1、首先你需要提前准备好jar包或者war包，并想办法放入Linux环境(或虚拟机)中； 2、java项目的部署需要用到Tomcat或者Jetty，docker可以直接拉取他俩的镜像，这里以Tomcat为例： # : 后面需要加上war或者jar对应的Tomcat版本，最好加上， # 否则默认最新的
其实就是安装VMware Tools，但不知道为什么我的VMware Workstation不能安装VMware Tools，记得之前有次安装过，但是失败了。 基于apt-get命令下载安装其实是更好的选择： sudo apt-get install open-vm-tools sudo apt-g
一、官网下载JDK1.8 https://www.oracle.com/java/technologies/oracle-java-archive-downloads.html JDK1.8 因为1.8是目前项目中用到最多的 基本都是基于JDK1.8 可以直接在虚拟机中的浏览器访问下载，但是尝试过的
1、定义不同主题颜色 :root{ --theme-color: blue; --font-size: 18px;; } html[theme="dark"]{ --theme-color: #000; 2、通过切换html自定义属性来控制主题
https://www.bilibili.com/video/BV1ha411g7f5?p=14 图标用处 信息可视化，快速获取信息 增加内容图示化细节，增强设计感 SVG/PNG 图标使用 SVG 无损，并且可以修改颜色（Office 低版本不支持） AI 矢量图 千图网 Adobe ILLust
不管小型公司还是大型互联网公司，很多项目债台高筑，新功能开发困难。其中一个很大的原因就是代码复杂，可读性差。那复杂度有没有一个明确的衡量标准，我们又如何去解决代码的圈复杂度呢？本篇文章将详细讲解圈复杂度的计算方式以及常用的解决方法。
本文从整体介绍了京东小程序CI工具的用途及工作流程，读者可以通过本文了解到一种全新的京东小程序上传方式，同时结合构建脚本和流水线，可大大提高小程序的部署和发布效率。
1、响应式本质 就是把数据和函数相关联起来，当数据变化时，函数自动执行。当然这对于函数和数据也是有要求的 函数必须是以下几种: render computed watch watchEffect 数据必须是以下几种： 响应式数据 在函数中用到的数据 2、例子 2.1
最近，小悦的生活像是一首繁忙的交响曲，每天忙得团团转，虽然她的日程安排得满满当当，但她并未感到充实。相反，她很少有时间陪伴家人，这让她感到有些遗憾。在周五的午后，小悦的哥哥突然打来电话，他的声音里充满了焦虑。 “小悦，我有个事情想拜托你。”哥哥的声音传来。 小悦不禁有些疑惑，哥哥有什么事情需要她帮忙
一、问题提出： 后台前端框架改版，之前是angularjs，现在用vue，导致input标签定位失败，只能定位到第一个input标签，查看后台源代码发现这两个标签是一模一样，如下图： 二、问题思考过程 1.为什么以前的版本可以定位成功，而现在的就定位不了啦 查阅之前版本的这部分定位代码，发现原来的框
为什么需要链路跟踪 为什么需要链路跟踪？微服务环境下，服务之间相互调用，可能存在 A->B->C->D->C 这种复杂的服务交互，那么需要一种方法可以将一次请求链路完整记录下来，否则排查问题不好下手、请求日志也无法完整串起来。 如何实现链路跟踪 假设我们从用户请求接口开始，每次请求需要有唯一的请求
前言 知乎上有一个提问：在小公司编程是一种什么样的体验？ ↓↓↓ 今天，我们就这个话题，一起来做个讨论。 这里有没有曾经待过小公司或者现在正窝在小公司的程序员？如果有，这个问题相信你是最有发言权的。 一个软件产品从前期的调研到中途的开发直至最后的发布环节，不知道整个链路跟踪下来，你是否感觉这中间的每
近日，GrapeCity Documents 正式迎来其V6.2 的发布更新，能够支持 SpreadJS 中 .sjs 类型的文件。这一重大更新将为用户带来更多地惊喜。 .sjs文件有两个关键优势：空间更小且导入导出速度更快。通过采用 .sjs格式，GcExcel实现了更高效的文件压缩，从而使文件大
学习`pandas`的过程中，为了尝试`pandas`提供的各类功能强大的函数，常常需要花费很多时间去创造测试数据。 在`pandas`中，快速创建测试数据可以更快的评估 `pandas` 函数。通过生成一组测试数据，可以评估例如 `read_csv`、`read_excel`、`groupby`等
日常分析数据时，只有单一数据文件的情况其实很少见，更多的情况是，我们从同一个数据来源定期或不定期的采集了很多数据文件；或者从不同的数据源采集多种不同格式的数据文件。 在这样的情况下，分析数据之前，需要将不同的数据集合并起来。合并数据一般有两个维度，一是同构的数据集合并后行数增加；一是异构的数据集合并
在 `pandas` 中，如果遇到数据量特别大的情况，随机挑选 DataFrame 的子集可以帮助我们更深入地了解数据，从而更好地进行数据分析和决策。 随机挑选子集的用途主要有： 1. 评估数据质量：随机挑选 DataFrame 的子集可以帮助我们检查数据集的质量，以便进一步探索和挖掘数据。例如，我
本篇介绍的是`pandas`选择列数据的一个小技巧。之前已经介绍了很多选择列数据的方式，比如`loc`，`iloc`函数，按列名称选择，按条件选择等等。 这次介绍的是按照列的**数据类型**来选择列，按类型选择列可以帮助你快速选择正确的数据类型，提高数据分析的效率。 # 1. 类型种类 `panda
重命名 `pandas` 数据中列的名称是一种常见的数据预处理任务。这通常是因为原始数据中的列名称可能不够清晰或准确。例如，列名可能包含空格、大写字母、特殊字符或拼写错误。 使用 `pandas` 的 `rename`函数可以帮助我们更改列名，从而使数据更加清晰和易于理解。此外，重命名列名还可以确保
反转`pandas` `DataFrame`的行列顺序是一种非常实用的操作。在实际应用中，当我们需要对数据进行排列或者排序时，通常会使用到Pandas的行列反转功能。这个过程可以帮助我们更好地理解数据集，发现其中的规律和趋势。同时，行列反转还可以帮助我们将数据可视化，使得图表更加易于理解。 除了常规
拆分列是`pandas`中常用的一种数据操作，它可以将一个包含多个值的列按照指定的规则拆分成多个新列，方便进行后续的分析和处理。拆分列的使用场景比较广泛，以下是一些常见的应用场景： 1. 处理日期数据：在日期数据中，经常会将年、月、日等信息合并成一列，通过拆分列可以将其拆分成多个新列，方便进行时间序
