好奇害死貓 一直覺得ORM框架好用、功能強大集眾多優點於一身，當然ORM並非完美無缺，任何事物優缺點並存！我曾一度認為以為使用了ORM框架根本不需要關注Sql語句如何執行的，更不用關心優化的問題！！！ 隨著髮際線後移高亮意識到優秀程式設計師寫的優秀的ORM框架會做一些Sql優化，Sql優化不是一成不變的，OR

第一步  安裝依賴包   npm install json2xls fs   第二步  建立node.js檔案，檔案內程式碼如下： var fs = require('fs'); var path = require('path'); c

# Java流程控制 計算的步驟就是演算法。 ## 1、使用者互動Scanner next()不能得到帶有空格的字串。【它是以空格為結束符】nextline（）可以，【它是以回車為結束符】 ## 2、順序結構 從上到下依次執行。 ## 3、選擇結構 ## 3.1if單選擇結構 equals：判

  ![](h

goroutine 　　 在其他的程式語言中，執行緒排程是交由os來進行處理的。 　　 但是在Go語言中，會對此做一層封裝，Go語言中的併發由goroutine來實現，它類似於使用者態的執行緒，更類似於其他語言中的協程。它是交由Go語言中的runtime執行時來進行排程處理，這使得Go語言中的併發效能非常之高

# Java bean 鏈式獲取成員變數無需判空的工具設計 > 本篇文章已釋出至公眾號 [Hollis](https://mp.weixin.qq.com/s/3sjjNBY6cM-HhZf-B58WuQ) 對於Java程式設計師來說，null是令人頭痛的東西。時常會受到空指標異常（NPE）的騷擾。連Jav

在開發中經常會遇到網站的效能平靜下來，開啟慢的情況。我們平常開發中怎麼一步一步排查這些問題並 解決問題呢 在快節奏的時代中，慢是個不容忍受的事情。 一、 為什麼會‘慢’呢？ 慢的情況是多種多樣的，比如： 使用者體驗敢差，感覺“慢” javascript執行慢。 介面響應慢。 資源載入慢。 瀏覽器渲染慢

# 利用HDFS實現ElasticSearch7.2容災方案 [toc] # 前言 ​ Elasticsearch 副本提供了高可靠性，它們讓你可以容忍零星的節點丟失而不會中斷服務。但是，副本並不提供對災難性故障的保護。對這種情況，就需要的是對叢集真正的備份（在某些東西確實出問題的時候有一個完整的拷貝）

  前言 閱讀過王子之前JVM文章的小夥伴們，應該已經對JVM的記憶體分佈情況有了一個清晰的認識了，今天我們就接著來聊聊JVM的垃圾回收機制，讓小夥伴們輕鬆理解JVM是怎麼進行垃圾回收的。   複製演算法、Eden區和Survivor區 首先我們就來探索一下對於JVM堆記憶體中的新生代區域

其實關於這個模型，網路上也有一個案例說明 > 老陳使用了微軟公司的新式信箱。這種信箱非常先進，一旦信箱裡有新的信件，蓋茨就會給老陳打電話：喂，大爺，你有新的信件了！從此，老陳再也不必頻繁上下樓檢查信箱了，牙也不疼了，微軟提供的WSAAsyncSelect模型就是這個意思。 非同步選擇（WSAAsyncSe

關鍵詞：maputnik、geoserver、向量地圖、向量瓦片、mapbox、mapboxgl、地圖配圖、地圖配色 ------ 一直想搞一個類似百度、高德地圖那樣的向量地圖配圖工具 百度個性化地圖配圖工具： ![image-20201011155118734](http://blogimage

  引數介紹   下面介紹、總結一下MySQL的Redo Log相關的幾個重要引數：innodb_log_buffer_size、innodb_log_file_size、innodb_log_files_in_group   innodb_log_buffer_size &nb

合併文件可以是將兩個包含一定邏輯關係的文件合併成一個完整的文件，也可以是出於方便文件儲存、管理的目的合併多個文件為一個文件。下面，就將以上文件操作需求，通過Java程式來實現Word文件合併。合併文件可以分為2種方法來進行： 方法1. 載入兩個文件，將文件2插入到文件1。使用該方法合併文件時，被合併文件的內容

> 自己當時裝的是Win10專業工作室版本，不知道為什麼不支援window for docker, 所以選擇了Docker Toolbox 的方式，主要是為了學習，雖然這種方式是不建議安裝的，但是基礎的學習，應該是足夠了。 ### 登入default映象 ``` docker-machine ssh de

> 本文來源：https://www.dazhuanlan.com/2020/02/05/5e3a0a3110649/ ## 背景 前段時間自己在做附近直播相關業務，其中有一個核心的點就是檢索使用者附近的主播，也是主要召回池。針對業務場景的特殊性，最後決定使用`Redis`的`GEO`技術來完成這個功能。