、Pascal、Basic等多种语法。TVM超微型内核引擎(不足500kb),拥有几百个实用函数。内核模块非常紧凑,所需系统资源很小,因此与其他语言相比加载执行起来更加快速。TVM建立在通用的UNIX系统的C语言库函数基础上,可以运行在各种操作系统平台,如Windows,Linux,BSDs,MacOS等。T
- 【TVM教程】为 Mobile GPU 自动调优卷积网络
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:LianminZheng,EddieYan针对特定设备的自动调优对于获得最佳性能至关重要。本文介绍如何调优整个卷积网络。TVM中MobileGPU的算子实现是以template形式编写的。该template有许多可调参数(tile因子
- 【TVM 教程】使用元组输入(Tuple Inputs)进行计算和归约
编译器编程后端人工智能深度学习
ApacheTVM是一个端到端的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:ZihengJiang若要在单个循环中计算具有相同shape的多个输出,或执行多个值的归约,例如argmax。这些问题可以通过元组输入来解决。本教程介绍了TVM中元组输入的用法。from__future__importabsolut
- 【TVM教程】为 NVIDIA GPU 自动调度神经网络
HyperAI超神经
TVM神经网络人工智能深度学习TVMGPUNVIDIA语言模型
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:LianminZheng针对特定设备和工作负载的自动调优对于获得最佳性能至关重要。本文介绍如何使用auto-scheduler为NVIDIAGPU调优整个神经网络。为自动调优神经网络,需要将网络划分为小的子图并独立调优。每个子图被视为
- 【TVM教程】为 x86 CPU 自动调优卷积网络
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:YaoWang,EddieYan本文介绍如何为x86CPU调优卷积神经网络。注意,本教程不会在Windows或最新版本的macOS上运行。如需运行,请将本教程的主体放在if__name__=="__main__":代码块中。impor
- TVM:设计与架构
Adenialzz
tvm模型部署架构react.js前端
TVM:设计与架构本文档适用于想要了解TVM架构和/或积极开发项目的开发人员。页面组织如下:示例编译流程概述了TVM将模型的高层描述转换为可部署模块所采取的步骤。要开始使用,请先阅读本节。逻辑架构组件部分描述了逻辑组件。后面的部分是针对每个逻辑组件的特定指南,按组件的名称组织。设备/目标交互描述了TVM如何与每种支持的物理设备和代码生成目标进行交互。请查看开发人员操作指南以获取有用的开发技巧。本指
- TVM Compiler中文教程:TVM调度原语(Schedule Primitives)
Mars_WH
TVM深度学习编译器TVM中文教程调度Schedulesplittile
文章目录TVM调度原语(SchedulePrimitives)分裂split平铺tile融合fuse重排序reorder绑定bind从哪里开始计算compute_at计算内联compute_inlinecompute_root总结TVM调度原语(SchedulePrimitives)TVM是用于高效内核代码构建的版本领域专用语言(Domain-Specialed-Language,DSL)。这篇教
- 【TVM教程】为 Mobile GPU 自动调优卷积网络
HyperAI超神经
TVM人工智能机器学习TVM编程编译器GPUCPU
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:LianminZheng,EddieYan针对特定设备的自动调优对于获得最佳性能至关重要。本文介绍如何调优整个卷积网络。TVM中MobileGPU的算子实现是以template形式编写的。该template有许多可调参数(tile因子
- Ubuntu交叉编译 arm板子上的TVM
陈有爱
TVMubuntu人工智能
目录X86Ubuntu的TVM安装LLVM下载tvm配置config.cmake编译源码python安装测试是否安装成功可以在安装一些库,用于RPCTracker和auto-tuning交叉编译801arm的TVM交叉编译链下载配置config.cmake编译源码编译的时候可能会遇到错误ONNX模型转换为TVM模型创建pre.py,将onnx模型编译成tvm.so文件测试TVM模型修改demo程序
- Java开发中,spring mvc 的线程怎么调用?
小麦麦子
springmvc
今天逛知乎,看到最近很多人都在问spring mvc 的线程http://www.maiziedu.com/course/java/ 的启动问题,觉得挺有意思的,那哥们儿问的也听仔细,下面的回答也很详尽,分享出来,希望遇对遇到类似问题的Java开发程序猿有所帮助。
问题:
在用spring mvc架构的网站上,设一线程在虚拟机启动时运行,线程里有一全局
- maven依赖范围
bitcarter
maven
1.test 测试的时候才会依赖,编译和打包不依赖,如junit不被打包
2.compile 只有编译和打包时才会依赖
3.provided 编译和测试的时候依赖,打包不依赖,如:tomcat的一些公用jar包
4.runtime 运行时依赖,编译不依赖
5.默认compile
依赖范围compile是支持传递的,test不支持传递
1.传递的意思是项目A,引用
- Jaxb org.xml.sax.saxparseexception : premature end of file
darrenzhu
xmlprematureJAXB
如果在使用JAXB把xml文件unmarshal成vo(XSD自动生成的vo)时碰到如下错误:
org.xml.sax.saxparseexception : premature end of file
很有可能时你直接读取文件为inputstream,然后将inputstream作为构建unmarshal需要的source参数。InputSource inputSource = new In
- CSS Specificity
周凡杨
html权重Specificitycss
有时候对于页面元素设置了样式,可为什么页面的显示没有匹配上呢? because specificity
CSS 的选择符是有权重的,当不同的选择符的样式设置有冲突时,浏览器会采用权重高的选择符设置的样式。
规则:
HTML标签的权重是1
Class 的权重是10
Id 的权重是100
- java与servlet
g21121
servlet
servlet 搞java web开发的人一定不会陌生,而且大家还会时常用到它。
下面是java官方网站上对servlet的介绍: java官网对于servlet的解释 写道
Java Servlet Technology Overview Servlets are the Java platform technology of choice for extending and enha
- eclipse中安装maven插件
510888780
eclipsemaven
1.首先去官网下载 Maven:
http://www.apache.org/dyn/closer.cgi/maven/binaries/apache-maven-3.2.3-bin.tar.gz
下载完成之后将其解压,
我将解压后的文件夹:apache-maven-3.2.3,
并将它放在 D:\tools目录下,
即 maven 最终的路径是:D:\tools\apache-mave
- jpa@OneToOne关联关系
布衣凌宇
jpa
Nruser里的pruserid关联到Pruser的主键id,实现对一个表的增删改,另一个表的数据随之增删改。
Nruser实体类
//*****************************************************************
@Entity
@Table(name="nruser")
@DynamicInsert @Dynam
- 我的spring学习笔记11-Spring中关于声明式事务的配置
aijuans
spring事务配置
这两天学到事务管理这一块,结合到之前的terasoluna框架,觉得书本上讲的还是简单阿。我就把我从书本上学到的再结合实际的项目以及网上看到的一些内容,对声明式事务管理做个整理吧。我看得Spring in Action第二版中只提到了用TransactionProxyFactoryBean和<tx:advice/>,定义注释驱动这三种,我承认后两种的内容很好,很强大。但是实际的项目当中
- java 动态代理简单实现
antlove
javahandlerproxydynamicservice
dynamicproxy.service.HelloService
package dynamicproxy.service;
public interface HelloService {
public void sayHello();
}
dynamicproxy.service.impl.HelloServiceImpl
package dynamicp
- JDBC连接数据库
百合不是茶
JDBC编程JAVA操作oracle数据库
如果我们要想连接oracle公司的数据库,就要首先下载oralce公司的驱动程序,将这个驱动程序的jar包导入到我们工程中;
JDBC链接数据库的代码和固定写法;
1,加载oracle数据库的驱动;
&nb
- 单例模式中的多线程分析
bijian1013
javathread多线程java多线程
谈到单例模式,我们立马会想到饿汉式和懒汉式加载,所谓饿汉式就是在创建类时就创建好了实例,懒汉式在获取实例时才去创建实例,即延迟加载。
饿汉式:
package com.bijian.study;
public class Singleton {
private Singleton() {
}
// 注意这是private 只供内部调用
private static
- javascript读取和修改原型特别需要注意原型的读写不具有对等性
bijian1013
JavaScriptprototype
对于从原型对象继承而来的成员,其读和写具有内在的不对等性。比如有一个对象A,假设它的原型对象是B,B的原型对象是null。如果我们需要读取A对象的name属性值,那么JS会优先在A中查找,如果找到了name属性那么就返回;如果A中没有name属性,那么就到原型B中查找name,如果找到了就返回;如果原型B中也没有
- 【持久化框架MyBatis3六】MyBatis3集成第三方DataSource
bit1129
dataSource
MyBatis内置了数据源的支持,如:
<environments default="development">
<environment id="development">
<transactionManager type="JDBC" />
<data
- 我程序中用到的urldecode和base64decode,MD5
bitcarter
cMD5base64decodeurldecode
这里是base64decode和urldecode,Md5在附件中。因为我是在后台所以需要解码:
string Base64Decode(const char* Data,int DataByte,int& OutByte)
{
//解码表
const char DecodeTable[] =
{
0, 0, 0, 0, 0, 0
- 腾讯资深运维专家周小军:QQ与微信架构的惊天秘密
ronin47
社交领域一直是互联网创业的大热门,从PC到移动端,从OICQ、MSN到QQ。到了移动互联网时代,社交领域应用开始彻底爆发,直奔黄金期。腾讯在过去几年里,社交平台更是火到爆,QQ和微信坐拥几亿的粉丝,QQ空间和朋友圈各种刷屏,写心得,晒照片,秀视频,那么谁来为企鹅保驾护航呢?支撑QQ和微信海量数据背后的架构又有哪些惊天内幕呢?本期大讲堂的内容来自今年2月份ChinaUnix对腾讯社交网络运营服务中心
- java-69-旋转数组的最小元素。把一个数组最开始的若干个元素搬到数组的末尾,我们称之为数组的旋转。输入一个排好序的数组的一个旋转,输出旋转数组的最小元素
bylijinnan
java
public class MinOfShiftedArray {
/**
* Q69 旋转数组的最小元素
* 把一个数组最开始的若干个元素搬到数组的末尾,我们称之为数组的旋转。输入一个排好序的数组的一个旋转,输出旋转数组的最小元素。
* 例如数组{3, 4, 5, 1, 2}为{1, 2, 3, 4, 5}的一个旋转,该数组的最小值为1。
*/
publ
- 看博客,应该是有方向的
Cb123456
反省看博客
看博客,应该是有方向的:
我现在就复习以前的,在补补以前不会的,现在还不会的,同时完善完善项目,也看看别人的博客.
我刚突然想到的:
1.应该看计算机组成原理,数据结构,一些算法,还有关于android,java的。
2.对于我,也快大四了,看一些职业规划的,以及一些学习的经验,看看别人的工作总结的.
为什么要写
- [开源与商业]做开源项目的人生活上一定要朴素,尽量减少对官方和商业体系的依赖
comsci
开源项目
为什么这样说呢? 因为科学和技术的发展有时候需要一个平缓和长期的积累过程,但是行政和商业体系本身充满各种不稳定性和不确定性,如果你希望长期从事某个科研项目,但是却又必须依赖于某种行政和商业体系,那其中的过程必定充满各种风险。。。
所以,为避免这种不确定性风险,我
- 一个 sql优化 ([精华] 一个查询优化的分析调整全过程!很值得一看 )
cwqcwqmax9
sql
见 http://www.itpub.net/forum.php?mod=viewthread&tid=239011
Web翻页优化实例
提交时间: 2004-6-18 15:37:49 回复 发消息
环境:
Linux ve
- Hibernat and Ibatis
dashuaifu
Hibernateibatis
Hibernate VS iBATIS 简介 Hibernate 是当前最流行的O/R mapping框架,当前版本是3.05。它出身于sf.net,现在已经成为Jboss的一部分了 iBATIS 是另外一种优秀的O/R mapping框架,当前版本是2.0。目前属于apache的一个子项目了。 相对Hibernate“O/R”而言,iBATIS 是一种“Sql Mappi
- 备份MYSQL脚本
dcj3sjt126com
mysql
#!/bin/sh
# this shell to backup mysql
#
[email protected] (QQ:1413161683 DuChengJiu)
_dbDir=/var/lib/mysql/
_today=`date +%w`
_bakDir=/usr/backup/$_today
[ ! -d $_bakDir ] && mkdir -p
- iOS第三方开源库的吐槽和备忘
dcj3sjt126com
ios
转自
ibireme的博客 做iOS开发总会接触到一些第三方库,这里整理一下,做一些吐槽。 目前比较活跃的社区仍旧是Github,除此以外也有一些不错的库散落在Google Code、SourceForge等地方。由于Github社区太过主流,这里主要介绍一下Github里面流行的iOS库。 首先整理了一份
Github上排名靠
- html wlwmanifest.xml
eoems
htmlxml
所谓优化wp_head()就是把从wp_head中移除不需要元素,同时也可以加快速度。
步骤:
加入到function.php
remove_action('wp_head', 'wp_generator');
//wp-generator移除wordpress的版本号,本身blog的版本号没什么意义,但是如果让恶意玩家看到,可能会用官网公布的漏洞攻击blog
remov
- 浅谈Java定时器发展
hacksin
java并发timer定时器
java在jdk1.3中推出了定时器类Timer,而后在jdk1.5后由Dou Lea从新开发出了支持多线程的ScheduleThreadPoolExecutor,从后者的表现来看,可以考虑完全替代Timer了。
Timer与ScheduleThreadPoolExecutor对比:
1.
Timer始于jdk1.3,其原理是利用一个TimerTask数组当作队列
- 移动端页面侧边导航滑入效果
ini
jqueryWebhtml5cssjavascirpt
效果体验:http://hovertree.com/texiao/mobile/2.htm可以使用移动设备浏览器查看效果。效果使用到jquery-2.1.4.min.js,该版本的jQuery库是用于支持HTML5的浏览器上,不再兼容IE8以前的浏览器,现在移动端浏览器一般都支持HTML5,所以使用该jQuery没问题。HTML文件代码:
<!DOCTYPE html>
<h
- AspectJ+Javasist记录日志
kane_xie
aspectjjavasist
在项目中碰到这样一个需求,对一个服务类的每一个方法,在方法开始和结束的时候分别记录一条日志,内容包括方法名,参数名+参数值以及方法执行的时间。
@Override
public String get(String key) {
// long start = System.currentTimeMillis();
// System.out.println("Be
- redis学习笔记
MJC410621
redisNoSQL
1)nosql数据库主要由以下特点:非关系型的、分布式的、开源的、水平可扩展的。
1,处理超大量的数据
2,运行在便宜的PC服务器集群上,
3,击碎了性能瓶颈。
1)对数据高并发读写。
2)对海量数据的高效率存储和访问。
3)对数据的高扩展性和高可用性。
redis支持的类型:
Sring 类型
set name lijie
get name lijie
set na
- 使用redis实现分布式锁
qifeifei
在多节点的系统中,如何实现分布式锁机制,其中用redis来实现是很好的方法之一,我们先来看一下jedis包中,有个类名BinaryJedis,它有个方法如下:
public Long setnx(final byte[] key, final byte[] value) {
checkIsInMulti();
client.setnx(key, value);
ret
- BI并非万能,中层业务管理报表要另辟蹊径
张老师的菜
大数据BI商业智能信息化
BI是商业智能的缩写,是可以帮助企业做出明智的业务经营决策的工具,其数据来源于各个业务系统,如ERP、CRM、SCM、进销存、HER、OA等。
BI系统不同于传统的管理信息系统,他号称是一个整体应用的解决方案,是融入管理思想的强大系统:有着系统整体的设计思想,支持对所有
- 安装rvm后出现rvm not a function 或者ruby -v后提示没安装ruby的问题
wudixiaotie
function
1.在~/.bashrc最后加入
[[ -s "$HOME/.rvm/scripts/rvm" ]] && source "$HOME/.rvm/scripts/rvm"
2.重新启动terminal输入:
rvm use ruby-2.2.1 --default
把当前安装的ruby版本设为默