logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

docker搭建gitlab

1、安装启动gitlab下载并启动 GitLab 容器sudo docker run --detach \--hostname h102 \--publish 443:443 --publish 8024:80 --publish 8023:22 \--name gitlab \--restart always \--volume /opt/gitlab/config:/etc/gitlab \-

#git#github
docker搭建gitlab

1、安装启动gitlab下载并启动 GitLab 容器sudo docker run --detach \--hostname h102 \--publish 443:443 --publish 8024:80 --publish 8023:22 \--name gitlab \--restart always \--volume /opt/gitlab/config:/etc/gitlab \-

#git#github
java手写redis客户端工具

需要实现无论什么命令都可以执行到redis集群里面。用jedis的话不同的命令需要用不同的方式执行,所以就采用了socket与redis集群通信。手工解决了redis key在不同服务器中进行切换的操作。redis socket客户端SocketConnectRedisClientimport org.apache.commons.lang3.StringUtils;import java.io.

#redis#java#数据库
hadoop集群搭建踩坑记录

hadoop集群搭建并启动成功后,打开namenode可视化界面失败首先怀疑hadoop是否启动成功,jps查看查看hadoop进程都有,namenode上使用curl命令测试端口是否工作,发现是正常的netstat -ntlp查看端口9870也正常在数据节点上使用curl命令测试端口,发现连接拒绝,但网络是通的在namenode上使用firewall-cmd --list-ports查看哪些端口

#hadoop#大数据
spring JmsTemplate的sendAndReceive方法

spring JmsTemplate的sendAndReceive方法:使用destinationName字符串和MessageCreator的匿名内部类作为参数,JmsMessageVo中的数据装入MessageCreator,执行executeLocal:使用SessionCallback匿名内部类作为参数,ConnectionFactory创建createConnection一个co

mybatis-plus通用mapper调用报错:Invalid bound statement

使用springboot整合mybatis-plus后,调用自定义的方法正常,调用BaseMapper中自带的方法报错如下:org.apache.ibatis.binding.BindingException: Invalid bound statement (not found): cn.rkang.enterprise.mapper.EmployeeInfoMapper.selectOne..

启动项目报错 failed; error='Cannot allocate memory' (errno=12)服务器内存不足

Java HotSpot(TM) 64-Bit Server VM warning: ignoring option PermSize=128m; support was removed in 8.0Java HotSpot(TM) 64-Bit Server VM warning: UseCMSCompactAtFullCollection is deprecated and will lik.

数学基础二:点到直线距离公式推导

推导前置:两点之间距离公式图一:已知AB两点坐标为A(x1,y1),B(x2,y2)。过A做一直线与X轴平行,过B做一直线与Y轴平行,两直线交点为C。则AC垂直于BC(因为X轴垂直于Y轴)则三角形ACB为直角三角形由勾股定理得AB2=AC2+BC2AB^2=AC^2+BC^2AB2=AC2+BC2即AB=AC2+BC2AB=\sqrt{AC^2+BC^2}AB=AC2+BC2​已知直线方程:一般式

支撑向量机

支持向量机(Support Vetor Machine,SVM)由Vapnik等人于1995年首先提出,在解决小样本、非线性及高维模式识别中表现出许多特有的优势,并推广到人脸识别、行人检测和文本分类等其他机器学习问题中。SVM建立在统计学习理论的VC维理论和结构风险最小原理基础上,根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳平衡,以求获得最好的推广能力。SVM可以用于数值预测和分类。

#支持向量机#人工智能
    共 11 条
  • 1
  • 2
  • 请选择