CPU/堆/类/线程根据服务部署和项目架构，从如下几个方面排查：（1）运用服务器：排查内存，cpu,请求数等；（2）文件图片服务器：排查内存，cpu,请求数等；（3）计时器服务器：排查内存，cpu,请求数等；（4）redis服务器：排查内存，cpu,连接数等；（5）db服务器：排查内存，cpu,连接数等；在秒杀后30分钟内，1.运用程序服务器cpu暴增，内存暴增，造成cpu和内存暴增的根本原因是请求数过高，单台运用服务器达到3000多；2.redis请求超时3.jdbc连接超时4.通过gc查看，发现24小时内，FullGC发生了152次5.再看看堆栈，发现有一些线程阻塞和死锁jstat-lpi

1.转码264ffmpeg-i[原视频.mp4]-vcodech264[输出视频.mp4]2.视频流yuv数据抽取帧ffmpeg-frawvideo-s:v[尺寸]-i"[视频源]"-fimage2-q2-r[帧数][文件夹及文件名]尺寸：例如：640x360视频源：例如：test.yuv帧数：例如：5文件夹及文件名：例如：2-5/%04d.pngffmpeg-frawvideo-s:v640x360-i"1.yuv"-fimage2-q2-r5out/%04d.png从1.yuv文件中抽取640*360尺寸的图片，储存在out文件夹中，名字按照0001.png，0002.png递增。yuv数

1.字符串函数1.1split()函数用于切割字符串格式:split('参数1','参数2'),这里的参数1为数据,参数2为切割方式细节:参数二可以用正则表达式举例selectsplit('abcd','c');--结果为["ab","d"]selectsplit('asd11mcd22','11');--结果为["asd","mcd22"]selectsplit('asd11mc22dd','\\d+');--结果为["asd","mc","dd"]1.2concat()函数用于拼接字符串格式:concat('数据1','数据2'......)细节:该函数拼接没有拼接符,直接拼接在一起举例s

简介RxJava是一个基于Java的响应式编程库，用于处理异步事件流和数据流。它是由Netflix开发并开源，现在广泛用于Android和Java后端开发。RxJava提供了一种用于组合和处理异步数据的丰富工具集，它的核心思想是将数据流视为一系列事件，以响应事件的方式进行处理。RxJava提供了丰富的操作符，用于处理和转换数据流。这些操作符可以帮助你执行各种操作，包括过滤、映射、合并、变换等，以便更好地处理异步数据流。RxJava原理Observable和Observer：RxJava的核心是Observable（可观察对象）和Observer（观察者）。Observable表示一个可观察的数

文章目录前言一、Hive是什么？二、Hive安装配置1.hive包安装2、配置Hive元数据存储到MySQL3、Hive服务部署三、Hive数据操作1、DDL数据定义2、DML数据操作3、Export&Import四、查询1、SortBy2、分区（DistributeBy）3、分区排序（ClusterBy）五、函数1、数值函数2、字符串函数3、日期函数4、控制函数5、集合函数6、聚合函数7、炸裂函数8、窗口函数六、分区表和分桶表1、分区表2、修复分区3、二级分区4、动态分区5、分桶表七、Hive文件格式1、TextFile2、ORC前言Hive是由Facebook开源，基于Hadoop的一个数

 本篇文章会对Linux下的常用进行详细解释，并附加实例。通俗易懂，希望会对你有所帮助。根据内容量、内容的难易程度、内容的重要程度，分为上中下篇来讲解。 文章目录一、什么是Linux的指令呢？ 二、Linux下的常用指令2、1ls指令2、1、1ls-a2、1、2ls-l2、1、3ls-d2、2pwd指令2、3cd指令2、4touch指令2、5mkdir指令2、5、1mkdir-p 2、6 rmdir指令 和 rm指令 2、6、1rmdir指令2、6、2 rm指令2、7man指令2、8cat指令2、8、1cat-n2、8、2 cat-b2、8、3cat-s2、9 echo指令2、9、1 输出重定

自己常用的TS写法总结，应该会一直更新。可使用TS在线编译校验TS语法。基本用法普通constnum:number=10constisStop:boolean=falseconsttitle:string='常用TS总结'constcurName:null=nullconstcurType:undefined=undefinedconstbirthday:Date=newDate()对象//typetypeLoginParams={account:string}//interfaceinterfaceLoginParams{account:string}不确定是否有此属性用?interface

目录pandas库Series和DataFramenlargest和nsmallest用法示例代替方法手动实现模拟代码加强升级pandas库是Python中一个非常强大的数据处理库，提供了高效的数据分析方法和数据结构。它特别适用于处理具有关系型数据或带标签数据的情况，同时在时间序列分析方面也有着出色的表现。pandas库广泛应用于数据挖掘和分析、金融和经济分析、科学和工程计算等领域。使用pandas库可以轻松地对数据进行筛选、排序、过滤、清理和变换等操作，并可以进行统计和汇总等分析，从而提高数据处理的效率和精度。pandas库还提供了许多常用的函数和方法，例如数据筛选和排序、数据合并和连接等。

一、数据无量纲化将不同规格的数据转换到同一规格，或将不同分布的数据转换到某个特定分布的需求，这种需求统称为将数据“无量纲化”。在以梯度和矩阵为核心的算法中，譬如逻辑回归，支持向量机，神经网络，无量纲化可以加快求解速度；在距离类模型，譬如K近邻，KMeans聚类中，无量纲化可以帮我们提升模型精度，避免某一个取值范围特别大的特征对距离计算造成影响。一个特例是决策树和树的集成算法们，对决策树、不需要无量纲化，决策树可以把任意数据都处理得很好。数据的无量纲化可以是线性的，也可以是非线性的。线性的无量纲化包括中心化（Zero-centered或者Mean-subtraction）处理和缩放处理（Scal