- 综合排序
- 最热优先
- 最新优先
- 来自专栏布衣者博客
LeetCode-题库-刷题(6-7)
将一个给定字符串 s 根据给定的行数 numRows ，以从上往下、从左到右进行 Z 字形排列。 具体题目链接
44220发布于 2021-09-07 - 来自专栏python3
笨办法学Python - 习题6-7:
学习目标：了解字符串的定义，学会使用复杂的字符串来建立一系列的变量。学会命名有意义的变量名
71010发布于 2020-02-10 - 来自专栏iOS面试
iOS 面试策略之算法基础6-7节
之前介绍了最简单的搜索法：二分搜索。虽然它的算法复杂度非常低只有 O(logn)，但使用起来也有局限：只有在输入是排序的情况下才能使用。这次讲解两个更复杂的搜索算法:
87230发布于 2021-04-22 - 来自专栏AI SPPECH
IO竞赛2025年题目解析：中级难度（6-7）
2025年的中级难度（难度系数6-7）题目综合考察了选手的算法设计、数据结构应用、数学建模和问题分析能力。本文将深入解析2025年中级难度的IO竞赛题目，帮助选手们突破瓶颈，提升解题能力。 难度进阶路径: 入门(1-3) → 基础(4-5) → 中级(6-7) → 高级(8-10) 难度系数 考察重点 核心知识点 学习目标 6-7 高级算法、数据结构综合应用 高级动态规划、图论、数论、几何 8题） ├── 第四章：中级难度题目解题策略 └── 第五章：综合能力提升建议 第一章：2025年IO竞赛中级难度题目概述 根据2025年NOI修订版大纲，中级难度（CSP-S提高）的知识点难度系数为6-
28010编辑于 2025-11-13 - 来自专栏AI机器学习与深度学习算法
机器学习入门 6-7 sklearn中的随机梯度下降法
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍改进上一小节代码，封装自己的随机梯度下降法并应用，之后应用sklearn实现随机梯度下降法。
1.2K20发布于 2019-11-13 - 来自专栏linjinhe的专栏
设计数据密集型应用（6-7）：分片、事务
分片 假设我们有一个单机数据库，上面有三张表：用户表、商品表和订单表。 ? 无分片 业务刚起步的时候，数据量很少，这个只有三张表的数据库运行得很好。 ? 垂直分片 随着业务发展，用户数量、商品数量、订单数量都在持续增长，数据库的负载越来越高。我们开始对数据库进行垂直拆分（垂直分片），把这三张表拆到三个数据库，而业务代码改改数据库的配置就好。 ? 再后来，一个数据库也承载不了用户表的数据，需要对用户表进行水平拆分（水平分片）。比如，根据用户 ID 将数据哈希到 n 个数据库。 垂直分片对业务是透明的，对于小业务来说比较方便，对大业务来说一般无法满足扩展需求。 水平分片理论上可以大规模水平扩展以解决单机性能和容量不足，但可能需要业务介入修改；一些数据库中间件、NoSQL、NewSQL 可以做到水平分片对业务透明，但是一般会有接口能力限制或性能损失。
76950发布于 2020-04-02 - 来自专栏陈黎栋的专栏啦
图数据库·业务总结·反欺诈
通过融合企业和个人银行资金交易明细、通话、出行、住宿、工商、税务等信息构建初步的“资金账户-人-公司”关联知识图谱。同时从案件描述、笔录等非结构化文本中抽取人(受害人、嫌疑人、报案人)、事、物、组织、卡号、时间、地点等信息，链接并补充到原有的知识图谱中形成一个完整的证据链。辅助公安刑侦、经侦、银行进行案件线索侦查和挖掘同伙。比如银行和公安经侦监控资金账户，当有一段时间内有大量资金流动并集中到某个账户的时候很可能是非法集资，系统触发预警（图7）
1.6K30发布于 2020-02-18 - 来自专栏信息化漫谈
如果数据库down，业务多久恢复？
数据库是整个系统的核心，如果主用数据库中断或故障，你的业务什么时间内能恢复？ 一、数据库是否必须做冗余？ 墨菲定律，鸡蛋不能放在同一个篮子中。 数据库是最重要的资产，出现单点故障确实不可避免，我们应提前做到数据库备份，出现故障时能够快速恢复。 ? 对于4级的重要业务，至少每天全量+增量备份，RPO/RTO从小时到天级别。 对于5的关键业务，要求数据丢失不能超过30分钟，即RPO小于等于30分钟。并能够在分钟级别恢复业务，即RTO分钟级。 2、数据库快速恢复解决方案（应尽量缩短RTO时间，也就是数据恢复的时间量） 原理：当主用数据库中断时，能够通过快速切换数据库，将业务切换到正常工作的数据库上。 也可以采用第三方工具，如Zookeeper，通过检测数据库的状态，当异常时向应用程序返回正常工作的数据库IP地址。 3、大家一定会问第6级的业务如何恢复，仅靠标准公有云难以满足。
1.2K20发布于 2019-09-24 - 来自专栏杨建荣的学习笔记
通过数据建模梳理数据库业务
以这个为出发点，我觉得很多DBA对于自己负责的数据库业务其实是不了解的，比如这个数据库数据量情况，数据变化情况，对象（表，索引）的分布情况，整体的SQL质量情况等，或者更高的一个要求，我们负责了100套数据库业务 ，这些数据库半天内产生了多少数据量，什么时候会是业务的高峰，什么时候相对会比较平稳，这些是我们应该了解的，但是显然这是我们忽视的。 所以通过这些数据可以得出一个初步的结论，这个数据库是一个典型的TP业务，数据变更很频繁，算是一个偏TP层面的业务。 ? 再来看一个数据，这个数据库的数据量不大，从两次的时间采集的数据来看，日志没有切换，更关键的，偏移量没有发生任何变化，所以通过这个层面来看，这很可能是一个僵尸业务，可以持续关注。 ? 再来看一个业务，这个数据库的数据量比较大，有60多G,日志切换切换很频繁，数据量的增长相对较快，所以这很可能是一个密集型写入的日志业务。 ? 通过这些数据分析，就会得到一些有效的数据模型。
91230发布于 2018-12-18 为什么跨数据库业务总是慢？
说说跨库用过Oracle和DB2这样的数据库的朋友应该听过一次名词，叫DBLink。A库的本地表和通过DBLink的B库的进行关联，效果通常不太好（反正比本地查询慢，应该都有这个感觉。 （总数1万条）同库根据A表逐条提交更新B表 完成耗时: 11217 ms同库根据A表逐条提交更新B表 平均每条耗时: 22.43ms同库根据A表批量提交更新B表 完成耗时: 669 ms同库根据A表批量提交更新 这是数据库本身刷脏机制决定的。批量就是比逐条提交快。那么跨数据库呢？在一个数据库上有A在另外一个数据库上有B两个表根据A表的数据更新B表。以500条为测试样本。 （总数1万条）跨库根据A表逐条提交更新C表 完成耗时: 18970 ms跨库根据A表逐条提交更新C表 平均每条耗时: 37.94 ms跨库根据A表批量提交更新C表 完成耗时: 9149 ms跨库根据A表批量提交更新 如果车票的表和支付的表（或者说账户的表）不是一个数据库。那么就是要从一个数据库查到了，通过接口或者服务去另外一个数据库更新。
17910编辑于 2025-10-22- 来自专栏跟着asong学Golang
Go业务开发中常用的几个开源库
最近总有一些初学Go语言的小伙伴问我在业务开发中一般都使用什么web框架、开源中间件；所以我总结了我在日常开发中使用到的库，这些库不一定是特别完美的，但是基本可以解决日常工作需求，接下来我们就来看一下。 大多数日志库基本都是基于反射的序列化和字符串格式化的，这样会导致在日志上占用大量CPU资源，不适用于业务开发场景，业务对性能敏感还是挺高的。 github地址：https://github.com/uber-go/zap jsoniter 做业务开发离不开json的序列化与反序列化，标准库虽然提供了encoding/json，但是它主要是通过反射来实现的 ants也是国人开发的，设计博文写的也很详细的，目前很多大厂也都在使用ants，经历过线上业务检验的，所以可以放心使用。 总结 本文列举的几个库都是经常被使用的开源库，这几个库你都掌握了，基本的业务开发都没有啥问题了，一些初学者完全可以通过这几个库达到入门水平。
1.2K20编辑于 2022-07-11 - 来自专栏大数据，java，Python和前端
Maxwell采集MySQL Binlog业务库数据同步方案
简介： 针对业务库MySQL Binlog日志数据进行数据同步，从MySQL到Kafka，最终实现实时（准实时）数据采集。 产品目标完成实时数据采集，拉取业务数据库数据。 建立maxwell库表，存储捕获到的schema等信息。 值可以为具体的数据库、数据表、数据列，甚至可以用JS来定义复杂的过滤规则，也可以用正则表达式描述。如：# 仅匹配foodb数据库的tbl表和所有table_数字的表。 /table_\d+/’# 排除所有库所有表，仅匹配db1数据库--filter=’exclude:.
77510编辑于 2025-07-21 通过 YashanDB 数据库提升业务决策能力
要通过 YashanDB 数据库提升业务决策能力，首先需要理解数据库如何在数据存储、分析和提取过程中支持决策。以下是一些具体的方法：1. 数据整合与集中化YashanDB能够有效整合多种数据源。 通过将各类业务数据（如销售数据、客户数据、财务数据等）统一存储在一个平台上，能够提供一个全面的视角，帮助决策者更好地理解各个部门和业务的现状。 通过高效的查询语言和分析工具，业务分析师可以快速对数据进行切割和处理，从而更好地理解市场趋势、客户行为和产品表现等关键业务领域。 优化运营和流程通过对运营数据的分析，能够识别出业务流程中的瓶颈或不必要的步骤，从而优化业务流程和提高效率。例如，通过数据分析发现生产过程中的延迟问题，可以采取措施加以改善。 - 提高效率：实时追踪和调整业务流程，确保每一环节的顺畅进行。总结通过YashanDB数据库，企业可以获得更高效、更精准的数据处理与分析能力，进而做出更为科学、数据驱动的决策。
18110编辑于 2025-10-05- 来自专栏云计算linux
电子书城数据库分析业务
数据库设计说明 1. t_user 用户表 表名列名 数据类型（精度范围） 空/非空 约束条件 其他说明 id int 非空 种子，自增1 用户唯一标识 name Varchar(20) 非空 帐号
28810编辑于 2024-12-19 - 来自专栏韩曙亮的移动开发专栏
【Android 逆向】Android 进程注入工具开发 ( 远程进程注入动态库文件操作 | 注入动态库 加载 业务动态库 | 业务动态库启动 | pthread_create 线程开发 )
文章目录 前言 一、加载 libnattive.so 动态库 二、 libnattive.so 动态库启动 三、 pthread_create 线程开发 四、 线程执行函数 前言 libbridge.so 动态库是 注入工具 使用 ptrace 函数强行向远程进程 注入的 动态库 , 这种方法侵入性极大 , 会破坏远程进程的运行环境 , 因此该动态库越简洁越好 ; 注入动态库 就执行一个操作 , 就是加载 包含真正的逆向业务逻辑的 libnattive.so 动态库 , 然后启动该动态库即可 , 执行完毕后 , 马上在远程进程中销毁注入的 libbridge.so 动态库 ; 一、加载 libnattive.so 动态库 ---- 通过 注入工具 , 将 libbridge.so 注入到远程进程 后 , 远程进程中 , 会 为 libbridge.so 动态库分配一块内存 , 并将其运行起来 ; libbridge.so 动态库的主要操作是 加载 libnattive.so 动态库 , 并执行该动态库的 invoke 方法 ; libbridge.so 动态库对应的 bridge.c 源码如下 : #include <
1.4K20编辑于 2023-03-29 YashanDB面向业务的数据库性能优化策略
如何优化数据库查询速度是提升业务系统响应能力和用户体验的关键问题。高效的查询不仅降低系统资源消耗，还能支撑复杂业务逻辑的实时处理。 YashanDB作为面向多种业务场景设计的数据库系统，通过多层面技术架构和丰富的优化机制，为业务提供稳定且高性能的数据处理能力。 不同部署架构结合业务特点和资源条件，合理挑选适配架构，成为数据库性能优化的基础。 根据业务需求选择同步或异步复制，平衡业务性能和数据一致性。备份策略：支持全库备份及分级增量备份，建议结合业务低峰期进行备份，减少对在线性能影响。 建议数据库管理员和开发人员深入理解YashanDB核心技术原理，基于业务特点灵活应用上述优化策略，持续监控并调优数据库参数与执行计划，以实现数据库性能的持续提升和业务价值最大化。
30310编辑于 2025-08-20如何高效部署YashanDB数据库实现业务优化
现代业务系统对数据库的性能和稳定性提出了严格要求，但在实际应用中，系统往往面临性能瓶颈、数据一致性维护复杂以及扩展能力不足等挑战。 本文将基于YashanDB体系架构，深入解析其核心技术及部署优化方法，帮助开发人员和数据库管理员提升业务性能和系统可用性。 主备复制和故障切换主备复制通过redo日志传输实现主库与备库数据同步，支持同步与异步复制模式。支持Switchover计划内切换和Failover故障切换，确保业务连续性。 通过合理利用存储结构、多版本并发控制、分布式并行执行及高可用复制机制，用户可有效提升数据库性能与稳定性。 建议数据库开发和运维团队深入理解并实践本文方法，在项目环境中实施索引设计优化、合理调整并行度及存储参数，并结合高可用架构保障业务持续性，实现系统的整体业务优化。
23310编辑于 2025-10-02利用YashanDB数据库支持大规模业务负载
在当今数字化时代，企业面临着海量数据的快速增长和复杂分析需求，这推动了数据库技术的不断发展与演进。高性能、高可用性以及充分的扩展性是支撑大规模业务负载的关键要求。 YashanDB作为一个新一代数据库系统，凭借其多种部署架构、多样化的存储模式和先进的事务管理功能，提供了灵活而强大的支持，适合各种业务场景，为企业构建大规模应用提供了理想的基础。核心技术点分析1. 不同类型的存储结构各有特点，适用于不同的业务需求：- HEAP存储结构提供快速的随机写入性能，适合OLTP场景。- BTREE索引（数据库默认的索引类型）能加速数据访问，适合需要高效检索的场景。 设定合理的高可用性方案，通过主备部署或云备份确保业务的连续性。6. 定期进行备份策略评估，保障数据能够随时恢复，防止意外数据丢失风险。结论在大规模业务负载的环境中，选择合适的数据库解决方案至关重要。 开发者和运维人员应当合理运用YashanDB的各项功能与优势，来构建满足业务需求的高可用、高性能的数据库环境。通过合理的设计和管理，可以确保在严峻的业务负载下，系统依旧保持稳定和高效的运行状态。
23010编辑于 2025-08-15- 来自专栏idba
电商交易订单业务数据库设计演进
我们通常使用的分表规则是选取业务表的某一列作为分表键进行哈希打散到各个数据库中。基于前面的业务访问情况，我们可以选择的分表键键有买家id，卖家id，订单号。 比如 交易数据库计划分128个库， 分2048张分表。 基于买家 id 对于买家id buy_id 取模 比如 buy_id%2048%128 ，先分表，然后再落到不同的分库里面。 最优解 基于 MySQL 架构，上面三种场景无法再同一套库中完成，需要创建2个数据库: 买家库和卖家库,数据相同，但是查询纬度不一样。 所有的业务数据只在买家端写入，买家订单信息和商家修改订单以订单维度写入买家库。然后通过 DTS 等CDC 工具同步 买家库的binlog 到卖家库。 (也可以由分片规则指定1024 在订单号中具体的位置) 总结 虽然说本文是说的订单数据设计，但是也适用于其他业务场景，从小业务量到海量数据的数据库演进。
1.2K10编辑于 2024-02-23 如何使用YashanDB数据库优化业务流程？
使用 YashanDB 数据库优化业务流程，可以通过以下几个步骤进行：1. 数据建模优化：- 设计合理的数据结构：根据业务需求设计合适的表结构和关系，确保数据的规范化和有效的索引使用，以提升查询效率。 缓存机制：- 使用缓存：结合 YashanDB 的缓存机制，减轻数据库负担，提高数据读取速度。例如，可以使用 Redis 等内存数据库进行热点数据的缓存。4. 异步处理：- 任务异步化：对于耗时的操作，可以考虑使用异步处理方式，减轻数据库的实时压力，提高系统的响应能力。6. 定期维护：- 数据清理与归档：定期清理不再需要的数据，归档历史数据，以减轻数据库负担。- 分析性能日志：定期分析数据库的性能日志，识别性能瓶颈并进行优化。 通过以上方法，可以在 YashanDB 数据库中实现更高效的业务流程，提升系统的整体性能和用户体验。
15310编辑于 2025-11-14
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号