搜索[快速]结果-低调大师优秀个人博客

精选列表

搜索[快速]，共10000篇文章

快速掌握：大型分布式系统中的缓存架构

反向代理缓存应用如下图：反向代理缓存应用图开源实现如下图：开源实现本地应用缓存指的是在应用中的缓存组件，其最大的优点是应用和 Cache 是在同一个进程内部，请求缓存非常快速，没有过多的网络开销等

2018-08-06

docker学习系列1 使用docker 快速实现多版本PHP

多谢此文：https://blog.eriksen.com.br/en/docker-image-multi-version-php-development 最近一个新的后台API项目需要运行在PHP5.3环境中，而无论是本地还是测试服务器都安装的是PHP7.x PHP5.3官方已经不维护了，通过源码安装配置也很麻烦，我又不想污染了现有的环境。所以想到了docker 我觉得docker适合以下情况：运行特定的开发环境，比如要运行两个项目。一个要求PHP5.6，一个PHP7.0。不想来回切换。喜欢尝鲜，折腾，docker有很强的隔离性。在docker里搞坏也不会破坏本地新项目是基于 ThinkPHP3.2 想通过docker跑起来，可以按如下步骤：安装 docker，略记得一定要切换为国内源，不然速度巨慢，还容易报错，推荐免费的https://www.daocloud.io/mirror#accelerator-doc 下载镜像docker pull eriksencosta/php-dev 项目目录是已经存在的路径是 D:/projects/live-ranking-api 运行容器其中参数：-p 端口映射 -v 挂载目录，冒号前是宿主机目录，后面的是容器内目录 -t -i 参数表示已交互方式运行容器，运行成功后会执行 /bin/bash 就是进去终端docker run -t -i -p 8088:80 -v D:/projects/live-ranking-api:/var/www -d "eriksencosta/php-dev:latest" /bin/bash image.png 打开浏览器输入 localhost:8088 正常的话项目已经成功跑起来了切换PHP版本，在容器内的终端内输入 phpenv命令列出当前可选择的PHP版本 # phpenv versions 5.3 5.3.29 5.4 5.4.35 5.5 5.5.19 5.6 * 5.6.3 (set by /opt/phpenv/version) 执行 phpenv global 5.4 # phpenv global 5.4 # php -v PHP 5.4.35 (cli) (built: Dec 14 2014 00:35:12) Copyright (c) 1997-2014 The PHP Group Zend Engine v2.4.0, Copyright (c) 1998-2014 Zend Technologies with Zend OPcache v7.0.3, Copyright (c) 1999-2014, by Zend Technologies with Xdebug v2.2.6, Copyright (c) 2002-2014, by Derick Rethans 启动nginx # webserver start Starting PHP-FPM (PHP version 5.3) server. Starting Nginx server. Done. 参考：https://hub.docker.com/r/eriksencosta/php-dev/https://github.com/eriksencosta/silex-docker-example

2018-07-26

Python：用numpy+OpenCV快速实现矫正图像的功能

透视变换是一个很实用的功能，当用手机去拍证件或者名片时，经常会拍歪，或者有边框。如果你使用过类似“扫描全能王”的软件，你应该知道，他们会自动把证件矫正并除边框，它就是通过透视变换实现的，和numpy中的仿射变换一样。左图为原图，右图为矫正后的图 1.运行环境 Python3.6.5 pycharm win10 安装oponcv, numpy 库安装教程链接 2.代码 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread('E:\\card2.jpg') rows, cols = img.shape[:2] # 原图中书本的四个角点 pts1 = np.float32([[69, 163], [704, 62], [162, 675], [970, 411]]) # 变换后分别在左上、右上、左下、右下四个点 pts2 = np.float32([[0, 1000], [0, 0], [750, 1000], [750, 0]]) # 生成透视变换矩阵 M = cv2.getPerspectiveTransform(pts1, pts2) # 进行透视变换 dst = cv2.warpPerspective(img, M, (750, 1000)) plt.subplot(121), plt.imshow(img[:, :, ::-1]), plt.title('input') plt.subplot(122), plt.imshow(dst[:, :, ::-1]), plt.title('output') # img[:, :, ::-1]是将BGR转化为RGB plt.show() 3.解析图中角点坐标需要自己设定通过锁定书的角点，并设定改变后的角点，来达到矫正图像的目的。坐标原点在图片左上角！

2018-06-26

Java多线程 -- 互斥锁/共享锁/读写锁快速入门

什么是互斥锁? 在访问共享资源之前对进行加锁操作，在访问完成之后进行解锁操作。加锁后，任何其他试图再次加锁的线程会被阻塞，直到当前进程解锁。如果解锁时有一个以上的线程阻塞，那么所有该锁上的线程都被编程就绪状态，第一个变为就绪状态的线程又执行加锁操作，那么其他的线程又会进入等待。在这种方式下，只有一个线程能够访问被互斥锁保护的资源。什么是共享锁？互斥锁要求只能有一个线程访问被保护的资源，共享锁从字面来看也即是允许多个线程共同访问资源。什么是读写锁？读写锁既是互斥锁，又是共享锁，read模式是共享，write是互斥(排它锁)的。读写锁有三种状态：读加锁状态、写加锁状态和不加锁状态一次只有一个线程可以占有写模式的读写锁，但是多个线程可以同时占有读模式的读写锁。用ReentrantLock手动实现一个简单的读写锁。 MyReadWriteLock.java /** * Created by Fant.J. */ public class MyReadWriteLock { private Map<String,Object> map = new HashMap<>(); private ReadWriteLock rwl = new ReentrantReadWriteLock(); private Lock r = rwl.readLock(); private Lock w = rwl.writeLock(); public Object get(String key){ try { r.lock(); System.out.println(Thread.currentThread().getName()+"read 操作执行"); Thread.sleep(500); return map.get(key); } catch (InterruptedException e) { e.printStackTrace(); return null; } finally { r.unlock(); System.out.println(Thread.currentThread().getName()+"read 操作结束"); } } public void put(String key,Object value){ try { w.lock(); System.out.println(Thread.currentThread().getName()+"write 操作执行"); Thread.sleep(500); map.put(key,value); } catch (InterruptedException e) { e.printStackTrace(); } finally { w.unlock(); System.out.println(Thread.currentThread().getName()+"write 操作结束"); } } } 测试读读共享(不互斥) /** * Created by Fant.J. */ public class Test { public static void main(String[] args) { MyReadWriteLock myReadWriteLock = new MyReadWriteLock(); myReadWriteLock.put("a","fantj_a"); //读读不互斥（共享） //读写互斥 new Thread(new Runnable() { @Override public void run() { System.out.println(myReadWriteLock.get("a")); } }).start(); new Thread(new Runnable() { @Override public void run() { System.out.println(myReadWriteLock.get("a")); } }).start(); new Thread(new Runnable() { @Override public void run() { System.out.println(myReadWriteLock.get("a")); } }).start(); new Thread(new Runnable() { @Override public void run() { System.out.println(myReadWriteLock.get("a")); } }).start(); new Thread(new Runnable() { @Override public void run() { System.out.println(myReadWriteLock.get("a")); } }).start(); new Thread(new Runnable() { @Override public void run() { System.out.println(myReadWriteLock.get("a")); } }).start(); } } mainwrite 操作执行 mainwrite 操作结束 Thread-1read 操作执行 Thread-2read 操作执行 Thread-0read 操作执行 Thread-3read 操作执行 Thread-4read 操作执行 Thread-5read 操作执行 Thread-1read 操作结束 Thread-0read 操作结束 Thread-2read 操作结束 Thread-3read 操作结束 fantj_a fantj_a fantj_a fantj_a Thread-4read 操作结束 fantj_a Thread-5read 操作结束 fantj_a 可以看出，中间有很多read操作是并发进行的。那么我们再看下写写是否有互斥性： /** * 测试写-写模式是互斥的 * Created by Fant.J. */ public class TestWriteWrite { public static void main(String[] args) { MyReadWriteLock myReadWriteLock = new MyReadWriteLock(); new Thread(new Runnable() { @Override public void run() { myReadWriteLock.put("b","fantj_b"); } }).start(); new Thread(new Runnable() { @Override public void run() { myReadWriteLock.put("b","fantj_b"); } }).start(); new Thread(new Runnable() { @Override public void run() { myReadWriteLock.put("b","fantj_b"); } }).start(); new Thread(new Runnable() { @Override public void run() { myReadWriteLock.put("b","fantj_b"); } }).start(); new Thread(new Runnable() { @Override public void run() { myReadWriteLock.put("b","fantj_b"); } }).start(); } } Thread-0write 操作执行 Thread-1write 操作执行 Thread-0write 操作结束 Thread-1write 操作结束 Thread-2write 操作执行 Thread-2write 操作结束 Thread-3write 操作执行 Thread-3write 操作结束 Thread-4write 操作执行 Thread-4write 操作结束控制台能明显感觉到线程休息的时间。所以它的写-写操作肯定是互斥的。最后再看看，写-读操作是否互斥。写-读互斥测试 /** * 测试写-读模式互斥 * Created by Fant.J. */ public class TestWriteRead { public static void main(String[] args) { MyReadWriteLock myReadWriteLock = new MyReadWriteLock(); //读读不互斥（共享） //读写互斥 new Thread(new Runnable() { @Override public void run() { myReadWriteLock.put("a","fantj_a"); } }).start(); new Thread(new Runnable() { @Override public void run() { System.out.println(myReadWriteLock.get("a")); } }).start(); } } Thread-0write 操作执行 Thread-1read 操作执行 Thread-0write 操作结束 Thread-1read 操作结束 fantj_a 控制台可以看到write操作执行后线程被阻塞。直到写释放了锁。问题分析问题1：仔细想了想，如果有一种场景，就是用户一直再读，写获取不到锁，那么不就造成脏读吗？上一章我介绍了公平锁/非公平锁，资源的抢占不就是非公平锁造成的吗，那我们用公平锁把它包装下不就能避免了吗，我做了个简单的实现：（不知道公平锁的可以翻我上章教程） /** * 测试读写锁的公平锁实现 * Created by Fant.J. */ public class TestReadWriteRead { public static void main(String[] args) { ReentrantLock fairLock = new ReentrantLock(true); MyReadWriteLock myReadWriteLock = new MyReadWriteLock(); myReadWriteLock.put("a","fantj_a"); new Thread(new Runnable() { @Override public void run() { fairLock.lock(); System.out.println(myReadWriteLock.get("a")); System.out.println("fair队列长度"+fairLock.getQueueLength()); fairLock.unlock(); } }).start(); new Thread(new Runnable() { @Override public void run() { fairLock.lock(); System.out.println(myReadWriteLock.get("a")); System.out.println("fair队列长度"+fairLock.getQueueLength()); fairLock.unlock(); } }).start(); new Thread(new Runnable() { @Override public void run() { fairLock.lock(); System.out.println(myReadWriteLock.get("a")); System.out.println("fair队列长度"+fairLock.getQueueLength()); fairLock.unlock(); } }).start(); new Thread(new Runnable() { @Override public void run() { fairLock.lock(); myReadWriteLock.put("a","fantj_a_update"); System.out.println("fair队列长度"+fairLock.getQueueLength()); fairLock.unlock(); } }).start(); new Thread(new Runnable() { @Override public void run() { fairLock.lock(); System.out.println(myReadWriteLock.get("a")); System.out.println("fair队列长度"+fairLock.getQueueLength()); fairLock.unlock(); } }).start(); } } mainwrite 操作执行 mainwrite 操作结束 Thread-0read 操作执行 Thread-0read 操作结束 fantj_a fair队列长度4 Thread-1read 操作执行 Thread-1read 操作结束 fantj_a fair队列长度3 Thread-2read 操作执行 Thread-2read 操作结束 fantj_a fair队列长度2 Thread-3write 操作执行 Thread-3write 操作结束 fair队列长度1 Thread-4read 操作执行 Thread-4read 操作结束 fantj_a_update fair队列长度0 如果谁有更好的实现方式(或者java有现成的实现工具类/包)，可在评论区留言，我在百度上没有找到读写锁的公平锁实现~~谢谢！

2018-06-17

【代码+教程】重现“世界模型”实验，无监督方式快速训练

世界模型可以通过无监督的方式快速训练，让人工智能在 “梦境” 中对外部环境的未来状态进行预测，大幅提高了完成任务的效率。这篇论文一经发布就引发了热烈讨论。

2018-06-13

如何快速成为数据分析师（个人角度）

说来我正式接触数据分析也快一年，对速成还是有一些心得。优秀的数据分析师是不能速成的，但是零经验也有零经验的捷径。分享之前我还是要推荐下我自己创建的大数据学习资料分享群 710219868 代号风火，这是全国最大的大数据学习交流的地方，2000人聚集，不管你是小白还是大牛，小编我都挺欢迎，今天的已经资讯上传到群文件，不定期分享干货，包括我自己整理的一份最新的适合2018年学习的大数据教程，欢迎初学和进阶中的小伙伴。以上的前提针对入门，目的是达到数据分析师的门槛，顺利拿到一份offer，不涉及数据挖掘等高级技巧。我的方法倾向互联网领域，不论是分析师这个职位，还是运营、产品的能力发展都是适用的。其他领域就仁者见仁了。市面上有《七周七数据库》，《七周七编程语言》。今天我们就《七周七学习成为数据分析师》。没错，七周。第一周：Excel学习掌握如果Excel玩的顺溜，你可以略过这一周。不过介于我入行时也不会vlookup，所以有必要讲下。重点是了解各种函数，包括但不限于sum，count，sumif，countif，find，if，left/right，时间转换等。 Excel函数不需要学全，重要的是学会搜索。即如何将遇到的问题在搜索引擎上描述清楚。我认为掌握vlookup和数据透视表足够，是最具性价比的两个技巧。学会vlookup，SQL中的join，Python中的merge很容易理解。学会数据透视表，SQL中的group，Python中的pivot_table也是同理。这两个搞定，基本10万条以内的数据统计没啥难度，80%的办公室白领都能秒杀。 Excel是熟能生巧，多找练习题。还有需要养成好习惯，不要合并单元格，不要过于花哨。表格按照原始数据（sheet1）、加工数据（sheet2），图表（sheet3）的类型管理。专栏上写了三篇Excel的文章，比较简单，大体介绍了Excel应用，可以作为职场新人的指南。第一篇数据分析—函数篇。主要简单讲解常用的函数，以及与之对应的SQL/Python函数。第二篇数据分析—技巧篇。主要简单讲解我认为很有新价比的功能，提高工作效率。第三篇数据分析—实战篇。主要将前两篇的内容以实战方式进行，简单地进行了一次数据分析。数据源采用了真实的爬虫数据，是5000行数据分析师岗位数据。下面是为了以后更好的基础而附加的学习任务。了解单元格格式，后期的数据类型包括各类timestamp，date，string，int，bigint，char，factor，float等。了解数组，以及怎么用（excel的数组挺难用），Python和R也会涉及到 list。了解函数和参数，当进阶为编程型的数据分析师时，会让你更快的掌握。了解中文编码，UTF8和ASCII，包括CSV的delimiter等，以后你会回来感谢我的。养成一个好习惯，不要合并单元格，不要过于花哨。表格按照原始数据、加工数据，图表的类型管理第二周：数据可视化数据分析界有一句经典名言，字不如表，表不如图。数据可视化是数据分析的主要方向之一。除掉数据挖掘这类高级分析，不少数据分析就是监控数据观察数据。数据分析的最终都是要兜售自己的观点和结论的。兜售的最好方式就是做出观点清晰数据详实的PPT给老板看。如果没人认同分析结果，那么分析也不会被改进和优化，不落地的数据分析价值又在哪里？首先要了解常用的图表：各类图表的详细介绍可以查看第四篇文章：数据可视化：你想知道的经典图表全在这了解图表后，还应该学会报表制作，这里准备了第五篇：数据可视化：打造高端的数据报表。将教会大家Excel的高级图表用法。如果还不过瘾，我们得掌握信息图和BI BI（商业智能）和图表的区别在于BI擅长交互和报表，更擅长解释已经发生和正在发生的数据。将要发生的数据是数据挖掘的方向。 BI的好处在于很大程度解放数据分析师的工作，推动全部门的数据意识，另外降低其他部门的数据需求（万恶的导数据）。 BI市面上的产品很多，基本都是建立仪表盘Dashboard，通过维度的联动和钻取，获得可视化的分析。第六篇：数据可视化：深入浅出BI 将以第一周的实战数据学习BI，上图的就是学习后的成果。数据可视化的学习就是三个过程，了解数据（图表），整合数据（BI），展示数据（信息化）。可视化也和审美息息相关，很多直男代表并不擅长做图，没关系，抽空可以看书：数据之美 (豆瓣) PPT也别落下，Excel作图多练习，不会有坏处的

2018-04-19

30分钟快速搭建门店智能监控视频分析

现在市场竞争激烈，在对业务创新周期要求越来越短，业务爆发越来越快的情况下，Severless编程模式很好的满足了业务的快速搭建、快速发展以及快速迭代的要求，对于中小企业以及创业公司，成本也是一个重要的考量

2018-03-24

Python3快速入门——（7）迭代（iterable）和迭代器

迭代（iterable） #任何可迭代对象都可以作用于for循环，包括我们自定义的数据类型，只要符合迭代条件，就可以使用for循环 d = { 'a' : 1 , 'b' : 2 , 'c' : 3 } #对dict迭代 for k,v in d.items(): # 如果要同时迭代key和value，可以用for k, v in d.items() print (k,v) #默认情况下，dict迭代的是key # 如果要迭代value，可以用for value in d.values() #字符串也是可迭代对象，因此，也可以作用于for循环 #如何判断一个对象是可迭代对象呢？方法是通过collections模块的Iterable类型判断 from collections import Iterable #导入collections模块的Iterable类型 n= isinstance (d,Iterable) print (n) #结果为True，可迭代 #Python内置的 enumerate 函数可以把一个list变成索引-元素对，这样就可以在for循环中同时迭代索引和元素本身 names=[ 'a' , 'b' , 'c' , 'd' ] for i,value in enumerate (names): #for循环同时引用两个变量 print (i,value) for x,y in [( 1 , 2 ),( 3 , 5 ),( 5 , 6 )]: ##for循环同时引用两个变量 print (x,y) 迭代器可以直接作用于 for 循环的数据类型有以下几种：一类是集合数据类型，如 list 、 tuple 、 dict 、 set 、 str 等；一类是 generator ，包括生成器和带 yield 的generator function。这些可以直接作用于 for 循环的对象统称为可迭代对象： Iterable #可以使用isinstance()判断一个对象是否是Iterable对象 from collections import Iterable m= isinstance ([],Iterable) #True #而生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值， # 直到最后抛出StopIteration错误表示无法继续返回下一个值了。 #可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator #生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。 #把list、dict、str等Iterable变成Iterator可以使用iter()函数 from collections import Iterator m= isinstance ( iter ( 'abc' ),Iterator) #True 凡是可作用于 for 循环的对象都是 Iterable 类型；凡是可作用于 next() 函数的对象都是 Iterator 类型，它们表示一个惰性计算的序列；集合数据类型如 list 、 dict 、 str 等是 Iterable 但不是 Iterator ，不过可以通过 iter() 函数获得一个 Iterator 对象。 Python的 for 循环本质上就是通过不断调用 next() 函数实现的

2018-03-15

Python进行数据可视化分析快速教程实例

Jupyter Notebook介绍 Jupyter Notebook是一个交互式笔记本，支持运行 40 多种编程语言。IPython notebook 是一个基于 IPython REPL 的 web 应用，安装 IPython 后在终端输入 ipython notebook 即可启动服务。jupyter 是把 IPython 和 Python 解释器剥离后的产物，将逐渐替代 IPython 独立发行。jupyter 可以和 Python 之外的程序结合，提供新的、强大的服务。比如 Ruby REPL 环境 IRuby 和 Julia REPL 环境 IJulia。相对的，jypyter 也提供 jupyter notebook。 Jupyter Notebook的安装安装pyzmq，Pyzmq是zeromq的Python绑定。z

2018-03-15

Python3快速入门——（4）循环结构和判断结构

循环结构 #循环结构 cities=[ "Austin" , "Dallas" , "Houston" ] for city in cities: #for循环 print (city) #通过缩进控制整体结构 i= 0 while i< 3 : #while循环 i+= 1 print (i) for j in range ( 10 ): #range(n)表示从0到n-1的n个数 print (j) cities=[[ "Austin" , "Dallas" , "Houston" ],[ "Haerbin" , "Shanghai" , "Beijing" ]] #list中的元素仍是list for city in cities: print (city) #输出list中的两个list元素 for i in cities: #两层for循环输出两个list中的每个元素 for j in i: print (j) #注意：如果代码写得有问题，会让程序陷入“死循环”，也就是永远循环下去。这时可以用 Ctrl+C 退出程序，或者强制结束Python进程。 #注意： Python提供一个 range() 函数，可以生成一个整数序列，再通过 list() 函数可以转换为list #例如： list ( range (5)) 结果为：[0, 1, 2, 3, 4] 判断结构 #选择结构 cat= True #bool类型值 dog= False print ( type (cat)) #<class 'bool'> print ( 8 == 8 ) #True 判断语句 print ( 8 != 8 ) #False print ( 10 >= 5 ) #True sample_rate= 700 if (sample_rate> 50 ): #if语句选择 print (sample_rate) else : print ( 'less lan' )

2018-03-14

Centos7YUM快速搭建LNMP环境并简易优化

下载并安装NGINX wget http://nginx.org/packages/mainline/centos/7/x86_64/RPMS/nginx-1.13.9-1.el7_4.ngx.x86_64.rpm rpm -ivh nginx-1.13.9-1.el7_4.ngx.x86_64.rpm systemctl enable nginx systemctl start nginx 下载并安装MYSQL wget https://dev.mysql.com/get/mysql57-community-release-el7-11.noarch.rpm rpm -ivh mysql57-community-release-el7-11.noarch.rpm yum install -y mysql-server systemctl enable mysqld systemctl start mysqld 下载并安装PHP yum install http://rpms.remirepo.net/enterprise/remi-release-7.rpm yum --enablerepo=remi,remi-php72 install php php-common php-cli php-fpm php-pdo php-bcmath php-mysqlnd php-mbstring php-mcrypt php-gd php-dom php-xml php-zip chmod 777 -R /var/lib/php/session systemctl enable php-fpm systemctl start php-fpm 开启PHP缓存 - 修改php.ini中： realpath_cache_size = 4096k realpath_cache_ttl = 120 开启NGINX的GZIP并隐藏版本号 - 修改nginx.conf中： server_tokens off; gzip on; gzip_min_length 20k; gzip_buffers 4 16k; gzip_comp_level 4; gzip_types text/plain text/css text/javascript application/x-javascript application/xml application/x-httpd-php; server { listen 80 default; return 444; } 说明：优化仅针对低配服务器，是最简易的优化，可明显提升运行效率，配置不高的服务器不要过分优化，否则反而会增加服务器压力。

2018-03-04

三步骤快速开发 iOS资讯类App

CMSSDK为新闻创造者及自媒体人推出，微信自媒体，头条号，微博红人，简书等自媒体达人，仅需10分钟快速集成SDK生成App，让粉丝使用您的专属App。

2018-02-24

玩 High API 系列之：快速实现身份验证

还好，我们生在API时代，我们看看如何使用API帮助中小企业快速实现这个功能。了解更多场景如何玩High API？如何将API变现？请下载阿里云API Playbook（免费下载）！

2018-01-29

(转)C# 快速高效率复制对象的方式

1、需求在项目代码中经常需要把对象复制到新的对象中，或者把属性名相同的值复制一遍。比如： public class Student { public int Id { get; set; } public string Name { get; set; } public int Age { get; set; } } public class StudentSecond { public int Id { get; set; } public string Name { get; set; } public int Age { get; set; } } Student s = new Student() { Age = 20, Id = 1, Name = "Emrys" }; 我们需要给新的Student赋值 Student ss = new Student { Age = s.Age, Id = s.Id, Name = s.Name }; 给另一个类StudentSecond的属性赋值，两个类属性的名称和类型一致。 StudentSecond ss = new StudentSecond { Age = s.Age, Id = s.Id, Name = s.Name }; 2、解决办法当然最原始的办法就是把需要赋值的属性全部手动手写。这样的效率是最高的。但是这样代码的重复率太高，更重要的是浪费时间，如果一个类有几十个属性，那一个一个属性赋值太浪费了，像这样重复的劳动工作更应该是需要优化的。 2.1、反射反射应该是很多人用过的方法，就是封装一个类，反射获取属性和设置属性的值。 private static TOut TransReflection<TIn, TOut>(TIn tIn) { TOut tOut = Activator.CreateInstance<TOut>(); var tInType = tIn.GetType(); foreach (var itemOut in tOut.GetType().GetProperties()) { var itemIn = tInType.GetProperty(itemOut.Name); ; if (itemIn != null) { itemOut.SetValue(tOut, itemIn.GetValue(tIn)); } } return tOut; } 调用：StudentSecond ss= TransReflection<Student, StudentSecond>(s); 调用一百万次耗时：2464毫秒 2.2、序列化序列化的方式有很多种，有二进制、xml、json等等，今天我们就用Newtonsoft的json进行测试。调用：StudentSecondss= JsonConvert.DeserializeObject<StudentSecond>(JsonConvert.SerializeObject(s)); 调用一百万次耗时：2984毫秒 3、表达式树 3.1、简介关于表达式树不了解的可以百度。也就是说复制对象也可以用表达式树的方式 Expression<Func<Student, StudentSecond>> ss = (x) => new StudentSecond { Age = x.Age, Id = x.Id, Name = x.Name }; var f = ss.Compile(); StudentSecond studentSecond = f(s); 这样的方式我们可以达到同样的效果。看似说这样的写法和最原始的复制没有什么区别，代码反而变多了呢，然而这个只是第一步。跟着来！！！！！！！！！！！！！！！！！！！！！！！ 3.2、分析代码用ILSpy反编译下这段表达式代码如下： ParameterExpression parameterExpression; Expression<Func<Student, StudentSecond>> ss = Expression.Lambda<Func<Student, StudentSecond>>(Expression.MemberInit(Expression.New(typeof(StudentSecond)), new MemberBinding[] { Expression.Bind(methodof(StudentSecond.set_Age(int)), Expression.Property(parameterExpression, methodof(Student.get_Age()))), Expression.Bind(methodof(StudentSecond.set_Id(int)), Expression.Property(parameterExpression, methodof(Student.get_Id()))), Expression.Bind(methodof(StudentSecond.set_Name(string)), Expression.Property(parameterExpression, methodof(Student.get_Name()))) }), new ParameterExpression[] { parameterExpression }); Func<Student, StudentSecond> f = ss.Compile(); StudentSecond studentSecond = f(s); 只要用反射循环所有的属性然后Expression.Bind所有的属性。最后调用Compile()(s)就可以获取正确的StudentSecond。到这有的人又要问了，如果用反射的话那岂不是效率很低，和直接用反射或者用序列化没什么区别吗？当然这个可以解决的，就是我们的表达式树可以缓存。只是第一次用的时候需要反射，以后再用就不需要反射了 3.3、复制对象通用代码为了通用性所以其中的Student和StudentSecond分别泛型替换。 private static Dictionary<string, object> _Dic = new Dictionary<string, object>(); private static TOut TransExp<TIn, TOut>(TIn tIn) { string key = string.Format("trans_exp_{0}_{1}", typeof(TIn).FullName, typeof(TOut).FullName); if (!_Dic.ContainsKey(key)) { ParameterExpression parameterExpression = Expression.Parameter(typeof(TIn), "p"); List<MemberBinding> memberBindingList = new List<MemberBinding>(); foreach (var item in typeof(TOut).GetProperties()) { if (!item.CanWrite) continue; MemberExpression property = Expression.Property(parameterExpression, typeof(TIn).GetProperty(item.Name)); MemberBinding memberBinding = Expression.Bind(item, property); memberBindingList.Add(memberBinding); } MemberInitExpression memberInitExpression = Expression.MemberInit(Expression.New(typeof(TOut)), memberBindingList.ToArray()); Expression<Func<TIn, TOut>> lambda = Expression.Lambda<Func<TIn, TOut>>(memberInitExpression, new ParameterExpression[] { parameterExpression }); Func<TIn, TOut> func = lambda.Compile(); _Dic[key] = func; } return ((Func<TIn, TOut>)_Dic[key])(tIn); } 调用：StudentSecond ss= TransExp<Student, StudentSecond>(s); 调用一百万次耗时：564毫秒 3.4、利用泛型的特性再次优化代码不用字典存储缓存，因为泛型就可以很容易解决这个问题。 public static class TransExpV2<TIn, TOut> { private static readonly Func<TIn, TOut> cache = GetFunc(); private static Func<TIn, TOut> GetFunc() { ParameterExpression parameterExpression = Expression.Parameter(typeof(TIn), "p"); List<MemberBinding> memberBindingList = new List<MemberBinding>(); foreach (var item in typeof(TOut).GetProperties()) { if (!item.CanWrite) continue; MemberExpression property = Expression.Property(parameterExpression, typeof(TIn).GetProperty(item.Name)); MemberBinding memberBinding = Expression.Bind(item, property); memberBindingList.Add(memberBinding); } MemberInitExpression memberInitExpression = Expression.MemberInit(Expression.New(typeof(TOut)), memberBindingList.ToArray()); Expression<Func<TIn, TOut>> lambda = Expression.Lambda<Func<TIn, TOut>>(memberInitExpression, new ParameterExpression[] { parameterExpression }); return lambda.Compile(); } public static TOut Trans(TIn tIn) { return cache(tIn); } } 调用：StudentSecond ss= TransExpV2<Student, StudentSecond>.Trans(s); 调用一百万次耗时：107毫秒耗时远远的小于使用automapper的338毫秒。 4、总结从以上的测试和分析可以很容易得出，用表达式树是可以达到效率与书写方式二者兼备的方法之一，总之比传统的序列化和反射更加优秀。最后望对各位有所帮助借鉴之处：http://www.cnblogs.com/emrys5/

2018-01-22

【Elasticsearch全文搜索引擎实战】之Filebeat快速入门

配置 Elastic提供了一个配合ELK（Elasticsearch + Logstash + Kibana）的快速配置方式，不过我们不需要配合ELK使用Filebeat。

2018-01-21

一分钟使用Docker快速搭建Wordpress

版权声明：本文可能为博主原创文章，若标明出处可随便转载。 https://blog.csdn.net/Jailman/article/details/79081418 1. apt install docker.io -y 2. pip install docker-compose 3. vimwordpress_stack.yml version: '3.1' services: wordpress: image: wordpress restart: always ports: - 80:80 environment: WORDPRESS_DB_PASSWORD: mysqlrootpasswd mysql: image: mysql:5.7 restart: always environment: MYSQL_ROOT_PASSWORD: mysqlrootpasswd4. vim start.sh #!/bin/bash docker-compose -f wordpress_stack.yml up -d5. ./start.sh 6. iptables -I INPUT 1 -p tcp --dport 80 -j ACCEPT 7. 打开http://localhost安装Wordpress

2018-01-17

win10+py35，两步快速安装xgboost

win10+python3.5.2+xgboost 首先从https://www.lfd.uci.edu/~gohlke/pythonlibs/#xgboost下载xgboost-0.6-cp35-cp35m-win_amd64.whlamd64代表64位进入下载完后的地址后pip install xgboost-0.6-cp35-cp35m-win_amd64.whl完事！官方示例代码： import xgboost as xgb # read in data dtrain = xgb.DMatrix('agaricus.txt.train') print(dtrain) dtest = xgb.DMatrix('agaricus.txt.test') # specify parameters via map param = {'max_depth':2, 'eta':1, 'silent':1, 'objective':'binary:logistic' } num_round = 2 bst = xgb.train(param, dtrain, num_round) # make prediction preds = bst.predict(dtest) print(preds)

2018-01-02

使用 ESS SDK 快速创建多实例规格伸缩配置

本文将详细介绍 ESS 多实例规格的伸缩配置，并给出多实例规格伸缩配置相比单实例规格伸缩配置的优势所在，最后，本文将给出使用 ESS SDK 快速创建多实例规格伸缩配置的最佳实践。

2017-12-12

Hadoop初体验：快速搭建Hadoop伪分布式环境

本文旨在使用一个全新安装好的Linux系统从0开始进行Hadoop伪分布式环境的搭建，以达到快速搭建的目的，从而体验Hadoop的魅力所在，为后面的继续学习提供基础环境。

2017-11-27

Android平台下通过JNI快速实现音视频通信

用java我们也能快速实现音视频通信本文转自 fanxiaojun 51CTO博客，原文链接：http://blog.51cto.com/2343338/1141245，如需转载请自行联系原作者

2017-11-27

资源下载

更多资源

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。