- 综合排序
- 最热优先
- 最新优先
- 来自专栏mysql
hhdb数据库介绍(9-4)
计算节点有两类用户，一类是计算节点数据库用户，用于操作数据，执行SELECT，UPDATE，DELETE，INSERT等SQL语句。另一类是关系集群数据库可视化管理平台用户，用于管理配置信息。此章节将着重介绍计算节点用户相关内容。
34310编辑于 2025-03-10 - 来自专栏AI机器学习与深度学习算法
机器学习入门 9-4 实现逻辑回归算法
把现在的工作做好，才能幻想将来的事情，专注于眼前的事情，对于尚未发生的事情而陷入无休止的忧虑之中，对事情毫无帮助，反而为自己凭添了烦恼。
82720发布于 2020-02-26 - 来自专栏全栈程序员必看
体验vSphere 6之7-为虚拟机启用容错
图9-3 为辅助虚拟机选择数据存储 （4）在”选择主机”对话框，为辅助虚拟机选择主机，如图9-4所示。辅助虚拟机、主机要运行在不同的主机上。 图9-4 为辅助虚拟机选择主机 （5）在”即将完成”对话框，显示辅助虚拟机详细信息，这包括辅助虚拟机所在主机、配置文件位置、硬盘位置等，如图9-5所示。 图9-6 为虚拟机打开容错 （7）为虚拟机打开容错之后，右击虚拟机名称，在FT中可以看到，关闭FT、迁移辅助虚拟机等选项，如图9-7所示。 图10-1 启动容错虚拟机 （2）打开控制台，可以看到虚拟机正在启动，如图10-2所示。 图10-5 父资源池中可用内存资源不足 11 其他 vSphere Web Client控制台中，各个窗口可以向四个方向拖动，如图11-1所示。 图11-1 拖动窗口 图11-2 拖动到指定位置
1.5K40编辑于 2021-12-23 - 来自专栏数据安全架构与治理
《数据安全架构设计与实战》勘误表
本着为读者负责的原则，现将勘误表发布出来： 2019年12月第1版第2次印刷勘误 P102（9.3节）图9-4第四个方框应为“乙方私钥解密” P149（12.4.4节）“HIDS需要针对以上口风险”应为 2019年10月第1版第1次印刷勘误 P98（9.1节）图9-1右下侧编号⑧应为编号⑤ P102（9.3节）图9-4第四个方框应为“乙方私钥解密” P126（11.3节）“访问使用临时随机口令”应为“访客使用临时随机口令
52720编辑于 2022-06-02 - 来自专栏算法工程师的学习日志
C++代码编程的一个小插曲
方程组为：x^9-4*x^5-5*x^3-270000=0，范围为0~10； C++代码方式： #include <iostream> #include "math.h" #include <iomanip 0; } cout是我调试用的，便于实时看看结果 输出结果可以看到为4.02057 为了验证我的结果是否正确，我在用matlab自带的fsolve函数来求解一遍 >> x = fzero("x^9- 4*x^5-5*x^3-270000",2); >> x x = 4.0206 >> x^9-4*x^5-5*x^3-270000 ans = -5.8208e-11 和我的结果很接近 而且这个误差符合要求，但我把C++的计算结果4.02057带入方程组去计算，发现这个误差值为1.897，和预计的相差较大， >> x = 4.02057 x = 4.0206 >> x^9- endl; return 0; } 此时的x为：4.020566884828，在matlab中计算一下 >> x = 4.020566884828 x = 4.0206 >> x^9-
46120编辑于 2022-07-27 - 来自专栏IT技术圈（CSDN）
浙大版《C语言程序设计（第3版）》题目集 习题9-4 查找书籍
习题9-4 查找书籍 给定n本书的名称和定价，本题要求编写程序，查找并输出其中定价最高和最低的书的名称和定价。 输入格式: 输入第一行给出正整数n（<10），随后给出n本书的信息。
2.4K30发布于 2020-09-15 - 来自专栏A周立SpringCloud
Config Server——使用Spring Cloud Bus自动刷新配置
图9-2 使用Spring Cloud Bus的架构图 由图可知，微服务A的所有实例通过消息总线连接到了一起，每个实例都会订阅配置更新事件。 图9-3 Git WebHooks设置 局部刷新 某些场景下（例如灰度发布），我们可能只想刷新部分微服务的配置，此时可通过/bus/refresh端点的destination参数来定位要刷新的应用程序。 图9-4 使用Spring Cloud Bus的架构图 如图9-4，我们将Config Server也加入到消息总线中，并使用Config Server的/bus/refresh端点来实现配置的刷新。
1.9K50发布于 2018-04-02 - 来自专栏机器学习与自然语言处理
Stanford机器学习笔记-9. 聚类(Clustering)
图9-1形象的表示了监督学习与无监督学习的区别。 图(1)表示给带标记的样本进行分类，分界线两边为不同的类(一类为圈，另一类为叉)；图(2)是基于变量x1和x2对无标记的样本(表面上看起来都是圈)进行聚类(Clustering)。 ? 例如根据人的身高和体重划分T恤的大小码，如图9-4所示。 ? 图9-4 K-means for non-separated clusters 9.3 Optimization objective image.png 9.4 Random Initialization 图9-6 划分T恤size的两种不同情况 【推荐阅读】讨论K均值算法的缺点
1.5K110发布于 2018-03-13 - 来自专栏小鹏的专栏
CNN图图图
? ?
1.2K50发布于 2018-01-09 - 来自专栏Python小屋
微课|《Python编程基础与案例集锦（中学版）》第9章例题讲解（2）
例9-4 使用turtle绘制图形，响应鼠标左键、中键、右键的单击事件。
43220发布于 2020-05-08 - 来自专栏冰河技术
《Spring核心技术》第9章：一个@Lazy注解也能写上万字？
四、源码时序图 结合时序图理解源码会事半功倍，你觉得呢？ 本节，就以源码时序图的方式，直观的感受下@Lazy注解在Spring源码层面的执行流程。 4.2 调用Bean后置处理器的源码时序图 @Lazy注解涉及到的调用Bean工厂后置处理器的源码时序图如图9-2~9-4所示。 由图9-2~9-4可以看出，@Lazy注解涉及到的调用Bean工厂后置处理器的流程涉及到LazyTest类、AnnotationConfigApplicationContext类、AbstractApplicationContext 4.3 创建单例Bean的源码时序图 @Lazy注解涉及到的创建Bean的源码时序图如图9-5所示。 5.2 调用Bean后置处理器的源码流程 @Lazy注解在Spring源码层面调用Bean工厂后置处理器的执行流程，结合源码执行的时序图，会理解的更加深刻，本节的源码执行流程可以结合图9-2~9-4进行理解
52720编辑于 2023-05-24 - 来自专栏各类技术文章~
vue图片加载（默认图、小图、加载图、大图、加载失败图）
但是对于一些特殊场景就需要对图片特殊处理，比如：默认图、大小图、加载图等。 在此介绍一下图片处理涉及到的情况：图片使用阿里云OSS图片，里面有涉及到对原图（会大于20兆）处理为小图，但是阿里云最大只支持20兆的图片进行处理，因此有些图片无法使用小图；如果对那部分图片直接使用原图会对性能有很大影响 为了解决上述问题，如果小图可以加载，则直接使用小图，如果小图不能加载，则先使用加载中的图片去渲染，当原图加载成功以后，渲染上对应的原图，如果当原图也渲染失败（比如服务器响应客户端最大时间为30秒，网速过慢导致该时间内未完成 ", // 小图加载失败，会先使用loading图片占位，避免页面卡顿，等待大图加载完成使用大图 small: "https://xixixi.net.cn/resources/images ，大图可以使用时返回大图地址 } } bigImage.onerror = function() {
4.8K00发布于 2021-10-31 - 来自专栏机器学习算法与Python学习
机器学习(7) -- k-means 聚类
图9-1形象的表示了监督学习与无监督学习的区别。 图(1)表示给带标记的样本进行分类，分界线两边为不同的类(一类为圈，另一类为叉)；图(2)是基于变量x1和x2对无标记的样本(表面上看起来都是圈)进行聚类(Clustering)。 ? 图9-3 K均值算法的演示 通过上述描述，下面我们形式化K均值算法。 输入： K (number of clusters) Training set ? 例如根据人的身高和体重划分T恤的大小码，如图9-4所示。 ? 图9-4 K-means for non-separated clusters 9.3 Optimization objective 重新描述在K均值算法中使用的变量： = index of cluster
1.4K50发布于 2018-04-04 - 来自专栏代码生涯
UML图之类图
对UML图的记录，只为更好 学习和理解程序 一、UML图 UML 又称 统一建模语言，是用来设计软件的可视化建模语言。它的特点是简单、统一、图形化、能表达软件设计中的动态与静态信息。 UML 从目标系统的不同角度出发，定义了9 种图： 用例图 类图 对象图 状态图 活动图 时序图 协作图 构件图 部署图 本文记录的是UML图中的类图。 二、类图 类图 是显示了模型的静态结构，特别是模型中存在的类、类的内部结构以及它们与其他类的关系等。类图不显示暂时性的信息。类图是面向对象建模的主要组成部分。 2.1 类图的作用 在软件工程中，类图是一种静态的结构图，描述了系统的类的集合，类的属性和类之间的关系，可以简化了人们对系统的理解； 类图是系统分析和设计阶段的重要产物，是系统编码和测试的重要模型。 例如，汽车和船实现了交通工具，其类图如图 9 所示。
60640编辑于 2023-10-21 - 来自专栏数据小魔方
旋风图（蝴蝶图）
今天要给大家分享的图表是旋风图！ ▽▼▽ 其实我更喜欢叫这种图为蝴蝶图，因为图表两侧像一对翅膀一样，这种图表多用于某个事物的两种不同指标对比，如同一个年龄段两种产品的用户比例，同一种产品在接连两年的销量或者利润等指标。 ►然后利用原数据做簇状柱形图： ? ►由于条形图默认图表的固有缺陷，我们需要设置逆序类别，将条形图数据条顺序调整至与原数据区域相同（回复036查看反转条形图数据序列） ?
2.3K50发布于 2018-04-10 - 来自专栏全栈程序员必看
箱体图_原理图和箱体图
多组维度不一样长的箱体图的画法 clear;clc; load('speed_1_1.mat') load('speed_1_2.mat') load('speed_2_1.mat') load('speed
57920编辑于 2022-09-20 - 来自专栏数据小魔方
螺旋图（海螺图）
今天跟大家分享一种好玩的图表——海螺图！ ▽▼▽ 这种图表制作方法与之前介绍的两种图表——玫瑰图都是使用雷达图制作完成，步骤上有些相似之处，功能也差不多，也属于那种纯粹炫技的形式，不过看图表看起来比较有趣，这里给大家介绍一下制作方法。 然后选中全部数据区域——插入——雷达图——填充雷达图 ? 这是输出的默认图表。 ? 选中图表，删除图例、坐标轴标签、网格线。 ? 可以添加数据标签。 ? 最后螺旋图就完成了，是不是看起来棒棒哒！ ---- 相关教程推荐： 创意玫瑰图（Rose chart） 创意玫瑰图2(Rose Chart)
3.7K71发布于 2018-04-10 - 来自专栏Hadoop数据仓库
维度模型数据仓库（十四） —— 杂项维度
图（五）- 9-1显示了增加杂项维度表后的数据仓库模式（这里只显示了和销售订单属性相关的表）。 五）- 9-2到图（五）- 9-5显示了对Kettle定时装载的修改。 图（五）- 9-2 图（五）- 9-3 图（五）- 9-4 图（五）- 9-5 测试修改后的定期装载 现在使用清单（五）- 9-3里的脚本添加八个销售订单 可以使用清单（五）- 9-4里的分析性查询确认装载正确。该查询分析出检查了信用状态的新用户有多少销售订单。查询结果如图（五）- 9-6所示。 4 图（五）- 9-6
1K20编辑于 2022-12-02 - 来自专栏Danny的专栏
UML图——类图
什么是类图？ 类图是面向对象系统建模中最重要、最基本、最常见的图。类图显示了一组类、接口、协作以及它们之间的关系。 类图由哪些部分组成？ 在UML图中通常用一个类似于类图的矩形框，不过第一层要写明“<<interface>>”，或者还可以用一个小圆圈表示，如： ? 或者 ? 3、依赖：依赖在图中用一条虚线加箭头表示，它表明一个类依赖于另一个类，比如人需要吃东西，下面这个图就表示人类依赖于食物类： ? 实践——机房收费系统类图 第一次画系统的类图，感觉抽象的不是特别好，因为每种用户的权限不同，而且一般用户、操作员、管理员的权限一级一级升高，所以就就给他们抽象出来一个用户类，然后一级一级往下泛化，不知道这样是否合适
2.8K20发布于 2018-09-13 - 来自专栏全栈程序员必看
实体-联系图(ER图)_实体关系图
二、如何画ER图 1.要素表示 2.画图步骤 首先确定这个模块有哪几个核心的对象以及具体有哪些特征， 其次思考这些对象之间的关系，如何相互转变。 最后把他们用ER图的方法表述出来。 当然需要尽量精简实体以及优化属性 3.画图工具 processon在线画图、Mircosoft Office VISO2013、亿图图示等 4.示例 假设每个学生选修若干门课程，且每个学生每选一门课只有一个成绩
3.3K20编辑于 2022-09-29
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