Stella981 Stella981
4年前
Spring Boot(四):如何优雅的使用 Mybatis
一、前言Orm框架的本质是简化编程中操作数据库的编码,发展到现在,基本上就剩宣称不用谢一句sql的hibernate,一个是可以灵活调试动态sql的mybatis,两者各有特点,在企业级系统来发中可以根据需求灵活使用。发现一个有趣的现象:传统企业大都喜欢hibernate,互联网行业通常使用mybatis。hibernate特点就是所有的sq
Easter79 Easter79
4年前
Spring中的AOP(三)——基于Annotation的配置方式(一)
    AspectJ允许使用注解用于定义切面、切入点和增强处理,而Spring框架则可以识别并根据这些注解来生成AOP代理。Spring只是使用了和AspectJ5一样的注解,但并没有使用AspectJ的编译器或者织入器,底层依然使用SpringAOP来实现,依然是在运行时动态生成AOP代理,因此不需要增加额外的编译,也不需要AspectJ的织入器支持。
Stella981 Stella981
4年前
Python数组操作将一维数组变成二维数组
一、问题我们在进行数组操作的时候会遇到将一个低维的数组变成一个高维的素数组二、解决第一种方法基本思路就是将低维数组进行等长的循环,在第一次为零的情况下,需要添加一个\\数组,原因是将它的基本框架搭建起来1records1,2,3,4,5,6,7,8,9,10,11,12
Stella981 Stella981
4年前
ReactNative0.62更新内容
在今年的3月26日,FaceBook正式发布了ReactNative最新版本,版本号为0.62。作为一款优秀的开源跨平台开发框架,和对手Google开发的Flutter相比,近一年来的发展可谓进步缓慢,至今尚未发布1.0的正式版本。今天我们来聊一聊最新版本的更新内容。调试工具Flipper本次更新默认支持了Facebook自己研发的跨平台
可莉 可莉
4年前
2018学习前端开发的你,必须知道这些,一定要看完
前端是一个相对比较新的行业。但在这几年期间,随着W3C标准的不断更新以及node.js的兴起,基于node.js一系列的工具和诸多前端框架都参差不齐的浮出水面。!(https://oscimg.oschina.net/oscnet/9165c99372294cbfae3f1e75f5e18c23.png)大多数不了解前端的人转行前端,第一
Stella981 Stella981
4年前
ReactNative0.62更新内容抢先看
在今年的3月26日,FaceBook正式发布了ReactNative最新版本,版本号为0.62。作为一款优秀的开源跨平台开发框架,和对手Google开发的Flutter相比,近一年来的发展可谓进步缓慢,至今尚未发布1.0的正式版本。今天我们来聊一聊最新版本的更新内容。调试工具Flipper本次更新默认支持了Facebook自己研发的跨平台调
Easter79 Easter79
4年前
Spring和Mybatis集成,如何批量insert update?以及一些通用Dao的设想
之所以写这篇文章,主要是给新手提供一些mybatis使用的技巧和思路现在国内很多项目都使用了mybatis作为ORM框架我们在实际的使用过程中基本上都会遇到批量insertupdate等操作在网上搜索一些文章,大多数都是在说使用mybatisforEach标签迭代等。。。实际上这种做法是存在很多问题的,比如SQL过长..等限制于是乎我
Stella981 Stella981
4年前
Linux下安装Dubbox
1.Dubbox简介  Dubbox是一个分布式服务框架,其前身是阿里巴巴开源项目Dubbo,被国内电商及互联网项目中使用,后期阿里巴巴停止了该项目的维护,当当网便在Dubbo基础上进行优化,并继续维护,为了与原有的Dubbo区分,故将其命名为Dubbox。Dubbox致力于提供高性能和透明化的RPC远程服务调用方案,以及SOA
Stella981 Stella981
4年前
ECMall中Widgets模式的布局引擎
自己做过框架的人,可能都会思考一个问题,模板引擎需要什么特性?Widgets模式,很多系统中都有出现,但对于纯开发人员,不管前端或后台人员来说,都觉得稍微麻烦了一点。因为他将界面硬生生的拆分出了很多零散的部分,对于编程人员来说,有点不流畅的感觉。ECMall中也使用了Widgets的特性。Widgets在使用时,可以接受参数的定义,这样尽可能的重
GoCoding GoCoding
3年前
TVM 加速模型,优化推断
TVM是一个开源深度学习编译器,可适用于各类CPUs,GPUs及其他专用加速器。它的目标是使得我们能够在任何硬件上优化和运行自己的模型。不同于深度学习框架关注模型生产力,TVM更关注模型在硬件上的性能和效率。本文只简单介绍TVM的编译流程,及如何自动调优自己的模型。更深入了解,可见TVM官方内容:文档:https://tvm.apach