强调一点的就是，在onMeasure(),onLayout(),onDraw()这三个流程中，Google已经帮我们把draw()过程框架已经写好了，自定义的ViewGroup只需要实现measure()过程和layout()过程即可。这三种情况，最终会直接或间接调用到三个函数，分别为invalidate()，requ...

netstat-ano|findstr31900 注意最后是pid堆栈的作用：　线程死锁分析　辅助CPU过高分析　线程资源不足分析　性能瓶颈分析　关键线程异常退出Windows：在运行java的控制台上按ctrl+break组合键_usefull?wait()——会释放监视锁sleep...

如果系统内存消耗越来越大，CPU越来越高，可能性最大的是系统存在内存泄露。是由于内存泄露导致的可用内存减少，当达到某一临界点的时候，会频繁导致虚拟机垃圾回收，而垃圾回收又是高CPU消耗操作，因此CPU使用率会上升。 这种问题最终造成的OutOfMemory，系统无法正常工作。  sqlse...

jprofiler，又是一款好工具。。。——不过显然，我觉得有了jvisualvm就足够了，难道它会比jvisualvm还强大很多！？？什么时候需要它呢？它有什么特别好用的地方吗？带来什么方便之处吗？ http://www.cnblogs.com/langtianya/p/317218...

 很多方式，比如jconsole、jvisualvm，或者jstack-as这样的形式，都可以看到实时的java堆栈的变化：edensuvirried0suvirried1oldpergangetmajorgcminorgc线程等等的变化， 但是，问题是，有了这些信息，我们能从中发现什么有价值的东西...

 有了mat、同时我们发现Java有提供jvisualvm， jvisualvm是一个不错的工具：heapdump、threaddump、cpu/memprofile无所不能。不过观察发现，对同一个java程序，其导出的hrof格式数据跟jmap导出的bin格式数据有所不同，比如String类的co...

 再次，研究了一个下午的jhat好jmap。从一开始惊呆、懵懂于那样大量而无聊乏味的数据，到现在有那么一点点收货。赶紧记录下来。没办法，悟性太低。。。 C:UsersAdministrator>jps1189612528JpsC:UsersAdministrator>jps1189619...

E:ElasticSearch搜索，简称esL:Logstash管理日志和事件的工具K:Kibana功能强大的数据显示客户端Beats轻量级数据传输组件，这里我们主要使用FileBeatelasticsearch-6.1.2.tar.gzlogstash-6.1.2.tar.gzkibana-6.1.2-linux-x...

其实我们可以完全不使用  context:property-placeholder ，而是使用 PropertySourcesPlaceholderConfigurer： <beanclass="org.springframework.context.suppor...

不难知道，property-placeholder的解析是 PropertyPlaceholderBeanDefinitionParser完成的，但是它仅仅是个parser，它仅仅是读取了location等配置属性，并没有完成真正的解析，及注册。<context:property-placeholder...

Hessian是一个rpc框架，我们需要先写一个服务端，然后在客户端远程的调用它即可。 服务端：服务端通常和spring做集成。首先写一个接口：publicinterfaceHelloService{voidsayHello(Stringname);}然后一个实现，实现使用@Service("helloSer...

以tomcat4为例，  每当HttpConnector的ServerSocket得到客户端的连接时，会创建一个Socket。接下来就处理这个Socket发来的数据。怎么处理呢？ 考虑到客户端同时发来的请求数可能有很多，所以tomcat中默认维护着一个连接池——最大...

python内置zipfileimportzipfile,oszipFile=zipfile.ZipFile(os.path.join(os.getcwd(),'txt.zip'))forfileinzipFile.namelist():zipFile.extract(file,r'd:/Work')zipFile.c...

1、在jmeter的master机器上使用如下方式启动远程IP地址2.2.2.2,3.3.3.3上的jmeterslave服务，执行到最后生成报告：shapache-jmeter-3.1/bin/jmeter.sh-n-t test.jmx-R2.2.2.2,3.3.3.3-jtest.log &n...

LDA（隐含狄利克雷分布）是一个主题聚类模型，是当前主题聚类领域最火、最有力的模型之中的一个，它能通过多轮迭代把特征向量集合按主题分类。眼下，广泛运用在文本主题聚类中。LDA的开源实现有非常多。眼下广泛使用、可以分布式并行处理大规模语料库的有微软的LightLDA，谷歌plda、plda+，sparkLDA等等。以下介...