当前位置：首页 > news >正文

28、深度学习-自学之路-NLP自然语言处理-做一个完形填空，让机器学习更多的内容程序展示

news 来源：原创 2025/9/21 14:30:33

import sys,random,math
from collections import Counter
import numpy as npnp.random.seed(1)
random.seed(1)
f = open('reviews.txt')
raw_reviews = f.readlines()
f.close()tokens = list(map(lambda x:(x.split(" ")),raw_reviews))#wordcnt = Counter() 这行代码的作用是创建一个 Counter 对象，
# 并将其赋值给变量 wordcnt。Counter 是 Python 标准库 collections 模块中的一个类，
# 它是一种特殊的字典，用于对可哈希对象进行计数。
wordcnt = Counter()for sent in tokens:for word in sent:wordcnt[word] -= 1
vocab = list(set(map(lambda x:x[0],wordcnt.most_common())))
#print(vocab)word2index = {}
for i,word in enumerate(vocab):word2index[word]=iconcatenated = list()
input_dataset = list()
for sent in tokens:sent_indices = list()for word in sent:try:sent_indices.append(word2index[word])concatenated.append(word2index[word])except:""input_dataset.append(sent_indices)
'''
concatenated = np.array(concatenated) 这行代码的主要功能是将 concatenated 对象转换为 NumPy 数组。
NumPy 是 Python 中用于科学计算的一个重要库，np.array() 是 NumPy 提供的一个函数，
它可以将多种类型的对象（如列表、元组等）转换为 NumPy 数组，以便进行高效的数值计算和操作。
'''
concatenated = np.array(concatenated)
'''
random.shuffle(input_dataset) 这行代码的主要功能是对 input_dataset 列表中的元素进行随机打乱顺序的操作。
random 是 Python 的标准库，shuffle 是 random 模块中的一个函数，它会直接修改传入的列表，使其元素顺序随机化。
'''
random.shuffle(input_dataset)alpha, iterations = (0.05, 2)
hidden_size,window,negative = (50,2,5)weights_0_1 = (np.random.rand(len(vocab),hidden_size) - 0.5) * 0.2
weights_1_2 = np.random.rand(len(vocab),hidden_size)*0layer_2_target = np.zeros(negative+1)
layer_2_target[0] = 1
'''
下面的这个程序要表现的东西会很多，请大家慢慢听我描述
程序功能是：
这段 Python 代码定义了一个名为 similar 的函数，其主要目的是找出与给定目标单词（默认是 'beautiful'）
在词向量空间中最相似的 10 个单词。它基于词向量之间的欧几里得距离来衡量单词间的相似度。然后我们怎么找到词向量，然后什么又是欧几里得距离：
先说：词向量。我们都知道当我们对一个神经网络训练完成以后，我们就会得到一组权重。这组权重一般是如果输入层是n个值，隐藏层是m个点。
那么这个权重就是（n，m）的一个numpy矩阵。
对应的权重矩阵的第一行第一列就是我们说的第一个输入元素的词向量。然后我们说一下什么是欧几里得距离，计算公式我知道：
raw_difference = weights_0_1[index] - (weights_0_1[target_index])squared_difference = raw_difference * raw_differencescores[word] = -math.sqrt(sum(squared_difference))使用全部词的词向量值和 beautiful这个词的词向量值进行相减。
然后在把相减后的结果进行平方
然后再把所有的平方的数据相加然后求平方根。
然后   
'''
def similar(target='beautiful'):target_index = word2index[target]scores = Counter()'''for word, index in word2index.items():：遍历 word2index 字典中的每个键值对，word 是单词，index 是该单词在词向量矩阵中的索引。'''for word,index in word2index.items():'''raw_difference = weights_0_1[index] - (weights_0_1[target_index])：计算当前单词的词向量与目标单词的词向量之间的差值。weights_0_1 是一个二维的 NumPy 数组，存储着所有单词的词向量，每一行对应一个单词的词向量。'''raw_difference = weights_0_1[index] - (weights_0_1[target_index])'''squared_difference = raw_difference * raw_difference：对差值向量的每个元素进行平方操作。'''squared_difference = raw_difference * raw_difference'''scores[word] = -math.sqrt(sum(squared_difference))：计算平方和的平方根，得到欧几里得距离，并取其负值作为相似度得分。之所以取负值，是因为 Counter 的 most_common 方法会返回得分最高的元素，而我们希望距离最近（相似度最高）的单词排在前面。'''scores[word] = -math.sqrt(sum(squared_difference))'''most_common(10) 方法会返回 scores 中得分最高的 10 个元素及其得分，以列表形式呈现，列表中的每个元素是一个包含单词和得分的元组。'''return scores.most_common(10)def sigmoid(x):return 1/(1 + np.exp(-x))
#input_dataset = 1
#iterations = 1
for rev_i, review in enumerate(input_dataset * iterations):
#for rev_i, review in enumerate(1 * 1):for target_i in range(len(review)):#for target_i in range(1):# since it's really expensive to predict every vocabulary# we're only going to predict a random subsettarget_samples = [review[target_i]] + list(concatenated \[(np.random.rand(negative) * len(concatenated)).astype('int').tolist()])print("target_samples")print(target_samples)left_context = review[max(0, target_i - window):target_i]right_context = review[target_i + 1:min(len(review), target_i + window)]layer_1 = np.mean(weights_0_1[left_context + right_context], axis=0)layer_2 = sigmoid(layer_1.dot(weights_1_2[target_samples].T))layer_2_delta = layer_2 - layer_2_targetlayer_1_delta = layer_2_delta.dot(weights_1_2[target_samples])weights_0_1[left_context + right_context] -= layer_1_delta * alphaweights_1_2[target_samples] -= np.outer(layer_2_delta, layer_1) * alphaif (rev_i % 250 == 0):sys.stdout.write('\rProgress:' + str(rev_i / float(len(input_dataset)* iterations)) + "   " + str(similar('terrible')))sys.stdout.write('\rProgress:' + str(rev_i / float(len(input_dataset)* iterations)))
print(similar('terrible'))#运行结果
'''
Progress:0.99998
[('terrible', -0.0), #可怕的
('horrible', -2.7898821106802045),  #令人恐惧的
('brilliant', -3.470232426351145),  #明亮的,恒成功的
('pathetic', -3.8372465135492355),  #可怜的
('phenomenal', -3.928297271813787), #非凡的
('mediocre', -3.9289917580116294),  #平庸的
('superb', -3.9764853704721492),    #棒 极 了
('masterful', -4.022889507518986),  #有驾驭能力的
('marvelous', -4.0699092654045375), #了不起的
('bad', -4.220448952264187)]        #坏的
'''

28、深度学习-自学之路-NLP自然语言处理-做一个完形填空，让机器学习更多的内容程序展示

import sys,random,math from collections import Counter import numpy as npnp.random.seed(1) random.seed(1) f open(reviews.txt) raw_reviews f.readlines() f.close()tokens list(map(lambda x:(x.split(" ")),raw_reviews))#wordcnt Counter() 这行代码的…...

编程日记 2025/9/21 14:30:33

观察者模式说明(C语言版本)

观察者模式主要是为了实现一种一对多的依赖关系，让多个观察者对象同时监听某一个主题对象。这个主题对象在状态发生变化时，会通知所有观察者对象，使它们能够自动更新自己。下面使用C语言实现了一个具体的应用示例，有需要的可以参考…...

编程日记 2025/9/21 14:30:32

LC-搜索二维矩阵II、相交链表、反转链表、回文链表、环形链表、环形链表ll

搜索二维矩阵II 方法：从右上角开始搜索我们可以从矩阵的右上角开始进行搜索。如果当前元素 matrix[i][j] 等于 target，我们直接返回 true。如果 matrix[i][j] 大于 target，说明 target 只能出现在左边的列，所以我们将列指针向左…...

编程日记 2025/9/19 17:50:36

如何查看 Linux 服务器的 MAC 地址：深入解析与实践指南

💝💝💝欢迎来到我的博客，很高兴能够在这里和您见面！希望您在这里可以感受到一份轻松愉快的氛围，不仅可以获得有趣的内容和知识，也可以畅所欲言、分享您的想法和见解。推荐:kwan 的首页,持续学…...

编程日记 2025/9/21 14:29:00

国产FPGA开发板选择

FPGA开发板是学习和开发FPGA的重要工具，选择合适的开发板对学习效果和开发效率至关重要。随着国产FPGA的发展，淘宝上的许多FPGA开发板店铺也开始进行国产FPGA的设计和销售，本文将对国产FPGA和相关店铺做个简单梳理，帮助有需要使用…...

编程日记 2025/9/13 3:15:05

iOS 获取设备占用内存

获取应用占用内存获取应用进程占用内存 - (NSUInteger)memoryUsage {task_vm_info_data_t vmInfo;mach_msg_type_number_t count TASK_VM_INFO_COUNT;kern_return_t result task_info(mach_task_self(), TASK_VM_INFO, (task_info_t)&vmInfo, &count);if (result …...

编程日记 2025/9/21 14:29:01

用自己的数据训练yolov11目标检测

文章目录概要理论知识整体架构流程架构优化多任务支持多参数体量操作实操环境配置数据准备数据标注数据放置路径训练预测概要官网：https://github.com/ultralytics/ultralytics?tabreadme-ov-file 提示：以停车场空位检测公开数据集示例&#x…...

编程日记 2025/9/14 16:34:30

golang如何将结构体和函数进行绑定？

在Go语言中，结构体和函数的绑定通常通过方法（method）来实现。方法是一种特殊的函数，它与某个类型关联，特别是结构体类型。下面是如何将结构体和函数进行绑定的具体步骤： 定义结构体：首先需要定义…...

编程日记 2025/9/21 2:55:27

【苍穹外卖】学习

软件开发整体介绍作为一名软件开发工程师,我们需要了解在软件开发过程中的开发流程， 以及软件开发过程中涉及到的岗位角色，角色的分工、职责， 并了解软件开发中涉及到的三种软件环境。那么这一小节，我们将从软件开发流程、角色…...

编程日记 2025/9/19 4:39:36

架构——LVS负载均衡主要模式及其原理、服务水平、优缺点

LVS（Linux Virtual Server）是一款高性能的开源负载均衡软件，支持多种负载均衡模式。以下是其主要模式及其原理、服务水平、优缺点： 1. NAT 模式（Network Address Translation） 原理： 请求流程…...

编程日记 2025/9/20 20:28:17

DFS算法篇：理解递归，熟悉递归，成为递归

1.DFS原理那么dfs就是大家熟知的一个深度优先搜索，那么听起来很高大尚的一个名字，但是实际上dfs的本质就是一个递归，而且是一个带路径的递归，那么递归大家一定很熟悉了，大学c语言课程里面就介绍过递归，我…...

编程日记 2025/9/13 3:14:54

让编程变成一种享受-明基RD320U显示器

引言作为一名有着多年JAVA开发经验的从业者，在工作过程中，显示器的重要性不言而喻。它不仅是我们与代码交互的窗口，更是影响工作效率和体验的关键因素。在多年的编程生涯中，我遇到过各种各样的问题。比如，在进行代码…...

编程日记 2025/9/16 8:15:59

C语言简单练习题

文章目录练习题一、计算n的阶乘bool类型二、计算1!2!3!...10!三、计算数组arr中的元素个数二分法查找四、动态打印字符Sleep()ms延时函数system("cls")清屏函数五、模拟用户登录strcmp()函数六、猜数字小游戏产生一个随机数randsrandRAND_MAX时间戳time() 示例 …...

编程日记 2025/9/18 15:48:04

基于Python的深度学习音乐推荐系统（有配套论文）

音乐推荐系统提供实时音乐推荐功能，根据用户行为和偏好动态调整推荐内容 Python、Django、深度学习、卷积神经网络、算法数据库：MySQL 系统包含角色：管理员、用户管理员功能：用户管理、系统设置、音乐管理、音乐推荐管理、系…...

编程日记 2025/9/13 3:14:49

Java：单例模式（Singleton Pattern）及实现方式

一、单例模式的概念单例模式是一种创建型设计模式，确保一个类只有一个实例，并提供一个全局访问点来访问该实例，是 Java 中最简单的设计模式之一。该模式常用于需要全局唯一实例的场景，例如日志记录器、配置管理、线程池、数据库…...

编程日记 2025/9/20 1:17:56

解锁养生秘籍，拥抱健康生活

在这个快节奏的时代，人们行色匆匆，常常在忙碌中忽略了健康。其实，养生并非遥不可及，它就藏在生活的细微之处，等待我们去发现和实践。规律作息是健康的基础。日出而作，日落而息，顺应自然规律&am…...

编程日记 2025/9/21 12:50:43

数据结构之堆（Heap）

数据结构之堆（Heap） 数据结构之堆（Heap）一、堆的核心概念1. 定义与性质2. 存储方式二、核心操作与算法1. 操作复杂度概览2. 关键操作详解(1) 向上调整（Sift Up）(2) 向下调整（Sift Down&#xf…...

编程日记 2025/9/18 17:23:48

人工智能 - 机器学习、深度学习、强化学习是人工智能领域的理论基础和方法论

机器学习、深度学习、强化学习是人工智能领域的三大核心方向，各自具有独特的理论基础和方法论。以下是它们的核心理论知识总结：一、机器学习（Machine Learning, ML） 1. 基础概念目标：通过数据驱动的方式，让机器从经验中学习规律，完成预测、分类或决策任务。核心范式…...

编程日记 2025/9/20 5:15:12

github上文件过大无法推送问题

GitHub 对文件大小有限制，超过 100 MB 的文件无法直接推送到仓库中。解决思路： 使用 Git Large File Storage (Git LFS) 来管理大文件不上传对应的大文件使用Git LFS： 1. 安装 Git LFS 首先，你需要安装 Git LFS。可以按照以…...

编程日记 2025/9/13 6:30:23

Elasticsearch：将 Ollama 与推理 API 结合使用

作者：来自 Elastic Jeffrey Rengifo Ollama API 与 OpenAI API 兼容，因此将 Ollama 与 Elasticsearch 集成非常容易。在本文中，我们将学习如何使用 Ollama 将本地模型连接到 Elasticsearch 推理模型，然后使用 Playground 向文档提…...

编程日记 2025/9/21 11:41:54

【Linux】详谈进程控制

目录一、进程是什么二、task_struct 三、查看进程四、创建进程 4.1 fork函数的认识 4.2 2. fork函数的返回值五、进程终止 5.1. 进程退出的场景 5.2. 进程常见的退出方法 5.2.1 从main返回 5.2.1.1 错误码 5.2.2 exit函数 5.2.3 _exit函数 5.2.4 缓冲区问题补…...

编程日记 2025/9/19 10:20:26

构建高效智能对话前端：基于Ant Design X 的deepseek对话应用

文章目录实现的效果前言Ant Design X添加欢迎组件创建对话气泡存储对话历史渲染对话气泡输入组件WebSocket 连接总结实现的效果待机页面： 等待页面： 完成页面： 前言随着人工智能技术的飞速发展，大模型对话系统已成为…...

编程日记 2025/9/18 22:57:03

WordPress“更新失败，响应不是有效的JSON响应”问题的修复

在使用WordPress搭建网站时，许多人在编辑或更新文章时，可能会遇到一个提示框，显示“更新失败，响应不是有效的JSON响应”。这个提示信息对于不了解技术细节的用户来说，太难懂。其实，这个问题并不复杂&#x…...

编程日记 2025/9/20 5:28:43

华为交换机trunk简介配置

目录一、Trunk 口简介二、Trunk 口配置案例及命令（一）组网需求（二）配置步骤（三）验证配置三、注意事项一、Trunk 口简介 Trunk 口是交换机中一种重要的端口类型，主要用于连接交换机与交换机、…...

编程日记 2025/9/18 14:49:50

DeepSeek从入门到精通（清华大学）

DeepSeek是一款融合自然语言处理与深度学习技术的全能型AI助手，具备知识问答、数据分析、编程辅助、创意生成等多项核心能力。作为多模态智能系统，它不仅支持文本交互，还可处理文件、图像、代码等多种格式输入，其知识库更新至2…...

编程日记 2025/9/13 6:30:12

【SpringBoot3】面向切面 AspectJ AOP 使用详解

文章目录一、AspectJ介绍二、简单使用步骤 1、引入依赖2、定义一个Aspect3、开启AOP支持三、AOP 核心概念四、切点（Pointcut） 1. execution2. within3. this & target4. args & args5. within & target & annotation 五、通知&#xf…...

编程日记 2025/9/20 6:28:39

容器运行常见数据库

一.涉及镜像压缩包均为amd架构版本：mysql:5.7.42、postgres:13.16、dm8:20250206_rev257733_x86_rh6_64、oceanbase-ce:v4.0、opengauss:5.0.2 通过网盘分享的文件：db.tgz 链接: https://pan.baidu.com/s/1EBbFPZj1FxCA4_GxjVunWg?pwd563s 提取码: 5…...

编程日记 2025/9/13 6:30:08

OpenGL ES学习大纲

如果您想从头学习 OpenGL ES，以下是一个详细的学习大纲，涵盖了从基础到高级的知识点，循序渐进地帮助您掌握 OpenGL ES 的核心概念、API 使用、渲染管线、着色器编程、性能优化等内容。 1. 学习前的准备 1.1 基础知识在学习 OpenGL ES 之前，您需要掌握以下基础知识：数学…...

编程日记 2025/9/21 12:00:22

Kotlin 优雅的接口实现

1. 日常遇到的冗余的接口方法实现日常开发中，经常会要实现接口，但是很多场景中，只需要用到其中一两个方法，例如 ActivityLifecycleCallbacks，它有很多个接口需要实现，但是很多时候我们只需要用到其中的一…...

编程日记 2025/9/20 18:27:28

数据结构实现顺序表的尾插，尾删，按值查找/修改/删除，按下标查找/增加/删除

头文件：head.h #ifndef __HEAD_H__ #define __HEAD_H__#include <stdio.h> #include <string.h> #include <stdlib.h> #define MAXSIZE 20enum num {success,false-1};typedef int datatype;typedef struct {int len;datatype data[MAXSIZE]; }S…...

编程日记 2025/9/16 3:37:26

qt实现文字跑马灯效果

实现跑马灯的方式多种多少样，可以通过定时器，或者animation等来实现。本文通过定时器，将第一个文字，移动到最后一个这种方式来实现，还有其他方式哈。直接上源码 h文件 #ifndef TEXTTICKER_H #define TEXTTICKER_…...

编程日记 2025/9/21 8:02:08

PyTorch Tensor 形状变化操作详解

PyTorch Tensor 形状变化操作详解在深度学习中，Tensor 的形状变换是非常常见的操作。PyTorch 提供了丰富的 API 来帮助我们调整 Tensor 的形状，以满足模型输入、计算或数据处理的需求。本文将详细介绍 PyTorch 中常见的 Tensor 形状变换操作&#xff0…...

编程日记 2025/9/21 7:09:19

关于Node.js前端面试的试题概念、工作原理及实际应用

文章目录 1. 什么是Node.js？2. Node.js是如何工作的？3. Node.js与其他流行的框架相比有何优势？4. Node.js如何克服I/O操作阻塞的问题？5. 为什么Node.js是单线程的？6. 如果Node.js是单线程的，那么它是如何处…...

编程日记 2025/9/20 1:42:37

OpenCV机器学习（3）期望最大化（Expectation-Maximization, EM）算法cv::ml::EM

操作系统：ubuntu22.04 OpenCV版本：OpenCV4.9 IDE:Visual Studio Code 编程语言：C11 算法描述 cv::ml::EM 是 OpenCV 机器学习模块中的一部分，用于实现期望最大化（Expectation-Maximization, EM）算法。EM …...

编程日记 2025/9/13 6:29:55

Spring Boot 集成 Kettle

Kettle 简介 Kettle 最初由 Matt Casters 开发，是 Pentaho 数据集成平台的一部分。它提供了一个用户友好的界面和丰富的功能集，使用户能够轻松地设计、执行和监控 ETL 任务。Kettle 通过其强大的功能和灵活性，帮助企业高效地处理大规模数据集…...

编程日记 2025/9/21 2:16:40

Debezium同步之如何同步GIS数据

Debezium 可以用于同步数据库中的变更数据（CDC），包括GIS（地理信息系统）数据。GIS 数据通常存储在具有地理空间数据类型的表中，例如 PostGIS（PostgreSQL 的扩展）中的 geometry 或 geography 类型。通过 Debezium，可以实时捕获和同步这类数据的变更。本文章简单介绍Post…...

编程日记 2025/9/13 6:29:51

Java与C语言中取模运算符%的区别对比

博客主页： [小ᶻ☡꙳ᵃⁱᵍᶜ꙳] 本文专栏: Java 文章目录 💯前言💯C语言中的取模运算符 %基本行为示例注意事项示例：负数取模 💯Java中的取模运算符 %基本行为示例对浮点数的支持示例：浮点数取模符…...

编程日记 2025/9/18 13:21:23

如何commit后更新.gitignore实现push

目录步骤 1: 更新 .gitignore 文件步骤 2: 移除已追踪的大文件步骤 3: 提交更改步骤 4: 尝试推送注意事项如果已经执行了git commit，但后来意识到需要更新.gitignore文件以排除某些不应该被追踪的大文件或目录，并希望在不丢失现有提交记录的情…...

编程日记 2025/9/13 6:29:50

从MySQL迁移到PostgreSQL的完整指南

1.引言在现代数据库管理中，选择合适的数据库系统对业务的成功至关重要。随着企业数据量的增长和对性能要求的提高，许多公司开始考虑从MySQL迁移到PostgreSQL。这一迁移的主要原因包括以下几个方面： 1.1 性能和扩展性 PostgreSQL以其高性能…...

编程日记 2025/9/13 6:29:48

20250214 随笔 Nginx 负载均衡在数据库中的应用

Nginx 负载均衡在数据库中的应用在高并发环境下，数据库的性能往往是系统的瓶颈。为了提高数据库的吞吐能力、优化请求分配、减少单点故障，我们可以使用 Nginx 负载均衡来优化数据库的访问。本文将介绍如何使用 Nginx 进行数据库负载均衡，以…...

编程日记 2025/9/19 14:15:49

从养殖场到科技前沿：YOLOv11+OpenCV精准计数鸡蛋与鸡

前言谁能想到，鸡蛋和鸡的计数居然能变成一项高科技活儿？想象一下，早上去市场，卖家把鸡蛋摔得稀巴烂，结果鸡蛋滚得到处都是——难道你就得一个个捡回来数？还得小心别弄错？可是，你又不是超人！别担心，科技来帮忙！今天的主角是YOLOv11和OpenCV，它们是计算机视觉领域的…...

编程日记 2025/9/20 22:12:25

【Qt】 Data Visualization

三维数据可视化三维柱状图三维图的创建程序截图示例代码三维散点图三维图创建程序截图示例代码三维曲面图三维图创建程序截图示例代码 Data Visualization 是 Qt 中的一个三维数据可视化模块，可用于绘制三维柱状图、三维散点图和三维曲面。与 Charts 模块类似&am…...

编程日记 2025/9/19 15:11:26

python基础语法

文章目录字面量定义分类注释定义分类单行注释多行注释变量定义数据类型类型转换定义案例标识符定义命名规则内容限定大小写敏感不可使用关键字命名规范变量的命名规范运算符数学运算符赋值运算符复合赋值运算符定义字符串定义方式字符串拼接语法字符串格式化语法1字…...

编程日记 2025/9/19 15:26:20

【C++游戏开发-五子棋】

使用C开发五子棋游戏的详细实现方案，涵盖核心逻辑、界面设计和AI对战功能： 1. 项目结构 FiveChess/ ├── include/ │ ├── Board.h // 棋盘类 │ ├── Player.h // 玩家类 │ ├── AI.h // AI类 │ └── Game.h // 游戏主逻辑 ├── src/ …...

编程日记 2025/9/13 6:29:38

C/C++ | 每日一练 (2)

💢欢迎来到张胤尘的技术站 💥技术如江河，汇聚众志成。代码似星辰，照亮行征程。开源精神长，传承永不忘。携手共前行，未来更辉煌💥 文章目录 C/C | 每日一练 (2)题目参考答案封装继承多态虚函数底…...

编程日记 2025/9/19 20:57:12

如何在 VS Code 中快速使用 Copilot 来辅助开发

在日常开发中，编写代码往往是最耗时的环节之一。而 GitHub Copilot，作为一款 AI 编码助手，可以帮助开发者自动补全代码、生成代码片段，甚至直接编写完整的函数，大幅提升编码效率。那么，如何在 VS Code 中快…...

编程日记 2025/9/19 22:22:03

FFmpeg源码：av_strlcpy函数分析

一、引言在C/C编程中经常会用到strcpy这个字符串复制函数。strcpy是C/C中的一个标准函数，可以把含有\0结束符的字符串复制到另一个地址空间。但是strcpy不会检查目标数组dst的大小是否足以容纳源字符串src，如果目标数组太小，将会导致缓冲区…...

编程日记 2025/9/18 18:13:45

【生产变更】- 集群中配置SCAN ip的不同端口应用

【生产变更】- 集群中配置SCAN ip的不同端口应用一、概述二、操作步骤三、故障解决一、概述使用非默认端口（1521）监听scan ip。二、操作步骤 1、添加11521端口 srvctl add listener -l lis11521 -o /opt/grid/products/11.2.0 -p 11521 srvctl st…...

编程日记 2025/9/13 5:21:50

RabbitMQ 3.12.2：单节点与集群部署实战指南

前言：在当今的分布式系统架构中，消息队列已经成为不可或缺的组件之一。它不仅能够实现服务之间的解耦，还能有效提升系统的可扩展性和可靠性。RabbitMQ 作为一款功能强大且广泛使用的开源消息中间件，凭借其高可用性、灵活的路由策略…...

编程日记 2025/9/15 15:23:35

Node.js技术原理分析系列——如何在Node.js中新增一个内置模块

本文由体验技术团队曹杨毅原创。 Node.js 是一个开源的、跨平台的JavaScript运行时环境，它允许开发者在服务器端运行JavaScript代码。Node.js 是基于Chrome V8引擎构建的，专为高性能、高并发的网络应用而设计，广泛应用于构建服务器端应用程序…...

编程日记 2025/9/19 2:02:57

相关文章：