精华内容
下载资源
问答
  • 给正在学习的你~一、内容要点(一)什么数据结构1.用计算机解决问题需要几个步骤:从实际问题抽象出数学模型;设计解决此数学问题的算法;编译、调试程序,直至得到最终答案。2.问题的类型例1:图书管理系统、新生...

    5ee05b88d428a8cffbffaa5cabe506ef.png

    绪论基础概念及时间空间复杂度相关

    加油!给正在学习的你~


    一、内容要点

    (一)什么是数据结构

    1.用计算机解决问题需要几个步骤:

    • 从实际问题抽象出数学模型;
    • 设计解决此数学问题的算法;
    • 编译、调试程序,直至得到最终答案。

    2.问题的类型

    • 例1:图书管理系统、新生信息登记系统、酒店入住登记系统等 此类文章管理的数学模型中,计算机处理的对象间一般存在着一对一的线性关系,所以叫线性数据结构
    • 例2:计算机与人机对弈问题、游戏中触发模型和步骤等 此类游戏博弈的数学模型中,计算机的处理对象间一般存在着一对多的数据关系,它叫树形数据结构。因为对应关系可看作一个倒置的树,此类关系结构是非线形的。
    • 例3:人际关系脉络关系、城市公交问题等 此类多交叉路口交通灯的数学模型中,计算机处理的对象间一般存在着多对多的数据关系,它叫图状数据结构。通过图示表示出来是类似于“网”状,所以又叫网状数据结构,此类关系结构是非线性的。

    3.数据结构的定义

    • 数据结构是一门研究非数值计算的程序设计问题中计算机的操作对象以及它们之间关系的操作等的学科。

    (二)基本概念和术语

    1.数据:

    • 数据是对客观事物的符号总称(了解符号学),是计算机中所有能输入到计算机中并被计算机程序处理的符号关系的总称。
    • 数据元素:数据元素是数据的基本单位,在计算机中通常考虑做一个整体进行处理。数据项包含于数据元素。
    • 数据项:数据项是数据最小的不可分割单位
    • 数据对象:性质相同的数据元素的集合,是数据的一个子集。
    • 数据结构:相互之间存在一种或多种特定关系的数据元素的集合。数据结构包含三方面:数据的逻辑结构、数据的存储结构和数据的运算

    2.数据的逻辑结构:

    • 定义:数据的逻辑结构即数据元素之间的逻辑关系,独立于计算机。
    • 线性结构:一对一,唯一直接前驱且唯一直接后继(或不存在)
    • 树形结构:一对多,唯一直接前驱(或不存在)且不唯一直接后继
    • 图形结构(网状结构):多对多,不唯一直接前驱且不唯一直接后继

    辅助理解:(已理解的跳过)我们可以从生活中的一些物与物之间的逻辑关系更好地理解上面的数据逻辑结构。线性结构比如火车车厢的关系、或者一群小孩子拉着手围成圈做游戏,每一个个体都只有两只手去拉别人,在离散数学图论中,可以将它们看作每个节点最多有且只能有一个入度和一个出度;树形结构,比如我们中学历史课本上的附庸关系、工作中的严格上下级关系等,每个人只有一个直系长官,每个长官下面可以有多个下属,每个节点能有一个入度和多个出度;网状结构,比如开party,所有人随机和别人谈话,节点的入初度不严格规定,每个节点可以有多个入度和多个出度

    3.数据的存储结构:

    • 顺序存储方法:该方法就是将逻辑上相邻的点存储在物理上也表示相邻,节点间的相邻关系由存储上的相邻关系体现。一般用数组实现。
    • 链接存储方法:该方法不要求逻辑上相邻的点存储在物理上也相邻,节点间的相邻关系由附加的指针字段表示的,得到的存储表示成为链式存储结构。一般借用指针实现 。
    • 索引存储方法:该方法通常是在存储节点信息的基础上,还建立附加啊的索引表。索引表中的每一项称作索引项,索引项的一般关键形式是:(关键字,地址)。关键字唯一标识节点,地址做指向节点的指针。
    • 散列存储方法:该方法的基本思想是根据关键字直接计算出节点的存储地址。

    4.数据的运算

    数据的运算是在数据的逻辑结构定义的操作算法,如检索、插入、删除、更新和排序等。

    5.数据的类型

    • 原子类型:其值不可再分的数据类型,类比数据项记忆
    • 结构类型:其值可再分的数据类型,类比数据元素记忆
    • 抽象数据类型:抽象数据组织和与之相关的操作。

    6.数据的操作

    • 插入:在数据结构的指定位置上增添新的数据元素
    • 删除:删除数据结构中某位置的数据元素
    • 更新:改变某位置上数据元素的值,在概念上等价于删除和原位插入操作
    • 查找:在数据结构中查找某个满足特定要求的数据元素的位置或值
    • 排序:(在线性结构中)重新安排数据元素之间的逻辑顺序关系,使之按值由小到大或相反次序排列。

    更希望能在浏览的过程中,读者自己也能回忆,不停思考一个问题:“我能用几种算法完成以上操作,还有没有更优解?“博主在写代码的时候,只要ddl允许,会一直不停地去完善自己的算法和代码,怎样会更有序整洁些、怎样命名和注释别人看我的代码时会有一种赏心悦目的感觉、怎样优化下去耗时耗空间最小、怎样添加一些新奇有趣的小功能...心无旁骛地沉在里面,不要去纠结一些浅薄浮躁的声音。

    (三)算法和算法分析

    1.算法

    • 算法:算法是对某一问题求解步骤的描述,它是有限序列,每一条指令具有操作层面上的明确性。
    • 特点:(1)有穷性;(2)确定型;(3)可行性;(4)输入性:0或多个输入;(5)输出性:0或多个输出。
    • 算法设计的要求:(1)正确性;(2)可读性;(3)健壮性;(4)效率与低存储量要求

    2.算法效率的度量

    • 时间复杂度:一个语句的频度,是指该语句在算法中被重复执行的次数。算法中所有语句的频度之和记做 t(n),它是该算法求解问题规模n的函数。当问题无限大时,t(n)的数量级称为渐近时间复杂度,简称为时间复杂度,记作 t(n)=o(f(n)).
    • 空间复杂度:算法的空间复杂度s(n),定义为该算法耗费存储空间,它是问题规模为n的函数。渐进空间复杂度也常常称为空间复杂度,记作s(n)=o(f(n)).

    二、重难点

    • 重点:数据的逻辑结构、数据的存储结构、数据的运算三方面的概念及关系
    • 难点:分析算法的时间复杂度

    三、典例

    例1:设有数据结构line = (D,R),其中

    D={01,02,03,04,05,06,07,08,09,10},R={r},

    r={<05,01>,<01,03>,<03,08>,<08,02>,<02,07>,<07,04>,<04,06>,<06,09>,<09,10>}

    • 解答:线性,原因:定义,一一对应关系
    • 选择此题的原因:熟悉一下数据结构的表示方法,学会用图形解决问题。其余此类体型属于赘述,不予添加,有兴趣的道友自己看教材,找题目。

    例2:设n为整数,指出下列各算法的时间复杂度。

    - <1>:

    void 

    - <2>:

    void 

    - <3>:

    void 

    分析:

    <1>算法的时间复杂度由嵌套最深层的语句执行次数决定。prime算法的嵌套最深语句是“i++”,它的执行次数由条件(n%i)!=0 && i*0.1<sqrt(n)决定,所以看出执行次数小于sqrt(n),所以prime算法的时间复杂度是o(n^1/2^).

    <2>同上,嵌套最深语句是“p*=1;sum+=p;",执行n次,所以算法的时间复杂度是o(n).

    <3>同理,嵌套最深语句是”p*=j",外层每循环一次,内层语句执行n次,外层一共循环n次,所以sum2的算法时间复杂度为o(n^2^).

    • 决定时间复杂度的主要是循环,要分析时间复杂度,应从循环入手。
    展开全文
  • 在机器学习的实践中,我们通常会遇到样本数据中正负样本比例不平衡的情况,也叫数据倾斜。在二分类问题中经常遇到这种情况,如垃圾邮件的分类;在目标检测中,也经常遇到数据不平衡的情况,检测器需要在每张图像中...

    1. 什么是类别不平衡问题
    在机器学习的实践中,我们通常会遇到样本数据中正负样本比例不平衡的情况,也叫数据倾斜。在二分类问题中经常遇到这种情况,如垃圾邮件的分类;在目标检测中,也经常遇到数据不平衡的情况,检测器需要在每张图像中评价一万个到十万个候选位置,然而其中只有很少的点真的含有目标物体。这就导致了训练效率低下和简单的负面样本引发整个模型表现下降的问题。
    2.如何解决不平衡问题
    从数据角度
    (1)主动获取:获取更多的少量样本数据
    针对少量样本数据,可以尽可能去扩大这些少量样本的数据集,或者尽可能去增加他们特有的特征来丰富数据的多样性。譬如,如果是一个情感分析项目,在分析数据比例时发现负样本(消极情感)的样本数量较少,那么我们可以尽可能在网站中搜集更多的负样本数量。
    (2)算法采样:上采样、下采样、生成合成数据
    ADASYN采样方法:
    ADASYN为样本较少的类生成合成数据,其生成的数据与更容易学习的样本相比,更难学习。基本思想是根据学习难度的不同,对不同的少数类的样本使用加权分布。其中,更难学习的少数类的样本比那些更容易学习的少数类的样本要产生更多的合成数据。因此,ADASYN方法通过以下两种方式改善了数据分布的学习:(1)减少由于类别不平衡带来的偏差;(2)自适应地将分类决策边界转移到困难的例子。
    SMOTE采样方法:
    从少数类创建新的合成点,以增加其基数。但是SMOTE算法也有一定的局限性。具体有两项,一是在近邻选择时,存在一定的盲目性。在算法执行过程中,需要确定K值,即选择几个近邻样本,这个需要根据具体的实验数据和实验人自己解决。二是该算法无法克服非平衡数据集的数据分布问题,容易产生分布边缘化的问题。由于负类样本的分布决定了其可选择的近邻,如果一个负类样本处在负类样本的边缘,则由此负类样本和近邻样本产生的样本也会处在边缘,从而无法确定正负类的分类边界。下图是以前做的一个项目应用个各种采样方法做数据增强的情况。(效果不明显,因为原始数据的分布重合太明显,可视化不容易显示出效果)
    (3)数据增强:加噪音增强模型鲁棒性、对不同性质的数据也可以做不同的augmentation
    (4)改变权重:设定惩罚因子,如libsvm等算法里设置的正负样本的权重项等。惩罚多样本类别,其实还可以加权少样本类别
    注意:在选择采样法事需要注意一个问题,如果你的实际数据是数据不平衡的,在训练模型时发现效果不好,于是采取了采样法平衡的数据的比例再来进行训练,然后去测试数据上预测,这个时候算法的效果是否会有偏差呢?此时你的训练样本的分布与测试样本的分布已经发生了改变,这样做反而会产生不好的效果。在实际情况中,我们尽可能的需要保持训练和测试的样本的概率分布是一致的,如果测试样本的分布是不平衡的,那么训练样本尽可能与测试样本的分布保持一致,哪怕拿到手的是已经清洗和做过预处理后的平衡的数据。具体原因感兴趣的可以仔细思考一下。

    从评价指标角度
    (1)谨慎选择AUC作为评价指标:对于数据极端不平衡时,可以观察观察不同算法在同一份数据下的训练结果的precision和recall,这样做有两个好处,一是可以了解不同算法对于数据的敏感程度,二是可以明确采取哪种评价指标更合适。针对机器学习中的数据不平衡问题,建议更多PR(Precision-Recall曲线),而非ROC曲线,具体原因画图即可得知,如果采用ROC曲线来作为评价指标,很容易因为AUC值高而忽略实际对少两样本的效果其实并不理想的情况。
    (2)不要只看Accuracy:Accuracy可以说是最模糊的一个指标了,因为这个指标高可能压根就不能代表业务的效果好,在实际生产中,我们可能更关注precision/recall/mAP等具体的指标,具体侧重那个指标,得结合实际情况看。

    从算法角度
    (1)选择对数据倾斜相对不敏感的算法。如树模型等。
    (2)集成学习(Ensemble集成算法)。首先从多数类中独立随机抽取出若干子集,将每个子集与少数类数据联合起来训练生成多个基分类器,再加权组成新的分类器,如加法模型、Adaboost、随机森林等。
    (3)将任务转换成异常检测问题。譬如有这样一个项目,需要从高压线的航拍图片中,将松动的螺丝/零件判断为待检测站点,即负样本,其他作为正样本,这样来看,数据倾斜是非常严重的,而且在图像质量一般的情况下小物体检测的难度较大,所以不如将其转换为无监督的异常检测算法,不用过多的去考虑将数据转换为平衡问题来解决。

    目标检测中的不平衡问题的进展
    1.GHM_Detection
    论文:https://arvix.org/pdf/1811.05181.pdf
    github:https://github.com/libuyu/GHM_Detection
    本文是香港中文大学发表于 AAAI 2019 的工作,文章从梯度的角度解决样本中常见的正负样本不均衡的问题。从梯度的角度给计算 loss 的样本加权,相比与 OHEM 的硬截断,这种思路和 Focal Loss 一样属于软截断。
    文章设计的思路不仅可以用于分类 loss 改进,对回归 loss 也很容易进行嵌入。不需要考虑 Focal Loss 的超参设计问题,同时文章提出的方法效果比 Focal Loss 更好。创新点相当于 FL 的下一步方案,给出了解决 class-imbalance 的另一种思路,开了一条路,估计下一步会有很多这方面的 paper 出现。

    2.Focal Loss for Dense Object Detection
    论文:
    Focal Loss:https://arxiv.org/abs/1708.02002
    RetinaNet:https://github.com/unsky/RetinaNet
    github:https://github.com/unsky/focal-loss
    本文通过重塑标准交叉熵损失来解决这一类不平衡问题。他们的想法是降低简单的负面样本所占的权重,所以他们提出的焦点损失(Focal Loss)方法将训练集中在一系列难点上,并且防止了大量的简单负面例子在训练过程中阻碍探测器学习。如上图,参数 γ 的值选择得越大,模型就会对已经得到了很好的分类的样本忽略得越多,越专注于难的样本的学习。这样的机制就让他们的检测器在密集对象检测这样的真实正面样本比例很低的情况下取得了很高的准确率。对于应对样本不平衡问题的关键方法“焦距损失”,作者们在论文中还提出了两种不同的表现形式,都起到了很好的效果.

    3.在线困难样例挖掘(online hard example mining, OHEM)
    目标检测的另一个问题是类别不平衡,图像中大部分的区域是不包含目标的,而只有小部分区域包含目标。此外,不同目标的检测难度也有很大差异,绝大部分的目标很容易被检测到,而有一小部分目标却十分困难。OHEM和Boosting的思路类似,其根据损失值将所有候选区域进行排序,并选择损失值最高的一部分候选区域进行优化,使网络更关注于图像中更困难的目标。此外,为了避免选到相互重叠很大的候选区域,OHEM对候选区域根据损失值进行NMS。
    总之,针对数据不平衡问题,有多重解决方式,但是不能为了解决这个问题就去改变数据的真实分布来得到更好的结果,可以从算法、loss function的设计等等多种角度来选择解决数据不平衡的方法。

    展开全文
  • 才用来存储实际的数据,在页的最后是数据行偏移数组,也可以“页槽”数组,我们可以把一个页看做是有一个个方格的书橱,哪行数据占用了哪个槽,都在页尾的位置进行标示,并且页尾数组的写入顺序是倒叙的,这样就...
  • 答案就是:使用简道云的数据工厂功能数据工厂可以将分散的数据整合到一起,再进行汇总计算。比如:在计算工人的工资时,既需要工人产量来计算工资,也需要考勤信息来判断是否可以获得奖励。举几个实际应用的例子:...

    看完这篇文章,你不仅可以一键计算员工工资,甚至可以实现工资自动更新!

    6e960021e0c6bff1b412ae0a87d3472a.png

    答案就是:使用简道云的数据工厂功能

    数据工厂可以将分散的数据整合到一起,再进行汇总计算。比如:

    在计算工人的工资时,既需要工人产量来计算工资,也需要考勤信息来判断是否可以获得奖励。


    举几个实际应用的例子:

    门店零售:TATA木门灵活计算销售工资

    TATA木门天津分公司销售人员的浮动提成主要由3部分组成:

    店面提成部分、组提成部分、个人提成部分,同时每部分再根据完成率设有不同的提点梯度。每月使用excel计算过程非常复杂还易出错。

    将工资计算转移到数据工厂后,在数据工厂内设置好计算规则:

    3842c2a654c1c372d19204b7cbb58d7a.png

    TATA木门在数据工厂内设置的计算规则

    每月,销售人员的工资可以快速计算得出,并自动更新在汇总表内,不但减少了人力、避免了误差,而且绩效提成随时可查,大大提高了员工积极性。

    34dc24070fa9b68f089fdbadc0a15814.png

    销售人员打开手机可以随时查看工资概况,查询过程变得方便省力


    生产制造:史丹利百得结合KPI计算工资

    史丹利百得(深圳)由于生产业务的复杂性,需要考量生产数、考勤、FSA退货次数等11种因素,使得每月的KPI计算需要耗费大量时间。

    鉴于此,史丹利百得(深圳)按照KPI要求,在数据工厂内设计计算规则,让每月的生产、考勤、退货、6S等节点数据在数据工厂内自动整合计算,计算结果在仪表盘内实时更新、以供成员查看。

    8e21bc679d6073a34599616860c6e994.png

    史丹利在数据工厂内设置的计算规则

    3ef43a90485c4062dab64739ca768a01.png

    考勤汇总

    e494710ae5ad3bf0610473fd7c28b525.png

    KPI计算结果展示与查询

    这一操作大大提高了管理效率,将人力从数据堆中解放出来。


    0391d2a408693d1dc184a2276fc8f8b5.png

    转发关注我,私信关键词“工资条”,获取【线上工资条安装模板】

    展开全文
  • 京东面经汇总

    2019-12-10 16:38:00
    作者:我大表哥链接:https://www.nowcoder.com/discuss/202525来源:牛客网 自我介绍 排序有哪些,你比较熟哪些?... 数据结构中散列表说一下?Hash冲突有什么解决方法? Http有哪些方法? 你说get是幂等的...

    作者:叫我大表哥
    链接:https://www.nowcoder.com/discuss/202525
    来源:牛客网

    自我介绍
    排序有哪些,你比较熟哪些?
    什么排序O(N2),什么排序O(NlogN),什么排序稳定,什么排序不稳定
    快排,归并原理,可以做到稳定吗
    数据结构中散列表说一下?Hash冲突有什么解决方法?
    Http有哪些方法?
    你说get是幂等的,幂等是你怎么理解?
    post呢?post幂等吗?
    put什么意思,说说,header呢?
    java容器框架整体架构,说一下?
    spring了解吗,说一下你IOC和AOP的实践?
    MVC是什么,说一下?
    HashMap你知道吗?(我知道啊,源码级别),rehash时机,rehash过程??
    你看过什么源码?有什么收获?印象最深的是什么? 
     作者:一提到学习我就犯困
    链接:https://www.nowcoder.com/discuss/199972
    来源:牛客网

    京东大佬还是很直接的,直接上问题,不聊天哈哈,自我介绍都不给。
    回答的一塌糊涂,最后没有反问环节就结束了。
    好了,有一部问题忘记了。
    1.说一说栈和堆
    2.异常你了解吗?有哪些?
    3.springmvc里session和cookie有什么联系?
    4.hashmap的底层原理,如何实现?
    5.HTTP协议你了解吗?
    6.线程和进程 的区别?
    7.线程实现的方式?继承Thread类和实现Runale接口有什么不同
    8.线程同步机制是如何实现的?sychronized加在一个非静态方法上面,是加在什么位置(提示了标记位,没明白啥意思)
    9.main方法中String[] args为什么要使用String?main方法的返回值为什么是void?
    10.一个情景怎么实现(linux的问题)
    11.msyql索引了解吗?
    12.设计模式了解吗?
    展开全文
  • 面试题汇总

    2020-06-15 18:42:15
    (1)首先要了解什么是mock,即自己写个接口模拟,就mock (2)文档上怎么加密的,则自己的代码照着怎么写加密,返回数据的时候先加密,再返回。 2、接口相关的常见问题:mock,加解密, sign 签名,鉴权 3、如何...
  • 什么是重复值顾名思义,重复值是指一组数据中有重复记录,去除这些重复的记录就去除重复值,具体有两种情况:源数据如图去重后结果一:所有在源数据中出现过二次及以上的记录均已经去除,结果二指,结果数据表示...
  • mysql索引知识点汇总

    2018-09-08 18:05:15
    1.什么叫数据库索引? 答:索引是对数据库中一列或者多列的值进行排序的一种数据结构。重点:对列的值进行排序的数据结构。 使用索引可以快速访问数据库中的记录 2.索引的主要用途是什么? 答:执行select语句...
  • PHP专业面试题汇总

    2017-08-16 15:54:10
    PHP的运行环境最优搭配为Apache+MySQL+PHP,此运行环境可以在不同操作系统(例如windows、Linux等)上配置,不受操作系统的限制,所以跨平台 2、WEB开发中数据提交方式有几种?有什么区别?百度使用哪种方式? ...
  • 2018年PHP问题汇总

    2018-12-15 13:06:58
    “事件一般是指数据库操作和模型操作在完成数据写入之后的回调机制。 数据库操作的回调也称为查询事件,是针对数据库的CURD操作而设计的回调方法”。 4. PostgreSQL和MySQL,主要针对数据库全文查询情况下的区别...
  • 今天下午被领导临时回并在公司测了点新增功能的东西,然后把测出的系统问题做了问题汇总,以下为动环监控页面的问题汇总: 2、动环告警监控页面 1、两图数据一致,展现结果却不一致,饼状图未做告警等级区分(已...
  • 1.什么叫js ​ js是一门基于对象的、事件驱动的,解释性脚本语言 2.js的组成 ECMAScript js的语法标准 DOM:document object model html文档 对象 模型 DOM提供了一些操作html文档的方法 BOM:browser object model...
  • 爬虫技术一、什么是网络爬虫:网络爬虫(web crawler),也网络蜘蛛(spider),是一种用来自动浏览万维网的网络机器人。其目的一般为编纂网络索引。二、爬虫分类:主要分为以下三类:1、小规模,数据量小,爬取速度不...
  • ES的数据类型

    2020-08-07 10:45:39
    ES的数据类型汇总 ES数据类型汇总图(注意标红的类型) 从上图可以看到ES的数据类型和mysql或MongoDB的是很相似的,所以对于有数据结构基础的伙伴...而 text 和 keyword 的区别就在于是否分词(ps:什么叫分词?...
  • 3.a表左连接b表,b表左连接c表,c表左连接a表,这样的数据什么数据(博主当时有点懵,回答全连接,全部数据会出来。。。) 4.sql:一个班的学生有两个字段,一个字段分数,另外一个字段组名,有4个组,查出每...
  • ATMEGA16 IOport相关汇总

    2015-07-27 19:29:00
    DDRX也被称为数据方向寄存器、PORTX所谓数据寄存器、PINXport输入引脚。 DDRX的作用: 当DDRX = 0时。表示的是某port的引脚为输入;当DDRX = 0xff时表示某port的引脚为输出。 引脚的状态:输入或者输出是依据...
  • 如果子域名和顶级域名不同源,在哪里可以设置他们同源 如何设置可以跨域请求数据?jsonp是做什么的? Ajax Ajax是否遵循同源策略? json注入如何利用 浏览器策略 不同浏览器之间,安全策略有哪些不同,比如...
  • 数据驱动,也双向数据绑定。 Vue.js数据观测原理在技术实现上,利用的是ES5Object.defineProperty和存储器属性: getter和setter(所以只兼容IE9及以上版本),可称为基于... 组件系统。 vue组件的核心选项: 2.请说出...
  • 什么叫数据库索引?答:索引是对数据库中一列或者多列的值进行排序的一种数据结构。重点:对列的值进行排序的数据结构。使用索引可以快速访问数据库中的记录2.索引的主要用途是什么?答:执行select语句时候会使用...
  • 叫什么名字,来自哪里,本科哪个学校,硕士哪个学校,大数据做了多长时间,对Hadoop生态圈以及Spark生态圈中的哪些技术比较了解(很简单的一句就带过了),说完大概2min 2)技术部分 (1)让我介绍下Sqoop,说他没...
  • PHP的运行环境最优搭配为Apache+MySQL+PHP,此运行环境可以在不同操作系统(例如windows、Linux等)上配置,不受操作系统的限制,所以跨平台2、WEB开发中数据提交方式有几种?有什么区别?百度使用哪种方式?Get与post...
  • Domain解释一下同源策略同源策略,那些东西是同源可以获取到的如果子域名和顶级域名不同源,在哪里可以设置他们同源如何设置可以跨域请求数据?jsonp是做什么的?AjaxAjax是否遵循同源策略?json注入如何利用...
  • 如果子域名和顶级域名不同源,在哪里可以设置他们同源 如何设置可以跨域请求数据?jsonp是做什么的? Ajax Ajax是否遵循同源策略? json注入如何利用 浏览器策略 不同浏览器之间,安全策略有哪些不同,比如...
  • 点击上方SQL数据库开发,关注获取SQL视频教程SQL专栏SQL基础知识汇总SQL高级知识汇总今天我们要介绍的这个数据恢复功能快照。什么是快照数据库快照是sql server 2005...
  • 数据运营思维导图

    2018-04-26 14:24:22
    数据运营 作用&意义 知错能改,善莫大焉 —错在哪里,数据分析告诉你 运筹帷幄,决胜千里 —怎么做好“运筹”,数据分析告诉你 以往鉴来,未卜先知 —怎么发现历史的规律以预测未来,数据分析告诉你 工作...

空空如也

空空如也

1 2 3 4 5
收藏数 95
精华内容 38
关键字:

数据汇总叫什么