一、 获取Push Token的方式 获取Push Token有两种方式：一种是调用getToken方法向Push服务端请求Token，当getToken方法返回为空时，Token可通过onNewToken方法返回，因此需要实现onNewToken方法；另一种是自动初始化，Token通过onNewT
昨天一个小伙伴和我讨论了一下OKR和绩效管理，所以这次想简单明了地说下在中国怎么做比较合适，很多高大上的理论无法落地也是空中楼阁。 首先说一些，我个人的理解 道德品质和能力素质决定了一个人的职位行为 职位行为决定了业务结果 不同级别/工作性质的人员，绩效考核应该有不同权重组合 团队管理者的绩效不得高
动态开点线段树说明 作者：Grey 原文地址： 博客园：动态开点线段树说明 CSDN：动态开点线段树说明 说明 针对普通线段树，参考使用线段树解决数组任意区间元素修改问题 在普通线段树中，线段树在预处理的时候，需要申请 4 倍大小的数组空间来存放划分的区域， 而本文介绍的动态开点线段树，它和普通线段
在前面的文章`《驱动开发：运用MDL映射实现多次通信》`LyShark教大家使用`MDL`的方式灵活的实现了内核态多次输出结构体的效果，但是此种方法并不推荐大家使用原因很简单首先内核空间比较宝贵，其次内核里面不能分配太大且每次传出的结构体最大不能超过`1024`个，而最终这些内存由于无法得到更好的释放从而导致坏堆的产生，这样的程序显然是无法在生产环境中使用的，如下`LyShark`将教大家通过在应
python 进程与线程是并发编程的两种常见方式。进程是操作系统中的一个基本概念，表示程序在操作系统中的一次执行过程，拥有独立的地址空间、资源、优先级等属性。线程是进程中的一条执行路径，可以看做是轻量级的进程，与同一个进程中的其他线程共享相同的地址空间和资源。
一、BIO(Blocking I/O) BIO，同步阻塞IO模型，应用程序发起系统调用后会一直等待数据的请求，直至内核从磁盘获取到数据并拷贝到用户空间； 在一般的场景中，多线程模型下的BIO是成本较低、收益较高的方式。但是，如果在高并发的场景下，过多的创建线程，会严重占据系统资源，降低系统对外界响应
鼠标+键盘 Shift + 拖动： 水平、竖直移动不偏移 Shift + 拖拽形形状：等比例缩小、放大 Shift + 旋转： 每次旋转15度 Ctrl + 鼠标滚轮： 快速放大缩小 Ctrl + 鼠标移动： 移动复制 Ctrl + D: 快速复制 复制元素（空间+距离） Ctrl + M: 新建幻
大数据 ODS&DWD&DIM-SQL分享 需求 思路一：等差数列 断2天、3天，嵌套太多 1.1 开窗，按照 id 分组，同时按照 dt 排序，求 Rank -- linux 中空格不能用 tab 键 select id,dt,rank() over(partition by id order b
使用场景： 由于表数据量巨大，导致一些统计相关的sql执行非常慢，使用户有非常不好的体验，并且sql和数据库已经没有优化空间了。(并且该统计信息数据实时性要求不高的前提下) 解决方案： 整体思路：创建预处理表——通过定时任务将数据插入到结果表——统计信息时直接通过结果表进行查询——大大提高响应速度
Optional最早是Google公司Guava中的概念，代表的是可选值。Optional类从Java8版本开始加入豪华套餐，主要为了解决程序中的NPE问题，从而使得更少的显式判空，防止代码污染，另一方面，也使得领域模型中所隐藏的知识，得以显式体现在代码中。Optional类位于java.util包下，对链式编程风格有一定的支持。实际上，Optional更像是一个容器，其中存放的成员变量是一个T类
在处理海量大数据时，我们常常会使用Bitmap，但假如现在要向Bitmap内存入两个pin对应的偏移量，一个偏移量为1，另一个偏移量为100w，那么Bitmap存储直接需要100w bit的空间吗？数据部将偏移量存入Bitmap时，又如何解决数据稀疏问题呢？本文将为大家解答
亲爱的Javaer们，在平时编码的过程中，你是否曾想过编写一个Java框架去为开发提效？但是要么编写框架时感觉无从下手，不知道从哪开始。要么有思路了后对某个功能实现的技术细节不了解，空有想法而无法实现。如果你遇到了这些问题，看完这篇文章你也能用ChatGPT编写一个简单的JAVA框架。
UUID（通用唯一识别码）是由32个十六进制数组成的无序字符串，通过一定的算法计算出来。为了保证其唯一性，UUID规范定义了包括网卡MAC地址、时间戳、名字空间（Namespace）、随机或伪随机数、时序等元素，以及从这些元素生成UUID的算法。一般来说，算法可以保证任何地方产生的任意一个UUID都不会相同，但这个唯一性是有限的，只在特定的范围内才能得到保证。
物理内存 计算机物理内存条的容量，比如我们买电脑会关注内存大小有多少G，这个容量就是计算机的物理内存。 虚拟内存 操作系统为每个进程分配了独立的虚拟地址空间，也就是虚拟内存，虚拟地址空间又分为用户空间和内核空间，操作系统的位数不同，虚拟地址空间的大小也不同，32位操作系统虚拟地址内核空间为1G，用户
远程过程调用（RPC），比较朴素的说法就是，从某台机器调用另一台机器的一段代码，并获取返回结果。 实现了rpc的通信过程，完成度比较高。 针对大流量的服务端还有优化空间，比如NIO的使用来管理长连接会更加有效。
视频以及图片修复技术是一项具有挑战性的AI视觉任务，它涉及在视频或者图片序列中填补缺失或损坏的区域，同时保持空间和时间的连贯性。该技术在视频补全、对象移除、视频恢复等领域有广泛应用。近年来，两种突出的方案在视频修复中崭露头角：flow-based propagation和spatiotemporal
之前博客中介绍了prop和调用事件的方式在父-子组件之间进行数据，这种方式在只有一层嵌套层时可以使用，但是路过存在多层嵌套，多层多个“兄弟”组件之间传递数据，就非常麻烦。对此，vue中提供了一种全局事件总线机制，数据传递是通过一个空的Vue实例作为中央事件总线，通过它来触发事件和监听事件，可以实现几...
本文基于内核 5.4 版本源码讨论 通过上篇文章 《从内核世界透视 mmap 内存映射的本质（原理篇）》的介绍，我们现在已经非常清楚了 mmap 背后的映射原理以及它的使用方法，其核心就是在进程虚拟内存空间中分配一段虚拟内存出来，然后将这段虚拟内存与磁盘文件映射起来，整个 mmap 系统调用就结束了
前言 堆排序是一种高效的排序算法，基于二叉堆数据结构实现。它具有稳定性、时间复杂度为O(nlogn)和空间复杂度为O(1)的特点。 堆排序实现原理 构建最大堆：将待排序数组构建成一个最大堆，即满足父节点大于等于子节点的特性。 将堆顶元素与最后一个元素交换：将最大堆的堆顶元素与堆中的最后一个元素交换位
C++的 bitset 在 bitset 头文件中，它是一种类似数组的结构，它的每一个元素只能是０或１，每个元素仅用１bit空间。 下面是具体用法 构造函数 bitset常用构造函数有四种，如下 bitset<4> bitset1; //无参构造，长度为４，默认每一位为０ bitset<8> bit
