- 纲要StringStringBuffer基础类型对应的8个包装类日期相关类数字相关类RandomEnum1. 理解String类的存储原理String类是不可变类，也就是说String对象声明后，将不可修改。String表示字符串类型，属于引用数据类型，不数据基本数据类型1.1. String创建方式一这种方式内存地址直接指向常量池中的对象public class StringTest01 ... 纲要StringStringBuffer基础类型对应的8个包装类日期相关类数字相关类RandomEnum1. 理解String类的存储原理String类是不可变类，也就是说String对象声明后，将不可修改。String表示字符串类型，属于引用数据类型，不数据基本数据类型1.1. String创建方式一这种方式内存地址直接指向常量池中的对象public class StringTest01 ...
- 1.ES6新特性（2015）类模块化箭头函数函数参数默认值模板字符串解构赋值延展操作符对象属性简写PromiseLet与Const1.1模块化(Module)ES5不支持原生的模块化，在ES6中模块作为重要的组成部分被添加进来。模块的功能主要由 export 和 import 组成。每一个模块都有自己单独的作用域，模块之间的相互调用关系是通过 export 来规定模块对外暴露的接口，通过im... 1.ES6新特性（2015）类模块化箭头函数函数参数默认值模板字符串解构赋值延展操作符对象属性简写PromiseLet与Const1.1模块化(Module)ES5不支持原生的模块化，在ES6中模块作为重要的组成部分被添加进来。模块的功能主要由 export 和 import 组成。每一个模块都有自己单独的作用域，模块之间的相互调用关系是通过 export 来规定模块对外暴露的接口，通过im...
- 用漫画的方式轻松简单的介绍了加密算法的概述要点。 用漫画的方式轻松简单的介绍了加密算法的概述要点。
- 众所周知，当我们利用R语言处理大型数据集时，for循环语句的运算效率非常低。有许多种方法可以提升你的代码运算效率，但或许你更想了解运算效率能得到多大的提升。本文将介绍几种适用于大数据领域的方法，包括简单的逻辑调整设计、并行处理和Rcpp的运用，利用这些方法你可以轻松地处理1亿行以上的数据集。让我们尝试提升往数据框中添加一个新变量过程(该过程中包含循环和判断语句)的运算效率。下面的代码输出原始... 众所周知，当我们利用R语言处理大型数据集时，for循环语句的运算效率非常低。有许多种方法可以提升你的代码运算效率，但或许你更想了解运算效率能得到多大的提升。本文将介绍几种适用于大数据领域的方法，包括简单的逻辑调整设计、并行处理和Rcpp的运用，利用这些方法你可以轻松地处理1亿行以上的数据集。让我们尝试提升往数据框中添加一个新变量过程(该过程中包含循环和判断语句)的运算效率。下面的代码输出原始...
- 对于每个报表都相同的操作，我们很自然的会抽离出来，这个很简单。而最重要的是：如何把那些每个报表不相同的操作进行良好的封装，尽可能的提高复用性；针对以上的原则，主要实现了一下关键功能点： · 导出任意类型的数据 · 自由设置表头 · 自由设置字段的导出格式 对于每个报表都相同的操作，我们很自然的会抽离出来，这个很简单。而最重要的是：如何把那些每个报表不相同的操作进行良好的封装，尽可能的提高复用性；针对以上的原则，主要实现了一下关键功能点： · 导出任意类型的数据 · 自由设置表头 · 自由设置字段的导出格式
- 前言上篇文章 Redis闲谈（1）：构建知识图谱介绍了redis的基本概念、优缺点以及它的内存淘汰机制，相信大家对redis有了初步的认识。互联网的很多应用场景都有着Redis的身影，它能做的事情远远超出了我们的想像。Redis的底层数据结构到底是什么样的呢，为什么它能做这么多的事情？本文将探秘Redis的底层数据结构以及常用的命令。本文知识脑图如下：一、Redis的数据模型用 键值对 na... 前言上篇文章 Redis闲谈（1）：构建知识图谱介绍了redis的基本概念、优缺点以及它的内存淘汰机制，相信大家对redis有了初步的认识。互联网的很多应用场景都有着Redis的身影，它能做的事情远远超出了我们的想像。Redis的底层数据结构到底是什么样的呢，为什么它能做这么多的事情？本文将探秘Redis的底层数据结构以及常用的命令。本文知识脑图如下：一、Redis的数据模型用 键值对 na...
- 本文截选自《操作系统导论》第42章崩溃一致性：FSCK和日志至此我们看到，文件系统管理一组数据结构以实现预期的抽象：文件、目录，以及所有其他元数据，它们支持我们期望从文件系统获得的基本抽象。与大多数数据结构不同（例如，正在运行的程序在内存中的数据结构），文件系统数据结构必须持久（persist），即它们必须长期存在，存储在断电也能保留数据的设备上（例如硬盘或基于闪存的SSD）。文件系统面临的... 本文截选自《操作系统导论》第42章崩溃一致性：FSCK和日志至此我们看到，文件系统管理一组数据结构以实现预期的抽象：文件、目录，以及所有其他元数据，它们支持我们期望从文件系统获得的基本抽象。与大多数数据结构不同（例如，正在运行的程序在内存中的数据结构），文件系统数据结构必须持久（persist），即它们必须长期存在，存储在断电也能保留数据的设备上（例如硬盘或基于闪存的SSD）。文件系统面临的...
- 本节书摘来自清华大学出版社《C#编程入门与应用》一作者是李 鑫 祝惠娟。 本节书摘来自清华大学出版社《C#编程入门与应用》一作者是李 鑫 祝惠娟。
- 本节书摘来自华章计算机《React+Redux前端开发实战》一书中的第1章，第1.1.7节，作者是徐顺发. 本节书摘来自华章计算机《React+Redux前端开发实战》一书中的第1章，第1.1.7节，作者是徐顺发.
- 本节书摘来自华章计算机《深度学习与图像识别：原理与实践》一书中的第2章，第2.3.2节，作者是魏溪含 涂铭 张修鹏。 本节书摘来自华章计算机《深度学习与图像识别：原理与实践》一书中的第2章，第2.3.2节，作者是魏溪含 涂铭 张修鹏。
- 本节书摘来自华章计算机《Python3智能数据分析快速入门》一书中的第2章，第2.3.1节，作者是李明江 张良均 周东平 张尚佳 。 本节书摘来自华章计算机《Python3智能数据分析快速入门》一书中的第2章，第2.3.1节，作者是李明江 张良均 周东平 张尚佳 。
- 要解决寻找由1组成的最大矩阵面积的问题，可以采用动态规划（Dynamic Programming, DP）的方法。以下是详细的解决方案及其步骤： 问题背景给定一个二维矩阵 matrix，矩阵中每个元素都是0或1。目标是找到一个由1组成的最大矩形的面积。 解决步骤理解问题每个1可以作为矩形的一个边界，需要找到以这些1为边界的最大矩形。转换问题将问题转换为计算每个位置作为矩形底部时的最大高度，然... 要解决寻找由1组成的最大矩阵面积的问题，可以采用动态规划（Dynamic Programming, DP）的方法。以下是详细的解决方案及其步骤： 问题背景给定一个二维矩阵 matrix，矩阵中每个元素都是0或1。目标是找到一个由1组成的最大矩形的面积。 解决步骤理解问题每个1可以作为矩形的一个边界，需要找到以这些1为边界的最大矩形。转换问题将问题转换为计算每个位置作为矩形底部时的最大高度，然...
- 在编写 Python 程序时，选择合适的数据结构对于提高代码性能和可读性至关重要。不同的数据结构适用于不同的场景，了解它们的特点可以帮助你做出更好的选择。本文将介绍 Python 中的几种常见数据结构，包括列表、元组、字典、集合和数组，并提供优化建议。列表（List）列表是 Python 中一种可变的数据结构，可以存储任何类型的数据，包括其他列表。原理：列表在内存中以连续的块存储，支持索引和... 在编写 Python 程序时，选择合适的数据结构对于提高代码性能和可读性至关重要。不同的数据结构适用于不同的场景，了解它们的特点可以帮助你做出更好的选择。本文将介绍 Python 中的几种常见数据结构，包括列表、元组、字典、集合和数组，并提供优化建议。列表（List）列表是 Python 中一种可变的数据结构，可以存储任何类型的数据，包括其他列表。原理：列表在内存中以连续的块存储，支持索引和...
- 在大数据时代，数据量呈指数级增长，传统的数据处理方式难以应对。高级数据结构如哈希表、堆、二叉搜索树（及其变体）、图和前缀树等应运而生，凭借高效查找、排序和管理能力，解决了大数据的“4V”挑战（Volume、Velocity、Variety、Veracity）。这些结构不仅优化了数据处理效率，还推动了技术创新，为数据分析与应用提供了坚实基础。 在大数据时代，数据量呈指数级增长，传统的数据处理方式难以应对。高级数据结构如哈希表、堆、二叉搜索树（及其变体）、图和前缀树等应运而生，凭借高效查找、排序和管理能力，解决了大数据的“4V”挑战（Volume、Velocity、Variety、Veracity）。这些结构不仅优化了数据处理效率，还推动了技术创新，为数据分析与应用提供了坚实基础。
- 在数据结构与算法的世界里，时间复杂度和空间复杂度是衡量算法性能的关键指标。时间复杂度描述算法执行时间与输入规模的关系，如线性、对数、平方等；空间复杂度则衡量算法所需额外存储空间。两者相互制约，优化时需权衡。理解它们是设计高效算法的核心，影响着从搜索引擎到金融系统的各种应用。 在数据结构与算法的世界里，时间复杂度和空间复杂度是衡量算法性能的关键指标。时间复杂度描述算法执行时间与输入规模的关系，如线性、对数、平方等；空间复杂度则衡量算法所需额外存储空间。两者相互制约，优化时需权衡。理解它们是设计高效算法的核心，影响着从搜索引擎到金融系统的各种应用。
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签