以下为log4j中的配置参数：%m输出代码中指定的消息%p输出优先级，即DEBUG,INFO,WARN,ERROR,FATAL%r输出自应用启动到输出该log信息耗费的毫秒数%t输出产生该日志事件的线程名；%n输出一个回车换行符,Windows平台为"\r\n",Unix平台为"\n"%d输出日志时间的日期或时间，默认格式为ISO8601，也可以在其后指定格式，比如：%d{yyyMMMddHH:mm:ss,SSS},输出类似：2008年10月18日22：1
系统 2019-08-29 22:51:08 2069
Repository即源码的集中存放处，所有修改后提交的源码就是保存在这里，并在其中记录所有的修改版本，分支版本，版本合并，以及并发修改处理等。SVN最主要的功能是用于团队开发时用的，用于处理源码修改的版本控制和并发修改冲突。对于个人开发来说，虽然不存在并发修改冲突的问题，但个人源码可以使用到SVN的版本控制功能，以便找到开发过程中的版本记录。一般个人没有条件也没必要搭一个独立的服务器来做Repository，在本机的开发过程中误删代码的情况有可能会发生，
系统 2019-08-29 22:48:54 2069
通过使用Gmail,进一步理解软件设计模式中的代理模式(Proxypattern).Gmail邮箱的使用需求：一直使用的邮箱A，所有的邮件进出的直接使用邮箱；大量的团队邮箱C1,C2,C3,...,Cn；以前被废弃的邮箱D1,D2,D3,...,Dm。为了使用的方便，我们希望所有的团队邮箱中的邮件能够自动转发到A，被废弃的邮箱能够自动转发邮件到A。一般情况下，我们可以简单的通过让C系、D系邮箱自动转发到A,不支持转发的可以通过Gmail自带的邮件提取功能去
系统 2019-08-29 22:17:11 2069
EnglishJapaneseChineseabstructclass抽象クラス抽象类abstraction抽象化抽
系统 2019-08-29 22:16:55 2069
Servlet3.0模块化支持Servlet3.0现在已经支持各Web组件的模块化了。也就是说现在我们可以把各Web组件单独拿出来进行开发，之后把它们打成对应的jar包放到主项目中就可以了，而不必像之前那样——所有的内容都必须在web.xml文件中进行定义。有了对模块化的支持后我们在实际应用中就可以把某些通用功能的Filter、Listener、Servlet作为一个单独的Web模块进行定义，在需要使用它们的项目中就把对应Web模块对应的jar包加进去就可
系统 2019-08-29 22:12:06 2069
本人在试图编写自己的android的service的过程中可谓历尽艰难险阻。目前大业未成，但源码却中道蹦阻，今又重新下载代码，排除吾个人之原因。但此时还是想分享一下本人在编写的过程中遇到的问题，以慰过去，一展来者。虚拟机问题
系统 2019-08-12 09:30:14 2069
bootstrapClassLoaders负责装载java.*下的基本类extensionClassLoaders负责装载javax.*下的类systemClassLoaders负责系统（用户）实现的类三者的关系是bootstrapclassloaders是extensionclassloaders的父亲extensionclassloaders是systemclassloaders的父亲classloader的装载机制是parentdelegate的模型
系统 2019-08-12 01:32:43 2069
枚举类型可以看作是一种标签或是一系列常量的集合，通常用于表示某些特定的有限集合，例如星期、月份、状态等。Python的原生类型（Built-intypes）里并没有专门的枚举类型，但是我们可以通过很多方法来实现它，例如字典、类等：MiracleLove={'MON':'林志玲','TUS':'陈意涵','WEN':'张柏芝','THU':'辛芷蕾','FRI':'周冬雨'}classMiracleLove:MON='林志玲'TUS='陈意涵'WEN='张柏
系统 2019-09-27 17:56:49 2068
前言昨天才开始接触，鼓捣了一个下午，接下来会持续更新，如果哪里有错误的地方，望各位大佬指出，谢谢！数据描述两个文件，一个文件包含了网络图的节点，节点存在类别（0，1，2，3）四类，但是0类别舍去，不画出；另一个文件包含了网络图的边，数据基本特征如下：图1中，id表示节点，b是类别；图2中，两个数字表示边连接的两个点。Networkx安装我的系统是MacOS，直接在terminal输入sudopipinstallnetworkx就可以安装，由于代码中涉及几个
系统 2019-09-27 17:56:07 2068
这是最近找机器学习实习的一个笔试题：看到这个题的时候第一想法就是用关联规则(Apriori算法)来实现。关联规则最重要的就是支持度Support和置信度Confidence。支持度的计算方法：#下面式中X∩Y表示X和Y同时发生的次数，N表示总事物数support(X->Y)=X∩Y/N置信度的计算方法：confidence(X->Y)=support(X->Y)/support(X)知道支持度和置信度的计算方法之后就可以实现上面算法了，首先本题给的数据集比
系统 2019-09-27 17:56:04 2068
