CodeTime

前言Typora自正式版1.0.0发布后，需要付费获取激活码才能使用，beta版仍可继续免费使用。 以下方法采用非常规方法在1.0.4版本亲测激活成功，特别声明：该方法仅供学习交流，切勿用于任何商业用途。 准备首先需要获得asar的解包和打包工具，工具的使用依赖于以下环境： python环境 node环境（可选） 源码地址：https://github.com/Mas0nShi/typoraCracker 步骤1.获取工具源代码，进入到工具的根目录。 2.安装工具所需依赖环境： 1pip install -r requirements.txt 该命令需要本机安装有Visual Studio C++ Build Tools，否则安装过程会报错。 3.找到Typora安装目录下的app.asar文件，例如：C:\Program Files\Typora\resources\app.asar。 4.执行工具解包命令： 1python typora.py "C:\Program Files\Typora\resources\app.asar" workstation ...

ReentrantReadWriteLock读锁和写锁互斥，相互阻塞写锁和写锁互斥，相互阻塞读锁和读锁不互斥，不阻塞 持有读锁的情况下去获取写锁，会导致获取写锁永久等待（重入时升级不支持）即持有写锁的情况下去获取读锁，不阻塞（重入时降级支持） 示例 12345678910111213141516171819202122232425262728293031323334353637383940414243444546@Slf4j(topic = "c.TestReadWriteLock")public class TestReadWriteLock { public static void main(String[] args) throws InterruptedException { DataContainer dataContainer = new DataContainer(); new Thread(() -> { dataContainer.read(); ...

ThreadPoolExecutorThreadPoolExecutor是最基础的线程池类： 12345678public ThreadPoolExecutor( int corePoolSize, int maximumPoolSize, long keepAliveTime, TimeUnit unit, BlockingQueue<Runnable> workQueue, ThreadFactory threadFactory, RejectedExecutionHandler handler) corePoolSize 核心线程数目 (最多保留的线程数) maximumPoolSize 最大线程数目 keepAliveTime 生存时间 - 针对救急线程 unit 时间单位 - 针对救急线程 workQueue 阻塞队列 threadFactory 线程工厂 - 可以为线程创建时起个好名字 handler 拒绝策略 工作原理 线程池中刚开始没有线程，当一个任务提交给线程池后，线程池会创建一个新线程来执行任务。 当线程数达 ...

主机准备 主机名 操作系统 CPU 内存 硬盘 master1 ubuntu18.04 1*2核 2G 20G node1 ubuntu18.04 1*2核 2G 20G node2 ubuntu18.04 1*2核 2G 20G 集群安装运行时安装（docker）切换root账号sudo su - 12345678910111213sudo apt-get update && sudo apt-get install -y apt-transport-https ca-certificates curl software-properties-common gnupg2curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key --keyring /etc/apt/trusted.gpg.d/docker.gpg add -sudo add-apt-repository ...

docker安装方法一：一键安装 1curl -fsSL https://get.docker.com | bash -s docker --mirror Aliyun 方法二：常规安装 1.安装yum-utils，yum-utils提供了yum-config-manager管理工具 1yum install -y yum-utils 2.配置国内镜像源 1yum-config-manager --add-repo http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo 3.安装Docker Engine-Community 和 containerd ： 1yum install docker-ce docker-ce-cli containerd.io 启动docker服务和开机自启: 12systemctl start dockersystemctl enable docker 基础命令：123456789101112# 查看镜像d ...

子命令使用分类 NameSpace(命名空间) 作用：多租户情况下，实现资源隔离 属于逻辑隔离 属于管理边界 不属于网络边界 可以针对每个namespace做资源配额 查看NameSpace123kubectl get namespace#或者kubectl get ns 名字 说明 default 用户创建的pod默认在此命名空间 kube-public 所有用户均可以访问，包括未认证用户 kube-node-lease 集群节点租约状态，v1.13加入 kube-system kubernetes集群系统内部使用的命名空间 创建NameSpace通过kubectl命令行创建 1kubectl create namespace test #创建test命名空间 通过应用资源清单文件创建： 准备资源清单文件01-create-ns.yaml 1234apiVersion: v1kind: Namespacemetadata: name: test2 应用资源清单文件 1kubectl apply -f 01-create-ns.yaml ...

主机准备VMware安装三台CentOS7虚拟机，一台作为master节点，2台作为worker节点。 主机名 操作系统 CPU核数 内存 角色 master1 CentOS7最小化 2 2G master worker1 CentOS7最小化 2 2G worker worker2 CentOS7最小化 2 2G worker 主机网络配置设置主机名1hostnamectl set-hostname XXX 设置IP编辑配置文件 1vi /etc/sysconfig/network-scripts/ifcfg-ens33 添加如下设置： 12345BOOTPROTO="none" #获取ip方式，把dhcp改为noneIPADDR="192.168.216.XXX"PREFIX="24" #设置子网掩码 或者"NETMASK=255.255.255.0"GATEWAY="192.168.xxx.xxx" ...

问题给定一个数组，求和等于目标值的连续子数组的个数。 力扣中等题：560. 和为K的子数组 给定一个整数数组和一个整数 k，你需要找到该数组中和为 k 的连续的子数组的个数。 示例 1 : 输入:nums = [1,1,1], k = 2输出: 2 , [1,1] 与 [1,1] 为两种不同的情况。 解法比较容易想到的是暴力解法，循环遍历得到所有的子数组的和，如果正好等于目标值则让计数加一，最后返回计数值。一般是用2个指针i，j分别指向指向子数组的开头和结尾，内外两层循环，时间复杂度为O(n^2)。 12345678910def subarraySum(self, nums: List[int], target: int) -> int: n=len(nums) res=0 for i in range(n): s=0 for j in range(i,n): s+=nums[j] if s==target: res+=1 return res 暴力法 ...

模板BFS，其英文全称是Breadth First Search，中文叫广度优先搜索，从根节点开始遍历，然后遍历根节点的子节点，所有子节点访问到后再遍历子节点的子节点，也就是根据深度每一层每一层的遍历。一般会用到队列和字典这两种数据结构。队列用于存储枚举的节点集合，字典用于记录节点是否访问过，用于排重。 对于一般的迷宫类谜题来说，该算法可以枚举所有的路径，由于它是按层序遍历的，所以当到达终点时，它得到的路径一定是最短的，这也是该算法奏效的原因。 现在的问题的关键就是如何将节点的子节点抽象出来，也就是说从一个状态可以衍生出的所有状态。我们用children函数来表示这个过程，这个函数接收一个输入，得到一个集合。从数据结构上看，是指返回某个节点的所有子节点集合，从现实问题来看，是指从一个状态，只进行最简化（不可拆分）的一步操作能到达的所有状态。 12345678910111213141516171819def children(status): ...def solution(): start = ... end = ... queue = [(start,0)] ...

前言背包问题实际上是动态规划的一种经典应用，本文想通过介绍一种模板用于解决各种背包问题。 模板统一采用二维数组来表示动态规划的状态，其中行表示物品的价值（或体积、大小、重量等），列表示背包的容量（或目标值）。 行和列都增加了一位，即从1开始计数，一来可以避免边界检查，二来dp[...][target]变得有意义，而非dp[...][target-1]，具体值和数组索引能够对上。根据不同题意来初始化dp，需要注意的是只要涉及到取物品的值，我们需要对索引减1，因为我们是从1开始计数的。 接下来分三种情况考虑动态规划中的状态转移表达式： 完全背包（每件物品可以无限使用）：dp[i][j]=OPERATE(dp[i-1][j],dp[i][j-objs[i-1]])。这里的OPERATE可以是sum、max、or视具体的问题而定。第二个表达式的索引是i。 1234567891011def bag_problem(self, bag: int, objs: List[int]) -> int: n=len(objs)+1 #将物品数量增加1，避免边界检查 #以下两行初 ...