From:http://www.mike.org.cn/articles/linux-understand-devfs-sysfs-udev/linux下有专门的文件系统用来对设备进行管理，devfs和sysfs就是其中两种。一、devfsdevfs是在2.4内核就出现了，它是用来解决linux中设备管理混乱的问题，你查看一下/dev下的设备文件就知道其中有许多是空的(也就是没有对应的硬件的)，但是它们却必须存在，所以这给linux设备管理带来了很多麻烦，
系统 2019-08-12 01:55:25 2613
本文摘自http://www.cnblogs.com/cy163/archive/2010/11/17/1880280.html做过DB2数据库应用迁移的工程师，了解IBMMTK工具在迁移过程中所能完成任务，但这个工具并不能帮你完成所有的迁移工作，还有大量的迁移工作需要我们借助自己的经验和方法来完成，下面是一些在DB2数据库移植过程中常见的问题简单总结。这里我只是针对Oracle迁移到DB2的常见问题描述。1DB2与oracle常用数据类型之间的对应关系O
系统 2019-08-12 01:54:36 2613
个人重构版的机房收费系统正在紧锣密鼓的进行着，虽然不是很难的东西，但是有时候小毛病还是很多。程序正在代码实现中，抛下程序不谈，先来总结下数据库的设计。1、数据完整性约束、规则、默认值等能够较好的保证数据的完整性，为了保证系统数据的完整性，设计时使用了主键、外键、Check约束，同时使用规则和默认值来保证数据的正确性。使用主键时约束了一列，把表中的一列作为主键，创建主键约束的表中数据不能为空，且不能重复，表的索引默认的是主键约束的列；使用主键约束了同一个表中
系统 2019-08-12 01:53:30 2613
原文:2年SQLServerDBA调优方面总结2年SQLServerDBA调优方面总结当2年dba我觉得，有些东西需要和大家分享探讨，先书单。书单1.《深入解析SQLServer2008系列》这个就是mssql2005的技术内幕系列。2012版的也出了有兴趣可以看看，技术内幕系列是我接触最早的书，里面内容涵盖量很大，但是都是点到为止。所以很多都是可以细细品味，回头再看的。2.《TroubleshootingSQLServerAGuidefortheAcci
系统 2019-08-12 01:52:38 2613
原文:Oracle用户（user)和模式(schema)的区别概述：（一）什么Oracle叫用户（user）：Auserisanamedefinedinthedatabasethatcanconnecttoandaccessobjects.大意：Oracle用户是用连接数据库和访问数据库对象的。（用户是用来连接数据库访问数据库）。（二）什么叫模式(schema)：Aschemaisacollectionofdatabaseobjects(usedbyaus
系统 2019-08-12 01:34:00 2613
我在$tomcat/webapps/下建了个myjsp目录作为我网站的默认目录，在myjsp中有一个a.jsp文件，该文件要作为我网站的默认主页。修改配置文件：首先，修改$tomcat/conf/server.xml文件。在server.xml文件中，有一段如下：……
系统 2019-08-12 01:33:26 2613
使用IDE方便开发，使用文本编辑器建立Web工程，有助于理解工程的各个文件组成及底层原理。需搭建好服务器（常用tomcat）,当然需要Java运行环境了。一．建立JSP文件，如helloworld.jsp<%@pagelanguage="java"%>standardhelloworldhtmlhelloworld
系统 2019-08-12 01:32:27 2613
需求：拷大量数据，发现有2000G，靠系统的复制功能怕是得好几个小时，于是回来学一手操作，话不多说上代码：说明：CopyFiles1是可以将sourceDir连子目录一起原样复制到targetDir，而CopyFiles2是在sourceDir中筛选特定格式文件，然后将其直接放在targetDir中，会很乱。但是很快importosimporttimeimportshutilsourceDir=r"D:\copytest\datatest"targetDi
系统 2019-09-27 17:55:34 2612
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 2612
上一篇我们讲了关联分析的几个概念，支持度，置信度，提升度。以及如何利用Apriori算法高效地根据物品的支持度找出所有物品的频繁项集。Python--深入浅出Apriori关联分析算法（一）这次呢，我们会在上次的基础上，讲讲如何分析物品的关联规则得出关联结果，以及给出用apyori这个库运行得出关联结果的代码。一.基础知识上次我们介绍了几个关联分析的概念，支持度，置信度，提升度。这次我们重点回顾一下置信度和提升度：置信度（Confidence）：置信度是指
系统 2019-09-27 17:50:15 2612
