Java
大文件分片上传，支持断点续传
大文件分片上传 实现大文件分片上传和断点续传的功能，我们需要将大文件分成小片，然后将这些小片分别上传。如果某个小片上传失败，我们可以再次上传这个小片，而不需要从头开始上传整个文件。这就是断点续传的基本原理。 现在，假设你已经集成了axios库并使用了antd的Upload组件，你可以参考以下的步骤来实现这个功能： 1. 创建一个文件分片函数：首先，我们需要一个函数来分割
oop-blog-2
（1） 前言 第四次作业所涉及到的知识点： 字符串处理、正则表达式、集合操作，1. 字符串的比较和匹配：使用equals()方法比较字符串是否相等，使用matches()方法判断字符串是否匹配指定的正则表达式。字符串的分割：使用split()方法将字符串按照指定的分隔符进行分割。字符串转换为整数：使用Integer.parseInt()方法将字符串转换为整数。LocalDateTime类
day114- 动态sql
动态SQL 解决拼接SQL语句字符串时的问题。 if标签 if标签可通过test属性的表达式进行判断，若表达式的结果为true，则标签中的内容会执行；反之标签中的内容不会执行 where标签 where和if一般结合使用： a> 若where标签中的if条件都不满足，则where标签没有任何功能，即不会添加where关键字 b> 若where标签中的if条件满足
第二讲 完全背包问题
题目 有N种物品和一个容量为V的背包，每种物品都有无限件可用。第i种物品的费用是c[i]，价值是w[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量，且价值总和最大。 基本思路 这个问题非常类似于01背包问题，所不同的是每种物品有无限件。也就是从每种物品的角度考虑，与它相关的策略已并非取或不取两种，而是有取0件、取1件、取2件……等很多种。如果仍然按照解01背包时的思路，令f[i]
gmap构建离线地图，用createCustomerTiledLayer方法，瓦片地址尾部多了 ?x={x}&y={y}&z&{z} 导致无法显示地图。
gmap构建离线地图，用createCustomerTiledLayer方法，瓦片地址尾部多了 ?x={x}&y={y}&z&{z} 导致无法显示地图。 产生如下图的问题： 请求地址如下： http://webrd04.is.autonavi.com/appmaptile?lang=zh_cn&size=1&scale=1&style=8&
什么是springboot？
Spring Cloud 是基于Spring Boot框架提供的一系列的微服务的解决方案集合，有配置中心、服务注册、负载均衡等等。这些开发都是在Spring Boot的基础上进行封装。从这个角度上来看Spring Boot可以看做Spring Cloud的基础。 那么到底什么是Spring Boot 呢？ 首先Spring Boot是一个基于Spring来开发出来的Spring生态下的快速开发解决
linux Tomcat
摘要：Tomcat非常重要的一种服务，三个容器，web容器，jsp容器，servlet容器，可以实现web服务。 目录 一、tomcat原理二、tomcat核心组件三、tomcat处理请求四、tomcat部署五、tomcat主要目录六、tomcat虚拟机配置七、tomcat优化八、tomcat多实例部署九、java虚拟机调优 &
JavaPTA作业4-5及期中知识总结
（2）设计与分析 1、第六次作业第一题： 这题的逻辑难度不大，但是要求复杂很多的要求和很多的异常情况，我们需要在输入时就想好如何分辨和处理这些异常的输入。其中有分考察和考试，在输入时也要注意他是否是一次成绩还是多次成绩。 import java.util.Scanner; import java.util.ArrayList; im
算法导论-第4章-分治法
回忆 在2.3.1中，归并排序使用了分治法。在分治法中，当递归地求解一个问题，在每层递归中执行如下三步骤： 分解（Divide）：将问题划分为子问题，子问题的形式与原问题一样，只是规模更小。 解决（Conquer）：递归地求解出子问题。如果子问题的规模足够小，则停止递归，直接求解。 合并（Combine）：将子问题的解组合成原问题的解。 递归情况（recursive case）：子问题足够大，
算法导论-第6章-堆排序
6.1 堆及堆的性质 （二叉）堆可以看作完全二叉树，其存储结构通常是数组，表示堆的数组A中有两个重要属性：(A.length)表示数组元素的个数；(A.heap-size)表示有多少个堆元素在数组中，(0 le A.heap-size le A.length)。 假设树的根结点为(A[1])，给定一个结点的下标(i)，可以得到其父结点、左孩子和右孩子的下标： 二叉堆的两种形式：大根堆和小根
JDBC的介绍与使用
一、JDBC是什么 JDBC，全称是Java Database Connectivity，它是一套统一的基于Java语言的关系数据库编程接口规范，该规范允许你把SQL语句作为参数通过JDBC接口发送给远端数据库，远端数据库接受到你的SQL后进行语法分析、验证，然后执行、响应。 用于Java编程语言和数据库之间的数据库无关连接的标准Java API，换句话说：JDBC是用于在Java语言编程中与数据
算法导论-第8章-线性时间排序
前言 此前我们已经学习了几种(Omicron(n log n))的排序算法，这些排序算法都有一个有趣性质，在排序的最终结果中，各元素的次序依赖于它们之间的比较，我们将这类排序称为比较排序(comparison sort)。 8.1节将要证明对包含(n)个元素的输入序列，在最坏情况下，任何比较排序都要经过(Omega(n log n))次比较。 8.2节、8.3节、8.4节将要介绍三种线性时间复杂度
算法导论-第7章-快速排序
7.1 快速排序的描述 对一个典型的子数组(A[p..r])进行快速排序的三步分治过程： 分解：数组(A[p..r])被划分为两个（可能为空）的子数组(A[p..q-1])和(A[q+1..r])，使得(A[p..q-1])中的每一个元素都小于等于(A[q])，而(A[q+1..r])中的每个元素都大于等于(A[q])。返回下标(q)。 解决：通过递归，对子数组(A[p..q-1])和(A[q+
算法导论-第13章-红黑树
第12章介绍了一棵高度为(h)的二叉搜索树，它可以支持任何一种基本动态集合操作，如SEARCH、PREDECESSOR、SUCCESSOR、MINIMUM、MAXIMUM、INSERT和DELETE等，其时间复杂度均为(Omicron(h))。因此，如果搜素树的高度较低时，这些操作会执行的较快。然而，如果树的高度较高时，这些操作可能不比在链表上执行得快。红黑树（red-black tree）是“平
算法导论-第9章-中位数和顺序统计量
一个包含 (n) 个元素的集合中的第 (i) 个顺序统计量指集合中的第 (i) 小的元素。最小值是第 (1) 个顺序统计量（(i= 1)），最大值是第 (n) 个顺序统计量（(i = n)）。 9.1节将讨论从集合中找出最小值和最大值的问题。9.2节将分析一个实用的算法，它在元素互异的条件下可以达到 (Omicron(n)) 的期望运行时间。9.3节将给出一个更具有理论意义的算法，最坏情况下的运行
算法导论-第15章-动态规划
动态规划（dynamic programming）的思想是分治思想和解决冗余。 与分治法相似的是 将原问题分解为若干个子问题，先求解子问题，然后从这些子问题的解得到原问题的解。 与分治法不同的是 经分解的子问题往往不是相互独立的。若用分治法来解，有些共同部分（子问题或子子问题）被重复计算了很多次。 而动态规划算法对每个子子问题只求解一次，将其解保存在一个表格中，从而无需每次求解一个子子问
算法导论-第14章-数据结构的扩张
本章讨论通过扩展红黑树构造出的两种数据结构。14.1节介绍一种支持一般动态集合上顺序统计操作的数据结构。通过这种数据结构，我们可以快速地找到一个集合中的第 (i) 小的数，或给出一个指定元素在集合的全序中的位置。14.2节抽象出数据结构的扩张过程，并给出一个简化红黑树扩张的定理。14.3节使用这个定理来设计一种用于维护由区间（如时间区间）构成的动态集合的数据结构。给定一个要查询的区间，我们能快速地
算法导论-第17章-摊还分析
本章主要涉及理论分析，感觉第3版讲的不是很好（也有可能是翻译的语句不通顺），这里搬运了知乎上的文章。 https://zhuanlan.zhihu.com/p/536470404 https://zhuanlan.zhihu.com/p/577232877 https://zhuanlan.zhihu.com/p/577594781 https://zhuanlan.zhihu.com/p/57
算法导论-第16章-贪心算法
求解最优化问题时候通常要经过一串步骤，每一步都有多种选择。对于很多问题来说，用动态规划求最优解就是杀鸡用牛刀，可以使用更简单的算法。 贪心算法（greedy algorithm）在每一步都做出当时看起来是最佳的选择。也就是说，它综述做出局部最优的选择，希望通过局部最优解得到全局最优解。 贪心算法并不保证能得到最优解，但对于很多问题确实可以求得最优解。 16.1节将介绍活动选择问题(activity
算法导论-第22章-BFS和DFS
本章将介绍图的表示和图的搜索。图的搜索指的是跟随图中的边来访问图中的每个结点。图搜索是整个图算法领域的核心。22.1介绍图的两种表示方法：邻接链表和邻接矩阵。22.2介绍广度优先搜索（BFS）。22.3介绍深度优搜索（DFS）。 22.1 图的表示 对于图 (G=(V, E))，有用两种标准表示方法：邻接链表和邻接矩阵。两种方法都既可以表示无向图，也可以表示有向图。 稀疏图：(|E| <&
算法导论-第21章-用于不相交集合的数据结构
21.1节描述不相交集合数据结构支持的各种操作，并给出一个简单的应用。21.2节使用一种简单链表结构来实现不相交集合。21.3节使用有根树来实现，使用树表示的运行时间理论上好于线性时间，然而对于所有的实际应用它确是线性的。 21.1 不相交集合的操作 一个不相交集合数据结构（disjoint-set data structure）维护了一组不相交动态集的集合 (sets = {S_1, S_2,
算法导论-第33章-最近点对问题
最近点对问题 问题描述：在 (n ge 2) 个点的集合 (Q) 中寻找最近点对的问题，“最近”指的是欧几里得距离最小，即点 (p_1=(x_1, y_1)) 和 (p_2=(x_2, y_2)) 之间的欧几里得距离 (d=sqrt{(x_1-x_2)^2+(y_1-y_2)^2}) 最小。集合 (Q) 中的两个点可能会重合，这种情况下，它们之间的距离为0。 现实应用：最近点对问题可以应用于交通控
Nodejs包管理工具
Nodejs包管理工具 『包』英文单词是package，代表了一组特定功能的源码集合 包管理工具可以对「包」进行下载安装，更新，删除，上传等操作，借助包管理工具，可以快速开发项目，提升开发效率 包管理工具是一个通用的概念，很多编程语言都有包管理工具，所以掌握好包管理工具非常重要 有了模块化之后我没就有许多的包，那么包管理工具就是来管理我没这些包 常用的包管理工具 npm yarn cnpm
Vue实现组件间通信的11种方式
原文合集地址如下，有需要的朋友可以关注 本文地址 合集地址 组件之间的通信是指不同组件之间在共享数据、传递消息或触发事件等方面进行交流和协作的过程。在应用程序中，不同的组件可能需要相互传递数据、共享状态、触发动作或响应事件等，以实现组件之间的协调和交互。 vue组件之间的通信可以有多种形式和方式，常见的包括： Props / 组件属性: 通过父组件向子组件传递数据，将数据作为组件的属性（prop