腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

字根中文校对软件

专栏作者

188

文章

186106

阅读量

44

订阅数

Compass Framework 0.8 + Lucene Jdbc Directory (翻译tss)

数据库 sql jdbc http lucene/solr

发布者：Shay Banon on January 10, 2006 @ 08:24 PM

田春峰-JCJC错别字检测

2022-05-07

2350

ASP.NET 2.0 缓存翻译草稿

asp.net 数据库 sql 缓存

ASP.NET 2.0 缓存翻译草稿命名空间： System.Web.Caching ,这个空间是ASP.NET的基础结构中的重要部分，比如：session就是存储在cache中的。 Cache

田春峰-JCJC错别字检测

2022-05-07

1K0

SQL语句优化

oracle sql 数据库

使用声明的方式来潜入sql到java编程。的确是个好主意。 select返回记录的顺序 http://voruta.sourceforge.net/ 看来，在这个层次上的编程 QDox and CG

田春峰-JCJC错别字检测

2019-02-14

1.7K0

Oracle PT of StatSpack

http oracle 数据库 sql

Statspack 是 Oracle 提供的一个实例级的Tuning工具。很多DBA都喜欢用这个工具来进行数据库的优化调整。不过在交流中发现很多朋友对这个工具的的运用还有一些问题。下面就其中比较容易出问题的几个方面进行一下简单的分析。

田春峰-JCJC错别字检测

2019-02-14

5630

开放源代码数据库

postgresql 数据库云数据库 SQL Server sql

目前开放源代码数据库的竞争者包括： PostgresSQL Postgres可追溯至1986年的加州柏克莱大学。该大学在1994年以BSD 授权方式将源代码开放给开源码社区，社区则加入了SQL 支持，然后一直研发该软件至今。部分原始源代码与设计依然留存至今，不论在Postgres或Informix数据库都还看得到，后者一开始就采用Postgres 的源代码，现在则由IBM 所有。Postgres是公认最先进的开放源代码数据库，但文件品质则相当受到诟病。 MySQL 瑞典的MySQL AB公司于1995年开始同时以开放源代码模式与商业授权模式来推出这种产品，该公司表示这种“双轨授权”策略有助于站稳财务基础，有利于未来持续改善数据库产品。MySQL 以100 名员工可称得上是全球最大的开放源代码数据库组织，号称有400 万安装基础，也被赞美为最好用的开放源代码数据库。该公司还提供另一个原本由ERP 大厂SAP 所拥有的开放原码数据库MaxDB ，并加以认证用在R/3 套装软件中。 Firebird Borland 于2000年将Interbase 关连数据库第六版的测试源代码公诸大众，使得它成为全球最新的开放源代码数据库。Firebird现在进入 1.5 版，优点是体积小，且SQL 引擎非常稳定。 BerkeleyDB 属于内嵌数据库，包括Apache、Sendmail、Mozilla 浏览器，甚至是Google都采用BerkeleyDB.EMC在部分储存装置上也有使用，而Sun 的 LDAP服务器则仰赖这套源代码。思科与索尼都仅是用户。号称拥有2 亿个部署基础，且跟MySQL 一样，都采双轨授权策略。其他开放源代码数据库包括“hsqldb”与“Mckoi ”，两者都是全Java SQL引擎。eXist 则是原生XML 数据库；Backplane 则提供了有别于甲骨文网格解决方案的开放源代码替代选择。

田春峰-JCJC错别字检测

2019-02-14

1.3K0

(16)Shark工作流的实现和WMFC&OMG规范的对比

数据库 sql windows server

Shark工作流的实现和WMFC&OMG规范的对比 -----第十一部分：obe 引擎的ServiceManager 关键字：Shark 工作流 WMFC OMG 规范 <?xml:namespa

田春峰-JCJC错别字检测

2019-02-14

4010

(15)Shark工作流的实现和WMFC&OMG规范的对比

数据库 sql windows server

Shark工作流的实现和WMFC&OMG规范的对比 -----第十一部分：obe数据库设计的实现关键字：Shark 工作流 WMFC OMG 规范 Obe 中主要得实体类如下： <?xml:

田春峰-JCJC错别字检测

2019-02-14

3230

sql语句的多种写法

Oracle Union All Query 根据指定ID，返回包含该ID的所有父级记录一个DETAIL 表， item ,empid, money 1 001 100 2 001 150 ... ... ...

田春峰-JCJC错别字检测

2019-02-14

7540

怎么会是lucene?

lucene/solr http 搜索引擎 java 数据库

在好朋友lhelper的帮助下，开始学习全文搜索引擎lucene了。从网上搜索了一些全文搜索的资料后发现这方面的产品很多，光是在http://www.searchtools.com 上你可以查到100多个搜索的工具（包括源代码）。如果你在百度上以“全文搜索”为关键字搜索的话，会发现除了理论上的介绍以外，大部分的实例都是来自lucene。为什么只有lucene这么广为接受呢？

田春峰-JCJC错别字检测

2019-02-14

3460

mysql++ 自带的一些精巧演示例子

api 云数据库 SQL Server 编程算法 java 数据库

最近在工作的时候需要使用 mysql++ 来访问 MySQL 数据库，下载源码后看了一下，发现一些代码非常优雅。所以贴出来，和大家分享一下。简单介绍一下 mysql++ mysql++ API 是一组访问MySQL的C++ API封装。主要目的在于把各种Query的操作和STL容器更好的结合。 mysql++ 可以在这里下载： http://www.mysql.com/download_mysql++.html mysql++ 的邮件列表是： mysql-plusplus@lists.mysql.com mysql++ API 的几个典型例子：

田春峰-JCJC错别字检测

2019-02-14

1.4K0

Hadoop Hbase适合存储哪类数据？

hbase TDSQL MySQL 版存储数据库 sql

最适合使用Hbase存储的数据是非常稀疏的数据（非结构化或者半结构化的数据）。Hbase之所以擅长存储这类数据，是因为Hbase是column-oriented列导向的存储机制，而我们熟知的RDBMS都是row- oriented行导向的存储机制（郁闷的是我看过N本关于关系数据库的介绍从来没有提到过row- oriented行导向存储这个概念）。在列导向的存储机制下对于Null值得存储是不占用任何空间的。比如，如果某个表 UserTable有10列，但在存储时只有一列有数据，那么其他空值的9列是不占用存储空间的（普通的数据库MySql是如何占用存储空间的呢？）。 Hbase适合存储非结构化的稀疏数据的另一原因是他对列集合 column families 处理机制。打个比方，ruby和python这样的动态语言和c++、java类的编译语言有什么不同？对于我来说，最显然的不同就是你不需要为变量预先指定一个类型。Ok ，现在Hbase为未来的DBA也带来了这个激动人心的特性，你只需要告诉你的数据存储到Hbase的那个column families 就可以了，不需要指定它的具体类型：char,varchar,int,tinyint,text等等。 Hbase还有很多特性，比如不支持join查询，但你存储时可以用：parent-child tuple 的方式来变相解决。由于它是Google BigTable的 Java 实现，你可以参考一下：google bigtable 。下面3副图是Hbase的架构、数据模型和一个表格例子，你也可以从：Hadoop summit 上获取更多的信息。

田春峰-JCJC错别字检测

2019-02-14

1.7K0

协同推荐系统简介

推荐系统编程算法 linux 数据库 sql

最近几年搜索引擎理念可谓渗入人心，对于互联网产品设计人员来说，张口必言搜索。同事基于搜索技术的各种产品也在Web2.0的浪潮下如雨后春笋，刷刷往外冒。在这些林林总总的产品里面，几乎都能见到“ tag , 相关新闻, 相似产品 ” 类推荐链接的踪影。稍加留意这些产品的实现就可以发现，大多还是基于关键词的搜索机制实现的。很显然基于关键词技术的相关推荐是最直观的，似乎也是最有效的一种实现方式，如同机枪中的AK-47，那他冲锋陷阵总是屡试不爽。对于文字类产品的推荐，基于关键词的实现方式，目前还是主流；但在电子商务，智能阅读推荐，商务搜索方面单纯的关键字相关性实现机制还不那么让人满意，这也就有了协同推荐过滤系统。Collaborative filtering 。所谓协同推荐，很显然弥补了单纯依赖关键词相关性的不足，把获取相关性数据的视角放大到数据从产生到消费的各个环节。有2种最基础类型的协同推荐系统： 1 基于当前活跃用户和上一个用户的相似性来进行分析（一般是计算用户购买或者感兴趣的商品来进行）；侧重于用户 2 基于当前用户选择（或感兴趣）的商品和上一个用户感兴趣的商品的相似性来进行分析；这也就是大家所熟知的user-based 和item-based协同推荐。根据实现机制物理载体划分，以上两类协同推荐系统可以分为：内存型和模式型的协同推荐。一般内存型的都比较直观，适合于小型的数据集合，而模式型的一般都是利用机器学习的方法，适用于大规模的数据分析，也可以称之为离线分析。模式型的是我比较关心的，因为做基于SEO的日志分析，比较适合。我们在进行协同分析的时候，要考虑协同的意义。一般来说协同就是指多个用户或多个数据项的交叉作用。如果数据项较多的情况下，如何定义数据项的关系就是个重要问题了。下面说一下协同系统的设计要素吧： 1 数据项 Item 2 项集合 ItemCollection 3 数据项的关系权重 DirectedEdge 4 数据项在数据集合中的存储方式具体的算法实现过程，可以参考：Beyond Search 的推荐系统：关联规则(2)。我这里摘录如下：

田春峰-JCJC错别字检测

2019-02-14

6730

Scala 的数据库访问框架：Slick 3.0 移除了 session 相关的 API

scala 数据库 api python

Scala 的数据库访问框架：Slick 3.0 移除了 session 相关的 API Slick 3 对于 Slick 2 的改变相当于 Python 3 至于 Python 2 的改变。 Slick 3 的新特性集中在：大量使用组合的设计模式，不需要显式声明session，非阻塞，stream支持的 reactive 等。不过我最喜欢这个方法： setFetchSize 。具体来说：在Scala slick 2.x 中： db.withSession{ implicit session

田春峰-JCJC错别字检测

2018-04-16

7320

没有更多了

社区活动

腾讯技术创作狂欢月

“码”上创作 21 天，分 10000 元奖品池！

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态