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

elasticsearch,kibana 坑之 开启外网访问

安装elasticsearch,kibana,开启外网访问,总是失败,坑啊。经过两天断断续续的艰苦奋战,终于搞定了,记录如下:kibana开启外网访问1)修改server.host 为本机ip地址vim /etc/kibana/kibana.yml2) 禁用防火墙查看运行状态:firewall-cmd --state关闭防火墙: systemct...

#大数据#java
uoj #228. 基础数据结构练习题 线段树

#228. 基础数据结构练习题统计描述提交自定义测试sylvia 是一个热爱学习的女孩子,今天她想要学习数据结构技巧。在看了一些博客学了一些姿势后,她想要找一些数据结构题来练练手。于是她的好朋友九条可怜酱给她出了一道题。给出一个长度为nn的数列AA,接下来有mm次操作,操作有三种:对于所有的i∈[l,r]i∈[l,r],将A...

#数据结构与算法
oracle ogg--ogg搭建过程中遇到的错误及处理

1 PRVF-0002 : Could not retrieve local nodename---# Begin Stacktrace #---------------------------ID: oracle.install.commons.util.exception.DefaultErrorAdvisor:37oracle.cluster.verification.Verificatio

#数据库#java#网络
netcat --网络安全中“瑞士军刀”

在入侵中它是最经典的工具之一 ,NetCat被所有的网络安全爱好者和研究者称之为瑞士军刀,通过名字大家就能知道他的功能足够丰富。nc的全称为NetCat,它能够建立并接受传输控制协议(TCP)和用户数据报协议(UDP)的连接,Netcat可在这些连接上读写数据,直到连接关闭为止。它可以通过手工或者脚本与应用层的网络应用程序或服务进行交互。从技术上来讲,NetCat并不能产生UDP连接,因为U...

#网络#操作系统
Windows环境变量设置无效解决办法——DOS窗口设置环境变量

公司配置的电脑是Win7,使用的账户并不是管理员账户,我在计算机->属性中设置环境变量无效。后来在DOS窗口中设置环境变量成功。1、 set [环境变量名称]=[所有环境变量值]:set Path=%MAVEN_HOME%\bin;C:\Program Files\Java\jdk1.7.0_71\bin;这种方法设置后只在当前DOS窗口下有效,退出后重新打开则无效,可以...

#操作系统#java
10分钟物联网设备接入阿里云IoT平台

前言最近尝试了一下阿里云IoT物联网平台,还是蛮强大的。在此记录一下学习过程。本教程不需要任何外围硬件,一台电脑和一根能上网的网线即可。算是一篇Hello World了。先上效果图第一章 准备工作1.1 注册阿里云账号首先打开阿里云的官网并注册新用户,网址为:https://www.aliyun.com/product/iot1.2 注册完成后自动跳...

#嵌入式#json
深信服EasyConnect在openEuler上安装失败的终极解决方案:解决Segmentation Fault与GTK模块缺失

本文详细解决了在openEuler系统上安装深信服EasyConnect时遇到的Segmentation Fault与GTK模块缺失问题。通过系统诊断、库文件替换和环境配置等步骤,提供了一套完整的解决方案,帮助用户顺利完成安装并确保稳定运行。

Spring Cloud Alibaba微服务实战:用Seata搞定订单-库存-账户的分布式事务回滚

本文详细介绍了如何使用Spring Cloud Alibaba中的Seata组件解决电商系统中的分布式事务问题。通过订单-库存-账户的实战案例,深入解析Seata的AT模式工作原理,包括核心组件、undo_log表机制及事务执行流程,帮助开发者实现跨服务的分布式事务一致性。

#微服务
Python机器学习实战:从入门到工程化部署

机器学习作为人工智能的核心技术,通过算法让计算机从数据中学习规律。其核心原理是建立输入特征与输出目标之间的映射关系,sklearn等框架通过统一的fit/predict接口封装了复杂数学实现。在实际工程中,机器学习价值体现在特征工程、模型调优和部署应用三个维度,例如使用SMOTE解决类别不均衡问题,通过GridSearchCV进行超参数优化。本课程以Python为工具,采用'代码优先'的教学方式,

深度学习时间序列预测实战:快速建模与优化技巧

时间序列预测是数据分析中的核心任务,广泛应用于电力、金融、零售等领域。其核心原理是通过历史数据捕捉时序依赖关系,预测未来趋势。深度学习通过CNN、LSTM等架构自动提取时序特征,相比传统方法如SARIMA具有更强的非线性建模能力。在工程实践中,高效的预处理、轻量级模型设计和自动化调参能显著提升预测效率。例如,使用动态标准化处理季节性数据,结合贝叶斯优化快速收敛超参数,可在24-48小时内获得优于传

#深度学习
    共 411 条
  • 1
  • 2
  • 3
  • 42
  • 请选择