前言《设计模式自习室》系列，顾名思义，本系列文章带你温习常见的设计模式。主要内容有：该模式的介绍，包括：引子、意图（大白话解释）类图、时序图（理论规范）该模式的代码示例：熟悉该模式的代码长什么样子该模式的优缺点：模式不是万金油，不可以滥用模式该模式的应用案例：了解它在哪些重要的源码中被使用该系列会逐步更新于我的博客和公众号（博客见文章底部），也希望各位观众老爷能够关注我的个人公众号：后端技术漫谈，
分类：
其他好文 时间：
2020-12-11 11:51:43
阅读次数：
7
https://www.yuque.com/lengyuezuixue/togedc/hgg3rz ...
分类：
编程语言 时间：
2020-12-04 11:40:00
阅读次数：
9
1 #Numpy数组是一个多维数组对象，称为ndarry，其由两部分组成 2 #实际的数据 描述这些数据的元数据 3 #多维数组 4 import numpy as np 5 ar = np.array([1,2,3,4,5]) 6 print([1,2,3,4,5]) 7 print(ar,typ ...
分类：
编程语言 时间：
2020-12-03 11:46:10
阅读次数：
6
在上一篇文章《内存数据库解析与主流产品对比（二）》中，我们从数据组织和索引的角度介绍了内存数据库的特点和几款产品的技术实现。本文将继续解析内存数据库，从并发控制、持久化和查询处理的角度介绍几款技术，带来更多维度、更细致的内存数据库技术讨论。
分类：
数据库 时间：
2020-12-01 11:46:52
阅读次数：
7
1多维数据的形象表示importnumpyasnp#一维数据不用赘言data_1d=np.array([0,1,2,3])#二维数据作为m行n列的表格，例如2行3列data_2d=np.arange(6).reshape(2,3)#三维数据作为k层m行n列的积木块，例如2层3行4列data_3d=np.arange(24).reshape(2,3,4)检查一个ndarray数据的维度和大小，分别用
分类：
其他好文 时间：
2020-11-27 10:50:17
阅读次数：
5
线性回归是机器学习中的概念，线性回归预测算法一般用以解决“使用已知样本对未知公式参数的估计”类问题。举个栗子：商家卖鞋，可利用历史上每个季度鞋的定价x与销量y，来预估“定价与销量的关系”（y=ax+b），以辅助对鞋子进行最佳定价。一、几个基本概念回归(regression)：用已知样本对未知公式参数的估计。Y=f(X1,X2,X3)，这里回归函数f(X1,X2,X3)可能是任意函数。线性回归(li
分类：
其他好文 时间：
2020-11-18 12:20:33
阅读次数：
4
昨天《要过年了，就别再背电脑回家》情怀了一把，没想到评论里的技术人们（特别是运维）竟如此感人。上一篇介绍多维度立体化监控，提到系统需要监控的八个维度：http接口监控log关键字监控操作系统，进程，端口http状态码服务存活性接口处理时间用户层面监控RPC接口监控其中1和2两项《通用+可扩展http监控平台/框架》和《通用+可扩展log监控平台/框架》分别进行了细化说明，3到6这四项上一篇《多维度
分类：
其他好文 时间：
2020-11-18 12:17:08
阅读次数：
3
前文介绍了通用+可扩展的http监控平台与log监控平台的架构：《通用+可扩展http监控平台/框架》《通用+可扩展log监控平台/框架》结果，评论里各种冷嘲热讽。监控这个topic本来有很多细节可以聊，既然大伙公司都做得比较完善，后续就不纠细节了，聊聊方向上的思考，架构上的设计。今天和大伙聊聊多维度立体化监控。一、什么是多维度立体化监控不同公司或多或少有一些自动化监控手段，除了前文提到的：htt
分类：
其他好文 时间：
2020-11-18 12:16:50
阅读次数：
3
数据结构是指相互之间存在一种或多种特定关系的数据元素的集合。 数据结构就是相互之间有联系的具有某种组织方式的数据集合。 比如说学生数据可以定义为一个多维的数组，只有这样我们再写增加学生时，才能知道具体增加就是增加一个数组元素并未其赋值。 抽象数据类型( ADT，Abstract Data Type) ...
分类：
其他好文 时间：
2020-11-12 13:36:45
阅读次数：
8
1.定义数组，初始化数组 我习惯性写成了这样：错误 count = int[60] 正确定义： count = [0]*60 当然，还可以借用numpy库生成数组，可以得到多维数组： print(np.zeros(3)) print(np.zeros((3,3))) print(np.zeros(( ...
分类：
编程语言 时间：
2020-11-10 10:51:31
阅读次数：
9
