-
2025.4.9 鲜花
浅谈 DAG 计数 -
PVE
PVE 丢角落好久的笔记（毕竟基本搞好了就不用倒腾几次了），那放博客上存个档 设置PVE直通特性功能 这个并非sata直通，只是全屏映射，性能不好，但是能解决我想把以前那台群晖转为虚拟机的想法 照着这个步骤来做，最后能直接进dsm修复的 Intel CPU shell里面输入命令： nano /et -
java版本切换的个人方法
对于网上说的优先级切换，我感觉不咋喜欢，太麻烦了说是 能不能cmd输个java，就是java17。java8，就是java8呢？ 和ds问了问，是可以的，但是不知道是否正道 写这篇文章主要是因为复现vulhub上的fastjson rce，编译class要java8。但是又一直用这java17，很烦 -
时间序列算法(3): GARCH (广义自回归条件异方差)
GARCH (广义自回归条件异方差) 模型 GARCH (Generalized Autoregressive Conditional Heteroskedasticity) 模型是 Bollerslev（1986）在 ARCH 模型的基础上提出的扩展版本，是金融时间序列波动率建模中最常用的模型之一 -
时间序列算法(2): ARCH (自回归条件异方差)
ARCH (自回归条件异方差) 时间序列分析 ARCH (Autoregressive Conditional Heteroskedasticity) 模型是由 Engle（1982）提出的一种非线性时间序列模型，专门用于捕捉金融时间序列中的波动聚集现象。 ARCH 模型的基本原理 ARCH 模型的 -
【Java异步编程利器】CompletableFuture完全指南
Java异步编程利器：CompletableFuture完全指南 图：传统同步 vs 异步编程模式对比 一、为什么需要异步编程？ 同步 vs 异步的餐厅点餐比喻 同步方式 异步方式 顾客站在柜台前等待厨师做完餐 顾客拿到取餐号后可以坐下玩手机 期间不能做其他事情 餐准备好后会通知顾客 类似传统Fut -
算法学习|线性dp
线性动态规划（Linear DP） 处理序列或线性结构上的最优化问题，状态转移沿单一方向进行 最长递增子序列（LIS） 问题：找到数组中最长的严格递增子序列长度。 状态：dp[i] 表示以 nums[i] 结尾的 LIS 长度。 转移方程：dp[i] = max(dp[j] + 1) 对所有 j < -
算法学习|线性dp
线性动态规划（Linear DP） 处理序列或线性结构上的最优化问题，状态转移沿单一方向进行 最长递增子序列（LIS） 问题：找到数组中最长的严格递增子序列长度。 状态：dp[i] 表示以 nums[i] 结尾的 LIS 长度。 转移方程：dp[i] = max(dp[j] + 1) 对所有 j < -
volatile关键字
volatile关键字本身不能保证线程安全。volatile关键字的主要作用是确保变量在多线程环境中的可见性，即当一个线程修改了volatile变量的值，其他线程能够立即看到最新的值。然而，这并不意味着使用volatile关键字就能保证线程安全。 volatile的关键作用 内存可见性：vol -
分布式事物-最大努力通知
什么是最大努力通知最大努力通知也是一种解决分布式事务的方案，下边是一个是充值的例子 交互流程:1、账户系统调用充值系统接口2、充值系统完成支付处理向账户系统发起充值结果通知，若通知失败，则充值系统按策略进行重复通知3、账户系统接收到充值结果通知修改充值状态。4、账户系统未接收到通知会主动调用充值系统 -
算法学习|前缀和与差分
前缀和 快速计算数组的区间和，适用于多次区间查询的场景 时间复杂度：预处理 \(O(n)\)，查询 \(O(1)\) def build_prefix_sum(arr): n = len(arr) prefix = [0] * (n + 1) for i in range(n): prefix[i+ -
算法学习|前缀和与差分
前缀和 快速计算数组的区间和，适用于多次区间查询的场景 时间复杂度：预处理 \(O(n)\)，查询 \(O(1)\) def build_prefix_sum(arr): n = len(arr) prefix = [0] * (n + 1) for i in range(n): prefix[i+