本文关于redis代码实现分布式锁的设计思路，每一步解决上一步的问题实现思路：代码实现：上述情况，可能会产生死锁这里设置了过期时间，但是存在的问题在于，在进行if判断时，该线程挂了，此时已然死锁所有setNX和expire必须要原子操作使用setNXEX保证原子性问题在于，线程A业务时间过长，key过期了，业务还在进行操作，此时其他线程B获得锁。当线程A业务执行完，按照流程执行删锁操作，此时删的锁

问题场景数据量较大, 数据有排序的根据(我这里是推文, 根据粉丝数量进行排序)数据可能无法全部读取进内存根据推文, 找出粉丝数量前300的用户问题解决对于大量的推文, 先对其进行划分, 将它们划分到多个小的文件, 保证每个文件都能轻松放进内存挨个读取推文, 用小顶堆来存储前k个用户, 堆容量小于k, 就直接放入, 如果大于, 则与堆顶(最小)元素进行比较, 大者入堆最终将堆中元素输出即可因为之前都

文章目录写在前面前两章简单阅读异质网络的基本概念基于原路径的挖掘异质网络的学习表示浅层模型基于分解的方法基于元路径的随机游走的方法基于关系的方法深度模型基于自动编码器基于生成对抗网络基于强化学习基于图神经网络浅层模型与深层模型对比与知识图谱表示学习的区别与联系应用场景商业领域网络安全医学领域未来发展方向写在前面该文是针对该文章的阅读，主要关注在后三章，对后三章进行理解与扩展，并读了部分后三章所引用

图的连通度割边，割点，块割边图G删除e之后，连通分支变多若G连通，删去割边之后，G不连通定理1：e是G的割边当且仅当e不在G的任何圈中由此可推论：e是连通图G的某圈中，则G-e仍然连通必要性：反证，假设e在圈中，对于G-e，任意取两个点x,y。对于G，因为连通，所以存在x,y的路P，1）P不含e，则P也是G-e中一条路2）P含e，因为e在圈中，则C-e是可以和P组成一条心的路。综上，不管怎样，G-

图的着色图的边着色相关概念正常边着色对G的边进行染色，相邻边染不同颜色（G不能有自环）用k种颜色对图G进行正常边着色，则称G是k边可着色的其实是边集合的一种划分边色数对G进行正常边着色的最少颜色数，记为χ‘(G)色组相同颜色的边集π一种边着色方案u缺i色设点u关联的边的着色没有用到色i，则称u缺i色特殊图的边色数完全二部图定理1：χ’(K,m,n)=△证明：很显然，因为完全二部图嘛，所以最大度的点

关于字典学习对于一个事物，我们如何表征它呢？很明显，这个事物是有特征的，或者说，这个事物它是由许多个不同的特征经过一定的组合而形成的。字典学习的目标是提取实物的最本质特征。用字典来表征该事物的特征。当提取出了事物的特征，这就相当于一种降维。对于如何理解字典学习，我想到这样一个例子，比如一堆三维向量，找寻它们的特征，实际上，我们可以用三维直角坐标系（x，y，z三个单位向量）来表征它们，这三个向量通过

一、LDA主题模型简介LDA(Latent Dirichlet Allocation)中文翻译为：潜在狄利克雷分布。LDA主题模型是一种文档生成模型，是一种非监督机器学习技术。它认为一篇文档是有多个主题的，而每个主题又对应着不同的词。一篇文档的构造过程，首先是以一定的概率选择某个主题，然后再在这个主题下以一定的概率选出某一个词，这样就生成了这篇文档的第一个词。不断重复这个过程，就生成了整篇文章（当

一、LDA主题模型简介LDA(Latent Dirichlet Allocation)中文翻译为：潜在狄利克雷分布。LDA主题模型是一种文档生成模型，是一种非监督机器学习技术。它认为一篇文档是有多个主题的，而每个主题又对应着不同的词。一篇文档的构造过程，首先是以一定的概率选择某个主题，然后再在这个主题下以一定的概率选出某一个词，这样就生成了这篇文档的第一个词。不断重复这个过程，就生成了整篇文章（当

问题如题, 问题也比较简单, 就是master挂了mongodb的集群似乎和mysql, redis的不太一样, 这个我也不太清楚总之单机不会出现这种情况, 集群会出现解决方法就是将master重启就可以了