这个LDAP认证搞了我很久，也郁闷了很久，可能自己菜的原因吧，不过，终于成功了！原来也没有相像中那么复杂。这次重新做一次，把过程写下来，给大家参考学习。服务器平台centOS5.1，部分包是yuminstall安装，部分是源码安装，yum安装的是默认源的包，源码安装是2009年1月份最新的包。安装前的准备工作#mkdir?p/data/packages//习惯性的把一些包放在一个位置#yuminstallopenldap-develzlib-develex
系统 2019-08-12 09:27:05 2250
按照MSDN描述System.Configuration命名空间包含处理配置信息的类型本篇文章主要两方面的内容1.如何使用ConfigurationManager读取AppSetting和ConnectionStrings2.如何使用自定义Section，我这里的自定义Section格式为服务1的描述信息，供IoC容器使用服务2的描述信息，供IoC容器使用。。。
系统 2019-08-12 09:27:00 2250
1.什么是ElasticSearch?ElasticSearchisapowerfulopensourcesearchandanalyticsenginethatmakesdataeasytoexplore.可以简单理解成索引加检索的工具，当然它功能多于此。ElasticSearch分为服务端与客户端，服务端提供RESTAPI，客户端使用RESTAPI。http://www.cnblogs.com/Angle-Louis/archive/2015/01/1
系统 2019-08-12 09:26:53 2250
题意：有一个长为n（n<=25）的字符串，它至少由k个magicword组成，现在给出m个magicword，求出这个字符串组成的可能种数。构造AC自动机进行搜索，dp【i】【j】【k】表示字符串长度为i，匹配字典树上的第j个节点，并且已经匹配上k个magicword时的总数。则转移方程为（dp【i+1】【j的儿子】【k|j的儿子的状态】+=dp【i】【j】【k】）%mod；需要注意的是，因为单词可以重复使用，所以单词结尾的fail指向root指向的各节点
系统 2019-08-12 01:53:21 2250
通过批处理执行sql命令：1.Restore.bat文件内容：osql-E-S-iC:\TempDB\Restore.txt2.Restore.txt文件内容：usemasterifexists(select*fromsysdeviceswherename='TruckDB')EXECsp_dropdevice'TruckDB'ElseEXECsp_addumpdevice'disk','TruckDB','C:\ProgramFiles\Microsof
系统 2019-08-12 01:52:12 2250
新手发帖，很多方面都是刚入门，有错误的地方请大家见谅，欢迎批评指正一、段字上移1、如果两个子类具有一样的段字，可以将该段字移至类超。2、可以少减子类重复的声明。3、可以在父类实现该段字的行为，少减行为的重复。二、数函上移1、如果数函在各个子类中都生产雷同的结果，那么该应将其移至类超。2、可以免避行为的重复，重复的万恶之源。三、构造数函本体上移如果各个子类具有一些本体几乎完全雷同的构造数函，那么该应在父类中新建一个构造数函，然后子类在构造数函中调用它。四、数
系统 2019-08-12 01:52:06 2250
“sqldiag”是一款诊断工具，你可以用它收集各种SQLServer服务的诊断信息。它的初衷是为微软公司的支持工程师使用的，但是你可能也会发现它收集的信息对你诊断问题也是有帮助的。“Sqldiag”默认情况下会把收集到的信息写到文件中，保存到名为“SQLDIAG”的文件夹中，该文件夹被自动创建在文件“sqldiag.exe”所在路径同级目录(比如：C:\ProgramFiles\MicrosoftSQLServer\100\Tools\binn\SQLD
系统 2019-08-12 01:32:40 2250
前言玩博客一个多月了，渐渐发现了一些有意思的事，经常会有人用同样的评论到处刷，不知道是为了加没什么用的积分，还是纯粹为了表达楼主好人。那么问题来了，这种无聊的事情当然最好能够自动化咯，自己也来试了一把，纯属娱乐。登陆要评论当然要能够先进行登陆，采用库进行处理，尝试能否看到自己的消息列表：结果跳转到登陆界面，好的那看一下登陆界面是怎么登陆的，找到表单：发现还有一些隐藏的参数，如lt、excution等，好心的程序猿还写明了不能为什么不能直接认证的原因：缺少流
系统 2019-09-27 17:55:56 2249
原【machinelearning】GMM算法（Python版）一、GMM模型事实上，GMM和k-means很像，不过GMM是学习出一些概率密度函数来（所以GMM除了用在clustering上之外，还经常被用于densityestimation），简单地说，k-means的结果是每个数据点被assign到其中某一个cluster了，而GMM则给出这些数据点被assign到每个cluster的概率，又称作softassignment。得出一个概率有很多好处，
系统 2019-09-27 17:54:45 2249
运行前指定exportPYTHONIOENCODING为utf-8如exportPYTHONIOENCODING=utf-8;pythonmain.;y
系统 2019-09-27 17:53:35 2249
