当前位置: 首页 > news >正文

多layout 布局适配

安卓多布局文件适配方案操作流程

以下为通过多套布局文件适配不同屏幕尺寸/密度的详细步骤,结合主流适配策略及最佳实践总结:


一、‌创建多套布局资源目录
  1. 按屏幕尺寸划分

    • 在 res 目录下创建以下文件夹(根据设备特性自动匹配):
      • layout-sw600dp:适配最小宽度 ≥600dp 的设备(如 7 英寸平板)‌35
      • layout-sw720dp:适配最小宽度 ≥720dp 的设备(如 10 英寸平板)‌35
      • layout-land:适配横屏模式 ‌5
    • 示例结构‌:
       

      bashCopy Code

      res/ ├── layout/ # 默认布局(手机竖屏) ├── layout-sw600dp/ # 平板竖屏适配 └── layout-land/ # 横屏适配

  2. 按屏幕密度划分(可选)

    • 针对不同像素密度设备(如高分辨率屏幕),可创建:
      • layout-hdpilayout-xhdpi 等 ‌25

二、‌设计差异化布局文件
  1. 核心原则

    • 默认布局优先‌:在 layout/ 中设计手机竖屏的基础布局 ‌25。
    • 差异化调整‌:在特定目录(如 layout-sw600dp/)中优化大屏布局(如分栏、扩展内容区域)‌35。
  2. 布局示例

    • 手机竖屏布局‌(res/layout/activity_main.xml):
       

      xmlCopy Code

      <LinearLayout> <TextView android:id="@+id/title" ... /> <Button android:id="@+id/action" ... /> </LinearLayout>

    • 平板布局‌(res/layout-sw600dp/activity_main.xml):
       

      xmlCopy Code

      <LinearLayout android:orientation="horizontal"> <TextView android:id="@+id/title" ... /> <Button android:id="@+id/action" ... /> <!—新增侧边栏 —> <FrameLayout android:id="@+id/sidebar" ... /> </LinearLayout>

  3. 推荐布局方式

    • 使用 ConstraintLayout 实现灵活的相对定位,减少嵌套层级 ‌8。
    • 通过 LinearLayout 的 weight 属性按比例分配空间(适用于列表或分栏)‌6。

三、‌验证与测试
  1. 模拟器测试

    • 在 Android Studio 中创建不同屏幕尺寸/密度的虚拟设备,验证布局是否自动匹配 ‌35。
  2. 真机调试

    • 横竖屏切换、折叠屏展开等场景需重点验证布局稳定性 ‌35。

四、‌注意事项
  1. 避免硬编码尺寸

    • 使用 match_parentwrap_content 或 weight 替代固定宽高 ‌68。
    • 优先用 dp 定义控件尺寸、sp 定义字体大小 ‌15。
  2. 兼容性处理

    • 若使用 AppCompat 主题,需在 build.gradle 中添加支持库以适配低版本系统 ‌24。

总结‌:通过多套布局文件 + 动态尺寸单位 + 灵活布局容器,可实现屏幕适配的精细化控制,兼顾开发效率与用户体验 ‌13。

sw600dp和w600dp的区别


sw600dp 与 w600dp 的核心区别

二者的差异主要体现在‌匹配屏幕宽度的逻辑‌和‌适配场景‌上,具体如下:


一、‌定义与触发条件
  1. sw600dp(最小宽度限定符)

    • 定义‌:sw 即 ‌Smallest Width‌(最小宽度),指屏幕宽高中‌较小的边‌的绝对宽度(单位:dp)。该数值与设备方向无关,是固定值 ‌13。
    • 触发条件‌:当设备的最小宽度 ≥600dp 时(例如 10 英寸平板竖屏时最小宽度为 720dp),系统会自动加载 layout-sw600dp 中的布局文件 ‌13。
  2. w600dp(可用宽度限定符)

    • 定义‌:w 即 ‌Available Width‌(可用宽度),指当前屏幕的‌实际宽度‌(单位:dp)。该数值会随设备横竖屏切换而变化 ‌13。
    • 触发条件‌:当设备当前宽度 ≥600dp 时(例如手机横屏后宽度变为 640dp),系统会加载 layout-w600dp 中的布局文件 ‌13。

二、‌使用场景对比
特性sw600dpw600dp
适配目标区分不同尺寸设备(如手机 vs 平板)‌14适配同一设备不同方向(如横竖屏切换)‌13
稳定性固定值,不受屏幕方向影响 ‌13动态值,随方向变化 ‌13
典型应用平板的专属布局优化 ‌36横屏模式下的分栏布局扩展 ‌36

三、‌示例说明
  1. 设备 A(7 英寸平板,竖屏)

    • 屏幕尺寸:1200×1920(宽×高,单位:像素)
    • 密度:320dpi → 最小宽度 sw = 1200/(320/160) = 600dp
    • 适配结果‌:
      • 竖屏/横屏均触发 sw600dp 布局 ‌34。
      • 横屏时宽度 w = 1920/(320/160) = 960dp,同时满足 w600dp 条件,但优先匹配 sw600dp ‌16。
  2. 设备 B(手机,竖屏宽度 360dp,横屏宽度 640dp)

    • 竖屏‌:w=360dp → 使用默认布局;
    • 横屏‌:w=640dp → 触发 w600dp 布局 ‌36。

总结

  • sw600dp‌ 用于‌设备尺寸区分‌(如平板适配),关注设备的物理最小宽度 ‌14。
  • w600dp‌ 用于‌动态方向适配‌(如横屏扩展布局),关注当前屏幕的实际宽度 ‌36。
    实际开发中建议优先使用 sw600dp 区分设备类型,结合 w600dp 优化横竖屏体验 ‌13。

还有哪些配置可以改变布局选择


安卓布局适配的其他配置方案

除了通过 sw600dpw600dp 等屏幕尺寸限定符外,还可通过以下配置动态调整布局选择,实现多场景适配:


一、‌资源限定符配置
  1. 屏幕方向

    • 使用 layout-land(横屏)和 layout-port(竖屏)目录,为不同方向设计差异化布局‌45。
    • 示例‌:
       

      bashCopy Code

      res/ ├── layout/ # 默认竖屏布局 └── layout-land/ # 横屏布局

  2. 屏幕密度

    • 通过 layout-hdpilayout-xhdpi 等目录适配不同像素密度的设备(如高分辨率屏幕)‌35。
  3. 语言/区域

    • 使用 layout-en(英语)、layout-zh(中文)等目录,根据系统语言加载对应布局‌5。
  4. API 版本

    • 通过 layout-v21(适配 Android 5.0+)等目录,针对不同系统版本优化布局‌7。
  5. 夜间模式

    • 使用 layout-night 目录,为深色主题设计专用布局‌5。

二、‌动态代码调整
  1. 运行时修改布局参数

    • 通过 LayoutParams 动态调整控件位置、大小或边距‌58。
    • 示例‌:
       

      javaCopy Code

      View view = findViewById(R.id.button); LinearLayout.LayoutParams params = (LinearLayout.LayoutParams) view.getLayoutParams(); params.width = 200; // 单位:dp(需转换为像素) view.setLayoutParams(params);

  2. 切换布局管理器

    • 根据设备特性选择 ConstraintLayout(复杂布局)、LinearLayout(线性排列)或 GridLayout(网格布局)‌27。

三、‌组合限定符
  1. 多条件叠加

    • 结合屏幕尺寸、方向和语言等条件,创建更细分的布局目录(如 layout-sw600dp-land-zh)‌58。
  2. 最小高度限定符

    • 使用 h600dp(可用高度≥600dp)适配长屏设备(如折叠屏展开状态)‌58。

四、‌适配工具与技巧
  1. 使用 Fragment 模块化布局

    • 通过动态加载 Fragment 实现不同屏幕下的组件复用与灵活组合‌58。
  2. 响应式布局设计

    • 利用 ConstraintLayout 的百分比约束(如 app:layout_constraintWidth_percent)实现控件按比例缩放‌58。

总结

通过资源限定符、动态代码调整及模块化设计,可覆盖屏幕方向、密度、语言、系统版本等多维度的布局适配需求‌34。建议优先使用资源目录限定符实现静态适配,复杂场景结合代码动态调整优化用户体验。

相关文章:

多layout 布局适配

安卓多布局文件适配方案操作流程 以下为通过多套布局文件适配不同屏幕尺寸/密度的详细步骤&#xff0c;结合主流适配策略及最佳实践总结&#xff1a; 一、‌创建多套布局资源目录‌ ‌按屏幕尺寸划分‌ 在 res 目录下创建以下文件夹&#xff08;根据设备特性自动匹配&#xff…...

马斯克 AI 超算

超算建设情况&#xff1a;马斯克旗下人工智能初创公司 xAI 正在田纳西州孟菲斯市建造世界上最大的超级计算机2。自 2024 年 6 月首次宣布这笔工程以来&#xff0c;xAI 已向当地规划和发展机构提交了 14 份施工许可申请&#xff0c;合计代表了 4.059 亿美元的预计项目成本2。该超…...

大模型学习四:‌DeepSeek Janus-Pro 多模态理解和生成模型 本地部署指南(折腾版)

一、说明简介 ‌DeepSeek Janus-Pro‌是一款先进的多模态理解和生成模型&#xff0c;旨在实现高质量的文本-图像生成与多模态理解。它是由DeepSeek团队研发的&#xff0c;是之前Janus模型的升级版&#xff0c;能够同时处理文本和图像&#xff0c;即可以理解图片内容&#xff0c…...

《AI大模型应知应会100篇》第3篇:大模型的能力边界:它能做什么,不能做什么

第3篇&#xff1a;大模型的能力边界&#xff1a;它能做什么&#xff0c;不能做什么 摘要 在人工智能飞速发展的今天&#xff0c;大语言模型&#xff08;LLM&#xff09;已经成为许多领域的核心技术。然而&#xff0c;尽管它们展现出了惊人的能力&#xff0c;但也有明显的局限性…...

MySQL 面试知识点详解(索引、存储引擎、事务与隔离级别、MVCC、锁机制、优化)

一、索引基础概念 1 索引是什么&#xff1f; 定义&#xff1a;索引是帮助MySQL高效获取数据的有序数据结构&#xff0c;类似书籍的目录。核心作用&#xff1a;减少磁盘I/O次数&#xff0c;提升查询速度&#xff08;以空间换时间&#xff09;。 2 索引的优缺点 优点缺点加速…...

JS API

const变量优先 即对象、数组等引用类型数据可以用const声明 API作用和分类 DOM (ducument object model) 操作网页内容即HTML标签的 树状模型 HTML中标签 JS中对象 最大对象 document 其次大 html 以此类推 获取DOM对象 CSS 中 使用选择器 JS 中 选多个 时代的眼泪 修…...

hackmyvm-Principle

近况: 很难受、 也很累。 但是庆幸靶机很好 正值清明时节 清明时节雨纷纷 &#x1f327;️&#xff0c;路上行人欲断魂 &#x1f622;。 靶机地址 信息收集 主机发现 端口扫描 80端口仅仅是一个nginx 的欢迎界面而已 robots.txt的内容 hi.html的内容 hackme不存在 investigat…...

小刚说C语言刷题——第14讲 逻辑运算符

当我们需要将一个表达式取反&#xff0c;或者要判断两个表达式组成的大的表达式的结果时&#xff0c;要用到逻辑运算符。 1.逻辑运算符的分类 (1)逻辑非(!) &#xff01;a&#xff0c;当a为真时&#xff0c;&#xff01;a为假。当a为假时&#xff0c;&#xff01;a为真。 例…...

池化技术的深度解析与实践指南【大模型总结】

池化技术的深度解析与实践指南 池化技术作为计算机系统中的核心优化手段&#xff0c;通过资源复用和预分配机制显著提升系统性能。本文将从原理、实现到最佳实践&#xff0c;全方位剖析池化技术的核心要点&#xff0c;并结合实际案例说明其应用场景与调优策略。 一、池化技术的…...

基于Java的区域化智慧养老系统(源码+lw+部署文档+讲解),源码可白嫖!

摘 要 时代在飞速进步&#xff0c;每个行业都在努力发展现在先进技术&#xff0c;通过这些先进的技术来提高自己的水平和优势&#xff0c;区域化智慧养老系统当然不能排除在外。区域化智慧养老系统是在实际应用和软件工程的开发原理之上&#xff0c;运用Java语言、JSP技术以及…...

2025年3月 Scratch 图形化(一级)真题解析 中国电子学会全国青少年软件编程等级考试

2025.03 Scratch图形化编程等级考试一级真题试卷 一、选择题 第 1 题 气球初始位置如下图所示&#xff0c;scratch运行下列程序&#xff0c;气球会朝哪个方向移动&#xff1f;&#xff08; &#xff09; A.水平向右 B.垂直向下 C.水平向左 D.垂直向上 答案&#xff1a…...

Docker 命令简写配置

alias dpsdocker ps --format "table {{.ID}}\t{{.Image}}\t{{.Ports}}\t{{.Status}}\t{{.Names}}" 配置好后&#xff0c;需要输入&#xff1a; source ~/.bashrc 后生效...

linux signal up/down/down_interruptiable\down_uninterruptiable使用

在Linux内核中&#xff0c;down, down_interruptible, down_killable, 和 up 是用于操作信号量&#xff08;semap hores&#xff09;的函数&#xff0c;它们用于进程同步和互斥。以下是对这些函数的简要说明。 1&#xff0c;down(&sem): 这个函数用于获取信号量。如果信号…...

【嵌入式-stm32电位器控制以及旋转编码器控制LED亮暗】

嵌入式-stm32电位器控制LED亮暗 任务1代码1Key.cKey.hTimer.cTimer.hPWM.cPWM.hmain.c 实验现象1任务2代码2Key.cKey.hmain.c 实验现象2问题与解决总结 源码框架取自江协科技&#xff0c;在此基础上做扩展开发。 任务1 本文主要介绍利用stm32f103C8T6实现电位器控制PWM的占空比…...

Mysql 中 ACID 背后的原理

在 MySQL 中&#xff0c;ACID 是事务处理的核心原则&#xff0c;用于保证数据库在执行事务时的可靠性、数据一致性和稳定性。ACID 是四个关键特性的首字母缩写&#xff0c;分别是&#xff1a;Atomicity&#xff08;原子性&#xff09;、Consistency&#xff08;一致性&#xff…...

【算法】简单数论

模运算 a m o d b a − ⌊ a / b ⌋ b a\ mod \ b a - \lfloor a / b \rfloor \times b a mod ba−⌊a/b⌋b n m o d p n \ mod\ p n mod p得到的结果的正负至于被除数 n n n有关 模运算的性质&#xff1a; ( a b ) m o d m ( ( a m o d m ) ( b m o d m ) ) m o d m …...

mybatis慢sql无所遁形

痛点问题&#xff1a; 扫描项目的慢sql 并提出优化建议 开源项目地址&#xff1a;gitee&#xff1a;mybatis-sql-optimizer-spring-boot-starter: 这个starter可以帮助开发者在开发阶段发现SQL性能问题&#xff0c;并提供优化建议&#xff0c;从而提高应用程序的数据库访问效…...

MCP有哪些比较好的资源?

MCP&#xff08;Model Context Protocol&#xff09;是一种由Anthropic公司推出的开放协议&#xff0c;旨在为AI模型与开发环境之间提供统一的上下文交互接口。目前&#xff0c;围绕MCP协议的资源非常丰富&#xff0c;以下是一些比较好的MCP资源推荐&#xff1a; Smithery Smit…...

Nginx功能及应用全解:从负载均衡到反向代理的全面剖析

Nginx作为一款开源的高性能HTTP服务器和反向代理服务器&#xff0c;凭借其高效的资源利用率和灵活的配置方式&#xff0c;已成为互联网领域中最受欢迎的Web服务器之一。无论是作为HTTP服务器、负载均衡器&#xff0c;还是作为反向代理和缓存服务器&#xff0c;Nginx的多种功能广…...

FreeRTOS/任务创建和删除的API函数

任务的创建和删除本质就是调用FreeRTOS的API函数 API函数描述xTaskCreate()动态方式创建任务xTaskCreateStatic()静态方式创建任务vTaskDelete()删除任务 动态创建任务 任务的任务控制块以及任务的占空间所需的内存&#xff0c;均由FreeRTOS从FreeRTOS管理的堆中分配 静态创建…...

【jvm】GC评估指标

目录 1. 说明2. 吞吐量&#xff08;Throughput&#xff09;3. 暂停时间&#xff08;Pause Time&#xff09;4. 内存占用&#xff08;Footprint&#xff09;5. 频率&#xff08;Frequency&#xff09;6. 对象晋升率&#xff08;Promotion Rate&#xff09;7. 内存分配速率&#…...

数据集(Dataset)和数据加载器(DataLoader)-pytroch学习3

pytorch网站学习 处理数据样本的代码往往会变得很乱、难以维护&#xff1b;理想情况下&#xff0c;我们希望把数据部分的代码和模型训练部分分开写&#xff0c;这样更容易阅读、也更好维护。 简单说&#xff1a;数据和模型最好“分工明确”&#xff0c;不要写在一起。 PyTor…...

影响RTOS实时性的因素有哪些?

目录 1、任务调度延迟 2、中断处理延迟 3、系统负载 4、任务优先级反转 5、时钟精度 6、内存管理 影响RTOS实时性的因素主要包括任务调度延迟、中断处理延迟、系统负载、任务优先级反转、时钟精度、内存管理等。 1、任务调度延迟 任务调度器是RTOS的核心&#xff0c;当…...

二叉树 递归

本篇基于b站灵茶山艾府的课上例题与课后作业。 104. 二叉树的最大深度 给定一个二叉树 root &#xff0c;返回其最大深度。 二叉树的 最大深度 是指从根节点到最远叶子节点的最长路径上的节点数。 示例 1&#xff1a; 输入&#xff1a;root [3,9,20,null,null,15,7] 输出&…...

ZLMediaKit 源码分析——[5] ZLToolKit 中EventPoller之延时任务处理

系列文章目录 第一篇 基于SRS 的 WebRTC 环境搭建 第二篇 基于SRS 实现RTSP接入与WebRTC播放 第三篇 centos下基于ZLMediaKit 的WebRTC 环境搭建 第四篇 WebRTC学习一&#xff1a;获取音频和视频设备 第五篇 WebRTC学习二&#xff1a;WebRTC音视频数据采集 第六篇 WebRTC学习三…...

【51单片机】2-6【I/O口】电动车简易防盗报警器实现

1.硬件 51最小系统继电器模块震动传感器模块433M无线收发模块 2.软件 #include "reg52.h" #include<intrins.h> #define J_ON 1 #define J_OFF 0sbit switcher P1^0;//继电器 sbit D0_ON P1^1;//433M无线收发模块 sbit D1_OFF P1^2; sbit vibrate …...

windows下载安装远程桌面工具RealVNC-Server教程(RealVNC_E4_6_1版带注册码)

文章目录 前言一、下载安装包二、安装步骤三、使用VNC-Viewer客户端远程连接&#xff0c;输入ip地址&#xff0c;密码完成连接 前言 在现代工作和生活中&#xff0c;远程控制软件为我们带来了极大的便利。RealVNC - Server 是一款功能强大的远程控制服务器软件&#xff0c;通过…...

C语言的操作系统

C语言的操作系统 引言 操作系统是一种系统软件&#xff0c;它管理计算机硬件和软件资源&#xff0c;并为计算机程序提供公共服务。在现代计算机科学中&#xff0c;操作系统是不可或缺的组成部分&#xff0c;而C语言则是实现高效操作系统的主要编程语言之一。本文将探讨C语言在…...

selectdb修改表副本

如果想修改doris&#xff08;也就是selectdb数据库&#xff09;表的副本数需要首先确定是否分区表&#xff0c;当前没有数据字典得知哪个表是分区的&#xff0c;只能先show partitions看结果 首先&#xff0c;副本数不应该大于be节点数 其次&#xff0c;修改期间最好不要跑业务…...

leetcode数组-有序数组的平方

题目 题目链接&#xff1a;https://leetcode.cn/problems/squares-of-a-sorted-array/ 给你一个按 非递减顺序 排序的整数数组 nums&#xff0c;返回 每个数字的平方 组成的新数组&#xff0c;要求也按 非递减顺序 排序。 输入&#xff1a;nums [-4,-1,0,3,10] 输出&#xff…...

【python中级】关于Cython 的源代码pyx的说明

【python中级】关于Cython 的源代码pyx的说明 1.背景2.编译3.语法1.背景 Cython 是一个编程语言和工具链,用于将 Python 代码(或类 Python 的代码)编译成 C 语言,再进一步生成高性能的 Python 扩展模块(.so 或 .pyd 文件)。 在 Python 中,.pyx 文件是 Cython 的源代码文…...

开放最短路径优先 - OSPF【LSA详细】

目录 LSA的头部结构 LSA类型 LSA数据包 LSA的主要作用是传递路由信息。 LSA的头部结构 共占20个字节&#xff0c;不同类型的LSA头部字段部分都是相同的。 链路状态老化时间(Link-State Age) 2个字节。指示该条LSA的老化时间&#xff0c;即它存在了多长时间&#xff0c;单位…...

PyTorch:解锁AI新时代的钥匙

揭开PyTorch面纱 对于许多刚开始接触人工智能领域的朋友来说&#xff0c;PyTorch这个名字或许既熟悉又陌生。熟悉在于它频繁出现在各类技术论坛和新闻报道中&#xff1b;而陌生则源于对这样一个强大工具背后运作机制的好奇。简单来说&#xff0c;PyTorch是一个开源库&#xff…...

欧几里得算法求最大公约数、最小公倍数

这段代码就是不断用较小数和余数来更新 a 和 b&#xff0c;直到余数变为 0&#xff0c;最后返回的 a 就是最大公约数。 #include <iostream> using namespace std;//最大公约数 int gcd(int a, int b){//这个循环表示只要 b 不是 0&#xff0c;就继续进行。//因为当 b …...

QEMU源码全解析 —— 块设备虚拟化(14)

接前一篇文章:QEMU源码全解析 —— 块设备虚拟化(13) 本文内容参考: 《趣谈Linux操作系统》 —— 刘超,极客时间 《QEMU/KVM源码解析与应用》 —— 李强,机械工业出版社 特此致谢! 上一回开始解析VirtioDeviceClass的realize函数virtio_blk_device_realize(),再来回…...

深入理解AOP:面向切面编程的核心概念与实战应用

&#x1f31f; 前言 欢迎来到我的技术小宇宙&#xff01;&#x1f30c; 这里不仅是我记录技术点滴的后花园&#xff0c;也是我分享学习心得和项目经验的乐园。&#x1f4da; 无论你是技术小白还是资深大牛&#xff0c;这里总有一些内容能触动你的好奇心。&#x1f50d; &#x…...

3500 阶乘求和

3500 阶乘求和 ⭐️难度&#xff1a;中等 &#x1f31f;考点&#xff1a;2023、思维、省赛 &#x1f4d6; &#x1f4da; import java.util.Scanner;public class Main {public static void main(String[] args) {long sum 0;for(int i1;i<50;i) { // 之后取模都相等su…...

正则入门到精通

​ 一、正则表达式入门​ 正则表达式本质上是一串字符序列&#xff0c;用于定义一个文本模式。通过这个模式&#xff0c;我们可以指定要匹配的文本特征。例如&#xff0c;如果你想匹配一个以 “abc” 开头的字符串&#xff0c;正则表达式可以写作 “^abc”&#xff0c;其中 …...

Mysql 行级锁在什么样的情况下会升级为表级锁?

在 MySQL 中&#xff0c;行级锁通常由 InnoDB 存储引擎使用&#xff0c;因为它支持高并发和细粒度的锁定。通常情况下&#xff0c;InnoDB 在执行诸如 UPDATE、DELETE 或 SELECT FOR UPDATE 等操作时&#xff0c;会为被修改的数据行加锁&#xff08;行级锁&#xff09;。但是&am…...

docker部署kkfileview

拉取 KKFileView 镜像 docker pull keking/kkfileview或指定版本 docker pull keking/kkfileview:4.1.0运行 KKFileView 容器 docker run -d \--name kkfileview \-p 8012:8012 \--restart always \keking/kkfileview-d&#xff1a;后台运行 -p 8012:8012&#xff1a;将容器…...

优选算法的妙思之流:分治——快排专题

专栏&#xff1a;算法的魔法世界 个人主页&#xff1a;手握风云 目录 一、快速排序 二、例题讲解 2.1. 颜色分类 2.2. 排序数组 2.3. 数组中的第K个最大元素 2.4. 库存管理 III 一、快速排序 分治&#xff0c;简单理解为“分而治之”&#xff0c;将一个大问题划分为若干个…...

蓝桥杯嵌入式第15届真题-个人理解+解析

个人吐槽 #因为最近蓝桥杯快要开始了&#xff0c;我舍不得米白费了&#xff0c;所以就认真刷刷模拟题&#xff0c;但是我感觉真题会更好&#xff0c;所以就看了一下上届的真题。不过它是真的长&#xff0c;我看着就头晕&#xff0c;但是还是把几个模块认真分析了一下就还是很容…...

数据库系统概述 | 第二章课后习题答案

本文为数据库系统概论&#xff08;第五版&#xff09;【高等教育出版社】部分课后答案 如有错误&#xff0c;望指正 &#x1f47b; 习题 &#x1f47b; 答案...

深入解析CPU主要参数:选购与性能评估指南

引言 中央处理器&#xff08;CPU&#xff09;作为计算机的"大脑"&#xff0c;其性能直接决定了整机的运算能力和响应速度。无论是组装新电脑、升级旧系统还是选购笔记本电脑&#xff0c;理解CPU的关键参数都至关重要。本文将从技术角度全面解析CPU的各项主要参数&am…...

Lettuce与Springboot集成使用

一、Lettuce核心优势与Spring Boot集成背景 Lettuce特性 基于Netty的非阻塞I/O模型&#xff0c;支持同步/异步/响应式编程线程安全&#xff1a;共享单连接实现多线程并发操作&#xff0c;性能衰减低原生支持Redis集群、哨兵、主从架构&#xff0c;自动重连机制保障高可用Spring…...

【Kafka基础】ZooKeeper在Kafka中的核心作用:分布式系统中枢神经系统

在分布式系统的世界里&#xff0c;协调和管理多个节点间的状态是一项复杂而关键的任务。Apache Kafka作为一款高性能的分布式消息系统&#xff0c;其设计哲学是"专为单一目的而优化"——即高效处理消息流。为了实现这一目标&#xff0c;Kafka选择将集群协调管理的重任…...

专业的情商测评工具:EQ-i在线测评系统

专业的情商测评工具&#xff1a;EQ-i在线测评系统 基于巴昂情商量表的专业情商评估工具&#xff0c;帮助您更好地了解自己的情商水平。 什么是EQ-i&#xff1f; EQ-i&#xff08;Emotional Quotient Inventory&#xff09;是由Reuven Bar-On开发的情商量表&#xff0c;是国际上…...

Ubuntu安装Podman教程

1、先修改apt源为阿里源加速 备份原文件&#xff1a; sudo cp /etc/apt/sources.list /etc/apt/sources.list.backup 修改源配置&#xff1a; vim sources.list删除里面全部内容后&#xff0c;粘贴阿里源&#xff1a; deb http://mirrors.aliyun.com/ubuntu/ focal main re…...

7.训练篇5-毕设

使用23w张数据集-vit-打算30轮-内存崩了-改为batch_size 8 我准备用23w张数据集&#xff0c;太大了&#xff0c;这个用不了&#xff0c;所以 是否保留 .stack() 加载所有图片&#xff1f;情况建议✅ 小数据集&#xff08;<2w张&#xff0c;图像小&#xff09;想加快速度可…...

java数据结构-哈希表

什么是哈希表 最理想的搜索方法 , 即就是在查找某元素时 , 不进行任何比较的操作 , 一次直接查找到需要搜索的元素 , 可以达到这种要求的方法就是哈希表. 哈希表就是通过构造一种存储结构 , 通过某种函数使元素存储的位置与其关键码位形成一 一映射的关系 , 这样在查找元素的时…...