N天爆肝数据库——MySQL（4）

N天爆肝数据库——MySQL（4） 这是专栏链接，大家可以看一看，提提意见 本篇文章，主要对多表查询，事务以及体系结构进行知识总结和学习。 期待和大家一起学习进步。 特点 DML操作遵循ACID模型，支持事务； 行级锁，提高并发访问性能； 支持外键FOREIGN KEY约束，保证数据的完整性和正确性； 文件 xxx.ibd: xxx代表的是表名，innoDB

推荐系统算法和模型实战经验【肝了好久】

本文将从推荐系统理论知识，到经典算法，到模型应用和大家详细说一说。 主要还是资源有限，DNN模型相对预估更准确，但是耗时较长，当推荐系统一次请求返回延时百毫秒内，无法使用复杂模型排序大候选集。 架构实施 从 模型部署，模型更新，离线/在线评估，AB实验 到 模型线上服务TF_Serving、PMML等，训练新数据，离线/在线评估指标，实验层设计 所需工具及技术 Nginx(Web服务器)， 传统推荐算法模型 尽管深度学习推荐模型已经成了推荐、广告、搜索领域的主流，但传统推荐模型仍是基础，且在某些应用中仍使用广泛。 经典模型讲解 隐语义模型 基于兴趣分类的方法大概需要解决3个问题。 如何给物品进行分类? 如何确定用户对哪些类的物品感兴趣，以及感兴趣的程度?

4GSQL资料爆肝分享｜我的Mysql学习笔记

自增列必须是索引，最好是主键 name VARCHAR(20), num INT NOT NULL DEFAULT 2)ENGINE=InnoDB DEFAULT CHARSET=utf8mb4; NULL, PRIMARY KEY(nid,num) # 两列组成一个主键 )ENGINE=InnoDB DEFAULT CHARSET=utf8mb4; ( INT NOT NULL PRIMARY KEY, name CHAR(16) NOT NULL )ENGINE=InnoDB DEFAULT CHARSET=utf8mb4; fk_fruit_color FOREIGN KEY (color_id) REFERENCES color(nid) )ENGINE=InnoDB DEFAULT CHARSET=utf8mb4; ; # 从第4行下一行开始的5行 SELECT * FROM 表 LIMIT 5 OFFSET 4 # 从第4行开始的5行，与上一条功能一样 表内容操作—排序 SELECT *

爆肝ConcurrentHashMap

4. static final int WAITER = 2; // set when waiting for write lock static final int READER = 4; 在Java内存模型中，我们已经知道每个线程都有一个工作内存，里面存储着table的副本，虽然table是volatile修饰的，但不能保证线程每次都拿到table中的最新元素，通过Unsafe.getObjectVolatile

4W字爆肝JVM底层原理和项目调优！

​ 大家好，我是杜少雄，每天推荐一个有用的开源项目，装满你的收藏夹，让你轻松节省开发效率，实现不加班不熬夜不掉头发！

4W字爆肝JVM底层原理和项目调优！

今天给大家推荐一个【JVM底层原理解析+面试知识点总结】的开源项目，对大家学习Java的底层原理很有帮助

人原代肝细胞PHH与肝非实质细胞应用解析：药物代谢、肝毒性检测与MASH模型研究

关键词：人原代肝细胞、PHH、人肝非实质细胞、Kupffer细胞、肝星状细胞、肝内皮细胞、肝细胞培养基、药物肝毒性检测、MASH模型、体外肝脏模型 一、人原代肝细胞选型主要标准人原代肝细胞是药物研发中评估代谢稳定性 、肝毒性和药物相互作用的重要体外模型。 肝实质细胞、肝非实质细胞以及对应肝组织样本如果来自同一供体，可减少供体差异对实验结果的干扰，更适合用于共培养体系、器官芯片、肝纤维化模型、炎症模型以及肝脏微环境研究。 短期贴壁型细胞可稳定培养1至4天，适用于不需要长时间维持培养的实验流程。成人中期与长期贴壁型人原代肝细胞更适合药物酶诱导、药物相互作用和长期肝毒性检测。 成人原代肝细胞（左：复苏后明场；右：培养第4天相差显微镜图像）四、人肝非实质细胞在肝脏模型中的作用肝脏非实质细胞约占肝脏细胞总数的30%至40%，虽然数量少于肝实质细胞，但在肝脏稳态维持、免疫调节、炎症反应

肝透支过程

人肝非实质细胞NPC如何突破传统肝细胞模型局限？Kupffer Cells、肝星状细胞与LSECs应用解析

摘要：在人肝病研究、药物肝毒性评价以及3D肝脏模型构建过程中，传统单一肝细胞模型由于缺乏真实肝脏微环境，往往难以完整复现炎症、纤维化以及免疫相关损伤等关键病理过程。 关键词：人肝非实质细胞；肝NPC；KupfferCells；肝星状细胞；LSECs；肝病模型；药物ADME-Tox；NASH；肝纤维化；3D肝脏模型；原代肝细胞一、为什么传统单一肝细胞模型越来越难满足现代肝病研究需求 四、肝星状细胞（HSCs）为何是肝纤维化研究的重要模型？肝星状细胞（HepaticStellateCells，HSCs）位于肝细胞与肝窦内皮细胞之间的Disse间隙，是肝脏细胞外基质的重要调控细胞。 此外，LSECs窗孔消失以及毛细血管化过程，还被认为是肝纤维化的重要启动事件之一。图4：人肝窦内皮细胞（LSECs）。六、为什么肝NPC共培养体系正在成为高生理相关性肝病模型的重要方向？ 七、肝NPC在药物ADME-Tox与NASH研究中的应用价值目前，包含肝NPC的高生理相关性肝模型已经被广泛用于：药物ADME研究DILI评价NASH/NAFLD研究肝纤维化机制研究3D肝脏模型构建生物人工肝研究在药物研发过程中

肝！Python 网络编程

输入对方的port dest_port = int(input("\n请输入对方的port:")) # 4. 发送消息") print("2:接收消息") print("="*30) op_num = input("请输入要操作的功能序号:") # 4. 阅读和张贴新闻文章，俗称为"帖子" 119 nntplib FTP 文件传输 20 ftplib, urllib SMTP 发送邮件 25 smtplib POP3 接收邮件 110 poplib IMAP4

4. 训练模型

线性模型正则化 4. 早期停止法（Early Stopping） 本文为《机器学习实战：基于Scikit-Learn和TensorFlow》的读书笔记。 中文翻译参考 1. (100,1) y = 4+3*X+np.random.randn(100,1) plt.plot(X,y,"b.") plt.axis([0,2,0,15]) ? 上图显示训练集和测试集在数据不断增加的情况下，曲线趋于稳定，同时误差都非常大，欠拟合 欠拟合，添加样本是没用的，需要更复杂的模型或更好的特征 模型的泛化误差由三个不同误差的和决定： 偏差：模型假设不贴合 ，高偏差的模型最容易出现欠拟合 方差：模型对训练数据的微小变化较为敏感，多自由度的模型更容易有高的方差（如高阶多项式），会导致过拟合 不可约误差：数据噪声，可进行数据清洗 3. ElasticNet(alpha=0.1, l1_ratio=0.5) elastic_net.fit(X, y) elastic_net.predict([[1.5]]) # array([4.99822842]) 4.

实现最小意识模型-4 自我模型和世界模型

3.2自我模型和世界模型 我们在这里归类的模型都有一个共同的想法，那就是，对于一个有意识的事物来说，这个事物必须能够塑造它自己和它的世界:换句话说，有意识就是成为那种参与情境自我塑造的事物。 因此，所提出的MUM可以被视为生成类似IWMT的模型的尝试，尽管该模型具有更少的理论假设集，专注于意识体验所必需的核心组件，并进一步描述如何从其他理论中找到趋同支持。 根据IWMT的观点，意识是一个整合世界模型的过程。 更确切地说，意识将对应于正在进行的关于被体现的主体的可能感觉状态的推论或预测的产生；这些推论是以因果世界模型为条件的，而因果世界模型又是从生态位内的目标追求历史中训练出来的。 这些世界模型具有空间、时间和因果的一致性。

4. 软件测试 —— 测试模型（V模型 W模型）

【软件开发的周期：、需求分析、设计、实现、测试、安装部署、运行维护】 【软件测试的周期：、需求分析，测试计划，测试设计/测试开发，测试执行，测试评估】 软件测试v模型 （v模型是瀑布模型的变种） 优点：后期的测试阶段和前期的阶段可以一一对应起来，清楚的标注每一个测试阶段的依据 缺点：不利于项目前期风险的及时发现 软件测试W模型（双V模型） 特点:测试在项目前期介入，对需求，系统设计等都会进行验证

肝了4天，终于把Vue3编译原理之transform憋出来了

上一篇主要讲到了在vue中，template通过parse生成ast（抽象语法树）的主要核心流程。这个ast是对模板的完整描述，不能直接拿来生成代码，缺乏语义化，并且没有包含编译优化的相关属性，还需要进一步转换，所以用到了我们今天需要讲解的transform。

浅谈C4模型

C4模型（C4 Model）是一种用于描述软件系统架构的轻量级模型，其目标是通过简化、清晰和易于理解的方式来表达系统的不同层次的架构信息。 C4模型的作者是Simon Brown，他在其著作《Software Architecture for Developers》中首次提出了这一模型。 下面是C4模型的四个层次的简要说明： 上下文层次（Context）： 这是系统的最高层次，描述了系统与外部实体（例如用户、其他系统、硬件设备等）之间的关系。 在使用C4模型时，可以按照以下步骤进行： 绘制上下文图： 理解系统与外部实体之间的关系，标识系统的上下文，绘制上下文图。 C4模型的优势在于能够以层次化和结构化的方式呈现系统架构，使得开发人员、架构师和其他利益相关者能够更容易地理解和交流系统设计。

通宵肝完了

动态规划，一致性算法等 05 MQ篇 含：消息丢失，消息重复消费，消息乱序，消息积压，延时队列，消息回溯消费，消息刷盘机制，MQ中间件集群架构原理等 06 Netty篇 含：BIO、NIO及AIO线程模型 数据模型，ZooKeeper应用场景等 08 ElasticSearch篇 含：ElasticSearch数据模型、ElasticSearch分布式架构、ElasticSearch数据读写原理和段合并等 扫码添加，限时免费 09 网络与操作系统篇 含：网络协议，TCP/IP系统结构，TCP/IP协议族，常见面试题等 10 JVM篇 含：JVM类加载机制，JVM内存模型，垃圾收集机制，类字节码实现机制 ，JVM调优案例，GC日志详解等 11 Java并发编程 含：java内存模型，并发集合，线程池，阻塞队列，CAS与原子操作，无锁并发框架Disruptor等 12 Spring篇 含：spring 从面试模拟到技术集训，你都不会再烦恼了，大佬将给你规划一条职场进阶涨薪之路，让你各个阶段朝着对应的能力模型成长精进。 下面是这个训练营的部分技术课程，现在还有200个免费上课的名额，扫码即可获得。

硬肝 Linux 系列汇总

Linux，全称 GNU/Linux，是一套免费使用和自由传播的类 UNIX 操作系统。我在开发之前只知道 Windows 操作系统，所以我就以为世界上只有一种操作系统，那就是 Windows，工作后才知道 Linux 操作系统。

过瘾：让deepseek肝分析数据！

data[['时间', col]]) 关键发现： 肉类消费：2023年值（39.8）Z-score=2.1（受消费复苏影响） 奶类消费：2021年值（14.4）Z-score=2.3（可能统计口径变化） 4. 高级分析建议 预测模型：对鲜瓜果使用ARIMA进行5年预测 结构分解：使用PCA分析饮食结构变迁 外部因素：关联GDP/CPI数据解释波动 需要实现特定分析请告知具体需求！ 2018：缓慢转型期（PC1年均+0.3） 2019-2023：加速转型期（PC1年均+0.6） PUA：对鲜瓜果使用ARIMA进行5年预测（可思考一下为啥选择瓜果） AI：按照经典流程完成预测，使用模型是 此处省去代码块，直接上预测结果 关键结论 增长持续性：预测2028年达82.7千克，较2023年增长36%，年均增速约6.2%（略高于历史5.2%） 模型验证：残差Ljung-Box检验p值=0.32（

人原代肝细胞3D肝球培养技术解析：LifeNet长期稳定肝球模型在药物代谢与肝脏研究中的应用

本文围绕LifeNetHealth人原代肝细胞3D肝球培养方案展开介绍，并结合细胞复苏、接种密度、培养维护以及肝球形成特征，分析长期稳定3D肝球模型在药物代谢、肝毒性评价以及肝疾病研究中的应用价值。 关键词：人原代肝细胞；PrimaryHumanHepatocytes；3D肝球；肝细胞球体；LifeNetHealth；肝毒性；药物代谢；ADME；肝细胞培养；长期培养模型一、为什么3D肝球模型正在逐渐替代传统 五、3D肝球模型在药物代谢与肝疾病研究中的应用价值随着体外肝模型不断向高生理相关性方向发展，3D肝球体系正在被越来越广泛地应用于药物研发与疾病研究领域。 在人原代肝细胞相关研究中，3D肝球还可用于构建NASH、肝纤维化以及药物性肝损伤等疾病模型，从而帮助研究人员分析疾病相关机制。 六、3D肝球模型正在推动更高生理相关性的体外肝模型发展随着NAMs（NewApproachMethodologies）与高生理相关性体外模型研究不断发展，3D肝球模型正在逐渐成为现代肝脏研究的重要组成部分

JDK8 超详细，肝

Integer> com3 = (o1,o2) -> Integer.compare(o1,o2); System.out.println("定制排序3: "+com3.compare(4, 3)); /** 方法引用 */ Comparator<Integer> com4 = Integer :: compare; //后面介绍 System.out.println("定制排序4: "+com4.compare(2, 2)); } 自然排序/定制排序: 比较基本/引用数据类型A>B=1 A<B=-1 A==B=0 定制排序1: ){ System.out.println("Test4"); //① 方法引用: A a = B::bsf; //直接通过 类::匹配的静态方法()~ //② 调用方法~ a.af(4); } cmd Test4 类::static静态方法引用 参数列表i=4 总结 对象 :: 非静态方法 和 类 :: 静态方法 实现都类似, 一个通过 对象.