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

Java安全验证之jwt(json web token)

http://blog.csdn.net/u012017645/article/details/53585872jwt token安全验证流程:用户发起登录请求,服务端创建一个加密后的jwt信息,作为token返回值,在后续请求中jwt信息作为请求头,服务端正确解密后可获取到存储的用户信息,表示验证通过;解密失败说明token无效或者已过期。jwt token的组成:header.poyload.

redis 集群部署及分布式锁的实现

一、redis集群的部署 安装redis确保安装文件夹有redis-trib.rb文件,通过rudy构建redis集群安装ruby环境配置好环境变量,gem install redis 安装redis依赖详细环境安装教程:点击打开链接集群搭建      redis集群最小包含3个主节点,并且每个节点都应该部署在不同的服务器上,这里测试建立3个主节点和三个从节点的redis...

#redis#集群
springboot quartz的封装

引入quartz包,封装出一个在spring boot导入可用的jar包目录接口:SechdulerManager类,负责初始化和销毁scheduler,设计为单利模式,私有化构造器,整个应用维护一个scheduler。并配置sechduler相关配置信息。public class SchedulerManager {private static final Logger LOGGER ...

spring boot 中 自定义注解,并通过注解反射获取类实例

/*** Copyright 2017-2025 Evergrande Group.*/package com.eg.egsc.scp.accesscontrolcomponent.mq.iotmq;import org.slf4j.Logger;import org.slf4j.LoggerFactory;import org.springframework.amqp.core

大数据Hadoop学习之——TF-IDF算法实现

一、算法说明1、词频TF:是指给定词语在给定文件中出现的次数,一般会做归一化,即除以文件的总词数(注意是分词数,不是字数)。TF=词在文章出现次数 / 文章的总词数2、逆向文件频率IDF:普遍重要性度量,由文件总数除以包含该词的文件的数目,再对商取对数。IDF=log(文件总数 / 包含目标词的文件个...

#hadoop#mapreduce#hdfs
大数据Hadoop学习之————基于物品的协同过滤算法实现物品推荐

一、实现基础1、用户对物品的推荐列表(用户为列,物品为行) = 用户对物品的评分矩阵 × 物品同现矩阵2、用户对物品的评分矩阵:用户对物品的点击、收藏、加购物车和购买等行为都是对物品的不同评分,矩阵如下:并且,矩阵可以进行行列转换3、物品同现矩阵:两个物品出现在同一个用户的次数,即item1和item2都出现在user1和user3,所以item1:item2的同现值为2,当然item2:item

#大数据#mapreduce#hadoop
大数据Hadoop学习之————基于物品的协同过滤算法实现物品推荐

一、实现基础1、用户对物品的推荐列表(用户为列,物品为行) = 用户对物品的评分矩阵 × 物品同现矩阵2、用户对物品的评分矩阵:用户对物品的点击、收藏、加购物车和购买等行为都是对物品的不同评分,矩阵如下:并且,矩阵可以进行行列转换3、物品同现矩阵:两个物品出现在同一个用户的次数,即item1和item2都出现在user1和user3,所以item1:item2的同现值为2,当然item2:item

#大数据#mapreduce#hadoop
阿里云大数据ACP认证学习笔记之——————Dataworks

基本概念产品服务数据集成数据开发数据地图数据质量数据服务计算和存储引擎服务离线计算MaxCompute开源大数据引擎E-MapReduce实时计算(基于Flink)机器学习PAI图计算服务Graph Compute交互式分析服务工作空间:DataWorks管理任务、成员,分配角色和权限的基本单元。解决方案:可以包括多个业务流程,以复用相同的业务流程。组件:组件是带有多个输入参数和输出参数的SQL代

#阿里云#大数据
到底了