是的，使用MySQL实现分布式锁的常见方式之一就是利用INSERT语句的行级锁。当多个事务同时尝试插入同一行数据时，只有一个事务能够成功插入，其他事务会因为锁冲突而被阻塞等待。在执行该语句时，MySQL会自动对该行数据进行加锁，确保只有一个事务能够成功插入。其他事务在插入同一行时会因为锁冲突而被阻塞等待锁的释放。需要注意的是，MySQL作为一个数据库系统，并不是专门设计用于实现分布式锁的。一种常见

设计模式-设计原则(里氏代换原则(正方形不是长方形改进版)

状态设计模式（一种行为型设计模式，告别字段不同状态的ifelse操作）解释：允许对象在内部状态改变时改变其行为，使得对象看起来好像修改了其类。核心思想：将对象的状态抽象成独立的类，使得对象在不同状态下具有不同的行为。

总结一下：今天事情有点多，看了很多视频确实有点累了先传一部分心得吧，准备进入到书城项目的第二阶段了一、今天idea运行提示端口被占用学习了如何结束占用端口的进程步骤1.1：进入cmd管理员模式才够权限1.2：得到占用端口号netstat -ano |findstr （需要关闭的端口）例：netstat -ano |findstr 80801.3：杀死进程CMD>taskkill /F /PID 1

摘要：深度学习(DL)是机器学习(ML)的子集，具有自动特征提取、处理大数据等特点，常用CNN、RNN等模型。PyTorch中的张量是多维矩阵，支持标量(0维)、矢量(1维)、矩阵(2维)等类型，可通过torch.tensor()或torch.Tensor()创建。后者功能更强大，能直接按形状(如torch.Tensor(2,3))创建张量，并支持数值计算、矩阵操作和自动求导。

摘要：卷积神经网络中特征图大小的计算公式为(N-F+2P)/S+1，其中N为输入尺寸，F为卷积核大小，P为填充量，S为步长。计算过程包括：1)输入与卷积核尺寸差(N-F)；2)考虑填充(2P)；3)确定移动次数(差/S+1)。对于非正方形输入(如5×7)，需分别计算行列尺寸。该公式反映了卷积核在输入上的滑动覆盖过程，每次移动产生一个输出值，最终形成特征图。

摘要：本文介绍了RNN在AI歌词生成任务中的数据集构建方法。关键点包括：1）每次处理5个连续数据点，但仅使用到倒数第二个词作为输入；2）避免使用最后一个词，因其无法进行后续预测；3）创建专门的数据集对象；4）设计简化的API接口。这种方法既确保了模型训练的有效性，又提高了数据处理的便捷性，为歌词生成任务提供了实用的数据准备方案。

解决思路：我们释放的锁的时候进行一个判断（判断锁的标识是否一致（可以存线程id（jvm提供）作为标识（uuid更好。分布式场景有多个jvm）））优化后的逻辑：（可以存一个线程id作为锁的标识。释放锁前先判断一下）以前释放锁的逻辑：（随意释放锁，没有判断这个锁是不是自己的）优化后的业务流程：（加了锁的标识，删除锁前先判断下标识）

一个分布式文件系统，JuiceFS 会将数据格式化以后存储在对象存储，同时会将文件的元数据存储在元数据引擎。JuiceFS 采用多引擎设计，目前已支持 Redis、TiKV、MySQL/MariaDB、PostgreSQL、SQLite 等作为元数据服务引擎。

解决post请求的乱码问题（在xml配置Filter过滤器CharacterEncodingFilter）解决思路：（在xml配置Filter过滤器）在获取请求之前更改格式，Filter过滤器在其之前（在tomcat初始化的顺序是监听器，过滤器，servlet）所以用过滤器。过滤所有请求/* 分析：*这里是请求格式 *这里是设置响应编码的（这样输出才为不是乱码）