- 综合排序
- 最热优先
- 最新优先
- 来自专栏猫头虎博客专区
探索Java11新世界：JDK 11新特性详解
今天我们要聊的是JDK 11 —— 一个让Java社区热情高涨的大更新。不论你是刚入Java世界的小白，还是身经百战的Java老兵，这次的更新都值得你细细品味。让我们一起探索JDK 11的奥秘吧！ 正文 一、JDK 11概览 JDK 11，作为Java长期支持的版本之一，带来了许多激动人心的改进和新特性。从增强的安全性能到新的APIs，JDK 11的升级，无疑是Java发展史上的一大步。 特点： 并行处理 低延迟 可伸缩到TB级别的内存 适用场景： 大数据处理 高频交易系统 低延迟需求的应用 2. Flight Recorder: 低开销的数据收集框架，用于诊断问题和分析性能。 新增APIs和语言特性，提高开发效率和程序性能。 HTTP/2，提供现代化的API 网络编程 Lambda表达式改进 支持局部变量语法，增强可读性 函数式编程 Epsilon 无操作垃圾回收器，用于性能测试 性能测试 Flight Recorder 低开销数据收集框架
1K10编辑于 2024-04-07 探索11种流行的机器学习算法
在这篇文章中，我们将一起了解11种流行的机器学习算法，并解释它们的作用和可能的使用场景。 kNN通过从训练数据中找到最相似的点，并模仿它们类别的多数票，来预测一个数据点的类别。简单来说，这两种算法都旨在识别相似的数据点，例如电子商务网站上的相似产品。 他们对离群值也非常强大，因为他们不像其他算法那样容易受到单个数据点的影响。与随机森林一样，他们运行起来可能会非常昂贵。找到算法需要的最佳参数以获取最佳结果也可能需要时间。强化学习11. 这非常好，但是在尝试新的行动（探索）和最大化已知的奖励（利用）之间找到平衡并不总是容易的。它也有高计算成本，奖励需要仔细地进行缩放，以确保有效的学习。 企业解决方案越来越多地使用这些算法来解决复杂的问题，简化操作，并从数据中获取有价值的洞察。考虑到我们在这篇博客中介绍的11种算法的深度和多样性，这并不奇怪。
87531编辑于 2024-05-02- 来自专栏Vamei实验室
Python标准库11 多进程探索 (multiprocessing包)
在初步了解Python多进程之后，我们可以继续探索multiprocessing包中更加高级的工具。这些工具可以让我们更加便利地实现多进程。 有机会的话，会在网络应用中进一步探索。 总结 Pool Shared memory, Manager
75250发布于 2018-01-18 - 来自专栏小黑娃Henry
OC底层探索11-objc_msgSend慢速查找流程OC底层探索11-objc_msgSend慢速查找流程
MethodTableLookup //跳转 TailCallFunctionPointer x17 //寄存器调用 END_ENTRY __objc_msgSend_uncached 继续探索
45010发布于 2021-08-09 - 来自专栏登神长阶
【C++11】C++11新纪元：深入探索右值引用与移动语义
C++11引入的右值引用，正是为了填补这一空白，它允许我们直接引用即将被销毁的临时对象，从而开启了C++编程的新纪元 本篇将带您深入探索C++11中的右值引用及其相关特性，包括移动语义（MoveSemantics 我们将从基础概念讲起，逐步深入到实际应用和最佳实践，旨在帮助您全面理解并掌握这一强大的编程工具 让我们一起踏上学习的旅程，探索它带来的无尽可能！ 1. 引入的一个关键字，它作为操作符用于查询表达式的数据类型。 总结 在探索C++11的广阔特性时，右值引用无疑是一个令人兴奋且意义深远的新特性。它不仅为C++带来了移动语义和完美转发的能力，还极大地增强了C++代码的性能和灵活性。 ，不断探索C++的无限可能，我们下期见！
44010编辑于 2024-08-05 - 来自专栏Elasticsearch专栏
【Elasticsearch专栏 11】深入探索：Elasticsearch如何支持多租户架构
Elasticsearch支持多租户架构的方式灵活多样，可以通过多种策略来实现数据隔离和权限控制。 每个租户都有自己的索引，用于存储和检索数据。 在Elasticsearch中，索引是数据的逻辑容器，每个索引都可以独立配置和存储数据。通过为每个租户创建独立的索引，可以实现数据在物理存储上的完全隔离。 通过为每个租户配置不同的路由规则，可以实现数据的逻辑隔离和权限控制。 04 权限控制 除了数据隔离外，多租户架构还需要考虑权限控制。 定期更新和审查权限设置，确保只有合适的用户能够访问敏感数据。 使用HTTPS协议进行通信，以保护数据的传输安全。 监控和审计用户的访问行为，及时发现和应对潜在的安全风险。
1.2K10编辑于 2024-03-04 - 来自专栏登神长阶
【C++11】解锁C++11新纪元：深入探索Lambda表达式的奥秘
，通过理论讲解、示例演示和实战应用，帮助读者全面理解并掌握这两个重要特性 让我们一起踏上学习的旅程，探索它带来的无尽可能！ 可变参数模板 可变参数模板是C++11中引入的一种非常有用的语言特性，它允许函数或类模板接受可变数量的参数。 Lambda表达式通常用于简化函数对象的编写，特别是在使用标准库算法（如std::sort、std::find_if等）时 在C++11之前对一个数据集合中的元素进行排序 std::sort #include 因此，在C++11语法中出现了Lambda表达式 lambda表达式 对一个数据集合中的元素进行排序 int main() { vector<Goods> v = { { "苹果", 2.1, 5 } cout << &x << " " << &y << endl; int tmp = *x; *x = *y; *y = tmp; }; } 捕获列表说明 捕捉列表描述了上下文中那些数据可以被
46310编辑于 2024-08-05 - 来自专栏C++
C++ 11 中 condition_variable 的探索与实践
C++ 标准库自 C++11 开始，正式引入了 <condition_variable>（条件变量）这一工具，如同一把利剑，为开发者们劈开了这座大山，提供了一种高效、灵活的线程同步机制。 在这个模型中，生产者线程负责生产数据，消费者线程负责消费数据。通过条件变量和互斥锁的配合，可以实现线程间的高效同步，避免数据竞争和死锁。 使用 cv.wait 等待缓冲区有数据，当缓冲区为空时，线程会释放锁并进入等待状态。从缓冲区取出数据，然后调用 cv.notify_all 通知可能等待的生产者线程。 七、总结C++ 11 中的条件变量是一种强大的线程同步机制，它与互斥锁配合使用，可以实现高效的线程同步和通信。通过条件变量，我们可以避免线程的忙等待，提高程序的性能。 希望本文能够帮助你更好地理解和使用 C++ 11 中的条件变量。八、条件变量的示意图
51910编辑于 2025-07-01 - 来自专栏机器学习/数据可视化
数据处理基石：pandas数据探索
Pandas数据初探索 本文介绍的是Pandas数据初探索。 当我们生成或者导入了数据之后，通过数据的探索工作能够快速了解和认识数据基本信息，比如数据中字段的类型、索引、最值、缺失值等，可以让我们对数据的全貌有一个初步了解。 ] 数据大小size 数据大小表示的是数据中总共有多少个数据，即shape方法的结果中两个数值相乘 df.size # 56=7*8 数据维度ndim 表示数据是多少维，比如二维，三维等 [008i3skNgy1gri41qj5tjj30kg08074s.jpg ] 数据基本信息info 显示数据类型、索引情况、行列数、列属性名称、占用的内存等信息；Series数据没有该方法 [008i3skNgy1gri436hn5rj30y00gw77c.jpg] 数据类型 累积最大值 df.skew() # 样本偏度 (第三阶) df.kurt() # 样本峰度 (第四阶) df.quantile() # 样本分位数 (不同 % 的值) 总结 本文主要是对Pandas中的数据探索做了一个详细介绍
90200发布于 2021-06-14 - 来自专栏机器学习/数据可视化
数据处理基石：pandas数据探索
Pandas数据初探索 本文介绍的是Pandas数据初探索。 当我们生成或者导入了数据之后，通过数据的探索工作能够快速了解和认识数据基本信息，比如数据中字段的类型、索引、最值、缺失值等，可以让我们对数据的全貌有一个初步了解。 ] 数据大小size 数据大小表示的是数据中总共有多少个数据，即shape方法的结果中两个数值相乘 df.size # 56=7*8 数据维度ndim 表示数据是多少维，比如二维，三维等 [008i3skNgy1gri41qj5tjj30kg08074s.jpg ] 数据基本信息info 显示数据类型、索引情况、行列数、列属性名称、占用的内存等信息；Series数据没有该方法 [008i3skNgy1gri436hn5rj30y00gw77c.jpg] 数据类型 累积最大值 df.skew() # 样本偏度 (第三阶) df.kurt() # 样本峰度 (第四阶) df.quantile() # 样本分位数 (不同 % 的值) 总结 本文主要是对Pandas中的数据探索做了一个详细介绍
91900发布于 2021-06-14 - 来自专栏微信公众号【Java技术江湖】
探索Redis设计与实现11：使用快照和AOF将Redis数据持久化到硬盘中
github.com/h2pl/Java-Tutorial 喜欢的话麻烦点下Star哈 本系列文章将整理到我的个人博客 www.how2playlife.com 本文是微信公众号【Java技术江湖】的《探索 因此，我们需要向传统的关系型数据库一样对数据进行备份，将Redis在内存中的数据持久化到硬盘等非易失性介质中，来保证数据的可靠性。 还有一些场景，例如： 对于一些需要进行大量计算而得到的数据，放置在Redis服务器，我们就有必要对其进行数据的持久化，如果需要对数据进行恢复的时候，我们就不需进行重新的计算，只需要简单的将这台机器上的数据复制到另一台需要恢复的 通常情况下，为了防止单台服务器出现故障造成所有数据的丢失，我们还可以将快照复制到其他服务器，创建具有相同数据的数据副本，这样的话，数据恢复的时候或者服务器重启的时候就可以使用这些快照信息进行数据的恢复， 系统发生崩溃的时候，用户将丢失最近一次生成快照之后更改的所有数据。因此，快照持久化的方式只适合于数据不经常修改或者丢失部分数据影响不大的场景。
85720发布于 2019-12-02 - 来自专栏编程
Python数据分析-数据探索下
主题 数据探索 接着上一节的内容～ 二、数据特征分析 5. 相关性分析 （1）直接描述散点图 从散点图可以比较直观地看书两个变量的相关性。 负线性相关、不相关） （2）绘制散点图矩阵 可对多个变量同时进行相关关系的考察 （3）计算相关系数 这里的相关系数有很多，如Pearson相关系数、spearman相关系数、判定系数等等 三、python主要数据探索函数 python中用于数据探索的库主要是pandas和matplotlib，而pandas提供大量的函数，也作为重点来进行介绍 1. 基本统计特征函数（均属pandas） （1）sum（），计算数据样本的总和（按列计算） （2）mean（），计算算数平均数 （3）var（），计算方差 （4）std（），计算标准差 （5）corr（）， 、‘--’为虚线 （2）pie（），绘制饼形图，matplotlib／pandas （3）hist（），绘制二维条形直方图，matplotlib／pandas （4）boxplot（），绘制样本数据的箱形图
1.5K90发布于 2018-03-02 - 来自专栏人工智能LeadAI
机器学习实战 | 数据探索
数据的输入质量决定了输出的最后结果，数据的探索、预处理、特征选择、降维等特征工程占了项目的70%的时间。那么如果我们确定了商业目的，该如何一步一步渐进式进行特征工程呢？ 接下来，确定变量的数据类型和类别。 举一个例子，让我们更清楚地了解这一步。 假设我们想预测学生是否会玩板球（参考下面的数据集），需要识别预测变量、目标变量，变量的数据类型和变量类别。 ? 那么 ? Data_exploration_2.png 2、单变量分析 在这个阶段，我们逐个探索变量。 执行单变量分析的方法取决于变量类型是分类类型还是连续类型。 卡方检验：计算方法可以参考前面文章 确定自变量和因变量的相关性 p值为0：表示两个变量是相关的 p值为1：表示两个变量是独立的 7、Categorical&Continuous 在探索分类和连续变量之间的关系时
1.2K50发布于 2018-03-08 - 来自专栏数据派THU
【经典书】数据科学探索
现在是进入数据科学领域的最佳时机。但是你从哪里开始呢?数据科学是一个广泛的领域，包括统计学、机器学习和数据工程等方面。人们很容易变得不知所措，或最终只学习数据科学的一小部分或单一的方法。 https://www.manning.com/books/exploring-data-science 《探索数据科学》由五个章节组成，向你介绍了数据科学的各个领域，并解释了哪种方法最适合每个领域。 当您探索不同的建模实践时，您将看到如何在数据科学中使用R、Python和其他语言的实际示例。 数据科学是一个涉及统计学、机器学习和数据工程等方面的广泛领域。 我们的书《实用数据科学与R》向读者介绍了R语言中的基本预测建模。但是，我们的意图绝不是暗示数据科学家可以将自己限制在一个问题领域或一种实现语言。现在是进入数据科学的大好时机。免费工具和材料的数量激增。 它们涵盖了与数据科学相关的各种主题，突出了各种领域和编程语言。我们希望这些选择能让您更好地了解许多可用的工具，以解决特定的数据科学问题。
36320编辑于 2022-05-18 - 来自专栏FreeBuf
数据安全分析思想探索
要做数据安全分析，数据收集是基础，数据收集之后，就要对数据进行治理，数据治理的意义就是服务于数据分析阶段，而数据分析的源头在于收集了哪些数据。 数据的洗菜部分，我简单总结了一下，包括： 1.数据的冗余 2.数据的挑选 3.数据的质量 4.数据的分类 5.数据的含义 6.数据的变量 7.数据的可用性 8.数据的完整性 2.1 数据的冗余 Apr 26 03:15:11 centos-linux su: pam_unix(su:session): session opened for user root by root(uid=1000) HTTP/1.1" 200 6403 "http://www.baidu.com" "Scrapy/1.1.2 (+http://scrapy.org)" Tomcat:10.211.55.2 - - [11 218.17.90.60Mozilla/4.0+(compatible;+MSIE+6.0;+Windows+NT+5.2;+.NET+CLR+1.1.4322)20000 Jboss:10.211.55.2 - - [11
94140发布于 2018-07-31 - 来自专栏IMWeb前端团队
数据字段防卫探索
数据字段防卫探索 这个标题不知道怎么取，估计没人看得懂，还是直接看背景吧 -_-!! 还记得老师曾经这样教导我们： 在编写函数的时候，一定要检测参数是否合理 对于前端来说，cgi数据也是一样的，永远不能相信cgi传过来的数据！ 方案一：抽象cgi数据 类似orm那样，预先定义model（cgi数据）的schema，如果定义了schema，那我们就可以添加默认值机制了 这个方案的本质就是对cgi数据添加了一层加工层，让cgi数据变得可信 优点：抽象cgi数据不仅可以做数据字段防卫，还可以做很多事情 缺点：太重，毫无疑问的 方案二：重定义undefined 比如我们可以这样： window.undefined = { length 方案三：封装获取数据字段的接口 获取数据字段不是原生的object.key，而是util.get(object, key)，在get方法里面进行防卫处理 优点：实现统一简单 缺点：改变了原来的编程习惯
79450发布于 2017-12-29 - 来自专栏二猫の家
【GEE】2、探索数据集
对 Google 地球引擎中可用的所有栅格执行各种级别的数据清理和图像预处理，但对于本模块，我们将专注于更广泛的探索，为一些示例生态应用程序寻找合适的数据集。 华盛顿和爱达荷州边界上的美国国家高程数据集。 3图像采集探索 现在我们已经了解了我们可以使用的数据集的深度和广度，我们可以花点时间详细探索一个集合。 我们将探索 Google Earth Engine 中更独特的可用数据集之一：MODIS Daily Snow Cover 集合。这些数据使我们能够查看一年中任何一天给定像素的积雪百分比。 3.3探索集合属性 找到并加载我们的集合后，了解对使用遥感数据感兴趣的生态学家可用的图像集合元数据非常重要。元数据对于我们如何确定给定特定研究系统或感兴趣区域的图像或图像集合的适当性很重要。 4结论 总之，我们刚刚开始探索使用 Google 地球引擎触手可及的海量数据。我们还介绍了一些重要的元数据，它们可以增强您的搜索并帮助确定您的图像集是否已准备好进行分析。
98941编辑于 2023-11-05 - 来自专栏医学和生信笔记
纵向数据建模前的数据探索
给大家介绍一下对于重复测量数据或者纵向数据可以使用哪些图形进行探索，因为重复测量数据可使用的方法很多，比如重复测量方差分析、广义估计方程、混合效应模型等，在进行正式的建模前非常有必要对数据进行一番探索。 unsetunset生成数据unsetunset 下面模拟一个数据，数据生成的过程如果看不懂可以不看。 60名患者接受两种治疗，分别在第0周、第1周、第2周、第3周记录患者的疼痛评分。 可能是离群值，应检查数据录入错误，或考虑稳健标准误 Treatment和Control轨迹频繁交叉？ 若严重偏态可考虑进行数据变换，比如log 是否有离群值？ cor_matrix, cluster_rows = FALSE, cluster_cols = FALSE, main = "图4：时间点间结局相关性热图" ) 以上是4种比较常见的纵向数据探索图形
8210编辑于 2026-03-17 - 来自专栏IMWeb前端团队
数据字段防卫探索
本文作者：IMWeb 黎清龙 原文出处：IMWeb社区 未经同意，禁止转载 数据字段防卫探索 这个标题不知道怎么取，估计没人看得懂，还是直接看背景吧 -_-!! 还记得老师曾经这样教导我们： 在编写函数的时候，一定要检测参数是否合理 对于前端来说，cgi数据也是一样的，永远不能相信cgi传过来的数据！ 方案一：抽象cgi数据 类似orm那样，预先定义model（cgi数据）的schema，如果定义了schema，那我们就可以添加默认值机制了 这个方案的本质就是对cgi数据添加了一层加工层，让cgi数据变得可信 优点：抽象cgi数据不仅可以做数据字段防卫，还可以做很多事情 缺点：太重，毫无疑问的 方案二：重定义undefined 比如我们可以这样： window.undefined = { length 方案三：封装获取数据字段的接口 获取数据字段不是原生的object.key，而是util.get(object, key)，在get方法里面进行防卫处理 优点：实现统一简单 缺点：改变了原来的编程习惯
45120发布于 2019-12-04 - 来自专栏JAVA核心
JDK 11 vs JDK 8：探索Java的新特性和改进
性能优化与垃圾回收器的改进 JDK 11在性能方面进行了显著优化，其中最具代表性的是垃圾回收器的改进。 局部变量类型推断与简化的代码书写 为了简化代码书写，JDK 11引入了局部变量类型推断的特性。 JFR 是一种用于收集诊断和分析数据的工具，它对应用程序的性能影响非常小。Mission Control 则是用于监控、管理和分析 JFR 数据的桌面应用程序。 9. 11. Nest-Based 访问控制： JDK 11 改进了类的访问控制，引入了基于嵌套的访问控制，允许更精细地控制哪些类或接口可以访问另一个类的成员。 12. 为了获取最准确的信息，建议查阅 JDK 11 的官方文档和发布说明。 总结来说，JDK 11相较于JDK 8在性能、语言特性、库支持、安全性和模块化等方面都取得了显著的进步。
1.3K10编辑于 2024-03-21
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