事发突然,我在给博客的图片新增的时候,发现上传文件和下载文件一直报错。因为我用的是1Panel
面板去管理服务器,话不多说看图:
一开始我还不知道发生了什么,一直以为是这个面板出了问题,然后我就一直刷新,强制刷新。发现并无卵用。
然后我就去控制台敲命令,想下个宝塔试试,然后就出现了以下错误,大致意思就是“RPM 数据库无法打开,因为设备空间不足。这通常是由于磁盘空间不足或文件系统损坏导致的。”
然后我就清理缓存文件
yum clean all
然后又修复群文件系统,重建RPM数据库,发现并无卵用,这个时候我已经开始慌了,毕竟数据库和一些博客的数据并没有备份,然后我就开始想办法把数据弄到本地。因为面板肯定是崩了用不了了,我就采用原始的SSH
连接,然后用scp
命令去下载文件到本地。然后我发现连不上去,很着急,越急这个头脑就越蠢,搞了半天22
端口没放开。然后一顿操作也是成功下载了数据到本地
都是些基本操作,可惜博主技术太差,不过还好完美收场。
博客预计26号正常访问
Linuxchmod(英文全拼:changemode)命令是控制用户对文件的权限的命令Linux/Unix的文件调用权限分为三级:文件所有者(Owner)、用户组(Group)、其它用户(OtherUsers)。只有文件所有者和超级用户可以修改文件或目录的权限。可以使用绝对模式(八进制数字模式),符号模式指定文件的权限。使用权限:所有使用者语法chmod[-cfvR][--help][--version]modefile...复制参数说明mode:权限设定字串,格式如下:[ugoa...][[+-=][rwxX]...][,...]复制其中:u表示该文件的拥有者,g表示与该文件的拥有者属于同一个群体(group)者,o表示其他以外的人,a表示这三者皆是。+表示增加权限、-表示取消权限、=表示唯一设定权限。r表示可读取,w表示可写入,x表示可执行,X表示只有当该文件是个子目录或者该文件已经被设定过为可执行。其他参数说明:-c:若该文件权限确实已经更改,才显示其更改动作-f:若该文件权限无法被更改也不要显示错误讯息-v:显示权限变更的详细资料-R:对目前目录下的所有文件与子目录进行相同的权
作者简介大卫,携程资深算法工程师,关注计算广告和推荐系统。一、用户画像用户画像这一概念最早源于交互设计领域,由交互设计之父AlanCooper提出。其指出用户画像是真实用户的虚拟代表,是建立在真实数据之上的目标用户模型。具体而言,在互联网用户分析领域,用户画像可以简单描述为用户信息标签化,即通过收集并分析用户的社会属性、生活习惯、消费偏好等各维度的数据,从而抽象出用户的全方位多视角的特征全貌,最终就是让用户画像比用户更了解自己。用户画像作为让大数据“走出”数据仓库的典型落地应用之一,是企业精细化运营和精准营销服务的基础服务设施。本文将主要围绕画像数据流转结构设计与画像查询服务架构设计两个方面探讨用户画像在携程商旅的实践。图片为某公司用户画像dashboard示例,涉及数据为脱敏数据二、携程商旅用户画像标签体系深刻理解ToB和ToC的场景差异有助于指导后期标签建模。ToB场景下用户画像是由公司(corpid)和用户(userid)共同构成的画像,主要包括公司维度的画像,用户维度的画像。ToC场景下,一个userid就是一个用户,用户与用户之间大部分场景下的行为是相对独立的。ToB场景下,
HLA全称humanleukocyteantigen,表示人类白细胞抗原,是编码主要组织相容性复合体(MHC)的基因,位于6p21.31的区域,包含了一系列紧密连锁的基因座。与人类的免疫系统功能密切相关。HLA全长约3.6M,含有220多种功能不同的基因,是目前已知的人类染色体中基因密度最高,多态性最为丰富的区域,位置示意图如下 根据基因产物的结构,功能,细胞分布等因素,将HLA基因分成了3大类:HLA-I型基因,包括了HLA-A,HLA-B,HLA-C等经典的抗原基因,还有一些假基因;HLA-II型基因,其编码产物都是双链蛋白质,包括DR,DP,DQ等基因,HLA-III型基因,包含了C2,C4,BF等补体基因,还包括其他一些基因,分布图如下某些特定的HLA蛋白与疾病密切相关,比如HLA-B27在临床检测中作为僵直性脊柱炎的标志物。鉴于其基因的高密度和多态性,在研究之初,专门成立了一个委员会,对不同的HLA等位基因制定了统一的命名规则。一个典型的HLA等位基因名称,示意图如下HLA是固定前缀,A代表基因名称,前缀和基因名称之间用短横线连接;*星号作为分隔符,分隔符之后是同一个基因的不
1.前言SpringSecurity实战干货:内置Filter全解析[1]中提到的第32个Filter不知道你是否有印象。它决定了访问特定路径应该具备的权限,访问的用户的角色,权限是什么?访问的路径需要什么样的角色和权限?它就是FilterSecurityInterceptor,正是我们需要的那个轮子。2.FilterSecurityInterceptor过滤器排行榜第32位!肩负对http接口权限认证的重要职责。我们来看它的过滤逻辑: publicvoiddoFilter(ServletRequestrequest,ServletResponseresponse, FilterChainchain)throwsIOException,ServletException{ FilterInvocationfi=newFilterInvocation(request,response,chain); invoke(fi); } 复制初始化了一个FilterInvocation然后被invoke方法处理: publicvoidinvoke(FilterInvocationfi
Typecho是一个基于PHP的简洁的开源博客程序。它使用多种数据库(MySQL,PostgreSQL,SQLite)储存数据,在GNUGPLv2许可证下发行。Typecho的前身是开源博客程序Magike,由Typecho项目的发起人JoyQi(70)开发。该团队的最初形成,是在wordcampchina的活动上,后来有更多成员加入了这个项目,之后改名为Typecho。这个名字来源于团队内部的头脑风暴:Type,有打字的意思;Echo,意思是回声、反馈、共鸣,也是PHP里最常见、最重要的函数。将这两个词合并在一起,就有了Typecho。首选未注册腾讯云账号要先注册,并完成实名认证,购买腾讯云服务器等云产品前,记得领取(代金券礼包)安装LAMP集成环境LNMP是Linux+Nginx+MySql+PHP的简称,安装LNMP的步骤比较冗长,有兴趣的同学可以参考如何搭建LNMP网站服务环境自己动手搭建,本文不再向描述。这里,我们提供一种更为快速便捷的安装方案,通过腾讯云云市场中的PHP全能运行环境镜像来进行搭建。首先,我们进入腾讯云官网的服务器控制台,选择需要安装LNMP集成环境的云服务器
见过没有用opengl的3D动画,看了一下,是用的Camera实现的,内部机制实际上还是opengl,不过大大简化了使用。 Camera就像一个摄像机,一个物体在原地不动,然后我们带着这个摄像机四处移动,在摄像机里面呈现出来的画面,就会有立体感,就可以从各个角度观看这个物体。 它有旋转、平移的一系列方法,实际上都是在改变一个Matrix对象,一系列操作完毕之后,我们得到这个Matrix,然后画我们的物体,就可以了。 常用的API如下: rotateX(floatdegree) 绕着x轴旋转degree个度数 rotateY(floatdegree) 绕着y轴旋转degree个度数 rotateZ(floatdegree) 绕着z轴旋转degree个度数 translate(floatx,floaty,floatz) 平移一段距离 save()和restore() 作用跟Canvas的一样,保存原状态,操作完之后,恢复到原状态。 下面实现一个简单的图片三维翻转的效果。packagechroya.demo.
【数据猿导读】Mezi此前已获得了总计1200美元的融资,其中在2016年获得的900万美元A轮融资占了一大部分。Mezi此前曾与美国运通合作开展名为AskAmex的试点项目。作者|金又南官网|www.datayuan.cn微信公众号ID|datayuancn美国运通公司(AmericanExpress)宣布收购AI旅游初创企业Mezi。Mezi于2015年在美国加利福尼亚州桑尼维尔成立,它推出一款方便旅游者使用的旅行助手。它可以自动检查你的航班或重新安排航班,帮你提出飞机上的饮食要求,并安排相关的旅游服务如汽车租赁和餐厅预订。Mezi提供的一部分服务直接由AI驱动,另一些服务则将AI与人工结合,以确保用户可以访问其他自定义选项。这家创业公司已经获得了总计1200美元的融资,其中在2016年获得的900万美元A轮融资占了一大部分。Mezi此前曾与美国运通合作开展名为AskAmex的试点项目。该项目帮助信用卡持卡人从iPhone上查找和预订与旅行相关的服务。运通公司相关负责人表示,这一试点项目将一直延续到2018年上半年。美国运通数字实验室副总裁PhilNorman在一份声明中表示:&q
【导读】专知内容组整理了最近六篇深度强化学习(DeepReinforcementLearning)相关文章,为大家进行介绍,欢迎查看!1.VRGogglesforRobots:Real-to-simDomainAdaptationforVisualControl(机器人VR眼镜:用于视觉控制的Real-to-sim域自适应)作者:JingweiZhang,LeiTai,YufengXiong,MingLiu,JoschkaBoedecker,WolframBurgard摘要:Thispaperdealswiththerealitygapfromanovelperspective,targetingtransferringDeepReinforcementLearning(DRL)policieslearnedinsimulatedenvironmentstothereal-worlddomainforvisualcontroltasks.Insteadofadoptingthecommonsolutionstotheproblembyincreasingthevisualfidelit
题目:图嵌入的综合研究:问题、技术和应用期刊:IEEETKDE原文地址:https://ieeexplore.ieee.org/document/8294302本文是图嵌入领域被引用较多的一篇综述性文章,非常适合作为图领域的入门论文!前面一篇论文KDD2016|node2vec:可拓展的网络特征学习中提出的node2vec就是一种基于深度学习(SGD)的随机游走图嵌入技术。看了很多篇综述,大概只有这一篇是最适合入门的。本文很长,但同时干货很多,相信看完此文后对图嵌入会有一个比较充分的认识。Abstract大多数图分析方法的计算量和空间成本都很高,图嵌入是解决图分析问题的一种有效的方法。它将图数据转换到一个低维空间,在这个低维空间中,图的结构信息和图的性质得到最大限度的保留。本篇综述对图嵌入进行了比较系统全面地回顾,主要内容如下:1.介绍了图嵌入的形式化定义以及相关概念2.提出了图嵌入的两个分类方法3.总结了图形嵌入的应用,并从计算效率、问题设置、技术和应用场景四个方面提出了未来的研究方向1.Introduction图在现实生活场景中比较常见,比如社交网络中的社交图/扩散图,研究领域中的
大家好,又见面了,我是你们的朋友全栈君。github镜像文件·v0.4.2·mirrors/maurosoria/dirsearch·GitCode前置需求,python3.7+下载解压cmd到当前目录pythonsetup.pyinstall复制方法一(老鸟自己动手)然后根据提示,将所有需要的包依次pip安装只列举了部分需要的包,还有其他的根据提示自行pip即可 pipinstallcertifi pipinstallchardet pipinstallidna pipinstallurllib3 pipinstallcffi pipinstallcryptography pipinstallPySocks复制方法二(简单易上手)用pycharm打开项目在设置里配置python3.8解释器打开一个py文件pycharm会自动提示需要安装的包,点击安装即可。一:ImportError:Nomodulenamed‘chardet’1.使用requsets出现这个错误,ImportError:Nomodulenamed‘chardet’原因:requests依赖其他一些模块解决
本文首发微信公众号:飞总聊IT Velox是Facebook(Meta)开源的一个新的大数据项目。今年VLDB的会议上,Velox团队也发了论文。我每年都有阅读论文的习惯,一般就是看看SIGMOD/VLDB,之前也去开会,疫情以后这方面都懈怠了。今年的VLDB有几篇挺有意思的文章,所以我打算找时间看一下。我第一篇看的就是这个大名鼎鼎的Velox。具体Velox是什么的可以看看官方宣传:https://engineering.fb.com/2022/08/31/open-source/velox/简单的来讲,就是一个单机/单节点的C++的向量化queryruntime实现,里面包括了类型,函数,表达式,aggregatefunction,operator,I/O,还有一些管理资源的utility。 Velox的目标就是用这个东西的runtime来取代Spark/Presto/Pytorch等等的东西的单节点runtime,以取得加速的效果。 这个项目在Facebook内部的成功是可以想象的。因为它可以在“完美”兼容Facebook内外部已经有的系统的前提条件下,提供更快的运行速度,消耗更
这个案例的场景是:我进行了一个问卷调研,其中题目Q2是一个多选题,一共有10选项,分别是Q2.1、Q2.2,…,Q2.10,由于录入人员在SPSS中录入时,选项被错误的录入,如下第1张图所示。录入人员依次从左至右,录入的是选项的序号值,而不是对应标题,用1表示选中,用0表示未选中,最终正确的录入结果应该是如下第2张图所示(这在SPSS中可以建立基于二分类的多重响应集,以便对多选题进行分析)。重要提醒:如需获取源文件,请扫码每张图片右下角的二维码加入QQ群。 由于样本行数很多,重新一行一行修改很不现实。现需要使用PQ将原始多选项的数据转换成上图的结果 操作实现: 首先我们选中原始数据的问卷号列,然后进行“逆透视其他列” 接下来再按问卷号进行分组,分组不要聚合,得到所有行。 然后我们需要修改上一步分组的代码,修改了子表列的生成方式,代码如下所示。=Table.Group(逆透视其他列,{"问卷号"},{{"子表",(t)=> List.Generate( ()=>[ID=1,KEY="Q2."&Text.From(t{0}[值]),VALUE=1], eac
前言 这次的内容是我自己为了总结Redis知识而扩充的,上一篇其实已经总结了几点知识了,但是Redis的强大,以及适用范围之广可不是单单一篇博文就能总结清的。所以这次准备继续总结,因为第一个问题,Redis的批量操作,是我在面试过程中被真实问到的,当时没答上来,也是因为确实没了解过Redis的批量操作。 当时的问题,我还记得比较清晰:Redis执行批量操作的功能是什么?使用场景就是搞促销活动时,会做预缓存,会往缓存里放大批数据,如果直接放的话那么会很慢,怎么能提高效率呢? Redis的批量操作-管道(pipeline) 首先Redis的管道(pipeline)并不是Redis服务端提供的功能,而是Redis客户端为了减少网络交互而提供的一种功能。 正常的一次Redis网络交互如下: pipeline主要就是将多个请求合并,进行一次提交给Redis服务器,Redis服务器将所有请求处理完成之后,再一次性返回给客户端。 下面我们分析一下pipeline的原理 pipeline的一个交互过程是这样的: 客户端进程调用write命令将消息写入到操作系统内核为套接字分配的发送缓冲区sen
一,关于WAL归档 事务提交后,对系统的影响必须是永久的,即使系统意外宕机,也必须确保事务提交时的修改已真正永久写入到永久存储中。最简单的实现方法,当然是在事务提交后立即刷新事务修改后的数据到磁盘。但是磁盘和内存之间的IO操作是最影响数据库系统影响时间的,一有事务提交就去刷新磁盘,会对数据库性能产生不好影响。WAL机制的引入,即保证了事务持久性和数据完整性,又尽量地避免了频繁IO对性能的影响。 二,WAL机制说明 (摘录:https://www.cnblogs.com/VicLiu/p/11854782.html) Write-AheadLogging,前写日志。 在MVCC的部分中,我们已经分析了PostgreSQL的存储结构:元组-文件页-物理段-表; 以及写数据的步骤:先写到缓冲区Buffer-再刷新到磁盘Disk。 WAL机制实际是在这个写数据的过程中加入了对应的写wallog的过程,步骤一样是先到Buffer,再刷新到Disk。 Change发生时: 先将变更后内容记入WALBuffer 再将更新后的数据写入DataBuffer Commit发生时: WALBuffer
Git分支管理的基本操作 首先从远端版本库clone下来一个全新的库: gitcloneusername@xxx:/xxx/xxx.git复制 此时clone下来的,只是master分支,没有其他分支。 查看分支: gitbranch#查看本地分支 gitbranch-r#查看远端分支 gitbranch-a#查看所有分支,包括本地和远程的复制 分支名前面有*的,就是当前所在分支。分支名型如remote/origin/xxx的,就是远端分支。 创建本地分支: gitbranch<user_branch_name>#在本地创建一个新分支 gitcheckout-b<user_branch_name>#在本地创建一个新分支,并且立即切换到这个分支(第一种方式只是创建了一个分支,并没有切换)复制 下面是使用gitcheckout-bdev创建的dev分支,会提示说已切换至新的分支dev: 再次使用gitbranch查看分支,会发现本地有两个分支。其中dev分支前有个*,说明当前分支是dev:
matplotlib画折线图参数及释义复制 importmatplotlib.pyplotasplt x=[1,2,3,6] y=[2,4,9,7] #plt.style.use('ggplot')#添加样式 plt.rcParams['font.sans-serif']=['SongtiSC']#显示中文字体 #plt.rcParams['font.sans-serif']=['SimHei'] plt.rcParams['axes.unicode_minus']=False#显示特殊字符 plt.figure(figsize=(13,8))#定义图片储存大小 #legend=plt.legend(title="510500ETF")定义子标题 #legend._legend_box.align="left"#居左,居中(center),居右(right) #plt.title('title:',loc='left',fontsize=30,color='lightsteelblue') #plt.ylabel('price',fontsize=10) #plt.xlabel(
1.官网(//nodejs.org/en/)下载系统匹配的文件 2.双击安装,完成后发现nodejs文件夹下面有npm,直接用npm安装其他环境既可 3.如果配置了环境变量,直接Win+R后CMD调出DOS窗口输入node,即可进入nodejs交互模式测试:console.log("HelloWorld!"); 4.任意目录下建个app文件夹,创建test.js,代码如下: varhttp=require("http"); http.createServer(function(req,res){ res.writeHead(200,{"Content-Type":"text/html"}); res.write("<h1>Node.js</h1>"); res.write("<p>HelloWorld</p>"); res.end("<p>cn.cn</p>"); }).listen(3000); console.log("HTTPserverislisteningatport3000.");复制 &n
平衡树维护凸壳/三角函数+递推+线段树 官方题解:http://pan.baidu.com/s/1sjQbY8H 洛阳城里春光好 题目大意:(其实出题人已经写的很简短了……直接copy的-_-。sorry!) 一个平面上的n个点构成一个点集。老师会进行Q次操作,每次操作有以下两种可能:1.插入操作:给定两个实数x,y,向点集中加入一个坐标为(x,y)的点。2.查询操作:给定实数k,取点集中任一点(x,y),求满足方程y=kx+b的b的最大值。现在小Z想知道,对于数学老师的每次查询,符合题意的b值是多少。 容易发现我们要找的点是在凸包上上凸壳上!(一开始总在想凸包……我真是naive 然后凸包上的线段的斜率满足单调性,所以我们在凸包上二分(lower_bound)即可找到所求的点…… 这题我是用两个map来实现的,一个map存凸包,另一个map存斜率。 这里我处理斜率的时候少考虑了一个地方:我在插入凸包中插入一个新点时(p[x]=y),是删除它左右两个点对应直线的斜率,再加入两个新的斜率,然后对凸包进行调整。然而如果p[x]这个位置原来就有一个