🚀 新功能 支持 Databricks。支持 SQL Server 的 TLS/SSL 连接。支持为工单事件配置飞书个人通知。支持限制用户注册的邮箱域名。 🔔 重大变更 将分类分级同步设置从数据库配置移至工作空间的全局配置。 SQL 编辑器只读模式下只允许执行 Redis 的只读命令。 🎄 改进 支持为不同项目配置不同的 SQL 审核策略。 优化了 MySQL 表结构的展示效果。 📕 安装及升级 新安装指南。升级指南。 升级前请备份元数据库，否则可能导致无法回退版本。 💡 更多资讯，请关注 Bytebase 公号：Bytebase

一、引言 在这个信息爆炸的数字化时代，扫描工具已经成为我们日常工作和学习中不可或缺的助手。最近，扫描全能王推出了革命性的“智能高清滤镜2.0”，本次更新后，智能高清滤镜能够智能识别并优化扫描过程中的各种问题。无论是光线不均、背景杂乱，还是文档本身的折痕和污渍，它都能一一化解，呈现清晰、准确的扫描结果。 在这篇实战测评中，我们将深入探讨智能高清滤镜2.0本次更新的细节，从技术原理到实际应用，让我们一起见证，当扫描工具开始“思考”，我们的工作将如何变得更加高效和便捷。 二、智能高清滤镜2.0原理浅析 2.1、基于自适应感知的纸张透字抑制方法 2.1.1、纸张透字问题分析 文档透字问题，通常称为show-through现象，是文档图像处理领域中一个长期存在的难题。这一现象主要因为扫描或拍摄时纸张的透光性，导致背面内容在正面图像上形成可见的干扰，这种干扰会在文档的一页影响到另一页的图像质量，使得文字识别和内容分析变得复杂。 在处理透字问题时，我们面临的第一个难点是纸张的物理特性。纸张的老化、纹理和不透明度都会影响透字的程度。随着时间的推移，部分纸张还会变薄、变脆，透光性增加，从而加剧了透字现象，而不同纸张的印刷墨水特性不同，墨水的渗透性、干燥程度和颜色深浅也会对透字效果产生影响，这些因素的共同作用，使得透字现象的表现形式多样。 第二个难点是算法的适应性和精确性。理想的处理算法需要能够准确识别和区分前景文字和透字噪声，同时保持足够的背景细节，以维持文档的原始外观。虽然目前已有的一些算法在处理轻度透字的文档时效果良好，但在处理严重透字的文档时则严重失效，由于透字现象的复杂性，很难设计出一个适用于所有情况的通用算法。 第三个难点是计算资源和实时性的要求。在很多实际应用中，往往需求快速、高效地处理大量文档图像，因此，处理算法不仅要保证处理质量，还要考虑到计算效率和资源消耗。在硬件资源有限的情况下，如何实现高效、实时的透字噪声去除，也是一个需要考虑的难题。 2.1.2、基于深度学习的自适应感知技术 针对以上问题，智能高清滤镜2.0使用了一种基于深度学习的自适应感知技术，通过智能地识别和处理文档图像中的各种元素，包括透字噪声、颜色区域和文字区域，来根据不同文档图像的特点，动态调整处理策略，以达到最佳的去透字效果。 首先，自适应感知技术通过分析文档图像的局部特性来识别透字和文字区域。其根据每个分区的特性（如颜色、纹理、亮度等）将区域分割为透字、文字或颜色区域，区分出需要去除的透字噪声和需要保留的文字及颜色信息。 其次，算法利用像素值回归学习来处理识别出的各个区域： 对于透字区域，算法通过学习透字噪声的模式，建立一个从含噪声图像到无噪声图像的映射。这个过程通常需要训练一个深度学习模型，从大量数据中学习如何从复杂的像素级变换中预测和抑制透字噪声，同时保留文字笔迹的完整性和可读性。对于文字区域，自适应感知技术则专注于增强文字的对比度和清晰度，确保文字信息在去除透字噪声后依然保持锐利和易读性。对于颜色区域，通过一系列颜色校正和增强算法，保留颜色的准确性和丰富性，确保图像在去除透字噪声的过程中不会失真或褪色。 这种基于深度学习的自适应感知技术不仅能够精确地识别和分类图像中的不同元素，还能够根据每个元素的特性，应用不同的处理策略。无论是透字的严重程度、文字的复杂性还是颜色的多样性，通过智能化的学习和调整，这项技术都能为用户提供高质量的图像处理结果。 2.2、基于融合方法的文档清晰度提升 2.2.1、阴影、褶皱、手指、不清晰复合问题分析 之前的文章里有提到过图像处理与识别中的阴影问题、褶皱问题、手指遮挡和不清晰问题。其中，阴影会导致图像的局部区域亮度不均，影响文字的可读性和OCR识别的准确性，而褶皱会导致文档表面不平整，使得扫描或拍摄的图像中出现扭曲和变形，这些变形会破坏文字的连贯性和形态，影响特征提取。此外，用户在拍摄文档时手指可能会无意中遮挡部分内容，并引入新的阴影和反光，进一步降低图像质量。而拍摄设备的抖动、焦距不准或图像分辨率不足会导致文字边缘模糊、细节丢失。 然而，在实际应用场景中，这些问题往往不是孤立出现的，而是相互交织在一起，例如，一张图像可能既有手指遮挡，又有阴影褶皱，图像整体还不清晰，手指遮挡在文档上投下阴影，褶皱使文字变形，而低分辨率或模糊的图像质量则进一步降低了文字的可识别性。在这种情况下，单一的解决方案不足以应对这些复杂的干扰。 2.2.2、基于深度学习技术与多尺度感知融合方法 针对以上问题，智能高清滤镜2.0使用了一种基于深度学习技术与多尺度感知融合的方法，使模型能够更深入地理解和表达特征。 深度学习技术方面，智能高清滤镜2.0精准地识别并去除文档中的阴影部分，同时保留文档的原始细节，确保信息的完整性和可读性。其次，通过引入GAN（生成对抗网络）技术，进一步提升去阴影效果的自然度和逼真度，使得处理后的文档更加易于阅读和理解。此外，智能高清滤镜2.0对图像中手指等遮挡物进行精确识别和分割，将遮挡部分替换为与文档背景高度融合的内容，有效减少对阅读体验的影响。 另一方面，智能高清滤镜2.0采用了多尺度特征感知方法。这种多尺度的处理方式使模型全面、准确地捕捉和处理各种尺度的图像信息。无论是微小的文字细节还是宏观的文档布局，通过这种技术，滤镜能够更精准地识别并去除阴影和褶皱，更准确地定位和替换被遮挡的部分。 在此过程中，深度学习技术提供了强大的识别和修复能力，而多尺度特征感知则确保了模型在不同尺度上都能捕捉到关键信息。这种融合使得智能高清滤镜2.0能够更精确地识别并去除阴影和褶皱，更精准地定位和替换被手指遮挡的部分，从而为用户呈现一份清晰完整、无干扰的高质量文档。 三、测评场景与效果实测 下面我们对智能高清滤镜2.0功能进行了实际场景测评，测评主要分为两大部分：特殊场景实测和复合场景实测。 3.1、特殊场景实测 这部分测评专注于一些具有挑战性的特殊场景时的表现。这里选择了四种常见的特殊场景，每种场景都分别对扫描或图像处理软件提出不同的要求。 曲面较大的书籍扫描场景：由于书籍页面自然存在的弯曲或翘曲现象，使得传统的平面扫描方式难以捕捉到完整的、无失真的图像。而通过实测，可以清晰看到，智能高清滤镜2.0能够智能地识别并适应书籍页面的曲面变化，确保图像的清晰度和完整性。 存在摩尔纹的屏幕扫描场景：当扫描设备的传感器与屏幕的像素排列频率或角度不匹配，就会产生一系列波纹状的图案，这些图案就是摩尔纹。摩尔纹不仅会影响扫描图像的清晰度，还会干扰图像中的细节信息，使得原本应该清晰可辨的文字、图像变得模糊难辨。通过实测可以看到，智能滤镜具备强大的图像处理能力，能够准确识别并减少摩尔纹的干扰。 背面透字的文档扫描场景：当扫描较薄的纸张或纸张质量不高的文档时，背面的文字或图案可能会透过纸张，影响正面文字的可读性。可以看到，滤镜能够区分和处理这种透字效果，保证扫描结果的清晰度。 受光线影响的图画扫描场景：光线不均匀或过强可能会影响图画的扫描质量。通过实测，可以发现，智能高清滤镜2.0能够调整光线效果，减少阴影和反光，并保留图画的细节。 3.2、复合场景实测 复合场景部分测评更加复杂，因为它结合了多种特殊场景的挑战。这里同样选择了三种场景，每种场景都包含了多种问题，需要智能滤镜综合处理： 褶皱、阴影、手指遮挡的文档场景：文档可能因为折叠、阴影或手指遮挡而难以清晰扫描。可以看到智能高清滤镜2.0能够识别并处理这些物理缺陷，提供高质量的扫描结果。 倾斜、折痕、阴影、不清晰的发票场景：发票可能因为放置不当、折痕或阴影而难以识别。通过实测可以发现，智能高清滤镜2.0能够校正倾斜，减少折痕和阴影的影响，并提高清晰度。 曲面、透字、手写的笔记场景：手写笔记可能因为页面的弯曲、背面透字而难以处理。同样，通过实测，滤镜能够综合处理这些因素，确保笔记内容的清晰和可读。 四、总结 总的来说，通过原理分析和不同场景下的实测，智能高清滤镜2.0版本不仅继承了前代产品的优秀特性，还在多个方面进行了显著的优化和升级，其不仅具有更为智能的图像处理能力，还有更为智慧的场景决策功能和更为强大的版面清晰度和还原度，在面对各种复杂的文档场景时，都能够保持出色的表现。 最让我惊喜的是，智能高清滤镜2.0在面对一些曲面、透字、手写、阴影等复合场景时，仍然能够保持出色的表现。这些优秀的特性以其卓越的性能和智能化的处理能力，使得用户在处理复杂文档时更加得心应手。随着技术的不断进步，我们有理由相信，扫描全能王在未来还会有更多的创新和突破，为用户带来更多的惊喜！

react中的createContext使用方式 简介一下，就是组件之间可以互相通信的比较好用的传值方式，话不多说直接上代码。 以下介绍的是类组件中的方式，在函数组件中不是如此使用的。 定义一个通用的方法 import { createContext } from "react"; const Context = createContext(); // Content有两个属性 // 1. Provider 数据提供者 // 2. Consumer 数据使用者 const { Provider, Consumer } = Context; export { Provider, Consumer } 现在是数据提供者的页面代码 const data = { name: 'John Doe', age: 30, hobbies: ['reading', 'painting', 'traveling'] } root.render( <React.StrictMode> <Provider value={data}> <App /> </Provider> </React.StrictMode> ); 就是把这个data传过去了,不论是子代组件还是孙子组件都可以使用这个传参方法,如果组件套的层级太深了的话,要一层一层传不方便,但是用这个方式就简单很多。 儿子组件使用方式（代码片段） import React from 'react'; import { Consumer } from '.

排查Java应用中的死锁问题是一个复杂但重要的任务，因为死锁会导致应用程序停止响应，影响用户体验和系统稳定性。以下是一些方法和步骤，帮助你排查Java应用中的死锁。 1. 理解死锁的概念 在计算机科学中，死锁是指两个或多个线程相互等待对方释放资源，从而导致这些线程永久阻塞的情况。通常，死锁涉及以下四个条件： 1. 互斥：至少有一个资源必须处于非共享模式，即每次只能由一个线程占用。 2. 持有并等待：一个线程持有至少一个资源，并且正在等待获取额外的资源，而这些资源被其他线程持有。 3. 不剥夺：资源不能被强制从持有它的线程中释放，只能由持有线程自行释放。 4. 环路等待：存在一个线程的环路链，其中每个线程都在等待一个被下一个线程持有的资源。 2. 使用线程转储（Thread Dump） 线程转储（Thread Dump）是一个应用程序在某个时间点所有活动线程的快照。它显示了每个线程的堆栈跟踪，并提供有关线程状态的信息。线程转储对于检测死锁非常有用。 获取线程转储的方法 - 使用JVM工具： - jstack：这是JDK自带的工具，可以用来生成Java进程的线程转储。 shell jstack <pid> > threaddump.txt - jcmd：另一个JDK工具，用于生成特定Java进程的线程转储。 shell jcmd <pid> Thread.print > threaddump.txt - 使用IDE： - 大多数现代IDE，如IntelliJ IDEA和Eclipse，都提供了直接从运行中的应用程序获取线程转储的功能。 - 发送信号： - 在Unix/Linux系统上，可以向Java进程发送SIGQUIT信号来生成线程转储。 shell kill -3 <pid> 3. 分析线程转储 在生成线程转储之后，你需要分析它以查找死锁。以下是一些关键步骤： 检查线程状态 线程转储中每个线程都有一个状态（如RUNNABLE, BLOCKED, WAITING, TIMED_WAITING）。需要特别关注处于BLOCKED状态的线程。 查找死锁 - 显式死锁检测：一些JVM会在线程转储的开头部分直接报告检测到的死锁。 ≈ Found one Java-level deadlock: ============================= "Thread-1": waiting to lock monitor 0x00007f8c5a14e000 (object 0x000000076b2222a8, a java.

整理 | Echo Tang 出品丨AI 科技大本营（ID：rgznai100） Google 挤牙膏式的创新真是令人爱恨交织。 早在一个多月前的 Google I/O 上，Google 便官宣将会在未来几周内推出开源模型 Gemma 的第二代 Gemma 2，结果，万万没想到，深夜更新，弄得笔者垂睡之中惊坐起。 Google DeepMind 研究 VP Clement Farabet、主管 Tris Warkentin 联袂发文，宣告 Gemma 2 正式向所有研究人员和开发者开放，接下来，就让我们一起来看 Gemma 2 究竟带来了什么。 博文链接： https://blog.google/technology/developers/google-gemma-2/ 以下内容由 GPT 仔细研究之后输出： Gemma 2 提供业界领先的性能，在各种硬件上运行速度惊人，并且能够轻松集成其他 AI 工具。 人工智能具有解决一些人类最迫切问题的潜力——但这需要每个人都能够使用这些构建工具。因此，我们在今年早些时候推出了 Gemma 系列——一系列基于创造 Gemini 模型相同的研究和技术的轻量级、最先进的开放模型。我们继续扩展 Gemma 系列，推出了 CodeGemma、RecurrentGemma 和 PaliGemma——每个模型都为不同的 AI 任务提供独特功能，并通过与 Hugging Face、NVIDIA 和 Ollama 等合作伙伴的集成轻松访问。 现在我们正式向全球研究人员和开发者推出 Gemma 2。Gemma 2 提供 90 亿（9B）和 270 亿（27B）参数规模，性能更高，推理效率更优，并内置了显著的安全进步。特别是在 270 亿参数规模下，它提供了竞争性的替代方案，与体积是其两倍多的模型相比肩，并且能在单个 NVIDIA H100 Tensor Core GPU 或 TPU 主机上实现，大幅降低部署成本。

目录 一、Conda介绍 二、安装Conda 2.1 下载Anaconda 安装程序 2.2 执行安装 2.3 初始化Conda 2.4 配置镜像源 三、Conda常用命令 3.1 环境管理命令 3.2 包管理命令 3.3 配置相关命令 3.4 其他常用命令 一、Conda介绍 Conda 是一个开源的跨平台包管理器和环境管理系统，主要用于 Python 和 R 等数据科学与机器学习相关的编程语言环境。它是由 Anaconda 分发版提供的，但也可以独立安装。 Miniconda 是一个免费的、用于安装 conda 的精简版安装程序。它是Anaconda的一个轻量级引导版本，仅包括conda、Python、它们所依赖的包以及一些其他有用的包（如pip、zlib等）。 Anaconda 是一个开源的数据科学和机器学习平台，包含强大的包管理器Conda，提供了一个统一的集成环境，用于安装、管理和运行 Python 或 R 编程语言的包和库。 二、安装Conda 2.1 下载Anaconda 安装程序 可以去Anaconda官网下载，也可以通过wget命令下载： #如果提示颁发的证书已经过期，则需要加上 --no-check-certificate 参数 wget -c https://repo.anaconda.com/archive/Anaconda3-2024.02-1-Linux-x86_64.sh 2.2 执行安装 执行下载好的安装程序：Anaconda3-2024.02-1-Linux-x86_64.sh，由于版本不同，执行命令中的文件名会不一样，根据实际的文件名修改以下命令： bash Anaconda3-2024.02-1-Linux-x86_64.sh 执行以上命令后，按“ENTER”键，进入安装流程，首先会显示授权协议信息，如果不想看可以按“ctrl +c” 退出。 查看完授权协议信息后，需要输入yes接受授权协议才可以继续安装： 接受授权协议安装后，默认安装当前用户目录下面，也可以修改成自己的目录： 2.3 初始化Conda #进入安装目录下执行 ./bin/conda init 2.4 配置镜像源 查看已有镜像源：

目录 一、ChatGLM3介绍 二、环境配置和检查 2.1 操作系统 2.2 硬件环境 2.3 软件环境 三、本地源码部署 3.1 克隆源码 3.2 下载模型文件 3.3 安装依赖 3.4 代码调用 四、运行Demo 4.1 设置本地模型环境变量 4.2 Gradio 网页版 Demo 4.3 Streamlit 网页版 Demo 4.4 命令行交互Demo 一、ChatGLM3介绍 ChatGLM3 是智谱AI和清华大学 KEG 实验室联合发布的新一代对话预训练模型。 开源模型序列 模型 介绍 代码链接 模型下载 ChatGLM3-6B 第三代 ChatGLM 对话模型。ChatGLM3-6B 采用了全新设计的 Prompt 格式，除正常的多轮对话外。同时原生支持工具调用（Function Call）、代码执行（Code Interpreter）和 Agent 任务等复杂场景。ChatGLM3 Huggingface 魔搭社区 ChatGLM3-6B-base 第三代ChatGLM基座模型。ChatGLM3-6B-Base 采用了更多样的训练数据、更充分的训练步数和更合理的训练策略。在语义、数学、推理、代码、知识等不同角度的数据集上测评显示，ChatGLM3-6B-Base 具有在 10B 以下的基础模型中最强的性能。 Huggingface 魔搭社区 ChatGLM3-6B-32k 第三代ChatGLM长上下文对话模型。在ChatGLM3-6B的基础上进一步强化了对于长文本的理解能力，能够更好的处理最多32K长度的上下文。 Huggingface 魔搭社区 ChatGLM3-6B-128k ChatGLM3-6B-128K在ChatGLM3-6B的基础上进一步强化了对于长文本的理解能力，能够更好的处理最多128K长度的上下文。具体地，我们对位置编码进行了更新，并设计了更有针对性的长文本训练方法，在对话阶段使用 128K 的上下文长度训练。在实际的使用中，如果您面临的上下文长度基本在 8K 以内，我们推荐使用ChatGLM3-6B；如果您需要处理超过 8K 的上下文长度，我们推荐使用ChatGLM3-6B-128K。 Huggingface

文章目录 🚀前言🚀其他华为OD机试题清单一、什么是华为OD，什么是华为OD机试？二、华为OD面试流程？三、华为OD机试通过率高吗？四、华为OD薪资待遇？🔰在线OJ刷题系统⭐️OJ系统特点 🔰部分文章试读演示🔰部分思路及代码参考演示🔰刷题列表：2024华为OD机试真题最新题库 (CD卷) （C++、Java、Python合集）+OJ在线刷题2024华为OD机试真题CD卷（100分）2024华为OD机试真题CD卷（200分）2024年B+C+D卷 新题库(100分)2024年B+C+D卷 新题库(200分) 作者：KJ.JK 🚀前言 本文是2024华为OD机试真题最新题库 (B+C+D卷) （C++、Java、Python合集） 专栏的目录贴（持续更新中…） 🚀其他华为OD机试题清单 🔥2024华为OD机试真题(C语言) B+C+D卷🔥 🔥2024华为OD机试真题(Python语言) B+C+D卷🔥 🔥2024华为OD机试真题(Java 语言) B+C+D卷🔥 🔥2024华为OD机试真题(C++语言)B+C+D卷🔥 🔥2024华为OD机试真题(JS 语言) B+C+D卷🔥 🔥2024华为OD机试真题(Golang语言) B+C+D卷🔥 一、什么是华为OD，什么是华为OD机试？ 华为OD是Outsourcing Dispacth模式，是华为和外企德科联合招聘的简称。目前华为大多数是OD招聘。OD模式也是华为提出的一种新的用工形式，每年都会从OD项目挑优秀员工转为正编。所有OD和正式员工一样对待，没有差别，部门平时开会、评审等活动都是一起参加的，是同薪同酬，都是由华为的HR直接定的薪资，看的是我们技术能力。华为是大企业，能到华为上班也是有能力的，每个部门都有好多职位，是金子，在哪都会发光。薪资对华为OD也是有绝对的优势，在互联网一线的大厂中，华为的工作环境和薪资都是很好的，OD其实简单说就是外包，现在有很多公司都在给华为供给外包服务，比如中软，因为华为有很多业务部门，去年一个很熟的猎头给我推荐了几个技术岗位的华为OD都通过了 而华为OD机试是指华为公司的在线笔试，是华为公司用于筛选招聘岗位候选人的一种考核方式， 华为OD机试通常由多个题目组成，包括算法设计、编程、调试等多个环节，考察候选人的基础知识、实际能力和算法编写能力等多个方面，是华为招聘流程中非常重要的一环 二、华为OD面试流程？ 华为OD面试流程一般包括以下几个步骤： 1、笔试：考察候选人的基础知识、算法设计和编程能力等多个方面，题目通常包括算法题、编程题、数据结构题等 2、性格测试(综合测试)：这部分是用来评估候选人的性格特质，以便更好地了解其适应能力、沟通能力和团队合作能力等 3、技术一面：该面试官通常是该项目组的技术负责人，主要考察候选人对技术的理解和实际应用能力。面试内容通常包括代码题和项目问题解决，围绕计算机/编程基础+项目经验+代码能力进行考察，如应届生无项目经验，重点复习八股文+刷算法题 4、HR面：围绕求职动机、稳定性、薪酬期望、Gap经历、延毕等异常情况进行考察 5、终面：终面是在参加完所有面试后进行的最后一轮面试，，主要考察候选人的综合素质和领导潜力；其中，笔试和性格测试是比较常见的部分，而技术一面和群面则比较特殊，通常会根据不同的岗位和项目有所不同，最终的面试结果也会根据个人的表现和竞争情况而定，不会限制通过人数 全流程线上进行，一般机考通过后2-3周内出offer，特殊情况时间过长的话需要积极联系接口人HR 三、华为OD机试通过率高吗？ 据华为官方公布的数据，华为OD机试的通过率约为75%。具体来说，华为OD机试一共有五个级别，从D1到D5，对应13到17级，每个级别的题目数量和难度都有所不同。在过去的招聘中，据说只有25%左右的候选人能够通过第一轮机试。第二轮性格测试也是招聘流程中的重要环节，会刷掉一部分人。不过，华为表示，最终的通过率取决于候选人的实际表现和竞争情况，不会限制通过人数 此外，华为还将机试分为上机考试和在线作业两部分，上机考试主要考察算法设计和编程能力，在线作业主要考察算法思维和解决问题的能力。华为表示，在线作业部分是考察候选人的综合能力，包括解决问题的能力、沟通能力和团队合作能力等。 综合来看，华为OD机试的通过率虽然不是100%，但是也是在高水平范围内的。对于候选人来说，需要全面提升自己的能力，才能更好地通过机试 四、华为OD薪资待遇？ 薪资结构： 1、基本工资+绩效工资+年终奖（2-4个月，一般绩效A-4个月，B-2个月）； 2、D1-D5分别对应华为13-17级，参考范围10-40K； 3、试用期内（6个月）工资不打折，按B绩效发绩效工资，转正时重新评绩效，一般分A、B、C三档（主要A或B，C概率较小），和正式员工分开评，半年评一次； 4、五险一金基数按基本工资，公积金比例5%-12%，具体看base地。 5、福利补贴：带薪年假、入职&年度免费体检、免费夜宵、班车/加班打车免费、下午茶、节假日礼品等 13级薪资：9k-13k 14级薪资：13k-17k 15级薪资：17k-21k 16级薪资：21k-25k 17级薪资：25k-29k 2024年，华为目前已经启用CD卷，目前D卷和C卷的题目一样，可以放心学习C卷的题目，一次订阅永久阅读，支持在线刷题，持续更新，有问题随时解答，本专栏题目数量已收录到484道。每篇文章的思路分析都非常详细，题目新增图解思路，问题解疑，多样例测试，超过百字的思路参考解析 🔰在线OJ刷题系统 ⭐️OJ系统特点 在线刷题，多用例进行测试代码，支持五种语言测试，C语言、C++、Java、Python、JS语言，进行Debug测试，适合随时随地进行刷题，不用配置环境，看到每个用例AC的情况，了解每个用例的AC时间，优化自己的测试代码，订阅本专栏后即可解锁OJ权限，如果已订阅博主的其他专栏，需要开通OJ权限，可评论文章了解具体解锁操作 🔰部分文章试读演示 【华为OD机试真题】1、滑动窗口最大值 | 机试真题+思路参考+代码解析（C++、Java、Py） 🔰部分思路及代码参考演示 🔰刷题列表：2024华为OD机试真题最新题库 (CD卷) （C++、Java、Python合集）+OJ在线刷题 2024华为OD机试真题CD卷（100分） 题目考点 or 实现已更新 or 待更新6、数组去重和排序（CD卷） 字符串/数组已更新8、停车场车辆统计（CD卷）逻辑分析已更新9、绘图机器（CD卷）逻辑分析已更新16、整数对最小和（CD卷）逻辑分析已更新22、字符串序列判定（CD卷）正则匹配已更新23、按身高和体重排队（CD卷）字符串已更新24、找车位（CD卷）逻辑分析已更新25、考勤信息（CD卷）逻辑分析已更新32、字符串变换最小字符串（CD卷）字符串已更新38、全量和已占用字符集（CD卷）字符串已更新41、 查找接口成功率最优时间段（CD卷）动态规划已更新42、 GPU算力问题（CD卷）逻辑分析已更新48、 寻找身高相近的小朋友（CD卷）逻辑分析已更新63、用连续自然数之和来表达整数（CD卷）滑动窗口已更新73、 最大N个数与最小N个数的和（CD卷） 字符串已更新74、 分班问题（CD卷） 数学问题已更新81、玩牌高手（CD卷） 动态规划已更新85、最长的指定瑕疵度的元音子串（CD卷） 双指针已更新87、英文输入法（CD卷） 字符串已更新192、最多颜色的车辆逻辑分析已更新204、查找众数及中位数（CD卷）逻辑分析已更新205、最多几个直角三角形（CD卷）逻辑分析已更新226、考古学家考古问题（C卷）数据结构已更新233、字符串分割（C卷）数据结构已更新234、找朋友（CD卷）数据结构已更新275、求字符串中所有整数的最小和（C卷）逻辑分析已更新282、求满足条件的最长子串的长度（CD卷）滑动窗口已更新300、 出租车计费 、靠谱的车（C卷）数据结构已更新324、字符串摘要（CD卷）逻辑分析已更新330、座位调整（CD卷）逻辑分析已更新347、数字最低位排序（CD卷）逻辑问题已更新363、分月饼（CD卷新题） 逻辑问题已更新386、山脉的个数（CD卷新题）数组已更新387、密码输入检测（CD卷新题）字符串、逻辑已更新389、找出作弊的人（CD卷新题）数据结构、逻辑分析已更新395、 最长合法表达式（CD卷新题） 数据结构已更新397、 最长子字符串的长度、字符成环找偶数O（CD卷新题） 字符串已更新398、 转盘寿司（CD卷新题） 数据结构已更新399、机器人仓库搬砖（CD卷新题） 数据结构已更新400、小明找位置（CD卷新题）数据结构已更新401、最多购买宝石数目（CD卷新题） 数据结构已更新402、寻找最富裕的小家庭（CD卷新题） 数据结构已更新403、园区参观路径 （CD卷新题）数据结构已更新404、 分割均衡字符串（CD卷新题） 数据结构已更新405、 游戏分组（CD卷新题） 数据结构已更新406、开源项目热度榜单（CD卷新题） 数据结构已更新407、分配土地（CD卷新题） 数学问题已更新408、剩余银饰的重量（CD卷新题） 二分法已更新409、传递悄悄话 （CD卷新题）二叉树已更新410、小华地图寻宝、小华最多能得到多少克黄金（CD卷新题） 深度优先搜索已更新411、内存冷热标记（CD卷新题） 条件排序已更新412、学生排名、智能成绩表（CD卷新题） 条件排序已更新414、攀登者（CD卷新题） 数组已更新415、跳房子1 （CD卷） 哈希表已更新416、跳房子2（CD卷）哈希表已更新417、API集群负载统计（CD卷新题） 字符串已更新418、掌握的单词个数、万能字符单词拼写 （CD卷新题） 逻辑分析已更新419、积分奖励（CD卷新题） 逻辑分析已更新420、小明的幸运数（CD卷新题） 逻辑分析已更新421、来自异国的客人（CD卷新题） 逻辑分析、进制转换已更新424、虚拟游戏理财（CD卷新题） 贪心已更新425、石头剪刀布游戏（CD卷新题） 逻辑分析已更新426、部门人力分配（CD卷新题） 逻辑分析已更新427、机场航班调度（CD卷新题） 字符串已更新428、连续字母长度（CD卷新题） 字符串已更新429、货车司机、高效货运（CD卷新题） 模拟、贪心已更新430、数的分解（CD卷新题） 逻辑分析已更新432、 密码解密 （CD卷新题） 字符串已更新434、围棋的气、围棋气数（CD卷新题） 逻辑分析已更新435、多段线数据压缩（CD卷新题） 逻辑分析已更新437、贪心歌手（CD卷新题） 模拟、贪心已更新438、求幸存数之和（CD卷新题） 链表已更新440、抢七游戏（CD卷新题） 逻辑分析已更新441、符号运算（CD卷新题） 逻辑分析已更新442、提取字符串中的最长数学表达式（CD卷新题） 逻辑分析已更新443、贪吃的猴子（CD卷新题） 滑动窗口已更新444、会议室占用时间（CD卷新题） 逻辑分析已更新445、员工派遣 （CD卷新题） 二分法已更新450、两个字符串间的最短路径问题（CD卷新题） 动态规划已更新451、 手机App防沉迷系统（CD卷新题） 逻辑分析已更新453、跳格子3、小明跳格子（CD卷新题） 逻辑分析已更新458、堆内存申请（CD卷新题） 堆已更新459、小扇和小船的数字游戏、数字游戏（CD卷新题） 位操作已更新460、模拟目录管理功能（CD卷新题） 树形结构已更新461、 灰度图存储（CD卷新题） 逻辑分析已更新462、 找磨损度最高和最低的硬盘（CD卷新题） 数据结构已更新463、 中庸行者（CD卷新题） DFS搜索已更新464、 宽度最小的子矩阵、最小矩阵宽度（CD卷新题） 矩阵已更新465、小朋友来自多少小区（CD卷新题） 逻辑分析已更新467、运输时间、单行道汽车通行时间（CD卷新题） 逻辑分析已更新468、可以处理的最大任务数、任务处理（CD卷新题） 逻辑分析已更新469、测试用例执行计划（CD卷新题） 数据结构已更新475、火星文计算2 （CD卷新题） 字符串、逻辑分析已更新478、字符串拼接、构成指定长度字符串的个数 （CD卷新题） 字符串已更新479、启动多任务排序 （CD卷新题） 深度搜索已更新480、反射计数 （CD卷新题） 数学问题已更新482、加密算法、特殊的加密算法 （CD卷新题） 字符串已更新 2024华为OD机试真题CD卷（200分） 题目考点 or 实现已更新 or 待更新206、几何平均值最大子数组（C卷）逻辑分析已更新224、欢乐的周末 （CD卷）数据结构、贪心已更新228、最大社交距离（CD卷）逻辑分析已更新331、信道分配 （CD卷）逻辑分析已更新358、猴子吃桃（CD卷新题）数学问题已更新396、 数据单元的变量替换 （CD卷新题） 数据结构已更新413、计算三叉搜索树的高度（CD卷新题） 树遍历已更新422、电脑病毒感染（CD卷新题） 图论已更新423、项目排期 、最快完成所有工作的天数 （CD卷新题） 逻辑分析已更新431、跳马问题（CD卷新题） 逻辑分析、深度搜索已更新433、 快递员的烦恼（CD卷新题） 逻辑分析已更新436、5G网络建设（CD卷新题） 克鲁斯卡尔算法已更新439、精准核酸检测（CD卷新题） 逻辑分析、搜索已更新446、查找一个有向网络的头节点和尾节点（CD卷新题） 矩阵已更新447、田忌赛马（CD卷新题） 逻辑分析、全排列已更新448、结对编程（CD卷新题） 逻辑分析已更新449、文本统计分析（CD卷新题） 逻辑分析、数据结构、字符串已更新452、亲子游戏、妈妈在最短到达宝宝位置的时间内最多拿到多少糖果（CD卷新题） 深度BFS搜索已更新454、生成哈夫曼树（CD卷新题） 哈夫曼树已更新455、螺旋数字矩阵（CD卷新题） 数字矩阵已更新456、分披萨（CD卷新题） 二分查找已更新457、根据IP查找城市（CD卷新题） 搜索匹配已更新466、寻找最优的路测线路（CD卷新题） 深度DFS已更新470、伐木工（CD卷新题） 逻辑分析已更新471、幼儿园圆桶的取出顺序、篮球游戏（CD卷新题） 栈已更新472、攀登者2（CD卷新题） 动态规划已更新473、Wonderland（CD卷新题） 动态规划已更新474、推荐多样性（CD卷新题） 滑动窗口已更新476、矩阵匹配 、数组中第 K 大的数中的最小值（CD卷新题） 矩阵已更新477、路口最短时间问题（CD卷新题） 深度搜索DFS已更新481、文件缓存系统 （CD卷新题） 文件问题、缓存已更新483、中文分词模拟器 （CD卷新题） 字符串已更新484、智能驾驶、汽车初始油量 （CD卷新题） 深度搜索已更新 2024年B+C+D卷 新题库(100分) 题目考点 or 实现已更新 or 待更新1、滑动窗口最大值滑动窗口已更新2、在字符串中找出连续最长的数字串含±号正则匹配已更新3、路灯照明问题区间问题已更新4、字符统计及重排字符串/数组已更新5、TLV解析字符串/数组已更新6、数组去重和排序（CD卷） 字符串/数组已更新7、字符串筛选排序字符串/数组已更新8、停车场车辆统计（C卷）逻辑分析已更新9、绘图机器（CD卷）逻辑分析已更新10、最大时间 深度搜索分析已更新11、第K个排列 分治递归已更新12、拼接URL正则匹配已更新13、非严格递增连续数字序列双指针已更新14、数字涂色逻辑分析已更新15、数组拼接字符串/数组已更新16、整数对最小和（C卷）逻辑分析已更新17、相对开音节正则匹配已更新18、喊7的次数重排约瑟夫问题已更新19、勾股数元组数学问题已更新20、火星文计算正则匹配已更新21、最远足迹数据结构已更新22、字符串序列判定（C卷）正则匹配已更新23、按身高和体重排队（C卷）字符串已更新24、找车位（C卷）逻辑分析已更新25、考勤信息（C卷）逻辑分析已更新26、快递运输逻辑分析已更新27、计算最大乘积字符串已更新28、全排列数学问题已更新29、组成最大数字符串已更新30、检查是否存在满足条件的数字组合暴力破解已更新31、素数之积数学问题已更新32、字符串变换最小字符串（C卷）字符串已更新33、找出经过特定点的路径长度深度优先搜索DFS已更新34、ABR 车路协同场景逻辑分析已更新35、解密犯罪时间 深度优先搜索DFS已更新36、水仙花数逻辑分析已更新37、字符串排序字符串已更新38、全量和已占用字符集（C卷）字符串已更新39、 密钥格式化字符串已更新40、 数字字符串组合倒序正则匹配已更新41、 查找接口成功率最优时间段（C卷）动态规划已更新42、 GPU算力问题（C卷）逻辑分析已更新43、 找终点逻辑分析已更新44、 最大花费金额 双指针已更新45、 分糖果分治递归已更新46、 猴子爬山 动态规划已更新47、 We Are A Team数据结构/并查集已更新48、 寻找身高相近的小朋友（C卷）逻辑分析已更新49、 数组组成的最小数字字符串已更新50、 最长的密码逻辑分析已更新51、 处理器问题回溯算法/组合问题已更新52、优选核酸检测点区间问题已更新53、密室逃生游戏逻辑分析已更新54、统一限载货物数最小值数据结构已更新55、模拟商场优惠打折II 逻辑分析已更新56、 构成正方形的数量数学问题已更新58、 运维日志排序字符串已更新59、 磁盘容量排序双指针已更新60、翻牌求最大分 动态规划已更新61、 计算堆栈中的剩余数字逻辑分析已更新62、 5键键盘逻辑分析已更新63、用连续自然数之和来表达整数（C卷）滑动窗口已更新64、报数游戏 约瑟夫问题已更新65、高矮个子排队 滑动窗口已更新66、新工号中数字的最短长度 数学问题已更新67、消消乐游戏 数据结构已更新71、最大括号深度 数据结构已更新73、 最大N个数与最小N个数的和（C卷） 字符串已更新74、 分班问题（C卷） 数学问题已更新75、 任务总执行时长 逻辑分析已更新76、 最左侧冗余覆盖子串 滑动窗口已更新77、获取最大软件版本号字符串已更新79、数组合并 逻辑分析已更新80、银行插队 逻辑分析已更新81、玩牌高手（C卷） 动态规划已更新83、寻找相同子串 KMP算法已更新84、数列描述 动态规划已更新85、最长的指定瑕疵度的元音子串（C卷） 双指针已更新86、按索引范围翻转文章片段 逻辑分析已更新87、英文输入法（C卷） 字符串已更新88、字符串加密 动态规划已更新89、找出符合要求的字符串子串 字符串已更新90、两数之和绝对值最小 双指针已更新92、免单统计 字符串已更新93、求符合要求的结对方式 逻辑分析已更新95、最少面试官数 逻辑分析已更新97、预定酒店 逻辑分析已更新98、超级玛丽通过吊桥的走法 逻辑分析已更新99、特异性双端队列、最小调整顺序次数 逻辑分析已更新100、最长元音子串的长度逻辑分析已更新104、简单的自动曝光、平均像素值 逻辑分析已更新105、整理扑克牌逻辑分析已更新107、 查找重复代码 动态规划已更新109、 机房布局区间问题已更新111、 查找单入口空闲区域深度搜索已更新114、投篮大赛 逻辑分析已更新115、最大利润 贪心算法已更新116、货币单位换算 逻辑分析已更新117、字符串排序 II 字符串已更新118、满足条件的最长子串的长度 I滑动窗口已更新119、满足条件的最长子串的长度 II 滑动窗口已更新120、猜数字 逻辑分析已更新121、幻方修复 逻辑分析已更新124、括号匹配数据结构已更新125、表达式括号匹配数据结构已更新127、最长的非严格递增连续数字列的长度 字符串已更新128、 判断一组不等式是否满足约束并输出最大差 逻辑分析已更新129、 通信误码 字符串已更新130、最多获得的短信条数、云短信平台优惠活动 动态规划/背包问题已更新131、匿名信 逻辑分析已更新132、任务调度 数据结构已更新134、挑选字符串 字符串已更新135、采样过滤 逻辑分析已更新136、最大报酬 背包问题已更新137、最短木板长度 贪心思路已更新139、完美走位 滑动窗口已更新140、不含101的数 动态规划已更新141、租车骑绿岛贪心算法已更新142、等和子数组最小和 回溯算法已更新143、羊、狼、农夫过河 暴力枚举已更新144、模拟商场优惠打折 逻辑分析已更新150、对称美学 分治递归已更新151、二元组个数 逻辑分析已更新152、积木最远距离 逻辑分析已更新153、端口合并 逻辑分析已更新154、快递业务站 数据结构已更新155、计算数组中心位置 大数处理已更新156、箱子之字形摆放 逻辑分析已更新157、 新学校选址数学问题已更新158、 打印机队列 数据结构已更新159、星际篮球争霸赛 回溯算法已更新160、真正的密码 逻辑分析已更新161、机器人可活动的最大网格点数目 数据结构已更新162、 过滤组合字符串 回溯算法已更新163、 日志首次上报最多积分、日志采集系统 动态规划已更新164、 字符串重新排序字符串已更新165、 核酸总最快检测效率 数据结构已更新166、 单向链表中间节点 数据结构已更新168、 静态扫描 贪心算法已更新169、异常的打卡记录 字符串已更新171、快递投放问题 逻辑分析已更新172、优秀学员统计 字符串已更新174、猜字谜 字符串已更新175、最大连续文件之和 / 区块链文件转储系统 滑动窗口已更新177、发现新词的数量 / 知识图谱新词挖掘滑动窗口已更新180、日志限流二分查找已更新182、微服务的集成测试分治递归已更新183、信号发射和接收数据结构已更新185、递增字符串 动态规划已更新186、服务中心选址二分法已更新191、冠亚军排名、奖牌榜排名数据结构已更新192、最多颜色的车辆（C卷）逻辑分析已更新193、约瑟夫问题约瑟夫问题已更新194、求解连续数列逻辑分析已更新195、整型数组按个位值排序逻辑分析已更新196、最长回文字符串逻辑分析已更新198、人数最多的站点/小火车最多人时所在园区站点逻辑分析已更新200、最快到达医院的方法逻辑分析已更新201、实力差距最小总和、最佳对手贪心思维已更新202、最大股票收益贪心思维已更新203、新员工座位 / 统计友好度最大值逻辑分析已更新204、查找众数及中位数（C卷）逻辑分析已更新205、最多几个直角三角形（C卷）逻辑分析已更新207、天然蓄水库动态规划已更新208、单词倒序逻辑分析已更新209、Linux发行版的数量数据结构已更新210、组合出合法最小数数据结构已更新211、最优资源分配、芯片资源占用数据结构已更新212、找数字、找等值元素数据结构已更新214、开放日活动、取出尽量少的球二分查找已更新218、寻找相似单词字符串已更新219、矩形相交的面积字符串已更新220、第K个字母在原来字符串的索引字符串已更新222、IPv4地址转换成整数数据结构已更新225、最少交换次数滑动窗口已更新226、考古学家考古问题（C卷）数据结构已更新230、篮球比赛数据结构已更新231、VLAN资源池数据结构已更新232、统计射击比赛成绩字符串已更新233、字符串分割（C卷）数据结构已更新234、找朋友（C卷）数据结构已更新235、敏感字段加密数据结构已更新236、分苹果位运算已更新237、一种字符串压缩表示的解压字符串已更新244、水仙花数Ⅱ 数据结构已更新245、事件推送数据结构已更新246、报文解压缩数据结构已更新247、字符串子序列II数据结构已更新248、种树数据结构已更新253、响应报文时间数据结构已更新254、矩阵最大值数据结构已更新257、计算礼品发放的最小分组数目贪心已更新258、单词重量数据结构已更新264、太阳能板最大面积指针问题已更新265、流水线逻辑分析已更新275、求字符串中所有整数的最小和（C卷）逻辑分析已更新278、关联子串 滑动窗口已更新280、数大雁逻辑分析已更新282、求满足条件的最长子串的长度（C卷）滑动窗口已更新283、单词接龙字符串已更新286、德州扑克数据结构已更新289、机智的外卖员单指针已更新290、阿里巴巴找黄金宝箱(I) 数据结构已更新291、整数编码字符串已更新294、用户调度问题逻辑分析已更新295、乱序整数序列两数之和绝对值最小双指针已更新296、补种未成活胡杨滑动窗口已更新299、选修课字符串已更新300、 出租车计费 、靠谱的车（C卷）数据结构已更新301、最长公共后缀数据结构已更新303、五子棋迷双指针已更新305、最大矩阵和、最大子矩阵动态规划已更新309、称砝码背包已更新310、分割数组的最大差值单指针已更新312、拔河比赛 字符串已更新313、阿里巴巴找黄金宝箱(II)贪心已更新314、阿里巴巴找黄金宝箱(III) 逻辑分析已更新315、阿里巴巴找黄金宝箱(IV)数据结构已更新316、阿里巴巴找黄金宝箱(V)滑动窗口已更新317、求最小步数逻辑分析已更新321、生日礼物二分法已更新322、食堂供餐二分法已更新323、代码编辑器字符串已更新324、字符串摘要（C卷）逻辑分析已更新326、比赛的冠亚季军逻辑分析已更新327、乘坐保密电梯回溯算法已更新328、恢复数字序列滑动窗口已更新329、报文重排序正则匹配已更新330、座位调整（C卷）逻辑分析已更新333、数字反转打印逻辑分析已更新335、DNA序列字符串已更新336、服务启动字符串已更新337、最大岛屿体积逻辑问题已更新338、最小资金赢得最多选票逻辑问题已更新344、计算最接近的数逻辑问题已更新346、金字塔逻辑问题已更新347、数字最低位排序（C卷）逻辑问题已更新348、购买水果最便宜的方案逻辑问题已更新359、高速公路休息站充电规划 逻辑问题已更新363、分月饼（C卷新题） 逻辑问题已更新367、矩阵元素的边界值 逻辑问题已更新371、增强的strstr 正则匹配已更新372、符合要求的元组的个数 双指针、组合问题、回溯算法已更新375、告警抑制 逻辑问题已更新378、删除字符串中出现次数最少的字符 字符串已更新379、最小步骤数 逻辑问题已更新381、支持优先级的队列 数据结构、队列已更新382、找出两个整数数组中同时出现的整数 数据结构已更新383、水果摊小买卖贪心已更新384、反转每对括号间的子串字符串已更新385、正整数到Excel编号之间的转换 字符串已更新386、山脉的个数（C卷新题）数组已更新387、密码输入检测（C卷新题）字符串、逻辑已更新388、文件目录大小深度优先搜索已更新389、找出作弊的人（C卷新题）数据结构、逻辑分析已更新390、AI面板识别数据结构、逻辑分析已更新391、经典屏保数学问题已更新395、 最长合法表达式（C卷新题） 数据结构已更新397、 最长子字符串的长度、字符成环找偶数O（C卷新题） 字符串已更新398、 转盘寿司（C卷新题） 数据结构已更新399、机器人仓库搬砖（C卷新题） 数据结构已更新400、小明找位置（C卷新题）数据结构已更新401、最多购买宝石数目（C卷新题） 数据结构已更新402、寻找最富裕的小家庭（C卷新题） 数据结构已更新403、园区参观路径 （C卷新题）数据结构已更新404、 分割均衡字符串（C卷新题） 数据结构已更新405、 游戏分组（C卷新题） 数据结构已更新406、开源项目热度榜单（C卷新题） 数据结构已更新407、分配土地（C卷新题） 数学问题已更新408、剩余银饰的重量（C卷新题） 二分法已更新409、传递悄悄话 （C卷新题）二叉树已更新410、小华地图寻宝、小华最多能得到多少克黄金（C卷新题） 深度优先搜索已更新411、内存冷热标记（C卷新题） 条件排序已更新412、学生排名、智能成绩表（C卷新题） 条件排序已更新414、攀登者（C卷新题） 数组已更新415、跳房子1 （C卷） 哈希表已更新416、跳房子2（C卷）哈希表已更新417、API集群负载统计（C卷新题） 字符串已更新418、掌握的单词个数、万能字符单词拼写 （C卷新题） 逻辑分析已更新419、积分奖励（C卷新题） 逻辑分析已更新420、小明的幸运数（C卷新题） 逻辑分析已更新421、来自异国的客人（C卷新题） 逻辑分析、进制转换已更新424、虚拟游戏理财（C卷新题） 贪心已更新425、石头剪刀布游戏（C卷新题） 逻辑分析已更新426、部门人力分配（C卷新题） 逻辑分析已更新427、机场航班调度（C卷新题） 字符串已更新428、连续字母长度（C卷新题） 字符串已更新429、货车司机、高效货运（C卷新题） 模拟、贪心已更新430、数的分解（C卷新题） 逻辑分析已更新432、 密码解密 （C卷新题） 字符串已更新434、围棋的气、围棋气数（C卷新题） 逻辑分析已更新435、多段线数据压缩（C卷新题） 逻辑分析已更新437、贪心歌手（C卷新题） 模拟、贪心已更新438、求幸存数之和（C卷新题） 链表已更新440、抢七游戏（C卷新题） 逻辑分析已更新441、符号运算（C卷新题） 逻辑分析已更新442、提取字符串中的最长数学表达式（C卷新题） 逻辑分析已更新443、贪吃的猴子（C卷新题） 滑动窗口已更新444、会议室占用时间（C卷新题） 逻辑分析已更新445、员工派遣 （C卷新题） 二分法已更新450、两个字符串间的最短路径问题（C卷新题） 动态规划已更新451、 手机App防沉迷系统（C卷新题） 逻辑分析已更新453、跳格子3、小明跳格子（C卷新题） 逻辑分析已更新458、堆内存申请（C卷新题） 堆已更新459、小扇和小船的数字游戏、数字游戏（C卷新题） 位操作已更新460、模拟目录管理功能（C卷新题） 树形结构已更新461、 灰度图存储（C卷新题） 逻辑分析已更新462、 找磨损度最高和最低的硬盘（C卷新题） 数据结构已更新463、 中庸行者（C卷新题） DFS搜索已更新464、 宽度最小的子矩阵、最小矩阵宽度（C卷新题） 矩阵已更新465、小朋友来自多少小区（C卷新题） 逻辑分析已更新467、运输时间、单行道汽车通行时间（C卷新题） 逻辑分析已更新468、可以处理的最大任务数、任务处理（C卷新题） 逻辑分析已更新469、测试用例执行计划（C卷新题） 数据结构已更新475、火星文计算2 （C卷新题） 字符串、逻辑分析已更新478、字符串拼接、构成指定长度字符串的个数 （C卷新题） 字符串已更新479、启动多任务排序 （C卷新题） 深度搜索已更新480、反射计数 （C卷新题） 数学问题已更新482、加密算法、特殊的加密算法 （C卷新题） 字符串已更新 2024年B+C+D卷 新题库(200分) 题目考点 or 实现已更新 or 待更新57、 基站维护工程师回溯算法已更新68、矩阵扩散 图论已更新69、TLV解析 Ⅱ 字符串已更新70、N进制减法 字符串已更新72、没有回文串 数位搜索/回文字符串已更新78、去除多余空格 逻辑分析已更新82、最优高铁城市修建方案 图论/最小生成树已更新91、找最小数 数据结构已更新94、猜密码 深度搜索DFS已更新96、士兵过河 二分查找/贪心算法已更新101、二进制差异数 逻辑分析已更新102、简单的解压缩算法 数据结构已更新103、最大数字数据结构已更新106、 计算网络信号强度 图论已更新108、 优雅子数组 动态规划已更新110、 数字加减游戏 数学问题已更新112、最差产品奖 滑动窗口已更新113、九宫格按键输入 数据结构已更新122、相同数字组成图形的周长逻辑分析已更新123、 找单词 深度搜索DFS已更新126、 分奖金 数据结构已更新133、查找树中元素深度搜索DFS已更新138、计算快递主站点 数据结构已更新145、无向图染色 回溯算法已更新146、最大化控制资源成本 区间问题已更新147、连接器问题 区间问题已更新148、最大平分数组 回溯算法已更新149、区间交叠问题 区间问题已更新167、 垃圾短信识别 逻辑分析已更新170、最多等和不相交连续子序列 区间问题已更新173、上班之路 深度搜索DFS已更新176、查找充电设备组合 / 最接近最大输出功率的设备 背包问题已更新178、荒地建设电站动态规划已更新179、探索地块建立动态规划已更新181、快速开租建站图论已更新184、硬件产品销售方案回溯算法已更新187、 创建二叉树二叉树已更新188、 九宫格游戏 / 三阶积幻方数据结构已更新189、 Excel单元格数值统计逻辑分析已更新190、工单调度策略逻辑分析已更新197、农场施肥、不爱施肥的小布二分查找已更新199、组装新的数组回溯算法已更新206、几何平均值最大子数组（C卷）逻辑分析已更新213、字符串解密 字符串已更新215、斗地主之顺子数据结构已更新216、打印任务排序数据结构、字符串已更新217、最长广播响应图论已更新221、仿LISP运算数据结构已更新223、叠积木数据结构、贪心已更新224、欢乐的周末 （CD卷）数据结构、贪心已更新227、最小传输时延数据结构、贪心已更新228、最大社交距离（CD卷）逻辑分析已更新229、简易内存池区间问题已更新238、贪吃蛇逻辑分析已更新239、计算疫情扩散时间图论已更新240、污染水域图论已更新241、连续出牌数量回溯算法已更新242、找到比自己强的人数逻辑分析已更新243、高效的任务规划贪心已更新249、单词搜索回溯算法已更新250、出错的或电路位运算已更新251、区间交集 区间问题已更新252、西天取经逻辑分析已更新255、比较两个版本号的大小逻辑分析已更新256、最小传输时延Ⅱ 路径问题已更新259、城市聚集度逻辑分析已更新260、目录删除逻辑分析已更新261、求最多可以派出多少支军队 逻辑分析已更新262、跳格子游戏 图论已更新263、分积木位运算已更新266、任务最优调度贪心已更新267、快速人名查找回溯算法已更新268、演唱会、计算最多能观看几场演出逻辑分析已更新269、可以组成网络的服务器深度优先搜索已更新270、字符串匹配字符串已更新271、完全二叉树非叶子部分后序遍历二叉树已更新272、服务失效判断数据结构已更新273、内存资源分配二分法已更新274、最长的顺子双指针已更新276、发广播数据结构已更新277、导师请吃火锅贪心已更新279、字符串比较逻辑分析已更新281、热点网站统计字符串已更新284、学生方阵逻辑分析已更新285、数据分类 逻辑分析已更新287、图像物体的边界数据结构已更新288、获取最多食物逻辑分析已更新292、统计监控器、需要打开多少监控器逻辑分析已更新293、宜居星球改造计划图论已更新297、寻找连续区间 、数组连续和数据结构已更新298、书籍叠放 二分查找已更新302、比赛评分逻辑分析已更新304、最长的完全交替连续方波信号逻辑分析已更新306、服务器广播、需要广播的服务器数量逻辑分析已更新307、数据最节约的备份方法二分法已更新308、数组二叉树二叉树已更新311、MELON的难题背包问题已更新318、不开心的小朋友逻辑分析已更新319、战场索敌深度搜索已更新320、最佳植树距离二分法已更新325、代表团坐车背包问题已更新331、信道分配 （C卷）逻辑分析已更新332、寻找最大价值的矿堆深度搜索已更新334、查找舆情热词字符串已更新339、购物栈结构已更新340、周末爬山 逻辑问题已更新341、荒岛求生栈结构已更新342、人气最高的店铺栈结构已更新343、计算误码率逻辑分析已更新345、数字序列比大小贪心已更新349、分配捐款逻辑问题已更新350、项目规划深度搜索已更新351、公式修正数学问题已更新352、按照路径替换二叉树二叉树已更新353、新员工考试逻辑问题已更新354、天然货仓深度搜索已更新355、按图找最近的路图已更新356、芯片资源限制逻辑问题已更新357、硬件资源分配逻辑问题已更新358、猴子吃桃（C卷新题）数学问题已更新360、带传送阵的矩阵游离矩阵问题已更新361、检测热点字符字符串已更新362、转骰子数学问题已更新364、字符串划分 前缀和已更新365、返回矩阵中非1的元素个数 深度搜索已更新366、查字典字符串已更新368、最小循环子数组KMP算法已更新369、跳格子1动态规划已更新370、跳格子2 动态规划已更新373、评论转换输出 数据结构已更新374、字符串化繁为简 字符串已更新376、通过软盘拷贝文件 动态规划、背包已更新377、编码能力提升计划 数学问题已更新380、最佳的出牌方法 数学问题已更新392、 树状结构查询广度优先搜索已更新393、 二维伞的雨滴效应二叉树、前序遍历已更新394、 大炮攻城、攻城战动态规划已更新396、 数据单元的变量替换 （C卷新题） 数据结构已更新413、计算三叉搜索树的高度（C卷新题） 树遍历已更新422、电脑病毒感染（C卷新题） 图论已更新423、项目排期 、最快完成所有工作的天数 （C卷新题） 逻辑分析已更新431、跳马问题（C卷新题） 逻辑分析、深度搜索已更新433、 快递员的烦恼（C卷新题） 逻辑分析已更新436、5G网络建设（C卷新题） 克鲁斯卡尔算法已更新439、精准核酸检测（C卷新题） 逻辑分析、搜索已更新446、查找一个有向网络的头节点和尾节点（C卷新题） 矩阵已更新447、田忌赛马（C卷新题） 逻辑分析、全排列已更新448、结对编程（C卷新题） 逻辑分析已更新449、文本统计分析（C卷新题） 逻辑分析、数据结构、字符串已更新452、亲子游戏、妈妈在最短到达宝宝位置的时间内最多拿到多少糖果（C卷新题） 深度BFS搜索已更新454、生成哈夫曼树（C卷新题） 哈夫曼树已更新455、螺旋数字矩阵（C卷新题） 数字矩阵已更新456、分披萨（C卷新题） 二分查找已更新457、根据IP查找城市（C卷新题） 搜索匹配已更新466、寻找最优的路测线路（C卷新题） 深度DFS已更新470、伐木工（C卷新题） 逻辑分析已更新471、幼儿园圆桶的取出顺序、篮球游戏（C卷新题） 栈已更新472、攀登者2（C卷新题） 动态规划已更新473、Wonderland（C卷新题） 动态规划已更新474、推荐多样性（C卷新题） 滑动窗口已更新476、矩阵匹配 、数组中第 K 大的数中的最小值（C卷新题） 矩阵已更新477、路口最短时间问题（C卷新题） 深度搜索DFS已更新481、文件缓存系统 （C卷新题） 文件问题、缓存已更新483、中文分词模拟器 （C卷新题） 字符串已更新484、智能驾驶、汽车初始油量 （C卷新题） 深度搜索已更新 作者：KJ.

如何在Java中进行大数据处理 大家好，我是免费搭建查券返利机器人省钱赚佣金就用微赚淘客系统3.0的小编，也是冬天不穿秋裤，天冷也要风度的程序猿！今天我将为大家详细介绍如何在Java中进行大数据处理。大数据处理是现代计算机科学中的一个重要领域，通过高效的算法和工具，我们可以从大量数据中提取有价值的信息。本文将介绍Java中常用的大数据处理工具和技术，并提供一些示例代码来帮助大家更好地理解这些工具的使用。 一、什么是大数据处理？ 大数据处理是指对海量数据进行存储、处理和分析的过程。大数据的特点通常被归纳为四个V：Volume（数据量大）、Velocity（处理速度快）、Variety（数据种类多）和Veracity（数据真实性高）。为了应对这些挑战，开发人员需要使用合适的工具和技术来有效地处理和分析大数据。 二、Java中的大数据处理工具 Java生态系统中有许多用于大数据处理的工具，以下是几个常用的工具和框架： Apache Hadoop：一个分布式计算框架，用于处理大规模数据集。Apache Spark：一个快速、通用的大数据处理引擎，支持批处理和实时数据处理。Apache Flink：一个用于分布式流处理和批处理的框架。Apache Kafka：一个分布式流处理平台，用于构建实时数据管道和流应用。HBase：一个分布式、面向列的数据库，适用于处理大规模结构化数据。 三、使用Apache Hadoop进行大数据处理 Apache Hadoop是一个广泛使用的大数据处理框架，它提供了HDFS（Hadoop Distributed File System）和MapReduce计算模型。 1. 安装和配置Hadoop 首先，我们需要在本地或集群中安装和配置Hadoop。可以从Apache Hadoop官网下载Hadoop，并按照安装指南进行配置。 2. 编写MapReduce程序 MapReduce是Hadoop的核心计算模型，它将数据处理分为Map阶段和Reduce阶段。下面是一个简单的MapReduce程序示例，用于统计文本文件中单词的出现次数。 Mapper类： import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Mapper; import java.io.IOException; import java.util.StringTokenizer; public class WordCountMapper extends Mapper<LongWritable, Text, Text, IntWritable> { private final static IntWritable one = new IntWritable(1); private Text word = new Text(); @Override protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException { StringTokenizer itr = new StringTokenizer(value.

目录 一、引言二、什么是llamafile？1、设计目标2、技术构成3、与传统部署方式的对比4、一键部署的优势 三、核心特性1、一键部署的便捷性2、跨平台支持3、独立可执行文件4、简化的分发流程5、技术细节6、用户体验7、安全性和隐私 四、部署流程详解1、下载模型2、操作系统特定的运行步骤3、运行环境配置4、访问Web界面5、命令行交互6、模型API的使用7、部署实践样例7.1 模型下载部署运行7.2 模型API调用7.3 可选参数说明 五、llamafile支持说明1、llamafile支持以下操作系统（最低标准安装说明）2、llamafile支持以下CPU类型3、llamafile 对 GPU 的支持说明 六、优势与局限性1、优势概述2、局限性探讨 七、结语 一、引言 在人工智能的浪潮中，大型语言模型（LLM）已成为推动自然语言处理（NLP）领域进步的关键力量。它们在机器翻译、文本摘要、情感分析等多个领域展现出了卓越的能力。然而，这些强大模型的部署并非易事，传统上需要专业的知识来配置复杂的运行环境和依赖关系，这无疑增加了使用门槛，限制了技术的普及和应用。 随着技术的发展，我们一直在寻求更高效、更便捷的方式来部署和运行这些模型。正是在这样的背景下，llamafile应运而生，它是一项创新的技术，旨在简化大型语言模型的部署流程，让AI的力量触手可及。 llamafile，一个由Mozilla创新团队推出的项目，通过将模型权重和运行环境封装进单个可执行文件中，彻底改变了大型语言模型的分发和运行方式。这项技术的核心在于它的简洁性和易用性，使得即使是没有深厚技术背景的用户也能够轻松地在自己的计算机上部署和运行大型语言模型。 二、什么是llamafile？ llamafile是一种创新的解决方案，它允许用户通过单一的文件来部署和运行大型语言模型（LLM）。这种文件包含了模型的所有权重和必要的运行时环境，使得用户无需进行繁琐的环境配置和依赖安装。（一键部署运行） 1、设计目标 简化部署：降低技术门槛，使得部署大型模型变得简单快捷。跨平台兼容性：支持多种操作系统，包括但不限于Windows、macOS、Linux。独立运行：不依赖外部环境，减少了运行时出现问题的可能性。 2、技术构成 llama.cpp：一个C++库，为模型提供运行所需的底层支持。Cosmopolitan Libc：一个跨平台的C标准库，确保了llamafile在不同操作系统上的兼容性。模型权重：直接嵌入到llamafile中，无需额外下载或配置。 3、与传统部署方式的对比 环境依赖：传统部署需要用户配置Python环境、安装依赖库等，而llamafile无需这些步骤。安装复杂性：传统部署可能需要编译代码、设置环境变量等，llamafile则通过双击运行来替代。分发效率：传统方式可能需要通过复杂的脚本或容器技术来分发模型，llamafile则通过单个文件实现快速分发。 4、一键部署的优势 快速启动：用户可以迅速开始使用模型，无需等待漫长的安装过程。易于分享：开发者可以轻松地将模型分享给其他用户，无需担心环境差异导致的问题。降低维护成本：减少了因环境问题导致的维护工作，提高了模型的稳定性和可靠性。 三、核心特性 1、一键部署的便捷性 llamafile最引人注目的特性之一是它的一键部署能力。用户只需下载相应的llamafile文件，然后执行这个文件，即可启动模型。这种便捷性的背后是大量的工程努力，将模型的复杂性封装在用户友好的界面之后。 2、跨平台支持 llamafile支持多种操作系统，包括但不限于Windows、macOS、Linux等。这种跨平台的特性使得无论用户使用的是哪种操作系统，都能够轻松地部署和运行大型语言模型。 3、独立可执行文件 每个llamafile都是一个独立的可执行文件，这意味着它们包含了运行模型所需的所有依赖和配置。用户无需担心环境配置问题，也不需要安装额外的软件或库。 4、简化的分发流程 通过将模型和运行环境打包到一个文件中，llamafile简化了模型的分发流程。开发者可以轻松地分享他们的模型，而用户则可以立即开始使用，无需复杂的安装步骤。 5、技术细节 权重文件的嵌入：模型的权重文件被直接嵌入到llamafile中，这不仅减少了外部依赖，也加快了模型的加载速度。自包含的运行环境：llamafile包含了一个精简的运行环境，这使得它能够在不同的系统上以一致的方式运行。动态链接库的优化：在需要时，llamafile可以动态链接到系统上的特定库，以提供额外的功能，如GPU加速。 6、用户体验 无需专业知识：即使是没有深厚技术背景的用户，也能够轻松地使用llamafile。快速反馈：用户可以立即看到模型的运行结果，无需等待长时间的编译或环境搭建。灵活的交互方式：用户可以通过命令行、Web界面或其他客户端与模型进行交互。 7、安全性和隐私 本地运行：由于模型在本地运行，用户的数据处理可以保持在本地，增强了隐私性。开源透明：llamafile的开源特性意味着用户可以查看和修改模型的运行代码，增加了透明度。 四、部署流程详解 1、下载模型 部署大型语言模型的第一步是获取模型文件。用户可以从HuggingFace、modelscope等平台下载所需的llamafile。这些文件通常包含了模型的权重和配置信息，并且已经过优化，以确保在不同系统上都能高效运行。 当前llamafile集合中的模型列表： 注意：Windows 系统不支持单个 exe 文件超过 4GB，所以大于 4GB 的模型，需要分别下载 llamafile 和 gguf 模型运行；此外，也可以使用 Windows 的 WSL 子系统（Linux）来运行，同样可以绕过 4GB 的限制 2、操作系统特定的运行步骤 Linux/macOS: 下载llamafile到本地。为文件添加执行权限：chmod +x filename.llamafile。运行模型：./filename.llamafile。 Windows:

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯，先赞后看哦~🎈🎈 🏆 作者简介：景天科技苑 🏆《头衔》：大厂架构师，华为云开发者社区专家博主，阿里云开发者社区专家博主，CSDN全栈领域优质创作者，掘金优秀博主，51CTO博客专家等。 🏆《博客》：Python全栈，前后端开发，小程序开发，云原生K8S，人工智能，js逆向，App逆向，网络系统安全，数据分析，PyQt5，tkinter，Django，fastapi，flask等框架，linux，shell脚本等实操经验，网站搭建，数据库等分享。 所属的专栏：PyQt5桌面应用开发，零基础到进阶应用实战 景天的主页：景天科技苑 文章目录 PyQt5类型判定类型判断演示PyQt5类型判断案例 PyQt5删除对象删除对象案例 PyQt5类型判定 主要是用来判定一个对象的类型，或者说是否继承自某个类 相关API和应用场景如下 主要有两个方法 isWidgetType() 判断某个对象是都控件类型inherits() 一个对象是否继承(直接或间接)自某个父类 两方法返回值均为True或False 类型判断演示 遍历对象，判断对象所属类型和父类 from PyQt5.Qt import * class Window(QWidget): def __init__(self): super().__init__() self.setWindowTitle("QObject的学习") self.resize(500, 500) self.setup_ui() def setup_ui(self): self.QObject类型判定() def QObject类型判定(self): # *************API***************开始 obj = QObject() w = QWidget() btn = QPushButton() label = QLabel() objs = [obj, w, btn, label] for o in objs: print("是否是QWidget的控件类型",o.isWidgetType()) print("父类是否是QWidget",o.inherits("QWidget")) print("父类是否是QPushButton",o.inherits("QPushButton")) print("------------------------------------------") # *************API***************结束 if __name__ == '__main__': import sys app = QApplication(sys.

前言： MySQL 查询数据的执行过程 客户端向 MySQL 服务器发送一条查询请求，连接器负责处理连接，并进行身份验证和权限控制。MySQL 先检查查询缓存，如果命中缓存，则立刻返回存储在缓存中的结果；否则使用查询解析器进行SQL语句解析、预处理，再由优化器生成对应的执行计划。MySQL 根据执行计划，调用存储引擎来执行查询。将结果返回给客户端，同时缓存查询结果。 创建两个表，并插入数据，作为操作对象 use mydb; create table location (Region char(20),Store_Name char(20)); insert into location values('East','Boston'); insert into location values('East','New York'); insert into location values('West','Los Angeles'); insert into location values('West','Houston'); create table store_info (Store_Name char(20),Sales int(10),Date char(10)); insert into store_info values('Los Angeles','1500','2020-12-05'); insert into store_info values('Houston','250','2020-12-07'); insert into store_info values('Los Angeles','300','2020-12-08'); insert into store_info values('Boston','700','2020-12-08'); insert into store_info values('Washington','1000','2020-12-09'); insert into store_info values('Chicago','800','2020-12-10'); use mydb; create table location (Region char(20),Store_Name char(20)); insert into location values('East','Boston'); insert into location values('East','New York'); insert into location values('West','Los Angeles'); insert into location values('West','Houston'); create table store_info (Store_Name char(20),Sales int(10),Date char(10)); insert into store_info values('Los Angeles','1500','2020-12-05'); insert into store_info values('Houston','250','2020-12-07'); insert into store_info values('Los Angeles','300','2020-12-08'); insert into store_info values('Boston','700','2020-12-08'); insert into store_info values('Washington','1000','2020-12-09'); insert into store_info values('Chicago','800','2020-12-10'); 一.

开发语言：Java框架：ssm技术：JSPJDK版本：JDK1.8服务器：tomcat7数据库：mysql 5.7（一定要5.7版本）数据库工具：Navicat11开发软件：eclipse/myeclipse/ideaMaven包：Maven3.3.9 系统展示 前台首页 用户注册 用户登录 个人中心 套餐信息 管理员登录 员工管理 员工打卡管理 技师预约管理 技师类型管理 套餐信息管理 套餐购买管理 摘要 本文以JSP为开发技术，实现了一个艺诚美业管理系统。艺诚美业管理系统的主要使用者分为管理员；个人中心、会员管理、员工管理、员工打卡管理、技师预约管理、发型美容师管理、技师类型管理、套餐信息管理、套餐类型管理、套餐购买管理、会员充值管理、系统管理，员工；个人中心、员工打卡管理、技师预约管理，会员；个人中心、技师预约管理、套餐购买管理、会员充值管理，前台首页；首页、发型美容师、套餐信息、我的、跳转到后台等功能。通过这些功能模块的设计，基本上实现了整个艺诚美业管理系统的过程。 研究背景 以往的艺诚美业管理系统相关信息管理，都是工作人员手工统计。这种方式不但时效性低，而且需要查找和变更的时候很不方便。随着科学的进步，技术的成熟，计算机信息化也日新月异的发展，社会也已经深刻的认识，计算机功能非常的强大，计算机已经进入了人类社会发展的各个领域，并且发挥着十分重要的作用。本系统利用网络沟通、计算机信息存储管理，有着与传统的方式所无法替代的优点。比如计算检索速度特别快、可靠性特别高、存储容量特别大、保密性特别好、可保存时间特别长、成本特别低等。在工作效率上，能够得到极大地提高，延伸至服务水平也会有好的收获，有了网络，在线艺诚美业管理系统的各方面的管理更加科学和系统，更加规范和简便。 关键技术 JSP(Java脚本页面)是Sun和许多参与建立的公司所提倡的动态web技术。将Java程序添加到传统的web页面HTML文件(*)。htm,*。Html)。 JAVA语言是目前软件市场上应用最广泛的语言开发程序。可以在多种平台上运用的，兼容性比较强，适应市面上大多数操作系统，不会出现乱码的现像，其扩展性和维护性都更好，具有分析问题和解决问题的能力，是面向过程的程序设计方便我们编写的代码更强壮。 MYSQL数据库运行速度快，安全性能也很高，而且对使用的平台没有任何的限制，所以被广泛应运到系统的开发中。MySQL是一个开源和多线程的关系管理数据库系统，MySQL是开放源代码的数据库，具有跨平台性。 B/S（浏览器/服务器）结构是目前主流的网络化的结构模式，它能够把系统核心功能集中在服务器上面，可以帮助系统开发人员简化操作，便于维护和使用。 系统分析 对系统的可行性分析以及对所有功能需求进行详细的分析，来查看该系统是否具有开发的可能。 系统设计 功能模块设计和数据库设计这两部分内容都有专门的表格和图片表示。 系统实现 艺诚美业管理系统，在系统首页可以查看首页、发型美容师、套餐信息、我的、跳转到后台等内容。管理员登录进入艺诚美业管理系统可以查看个人中心、会员管理、员工管理、员工打卡管理、技师预约管理、发型美容师管理、技师类型管理、套餐信息管理、套餐类型管理、套餐购买管理、会员充值管理、系统管理等信息。会员登录进入艺诚美业管理系统可以查看个人中心、技师预约管理、套餐购买管理、会员充值管理等内容。员工登录进入艺诚美业管理系统可以查看个人中心、员工打卡管理、技师预约管理等内容。 系统测试 黑盒测试又被人们称作为功能测试，通常是在程序的接口来做一些测试的方法，它一般包括对程序的功能和使用的方法来做出一些数据的接受和输出，同时还可以做出正确的输出信息，并保证与外部信息的完整性。白盒测试通常被人们称作为结构测试，在整个程序的结构和处理当中它是由程序当中的逻辑测试和检验程序来完成一些正确的工作。具体的功能测试它是包括：系统的适用性、准确性、安全性等功能测试。 结论 本系统通过对JSP和Mysql数据库的简介，从硬件和软件两反面说明了艺诚美业管理系统的可行性，本文结论及研究成果如下：实现了JSP与Mysql相结合构建的艺诚美业管理系统，网站可以响应式展示。通过本次艺诚美业管理系统的研究与实现，我感到学海无涯，学习是没有终点的，而且实践出真知，只有多动手才能尽快掌握它，经验对系统的开发非常重要，经验不足，就难免会有许多考虑不周之处。比如要有美观的界面，更完善的功能，才能吸引更多的用户。 （可运行源码+sql文件+文档）

基本选择器：见上篇基本选择器 复合选择器 选择器1,选择器2{属性:值;} 多元素选择器，同时匹配选择器1和选择器2，多个选择器之间用逗号分隔 举例： p,h1,h2{margin:0px;} E F{属性:值;} 后代元素选择器，匹配所有属于E元素后代的F元素，E和F之间用空格分隔 举例： #slidebar p {font-color: #990000；} E > F{属性:值;} 子元素选择器，匹配所有E元素的子元素F 举例： div > p{color:#990000;} E + F{属性:值;} 相邻元素选择器，匹配所有紧随E元素之后的同级元素F 举例： div + div{color:#990000;} 伪类选择器 伪类选择器是用来给超级链接的不同状态来设置样式。 :link 向未被访问的链接添加样式 :visitied 向已被访问的链接添加样式 :hover 当鼠标悬浮在元素上方时，向元素添加样式 :active 鼠标放在元素上面时，点击的一瞬间 注意：超级链接的不同状态它其实是有顺序。也就是说伪类选择器设置其实是有顺序。 如果不按照伪类选择器的顺序，那么样式就会失效。 顺序：要遵守“爱恨准则”要先有爱，才有恨。“Love Hate” LVHA 属性选择器 什么是属性选择器？ 属性选择器它是与标签的属性名和属性值有关。 属性选择器是通过标签的属性名和属性值来匹配元素。 选择器 含义 举例 [attr] 匹配指定的属性名的所有元素 h1[align]{} [attr="val"] 匹配属性等于指定值的所有元素 h1[align="center"]{} [attr*="val"] 匹配属性中包含指定值的所有元素 Font[color*="00"] [attr$="val"] 匹配属性的值以指定值结束的所有元素 Font[color$="00"] [attr^="val"] 匹配属性以指定值开头的所有元素 Font[color^="00"] 复合选择器 多元素选择器 <!

继承性 一、继承性的特点： 1.外层元素身上的样式会被内层元素所继承 2.如果内层元素与外层元素身上的演示相同时，外层元素的样式会被内层元素所覆盖 二、关于继承性的问题 是不是所有样式都能被继承？ 答：并不是所有样式能被继承，只有文本与字体样式属性能被继承，其他样式属性不能被继承 解释如下： body{ color: #f00; font-size: 36px; } div{ coLor: #00f; /给div标签来一个边框/ border：1px solid #ccc } 给 div 标签来一个边框 border：1px solid #ccc，div 标签相对于 h2 标签和p 标签来说 它是一个外层元素。 现在给外层元素设置一个边框的样式，这个边框会不会被继承。 三、注意事项 在实际工作中，我们往往会给 boby 标签设置字体大小以及字体颜色，因为 boby 标签是最外层的元素，内层的元素会继承外层的元素样式。 <!DOCTYPE html> <html> <head> <meta charset="utf-8"> <title>继承性</title> <style type="text/css"> /*如果内层元素与外层元素身上的样式相同，会被内层样式覆盖*/ body{ color: #f00; /*红色*/ } div{ color: #00f; /*蓝色*/ border: 1px solid #ccc; } </style> </head> <body> <div> <h2>彷徨之刃</h2> <p>《彷徨之刃》根据东野圭吾同名小说改编，讲述了少女李芊被三名未成年少年罗志诚、谢宇、王天笑绑架，凌虐后致死并抛尸，然而少年们对自己的作恶行为不以为意，事后还以凌辱少女的视频为乐，李芊的父亲李长峰决定用自己的方式让少年们付出代价，他亲手处决了王天笑，踏上了一条无法回头的复仇路。 </p> </div> </body> </html> 优先级 一、先级的排序

C++ 设计模式之策略模式 简介 1、策略模式（Strategy）是一种行为型设计模式，它定义了一系列可以相互替换的算法，并使这些算法能够独立于使用它们的客户端变化。策略模式的核心思想是分离算法，选择实现，允许在运行时选择最适合的算法策略。 2、策略模式 （Strategy）应用场景： 1、当一个类有很多行为，而且这些行为以多个条件语句的形式出现时。 2、当需要配置一个类的多个行为，且需要提供多个行为中的一种配置方式时。 3、当有几个类仅在行为上稍有不同，使用策略模式可以提供一个公共的接口来选择其中的某个行为。 3、策略模式 （Strategy）的构成 3.1、策略接口（Strategy）：定义了一个公共接口，所有的具体策略类都必须实现这个接口。环境角色通过这个接口来调用具体策略所定义的方法。 class SortingStrategy { public: virtual void sort(std::vector<int>& data) const = 0; virtual ~SortingStrategy() {}; }; 3.2、具体策略类（ConcreteStrategy）：实现了策略接口，提供了具体的算法和行为。 class BubbleSortStrategy : public SortingStrategy { public: void sort(std::vector<int>& data) const; }; 3.3、上下文（Context）：持有一个策略对象的引用，并定义一个接口让策略对象与其交互。上下文使用策略对象来配置其算法行为。 class SortedList { public: void setStrategy(const SortingStrategy* strat); void add(int value); void sort(); private: const SortingStrategy* strategy; std::vector<int> data; }; 4、策略模式 （Strategy）的优点 4.1、分离关注点：通过定义算法族（策略），把算法的实现细节从业务逻辑中分离出来 ，使得算法的变化不影响到使用算法的客户端。 4.2、替换灵活：策略模式提供了相同行为的不同实现，客户端可以更换算法或扩展新算法而不需要修改现有代码，符合开闭原则。 4.3、去除条件语句：不需要使用大量的条件判断语句来选择所需的算法，由客户端动态决定使用哪个策略对象。 4.4、扩展性好：添加新策略或修改已有策略很简单，只需要增加或者修改策略类。 5、策略模式 （Strategy）的缺点

引言 在数据仓库设计中，传统的星型和雪花型模型有着各自的优势和劣势。随着数据量的增大和数据源的多样化，Data Vault（数据仓库）建模方法逐渐受到关注和应用。Data Vault建模是一种灵活、可扩展、适应性强的建模方法，特别适用于复杂和动态的数据环境。本文将介绍Data Vault建模的基本概念、组成部分以及如何在实际项目中应用，并附带详细示例。 目录 引言Data Vault建模概述Hub（中心表）Link（链接表）Satellite（卫星表） 实践中的Data Vault建模步骤一：定义Hub表步骤二：定义Link表步骤三：定义Satellite表 总结 Data Vault建模概述 Data Vault由丹·林斯塔德（Dan Linstedt）在1990年代后期提出，是一种适应大规模数据整合的建模方法。它的主要特点包括： 高扩展性：适应快速增长的数据量和多变的数据源。高灵活性：易于应对业务规则和数据源的变化。历史数据保留：完整记录数据变化历史。 Data Vault模型由三类主要实体组成： Hub（中心表）：存储业务主键及其唯一标识符。Link（链接表）：存储不同Hub之间的关系。Satellite（卫星表）：存储Hub或Link的属性和时间戳信息。 Hub（中心表） Hub是Data Vault模型的核心，用于存储业务实体的唯一标识符。每个Hub表对应一个业务实体，表中的每一行代表一个业务主键。Hub表的结构相对简单，通常包含以下字段： 业务主键（Business Key）哈希键（Hash Key）：用来唯一标识业务主键加载时间戳（Load Timestamp）记录源（Record Source）：记录数据来源 示例： CREATE TABLE Hub_Customer ( Customer_HashKey CHAR(32) PRIMARY KEY, Customer_BusinessKey VARCHAR(255), Load_Timestamp TIMESTAMP, Record_Source VARCHAR(50) ); Link（链接表） Link用于定义Hub之间的关系。每个Link表对应一种业务关系，表中的每一行代表一个关系实例。Link表的字段通常包括： 哈希键（Hash Key）：唯一标识Link外键（Foreign Key）：指向相关的Hub加载时间戳（Load Timestamp）记录源（Record Source） 示例： CREATE TABLE Link_CustomerOrder ( CustomerOrder_HashKey CHAR(32) PRIMARY KEY, Customer_HashKey CHAR(32), Order_HashKey CHAR(32), Load_Timestamp TIMESTAMP, Record_Source VARCHAR(50) ); Satellite（卫星表） Satellite用于存储Hub或Link的属性及其变化历史。每个Satellite表与一个Hub或Link相关联，表中的每一行代表一个属性快照。Satellite表的字段通常包括：

人工智能领域不断涌现出令人惊叹的技术突破，其中OpenAI的ChatGPT系列模型尤为引人注目。随着GPT-4的发布，技术开发者们对比分析其与前一代GPT-3.5的差异显得尤为重要。本文将深入探讨GPT-3.5和GPT-4系列模型的主要区别，帮助大家更好地理解和应用这些先进的自然语言处理工具。 1. 引言 OpenAI的GPT系列模型在自然语言处理领域引领风潮，从GPT-3.5到最新的GPT-4，每一次迭代都带来了显著的性能提升。为了帮助技术开发者更好地选择和应用这些模型，本文将详细对比GPT-3.5和GPT-4系列模型，从架构改进、性能提升、应用场景等多个方面进行分析。 2. GPT-3.5概述 2.1 模型结构 GPT-3.5基于Transformer架构，拥有1750亿参数，是GPT-3的升级版。它在处理复杂语言任务方面表现优异，具备更强的上下文理解和生成能力。 特点： 大规模参数量提升了语言生成的流畅性和连贯性在多种自然语言处理任务中表现优异 局限： 对于极其专业或长文本的理解仍然存在一定局限在多模态任务（如图像理解）方面能力有限 3. GPT-4系列概述 GPT-4系列是OpenAI最新发布的语言模型系列，包括多个子型号，如GPT-4.0、GPT-4.5等。每个子型号在性能和功能上都有所提升。 3.1 GPT-4.0 特点： 参数量进一步增加，达到3000亿以上引入了更复杂的优化算法，提高了模型的训练效率和文本生成质量增强了对长文本和多轮对话的理解能力 3.2 GPT-4.5 特点： 采用多模态融合技术，能够处理文本、图像等多种输入进一步优化了模型的推理能力和响应速度在专业领域（如医学、法律）的知识储备和回答准确性显著提升 4. GPT-3.5与GPT-4系列模型的对比 4.1 参数规模 GPT-4系列模型的参数规模显著增加，这使其在处理复杂任务时具备更强的能力和更高的生成质量。 4.2 架构优化 GPT-4系列引入了更多的创新架构调整和优化算法，使其在训练效率和推理速度上都有显著提升。特别是GPT-4.5，采用了多模态融合技术，不仅能够处理文本，还能理解和生成与图像相关的内容。 4.3 性能提升 在实际应用中，GPT-4系列模型在以下几个方面表现出色： 文本生成质量：GPT-4生成的文本更加流畅自然，语法错误减少，逻辑性增强。上下文理解：改进的上下文理解能力使GPT-4在多轮对话中表现更加智能，能够更好地保持对话的连贯性。专业领域应用：GPT-4在医学、法律、金融等专业领域的知识储备更为丰富，回答的准确性和专业性显著提升。 4.4 多模态能力 GPT-4.5引入的多模态能力，使其不仅能够处理文本，还能理解和生成图像相关内容。这一特性拓宽了模型的应用场景，如图文生成、图像描述等任务。 4.5 训练数据 GPT-4系列使用了更大规模、更多样化的训练数据集，包括更多的专业领域数据和多语言数据，使其在跨语言和跨领域的应用中表现更为出色。 5. 应用场景对比 5.1 GPT-3.5的应用场景 聊天机器人：GPT-3.5在聊天机器人领域有广泛应用，能够提供流畅的对话体验。内容生成：适用于博客写作、新闻生成等需要高质量文本输出的场景。语言翻译：在多语言翻译任务中表现良好。 5.2 GPT-4系列的应用场景 多模态应用：GPT-4.5的多模态能力使其适用于图文生成、图像描述等任务。专业领域：由于其丰富的专业知识储备，GPT-4在医学、法律、金融等领域的应用前景广阔。复杂对话系统：GPT-4改进的上下文理解能力，使其在多轮对话中表现更加智能和自然。 6. 结论 通过对GPT-3.5和GPT-4系列模型的详细对比分析，我们可以看到GPT-4系列在多个方面的显著提升。无论是在参数规模、架构优化、性能提升，还是在多模态能力和专业领域应用方面，GPT-4系列都展现了更强的能力和更广泛的应用前景。对于技术开发者来说，选择合适的模型应根据具体的应用需求和场景进行权衡。 GPT-4系列的发布，无疑为人工智能和自然语言处理领域带来了新的机遇和挑战。希望本文的对比分析能够帮助大家更好地理解和应用这些先进的语言模型，推动AI技术的发展和应用创新。

下载编译GEOS 从Download and Build | GEOS (libgeos.org)下载geos-3.10.6.tar.bz2 使用cmake-3.14.0版本配置VS2015编译 按默认配置生成VS工程文件 编译后生成geos.dll，geos_c.dll 后面学习使用C接口进行编程

文章目录 一、安装 Python SDK二、安装 OpenAI Python SDK1、安装 openai 软件包2、查看 openai 软件包版本3、openai 接口参考文档 三、PyCharm 中开发 Python 程序调用 OpenAI 接口1、PyCharm 创建 Python 项目2、API Key 配置用法3、GPT3 模型和 GPT4 模型4、Python 代码示例 博客源码下载地址 : https://download.csdn.net/download/han1202012/89478137 一、安装 Python SDK 参考 【开发环境】Windows 中安装 Python 各个版本 ( 下载 Python 各版本 SDK | 安装 Python ) 博客 , 在 Windows 上安装 Python SDK ; 安装了 Python SDK 之后 , 才能 使用 Python 的包管理工具 pip , 通过 pip install 命令 , 可以方便地将各种 Python 包安装到本地的 Python 环境中 ;