为您找到搜索结果：375个
STM32学习笔记：BIN文件通过ST-LINK烧录STM32芯片
KEIL5在开发中还算是比较强大的一种平台。在开发中通过编译再下载会显得很方便。尽管这个是老生常谈的问题，但还是在这里补全这个设置步骤1.点击“魔法棒” 2.Debug设置 有时候，我们通过各种途径得到了一个bin或者hex文件（比如使用了embed在线编译器生成bin文件），那么我们应该怎么样把它烧录到板子中呢？下面介绍由ST官方下载器烧录bin或者hex到开发板的过程 烧录文件：BIN、或者HEX文件烧录方式：ST-LINK烧录芯片：STM32F429I 烧录准备： 1.开发板自带的一根USB线 2.官方烧录软件：STM32ST-LINKutility（下载需要登录账号）=================具体步骤： 1.安装烧录软件，后打开。 2.连接好开发板到电脑。 3.Target-->Connect （成功的结果） 4.Target-->Program&Verify 用Browse打开一个程序编译结果 最...
LINK : fatal error LNK1123: 转换到 COFF 期间失败: 文件无效或损坏
终极解决方案： VS2010在经历一些更新后，建立Win32 Console Project时会出“error LNK1123” 错误，解决方案为将 项目|项目属性|配置属性|清单工具|输入和输出|嵌入清单 “是”改为“否”即可，但是每次新建一个项目都要这样设置一次，很麻烦。在建立VS2010 Win32 Project项目时，按照上面解决方案依然发生了“error LNK1123”错误，经过上网查资料，解决方案为：第一步：与上相同。第二步：将 项目|项目属性|配置属性|连接器|清单文件|嵌入清单 “是”改为“否”。第三步：一般计算机经过上两步设置就能解决问题了，但是如果还有问题，那就按以下方法解决：计算机是否为64bit操作系统，如是，继续2。查找是否有两个cvtres.exe。一个是C:Program FilesMicrosoft Visual Studio 10.0vcincvtres.exe， ...
Ubuntu18.10 编译libevent出现错误： creating symbolic link XXXXXX : Operation not supported
今天在VirtualBox虚拟机下的Ubuntu18.10编译libevent源代码时，按照github中使用cmake方式：$mkdirbuild&&cdbuild$cmake…#DefaulttoUnixMakefiles.$make$makeverify#(optional)$makeinstall对源代码进行编译make时报错：creatingsymboliclinkXXXXXX:Operationnotsupported后来上网查找方法，原来是我是在Windows和Ubuntu18.10的共享目录下存放源代码，然后进行编译的，之前也编译过其他源代码没有出现这个问题。创建链接不成功，要确认当前帐户下是否有权限在编译的目录中有创建链接的权限。我使用VirtualBox虚拟机，在windows10机器的共享目录中编译，无法创建链接，就会提示上面的错误。解决办法是，把源码复制到linux的本地目录中，比如/home等，在本地目录中编译就不会有这个问题。...
使用 Edit + MASM 5.0 编译器 + Linker 连接器
其实这种方式是很简单的，只是很麻烦，因为简单而且麻烦，所以我采用尽可能的将截图传上来，然后稍加注解的方式进行介绍，软件准备：需要MASM5.0或者以上的汇编编译器首先，是要编辑汇编源代码：其实对于源码的编辑根本不需要向如下这么麻烦，直接拿个记事本就OK了运行cmd命令输入Edit命令从而弹出汇编源码编辑框在源码输入框中输入汇编源码将编辑好的汇编源码保存到xx.asm文件中然后就是要编译编辑好的汇编源代码在Dos环境下进入到 MASM5.0 汇编编译器所在的目录然后运行masm.exe可以从上面的截图中看到 [.ASM] 的标记，这个标记代表的是需要在这里输入要编译的源程序文件名，这里有一点特别的是，由于默认的文件扩展名为.asm，所以在编译.asm的汇编源程序时可以不用指定源程序所在文件的扩展名。我们将一开始编辑好的汇编源程序所在的文件输入以进行编译指定文件所在路径后按 Enter 键此时可以看到编译器提示需要输入要编译出的目标文件的名称，由于在一开始已经指定了BoyXiao.asm，所以编译器自动指定了目标文件的名称为Boy...
Linux Kernel系列三：Kernel编译和链接中的linker script语法详解
先要讲讲这个问题是怎么来的。（咱们在分析一个技术的时候，先要考虑它是想解决什么问题，或者学习新知识的时候，要清楚这个知识的目的是什么）。我在编译内核的时候，发现arch/arm/kernel目录下有一个这样的文件：vmlinux.lds.S。第一眼看上去，想想是不是汇编文件呢？打开一看，好像不是。那它是干嘛的？而且前面已经说过，makeV=1的时候，发现这个文件的用处在ld命令中，即ld-Tvmlinux.lds.S，好像是链接命令用的，如下所示如arm-linux-ld-EL-p--no-undefined-X--build-id-ovmlinux-Tarch/arm/kernel/vmlinux.lds。manld，得到-T的意思是：为ld指定一个Linkerscript，意思是ld根据这个文件的内容来生成最终的二进制。也许上面这个问题，你从没关注过，但是在研究内核代码的时候，常常有地方说“__init宏会在最后的模块中生成一个特定的section，然后kernel加载的时候，寻找这个section中的函数”，说白了，上面这句话就是说最后生成的模块中，有一个特定的section，这...
css 样式引入的方法 link 与import的区别
<link> 元素所参考的样式用户可以自由的选择加以改变，而导入的样式表单就自动的与剩下的样式表融合在一起了CSS与HTML文档结合的4中方法：1使用<link>元素链接到外部的样式文件2在<head>元素中使用"style"元素来指定3使用CSS"@import"标记来导入样式表单4在<body>内部的元素中使用"style"属性来定义样式1用link进行引用<linkrel="stylesheet"type="text/css"href="my.css">2用import进行引用<styletype="text/css"> @importurl(my.css);</style>第一种是直接在html页面上进行css书写，而第二种和第三种是采用外部引用样式单独提取文件。link和@import有什么区别？link元素HTML和XHTML都有一个结构，它使网页作者可以增加于HTML文档相关的额外信息。这些额外资源...
[LeetCode] Longest Substring Without Repeating Characters (LinkedHashSet的妙用)
Givenastring,findthelengthofthelongestsubstringwithoutrepeatingcharacters.Forexample,thelongestsubstringwithoutrepeatinglettersfor"abcabcbb"is"abc",whichthelengthis3.For"bbbbb"thelongestsubstringis"b",withthelengthof1.涉及longestsubstring的题目一般都有着明显的DP特征。这题的一种一维DP思路是：将全部不反复的子字符串按结尾的数组下标分类，让maxEndsWith[i]表示字符串的结尾以i为数组下标，并取最长长度。对于一个给定的不存在反复字符的字符串。以及一个试图在尾部新添的字符：1）假设新添字符并不跟所给字符串里的字符反复，那么最长长度加1，即maxEndsWith[i]=maxEnds[i-1]+1。2）假设新加入反复，那么加入此字符的代价是要删除之前的反复字符。以及...
Flink 靠什么征服饿了么工程师？
Flink靠什么征服饿了么工程师？2018-08-13 易伟平阿里妹导读：本文将为大家展示饿了么大数据平台在实时计算方面所做的工作，以及计算引擎的演变之路，你可以借此了解Storm、Spark、Flink的优缺点。如何选择一个合适的实时计算引擎？Flink凭借何种优势成为饿了么首选？本文将带你一一解开谜题。 平台现状 下面是目前饿了么平台现状架构图： 来源于多个数据源的数据写到kafka里，计算引擎主要是Storm,Spark和Flink，计算引擎出来的结果数据再落地到各种存储上。 目前Storm任务大概有100多个，Spark任务有50个左右，Flink暂时还比较少。 目前我们集群规模每天数据量有60TB，计算次数有1000000000，节点有400个。这里要提一下，Spark和Flink都是onyarn的，其中Flinkonyarn主要是用作任务间jobmanager隔离，Storm是standalone模式。 应用场景 1.一致性语义 在讲述我们应用场景之...
如何利用Flink实现超大规模用户行为分析
各位晚上好，首先感谢大家参与我的这次主题分享，同时也感谢InfoQAI前线组织这次瀚思科技主题月！瀚思科技成立于2014年，按行业划分我们是一家安全公司。但和大家熟知的卖杀毒软件或者防火墙的传统安全公司不同。瀚思科技帮助各种中大型企业搭建安全大数据的分析平台，平台上应用的安全分析策略深度结合了多种机器学习算法，最终帮助企业定位与揭示各种安全问题。所以我们自己定位是一家安全+大数据+AI的公司。言归正传，今天的分享主题是：基于Flink流处理的动态实时大规模用户行为分析今天的分享主要包括四大部分：1）网络安全中的用户行为分析（简称UBA）；2）实时超大规模用户行为分析的技术挑战；3）Drools规则引擎在CEP中的应用；4）Flink原生CEP组件。首先，我们先明确一个概念，什么是网络安全中的用户行为分析？简而言之，用户行为分析是通过分析用户数据（例如交易数据，用户登录数据），找出异常行为以检测外部及内部人士的攻击活动。举例来说，外部攻击通常是由外部黑客通过破解VPN密码并夺取员工帐户的方式实现。而内部攻击则往往表现为心存不满的或者即将离职的员工对敏感信息的窃取。...
Flink及主流流框架spark,storm比较
IT刊百家号17-05-2220:16引言随着大数据时代的来临，大数据产品层出不穷。我们最近也对一款业内非常火的大数据产品-ApacheFlink做了调研，今天与大家分享一下。ApacheFlink(以下简称flink)是一个旨在提供‘一站式’的分布式开源数据处理框架。是不是听起来很像spark？没错，两者都希望提供一个统一功能的计算平台给用户。虽然目标非常类似，但是flink在实现上和spark存在着很大的区别，flink是一个面向流的处理框架，输入在flink中是无界的，流数据是flink中的头等公民。说到这里，大家一定觉得flink和storm有几分相似，确实是这样。那么有spark和storm这样成熟的计算框架存在，为什么flink还能占有一席之地呢？今天我们就从流处理的角度将flink和这两个框架进行一些分析和比较。1本文的流框架基于的实现方式本文涉及的流框架基于的实现方式分为两大类。第一类是NativeStreaming，这类引擎中所有的data在到来的时候就会被立即处理，一条接着一条（HINT：狭隘的来说是一条接着一条，但流引擎有时会为...
深入理解Apache Flink核心技术
2016年02月18日17:04:03 阅读数：1936 标签： Apache-Flink数据流程序员JVM 版权声明：本文为博主原创文章，未经博主允许不得转载。https://blog.csdn.net/heyc861221/article/details/80121861作者：李呈祥 作者简介：IntelBigDataTeam软件工程师，主要关注大数据计算框架与SQL引擎的性能优化，ApacheHiveCommitter，ApacheFlinkContributor。 责任编辑：仲浩（zhonghao@csdn.net） 文章来源：《程序员》2月期 版权声明：本文为《程序员》原创文章，未经允许不得转载，订阅2016年《程序员》请点击 http://dingyue.programmer.com.cnApacheFlink（下简称Flink）项目是大数据处理领域最近冉冉升起的一颗新星，其不同于其他大数据项目的诸多特性吸引了越来越多人的关注。本文将深入分析Flink的一些关键技术与特性，希望能够帮助...
Airbnb/Apache Superset – the open source dashboards and visualization tool – first impressions and link to a demo
https://assemblinganalytics.com/post/airbnbapache-superset-first-impressions-and-link-to-a-demo/TodayIspentsometimelookingintoSuperset,theanalyticsandBIopensourcetoolfromAirbnbwhichisnowbeingincubatedintoApache.SupersetisintotheTableauandPowerBIarenaanditisquitematurealready,matureenoughforbusinessuserstoo(thoughnotascustomizableasothersolutions). YoucantrySupersetyourselfbyvisitingthedemoIsetupat superset.assemblinganalytics.com (userandpassword“demo”).Supersetdashboa...
hadoop之Spark强有力竞争者Flink,Spark与Flink：对比与分析
hadoop之Spark强有力竞争者Flink,Spark与Flink：对比与分析Spark是一种快速、通用的计算集群系统，Spark提出的最主要抽象概念是弹性分布式数据集(RDD)，它是一个元素集合，划分到集群的各个节点上，可以被并行操作。而Flink是可扩展的批处理和流式数据处理的数据处理平台。ApacheFlink，apache顶级项目，是一个高效、分布式、基于Java实现的通用大数据分析引擎，它具有分布式MapReduce一类平台的高效性、灵活性和扩展性以及并行数据库查询优化方案，它支持批量和基于流的数据分析，且提供了基于Java，Python和Scala的API，跟ApacheSpark非常类似，官网链接：https://flink.apache.orgSpark和Flink都支持实时计算，且都可基于内存计算（spark是伪实时的分片技术，只能按每秒分片技术，不能每条数据都实时技术，flink和storm可以）。Spark后面最重要的核心组件仍然是SparkSQL，而在未来几次发布中，除了性能上更加优化外（包括代码生成和快速Join操作），还要提供对SQL语句的扩展和更好地集...