关于Iterator主要有三个方法：hasNext()、next()、remove()
最近在写android程序的过程中，对容器ArrayList操作的时候，碰到了java.util.ConcurrentModificationException异常，是在遍历一个容器的时候，删除容器里面的元素： public static void exit(){ for (Activity activity : activityList){ activity.finish(); activityList.remove(activity); } } 官方文档中
上一篇pytest文档2-用例运行规则已经介绍了如何在cmd执行pytest用例，平常我们写代码在pycharm比较多 写完用例之后，需要调试看看，是不是能正常运行，如果每次跑去cmd执行，太麻烦，所以很有必要学习如何在pycharm里面运行pytest用例
Spring Boot 2.2.3 修复了 Spring Boot 2.2的大量问题，当升级至 2.2.3 以后，直接翻车 pigx-gateway 网关应用直接启动不起来。
写再前面：本系列作品由MathMagician独家首发，一共有七篇，从数学和魔术两个角度对日常生活中“洗牌”这一现象作了挂一漏万的分析。之所以说是挂一漏万，是因为无论数学还是魔术，洗牌中的任何一个小点都够写几篇了，这点篇幅不可能绝对全面。所以，本系列主要选取了一些常见的洗牌方式和相关内容展开作了一些介绍，包括洗牌分类，混乱度评价，过程建模，近似计算，以及几个基本但是及其巧妙的利用洗牌规律设计的魔术。相信聪明的你读完以后，会在数学和魔术上，都对“洗牌”这一现象有着更加深入的认识。
You're given a permutation aa of length nn (1 \le n \le 10^51≤n≤105).
本文将和大家介绍在 UWP 应用，或其他能接入 WinRT 的应用里，使用系统自带的分词库，对中文、英文等等自然语言的字符串文本进行分词
平时的工作管理中会使用到各种各样的命令行工具，有些人是比较厌烦的去学习各种命令以及选项，比如Docker的各种命令和选项其实都让人很头大，于是就有人做出来一款名为Lazydocker的专为懒人设计的Docker和docker-compose终端管理工具，该工具使用Go语言开发基于gocui实现。
仅当你的app是真的提供给用户音频播放功能，你才能使用音频后台模式。 若我们抱有侥幸心理，为了获得CPU更多时间而利用该模式播放一段无声的音频，apple将会拒绝此类app。 同样的当语音播放完毕之后程序同样会挂起
The following Q&A addresses some of the design issues of the Shutdown Hooks API.
介绍逃逸分析的概念，go怎么开启逃逸分析的log。 以下资料来自互联网，有错误之处，请一定告之。 sheepbao 2017.06.10
VanillaRat是一款由C#编写的remote administration tool，其github地址如下：https://github.com/dmhai/VanillaRAT
Boy类： public class Boy { // private String ID; private String name; private String age; public Boy() { } public Boy(String ID, String name, String age) { this.ID = ID; this.name = name; this.age = a
说起来真特么惭愧：十年 IT 老兵，Java 菜鸟一枚。今天我才了解到 Java 还有 fail-fast 一说。不得不感慨啊，学习真的是没有止境。只要肯学，就会有巨多巨多别人眼中的“旧”知识涌现出来，并且在我这全是新的。
在单细胞的商业化测序平台中，来自10X genomics的测序数据占据了很大的份额。相信大家在平时的科研工作中对10X数据并不陌生, 而Cell Ranger软件作为由10X官方开发的配套分析软件，颇受欢迎。今天我们就给大家介绍一下这款软件主要分析流程和使用。
上篇文章 中，我们介绍了数据读写过程中 tikv-client 需要解决的几个具体问题，本文将继续介绍 tikv-client 里的两个主要的模块——负责处理分布式计算的 copIterator 和执行二阶段提交的 twoPhaseCommitter。
本文的目的是分享在TX1上安装Tensorflow Serving时遇到的主要问题，避免重复踩坑。
在上一篇文章中，我们介绍了使用NaturalLanguage框架来进行自然语言的拆解，可以将一段文本按照单词，句子或段落的模式进行拆解。并且，在进行拆解时，其可以自动的识别所使用的语言。
NSURLConnection 是 Foundation URL 加载系统的基石。一个 NSURLConnection 异步地加载一个 NSURLRequest 对象，调用 delegate 的 NSURLResponse / NSHTTPURLResponse 方法，其 NSData 被发送到服务器或从服务器读取；delegate 还可用来处理 NSURLAuthenticationChallenge、重定向响应、或是决定 NSCachedURLResponse 如何存储在共享的 NSURLCache上。
ArrayList 是一种变长的集合类，基于定长数组实现。ArrayList 允许空值和重复元素，当往 ArrayList 中添加的元素数量大于其底层数组容量时，其会通过扩容机制重新生成一个更大的数组。另外，由于 ArrayList 底层基于数组实现，所以其可以保证在 O(1) 复杂度下完成随机查找操作。其他方面，ArrayList 是非线程安全类，并发环境下，多个线程同时操作 ArrayList，会引发不可预知的错误。
它是由HashMap实现的，不保证元素的顺序，而且HashSet允许使用 null 元素。类图结构如下：
本文主要研究下reactor-netty的PoolResources的两种模式elastic及fixed。
当时好奇HashMap与ConcurrentHashMap，在网上找资料时发现基本都是相关的源码分析，想自己看看JDK里面具体有些什么，于是有了这个系列，信马由缰，走到哪里写到哪里吧。本系列在未注明的情况下均基于JDK8。本篇主要是HashMap类开篇的注释翻译。
孟德尔随机化：根据孟德尔遗传规律，亲代的等位基因随机分配给子代，此过程相当于随机对照研究(RCT)的随机分组过程：不受混杂因素（社会地位、行为等）的影响；满足时间顺序合理性（遗传变异继承于父母，且保持不变）
本文主要研究一下reactor-netty中TcpClient的create的过程
在对ArrayList源码有过了解之后，现在对LinkedList源码进行相应的分析。
ArrayList继承了AbstractList类，并实现了List, RandomAccess, Cloneable, java.io.Serializable等接口。其官方描述为 Resizable-array implementation of the List interface。阅读源码doc，如下：
ArrayList是一种变长的集合类，基于定长数组实现。ArrayList 允许空值和重复元素，当往 ArrayList 中添加的元素数量大于其底层数组容量时，其会通过扩容机制重新生成一个更大的数组。另外，由于 ArrayList 底层基于数组实现，所以其可以保证在O(1)复杂度下完成随机查找操作。其他方面，ArrayList 是非线程安全类，并发环境下，多个线程同时操作 ArrayList，会引发不可预知的错误。
可以看到，TreeMap继承了AbstractMap，此外实现了NavigableMap、Cloneable和Serializable接口。而NavigableMap接口又继承了SortedMap。这与ConcurrentSkipListMap的情况类似，因而也是有序的。
在前面对LinkedList进行分析的时候说到，LinkedList实际上性能比ArrayList不会高多少，只有在前向插入的时候才能比ArrayList性能高。因为LinkedList虽然在remove和insert的操作不需要数据拷贝，但是寻址需要时间，也就是说此从链表中找到需要操作的节点需要时间，只能根据链表挨个遍历。那么当时就在想，查询链表中的某一个元素能不能将O(n)的时间复杂度变为O(1)呢，那样就能充分利用链表的特点。实际上我们本章讨论的LinkedHashMap就是这样一个数据结构。其综合了HashMap和链表的优点，虽然数据结构比LinkedList更加复杂，每一个节点Entry都增加了很多指针，但是在某些场景下，是可以同时发挥Hashmap和链表的优点的数据结构。
既然聊到了HashMap，那么HashTable、ConcurrentHashMap等这都是绕不开的话题。做为ConcurrentHashMap在并发场景下高效性能的一个反例，HashTable究竟是怎么实现的呢，本章将对HashTable的源码进行分析。
MP4 实际代表的含义是 MPEG-4 Part 14。它只是 MPEG 标准中的 14 部分。它主要参考 ISO/IEC 标准来制定的。MP4 主要作用是可以实现快进快放，边下载边播放的效果。他是基于 MOV，然后发展成自己相关的格式内容。然后和 MP4 相关的文件还有：3GP，M4V 这两种格式。 MP4 的格式稍微比 FLV 复杂一些，它是通过嵌的方式来实现整个数据的携带。换句话说，它的每一段内容，都可以变成一个对象，如果需要播放的话，只要得到相应的对象即可。 MP4 中最基本的单元就是 Box，它内
人们也可以把这些看作是手动/半自动/完全自动，其中半自动和完全自动的区别是需要用户定义属性的工具和除了分流结果外（几乎）不需要用户配置的工具之间的区别。完全自动化的工具往往是直接使用的，而半自动化的工具则需要一些人工协助，因此资源成本较高。
验证技术和方法不断发展，以应对日益严峻的验证挑战。当今行业的最新技术是基于UVM和基于形式化（Formal）的验证流程。事实证明，这两种技术都可以显著提高验证质量，但缺点是测试用例或激励不能“重复使用”。
LinkedList源码学习 被transient修饰的first和last如何序列化呢 LinkedList中重写列writeObject方法,ObjectOutputStream中将调用ObjectStreamClass里的方法通过反射根据方法名称来调用writeObject方法,以LinkedList中定义的方式来序列化链表中的元素和size字段 private void writeObject(java.io.ObjectOutputStream s) throws java.
重要的地方我都加了中文注释，重点不是很多，主要围绕put,get常用方法，以及hash本身的意思和一个Map的Entry单链表。代码是直接从jdk里拷贝出来的，1.8的变化比较大。
1 package java.util; 2 3 import java.util.function.Consumer; 4 5 /** 6 * LinkedList是List和Deque接口的双向链表的实现。实现了所有可选List操作，并允许包括null值。 7 * LinkedList既然是通过双向链表去实现的，那么它可以被当作堆栈、队列或双端队列进行操作。并且其顺序访问非常高效，而随机访问效率比较低。 8 * 内部方法，注释会描述为节点的操作(
重点了解：数组为EMPTY_ELEMENTDATA就走基于用户设置大小值进行1.5倍扩容（这里是空所以是0），数组为默认空DEFAULTCAPACITY_EMPTY_ELEMENTDATA就会走基于默认值的大小10扩容进行1.5倍扩容
Graph neural networks (GNNs) have been demonstrated to be a powerful algorithmic model in broad application fields for their effectiveness in learning over graphs. To scale GNN training up for large-scale and ever-growing graphs, the most promising solution is distributed training which distributes the workload of training across multiple computing nodes. However, the workflows, computational patterns, communication patterns, and optimization techniques of distributed GNN training remain preliminarily understood. In this paper, we provide a comprehensive survey of distributed GNN training by investigating various optimization techniques used in distributed GNN training. First, distributed GNN training is classified into several categories according to their workflows. In addition, their computational patterns and communication patterns, as well as the optimization techniques proposed by recent work are introduced. Second, the software frameworks and hardware platforms of distributed GNN training are also introduced for a deeper understanding. Third, distributed GNN training is compared with distributed training of deep neural networks, emphasizing the uniqueness of distributed GNN training. Finally, interesting issues and opportunities in this field are discussed.
指令微调(IT)是提高大型语言模型(LLM)能力和可控性的关键技术。其本质是指在由(INSTRUCTION, OUTPUT)对组成的数据集上以监督的方式进一步训练LLM的过程，它弥合了LLM的下一个词预测目标与用户让LLM遵循人类指令的目标之间的差距。这篇文章对现有研究进行了系统的回顾、包括IT的一般方法、IT数据集的构建、IT模型的训练、以及不同模式，领域和应用的应用。
无论是大厂还是不知名的小公司，HashMap都是一个绕不开的话题。基本上，如果通过HashMap能聊半小时以上，基本offer就没什么大碍了。现在我们也看看HashMap的源码，看看为什么这么被面试官待见。
rsync是一个开源、快速的、多动能的、可以实现全量，增量的本地或远程数据同步备份工具，它适用于多种操作系统平台。
从第 416 到第 460 题，跳过了需要付费的题目。付费的题目会单独放在一篇里面。
【1】 Hierarchical graph neural nets can capture long-range interactions 标题：层次图神经网络可以捕获远程交互
【1】 On the Finite-Sample Performance of Measure Transportation-Based Multivariate Rank Tests 标题：基于测度运输的多元秩检验的有限样本性能研究 链接：https://arxiv.org/abs/2111.04705
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
对象存储
云直播
