MYSQL数据库安装完毕后，默认最大连接数是100。命令：showprocesslist;假设是root帐号，你能看到全部用户的当前连接。假设是其他普通帐号，仅仅能看到自己占用的连接。showprocesslist;仅仅列出前100条，假设想全列出请使用showfullprocesslist;mysql>showprocesslist;命令：showstatus;命令：showstatuslike'%以下变量%';Aborted_clients因为客户没有
系统 2019-08-12 01:53:18 2526
查询是数据库技术中最常用的操作。查询操作的过程比较简单，首先从客户端发出查询的SQL语句，数据库服务端在接收到由客户端发来的SQL语句后，执行这条SQL语句，然后将查询到的结果返回给客户端。虽然过程很简单，但不同的查询方式和数据库设置，对查询的性能将会有很在的影响。因此，本文就在MySQL中常用的查询优化技术进行讨论。讨论的内容如：通过查询缓冲提高查询速度；MySQL对查询的自动优化；基于索引的排序；不可达查询的检测和使用各种查询选择来提高性能。显然，这对
系统 2019-08-12 01:53:04 2526
首先声明这两个东西不是一个概念cpu分段机制中段的概念确定了在线性地址空间中一个段的用途以及被执行或访问的约束,每个段可以设置在4G线性地址的任何地方，它们可以相互独立也可以完全重叠或部分重叠。而进程的在其逻辑地址空间中代码段和数据段则是由编译器在编译程序和操作系统在加载程序时规定的在进程逻辑地址空间中顺序排列的代码区域、初始化和未初始化的数据区域以及堆栈区域，参考elf文件的格式中头文件及文件头表区分进程的逻辑地址空间中段和cpu分段机制中段的概念
系统 2019-08-12 01:33:42 2526
数据字典在系统中的作用是维护一些常用的词语，同时记录用户的习惯用语，使系统在使用过程中自动完善自己，比如：自然人信息中需要记录自然人的民族，中国有56个民族，但由于地区分布的不同，某个地区主要就只有哪几个民族，这样避免了把所有56个民族都列出来，数据太多用户反而很难取得有用的信息。所在组件：IBeamMDAACommon.dll名称空间：IBeam.MDAA.ORMObjects（数据库实体）IBeam.MDAA.Objects（业务对象）用法举例：在当事
系统 2019-08-12 01:33:39 2526
安装环境：CentOS-6.5安装方式：源码安装软件：apache-tomcat-8.0.0.RC3.tar.gz安装前提安装tomcat将apache-tomcat-8.0.0.RC3.tar.gz文件上传到/usr/local中执行以下操作：[root@localhost~]#cd/usr/local[root@localhost~]#tar-zxv-fapache-tomcat-8.0.0.RC3.tar.gz//解压压缩包[root@localho
系统 2019-08-12 01:33:19 2526
在网络上游荡，发现了一个好玩的程序，将图片文件转换成ASCII码，大家可以下载来玩一玩。这是这个软件的网站：http://ascgendotnet.jmsoftware.co.uk/下面的图片是我用它转换的，效果还不赖，不妨把你的头像也转成ASCII码。：）将图片转换成ASCII码的小工具
系统 2019-08-12 01:33:01 2526
今天早上打开电脑搜点东西，结果发现了百年难得一见的怪现象——刷Google窗口居然刷出了百度的界面！我也不多说啥了，有图为证！（绝非PS效果！）顺便问一下，有人知道这是什么原因导致的吗？百年奇遇——上Google网站，居然出现了百度的界面！
系统 2019-08-12 01:32:29 2526
在学生时代，就羡慕实验室，老师在里面可以鼓捣各种有意思的东西。上大学的时候，终于有机会在实验室做大量实验了，因为我是物理系，并且，遇到了一位非常令我尊敬的老师――高老师，让我在他的实验室里面，把所有已经破旧损坏的实验仪器修理装配好，并且按照要求做好实验样例。经过一番折腾，才明白，要做好实验，不仅仅花费精力，还有不菲的设备成本呢。后来工作的时候，更感觉到实验设备费用之高昂，因此做实验的时候总要小心翼翼。再后来，终于发现原来计算机是一个最好的实验室。在这里做实
系统 2019-09-27 17:56:55 2525
前言kd树的实现原理，我之前的一篇博客写了一下kd树优化的k近邻算法参考文章：wenffe：python实现KD树1.kd树的构造importnumpyasnpclassNode(object):"""定义节点类：val：节点中的实例点label：节点中实例的类别dim：当前节点的分割维度left：节点的左子树right：节点的右子树parent：节点的父节点"""def__init__(self,val=None,label=None,dim=None,
系统 2019-09-27 17:56:06 2525
实现思路：1，将传进来的图片矩阵用算子进行卷积求和（卷积和取绝对值）2，用新的矩阵（与原图一样大小）去接收每次的卷积和的值3，卷积图片所有的像素点后，把新的矩阵数据类型转化为uint8注意：必须对求得的卷积和的值求绝对值；矩阵数据类型进行转化。完整代码：importcv2importnumpyasnp#robert算子[[-1,-1],[1,1]]defrobert_suanzi(img):r,c=img.shaper_sunnzi=[[-1,-1],[1
系统 2019-09-27 17:51:03 2525
