[toc] 系列傳送門： - [Java併發包原始碼學習系列：AbstractQueuedSynchronizer](https://blog.csdn.net/Sky_QiaoBa_Sum/article/details/112254373) - [Java併發包原始碼學習系列：CLH同步佇列及同步資源

多級聯動下拉選單是前端常見的效果，省市區三級聯動又屬於其中最典型的案例。多級聯動一般都是與資料相關聯的，根據資料來生成和修改聯動的下拉選單。完成一個多級聯動效果，有助於增強對資料處理的能力。 本例項以省市區三級聯動為例，來說明具體是如何使用javascript來關聯資料，實現聯動下拉選單。學習本教程之前，讀者

一、JWT結構 　JWT介紹就太多了，這裡主要關注下Jwt的結構。　 　Jwt中包含三個部分：Header（頭部）.Payload（負載）.Signature（簽名） Header：描述 JWT 的元資料的JSON物件，如： {"alg":"HS256","typ":"JWT"} Payload：

  我們普普通通來到這世界 普普通通 簡單糾結 普普通通 朦朦朧朧 普普通通 看著天空 ​鹹魚北漂5年，租房需要多少錢？ 前情提要     年初疫情已經很嚴重了，普通回北京的行程一改再改。由於湖北籍身份證也被更加關愛，最後經過層層

最近v2ex論壇上出現一篇很熱門的帖子《QQ正在嘗試讀取你的瀏覽記錄》，題目很聳動，結果也很令人吃驚。 簡要介紹一下事情的來龍去脈，樓主反映火絨防毒軟體提示QQ正在觸發一些規則，QQ嘗試讀取使用者的AppData\Local\Google\Chrome\User Data\Default\Histor

## 寫在前面 最近，有小夥伴在群裡提問：Linux系統怎麼設定tcp_nodelay引數？也有小夥伴說問我。那今天，我們就來根據這個問題來聊聊在高併發場景下如何優化伺服器的效能這個話題。  其

[toc] # 執行緒池的優點 - 執行緒頻繁的`建立=>銷燬=>建立`對系統對開銷很大，使用執行緒池可以避免重複的開銷 - 方便複用，提高相應速度 - 執行緒的創建於執行完全分開，方便維護，降低耦合 # 執行緒池的實現原理 ## 池化技術 一說到執行緒池自然就會想到**池化技術**。 其實所謂池

日誌的分類首先往大的來說,日誌分2種①業務日誌: 即業務系統需要檢視的日誌, 常見的比如誰什麼時候修改了什麼.②引數日誌: 一般是開發人員遇到問題的時候定位用的, 一般不需要再業務系統裡展示.對於業務日誌, 我們現在基本確定” 業務日誌是業務” 這麼個準則, 即業務日誌應該跟隨著業務表走.比如你一個訂單的操作

[* 音視訊入門文章目錄 *](https://www.ihubin.com/blog/audio-video-basic-catagory/) # 靜態圖 -> 動態圖 前面 [【18-手動生成一張GIF圖片】](https://www.ihubin.com/blog/audio-video-ba

作為一名開發人員，工作之外的時間總是在學習新事物。作為前端開發人員必須知道一些使我們的程式碼如何更優雅，工作更輕鬆的技巧，讓自己的程式碼寫的更加高大上，下面這些技巧獲取可以幫助到你。 1. 多個條件判斷 // longif( x === 'a' ||&n

今天，咱來聊聊JavaScript中的原型跟原型鏈 # 原型跟原型模式 這一塊的知識，主要是設計模式方面的。 首先，我們知道JavaScript是面向物件的。既然是面向物件，那它自然也有相應的類跟物件等概念。 在JavaScript中，function這個東西還是比較特殊的，它既能用來宣告方法，還能用來宣告一

前言 自從.NET Core給我們呈現了依賴注入，在我們專案中到處充滿著依賴注入，雖然一切都已幫我們封裝好，但站在巨人的肩膀上，除了憑眺遠方，我們也應平鋪好腳下的路，使用依賴注入不僅僅只是解耦，而且使程式碼更具維護性，同時我們也可輕而易舉檢視依賴關係，單元測試也可輕鬆完成，本文我們來聊聊依賴注入，文中示例版本

# 前言 最近[拼夕夕接二連三的操作](https://www.bbc.com/zhongwen/trad/chinese-news-55542433 "BBS 新聞網 | 拼多多年輕員工 996 加班後猝死 官方賬號冷血回覆引發眾怒")又把網際網路打工人 **996** 的日常推上了[風口浪尖](http

# .NET鬥魚直播彈幕客戶端(2021) 離之前更新的兩篇《.NET鬥魚直播彈幕客戶端》已經有一段時間，近期有許多客戶向我反饋剛好有這方面的需求，但之前的程式碼不能用了——但網上許多流傳的`Node.js`、`Python`指令碼卻可以用，這豈能忍？（剛好我終於找回了我的釋出密碼

　　隱馬爾可夫模型（Hidden Markov Model，HMM）是可用於標註問題的統計學習模型，描述由隱藏的馬爾可夫鏈隨機生成觀測序列的過程，屬於生成模型。HMM在語音識別、自然語言處理、生物資訊、模式識別等領域都有著廣泛的應用。 一、 HMM模型的定義     HMM模型是關於時序的概率模型，描述由一個