收藏 / 列表

lengxi_16 頭像

ERP老兵_冷溪虎山 - Python/JS/Go/Java同步學習(第二十篇)四語言“列表遍歷“對照表

🤝 免罵聲明： 本文列表遍歷操作經本蜀黎實戰整理，旨在提供快速參考指南📝 因各語言版本迭代及不同系統環境差異，偶爾可能出現整理不全面之處，實屬正常✅ 歡迎理性交流補充，噴子勿噴——畢竟你行你上來寫，我敬你是條漢子,告訴我的你原文鏈接,我給你一鍵三連+轉發👍！ 若遇具體問題，請帶圖評論區留言，本蜀黎必拔碼相助🤝 JS列表遍歷深坑跟面試高頻和生產環境

node.js , JAVA , go , Javascript , Python

hankin_liu 頭像

Hankin_Liu收徒 - 手把手教你縮減 系統內存，性能測試/調優必備技能

在做軟件產品的性能測試時，有時需要限定系統的資源，比如CPU核數、內存大小、硬盤大小等，本文將要學習如何調整Linux服務器的可用內存大小。 查看當前系統的內存 通過以下命令可以查看當前系統的內存大小。 [root@ZX-B3775-16d292 ~]# free -h total used free shared buff/ca

性能測試 , 內存 , Linux

xingchendahai_68d7dff410962 頭像

星辰大海 - “c++”基本介紹與講解

1，什麼是“c++”？ C++的發展歷程是一個不斷演進和完善的過程，以下是其主要發展階段： 起源（1979–1985）：1979年，Bjarne Stroustrup在貝爾實驗室開始給C加入類，受Simula面向對象思想影響，用於系統編程和網絡仿真，最初稱為“C with Classes”。1983年，語言名字正式變為C++，象徵在C基礎上“自增”，此時具備了class、inline、//註釋

c++

chencaize 頭像

點墨 - likely()/unlikely()宏的編譯器優化機制分析

引言 在Linux內核源碼中，我們經常看到if(likely(condition))和if(unlikely(condition))這樣的代碼結構。這些宏通過指導編譯器進行分支預測優化，可以顯著提升程序性能。本文將深入分析其工作原理，並通過彙編代碼展示實際優化效果。 核心原理 likely()和unlikely()宏的本質是調用GCC內置函數： #define likely(x) __buil

likely-unlikely , 編譯 , Linux , 優化

kedixa 頭像

kedixa - Coke（一）：優秀的C++ Workflow支持協程啦

Coke（一）：你好，世界 C++ Workflow是一款高性能的異步編程範式，自Github開源以來，已經收貨了一萬多枚Star，得到了越來越多的認可。 Coke項目是一個高性能的協程庫，基於C++ 20提供的協程組件開發，提供一組簡潔的異步接口，而其後台則是由C++ Workflow強力驅動。使用Coke可以輕鬆地創建協程任務，並通過C++ Workflow的調度器高效地調度和執行，Coke希

協程 , c++

hedzr 頭像

hedzr - 談 C++17 裏的 FlyWeight 模式

回顧享元模式，考慮實作它的各種問題。 Prologue 略過 FlyWeight Pattern 理論 享元模式，是將複雜對象的相同的組成元素抽出並單獨維護的一種結構型設計模式。這些相同的組成元素被稱為共享元件，它們在一個單獨的容器中被唯一性地管理，而複雜對象只需持有到該唯一實例的參考，而無需重複創建這樣的相同的元素，從而能夠大幅度地削減內存佔用。 以字處理器為例，每個字符都具有獨立的、區別於其它

c++11 , 設計模式 , design-pattern , c++ , c++17

caisekongbai 頭像

小萬哥 - C# 繼承、多態性、抽象和接口詳解：從入門到精通

C# 繼承 在 C# 中，可以將字段和方法從一個類繼承到另一個類。我們將“繼承概念”分為兩類： 派生類（子類） - 從另一個類繼承的類 基類（父類） - 被繼承的類 要從一個類繼承，使用 : 符號。 在以下示例中，Car 類（子類）繼承了 Vehicle 類（父類）的字段和方法： 示例 class Vehicle // 基類（父類） { public string brand = "

服務器 , c# , 程序員 , 後端 , asp.net

lizhuo6 頭像

oioihoii - C++語言演進之路：從“C with Classes”到現代編程基石

從貝爾實驗室的雛形到ISO標準，一門語言如何塑造了數字世界的底層根基。 C++語言的發展史是計算機軟件工程領域一部波瀾壯闊的史詩。從1979年誕生至今，它已從貝爾實驗室的一個實驗性項目，成長為支撐全球數字基礎設施的核心力量。 根據GitHub Octoverse 2025的數據，C++依然是構成全球近80%新項目的六大核心語言之一，是名副其實的“現代開發基石”。

jar , 後端開發 , 計算機科學 , harmonyos , 移動語義

u_16747707 頭像

自由的瘋 - 《分佈式 + 國產數據庫 + Docker：技術選型避坑指南》（十三）

一、為什麼需要自定義限流？基礎限流的侷限性 在第六篇基礎限流中，我們配置了 “GET:/user/get/{id}接口 QPS=20” 的規則，但實際業務場景存在更多精細化需求： 場景 1：限制單個用户（如 user_id=100）每秒最多調用 3 次訂單創建接口，避免惡意刷單； 場景 2：限制單個 IP（如 192.168.1.10）每秒最多訪問

限流 , yyds乾貨盤點 , ip , 自定義 , 後端開發 , JAVA

jkkang 頭像

小康 - 別再被多線程搞暈了！一篇文章輕鬆搞懂 Linux 多線程同步!

前言 大家有沒有遇到過，代碼跑着跑着，線程突然搶資源搶瘋了？其實，這都是“多線程同步”在作怪。多線程同步是個老生常談的話題，可每次真正要處理時還是讓人頭疼。這篇文章，帶你從頭到尾掌握 Linux 的多線程同步，把概念講成大白話，讓你看了不再迷糊，還能拿出來裝一裝逼！不管是“鎖”、“信號量”，還是“條件變量”，我們都一網打盡，趕緊點贊收藏，一文搞懂！ 一、什麼是線程同步？——“排隊來操作，按規矩走”

linux編程 , c++ , 多線程

wodekouwei 頭像

輕口味 - webrtc模塊管理

對於實時音視頻應用來講，媒體數據從採集到渲染，在數據流水線上依次完成一系列處理。流水線由不同的功能模塊組成，彼此分工協作：數據採集模塊負責從攝像頭/麥克風採集音視頻數據，編解碼模塊負責對數據進行編解碼，RTP模塊負責數據打包和解包。數據流水線上的數據處理速度是影響應用實時性的最重要因素。與此同時，從服務質量保證角度講，應用需要知道數據流水線的運行狀態，如視頻採集模塊的實時幀率、當前網絡的實時速率、

音視頻 , webrtc

sherlocked93 頭像

SHERlocked93 - C++ 為什麼需要 extern "C"

在 C++ 調用 C 語言編譯器編譯的庫時，是不是經常遇到下面這個報錯： error LNK2019: 無法解析的外部符號 "int __cdecl add(int,int)" (?add@@YAHHH@Z)，函數 main 中引用了該符號 正如 《Effective C++》 開篇所説， C++ 是一個 C 語言、OO 風格、模板、STL 風格組成的語言聯邦，C++ 是可以直接引入 C 語言代碼

編譯 , 鏈接 , 面試 , c++

wunima 頭像

吳尼瑪 - C++面試題進階

1.問答題 class ClassA { public: virtual ~ ClassA(){}; virtual void FunctionA1(){}; void FonctionA2(){}; }; class ClassB { public: virtual void FunctionB1(){}; void FonctionB2(){}; };

面試 , 筆試 , c++

bug1412 頭像

1412 - 一次RPC請求過程

最近給SRPC項目寫幾篇學習文章，希望協助小夥伴通過這個輕量級的框架快速瞭解RPC相關內容。 本篇為第二篇，注重於解讀一次RPC請求的過程，是最簡單、最主幹的部分，而裏邊每一個層級怎麼做資源調度和複用都不會包括在內，因此有基礎的小夥伴可以直接跳讀源碼解析。 1. RPC概念簡述 SRPC項目地址：https://github.com/sogou/srpc 花一點點時間補充RPC的基本概

workflow , c++ , rpc , 開源

u_16985197 頭像

Plume岣七 - [STL]拒絕O(log N)!哈希表與unordered系列指南

數據結構的選型中，“高效查找與操作”始終是核心需求。當面對海量數據的插入、查詢場景時，基於紅黑樹實現的map/set雖能保證有序性，卻受限於O(log n)的時間複雜度，難以突破性能瓶頸。而哈希表及其衍生的unordered_map/unordered_set，憑藉“平均O(1)”的極致效率，成為解決這類問題的最優解之一。 為什麼哈希表能實現遠超紅黑樹的操作速度？unord

unordered_系列容器 , STL , 哈希衝突 , 哈希表 , c++ , 後端開發 , c

u_16492348 頭像

wx65950818d835e - 14: 基於卷積神經網絡（CNN）的超分算法

引言 卷積神經網絡（CNN）是深度學習中最成功的模型之一，廣泛應用於圖像分類、物體檢測等任務。隨着深度學習技術的發展，CNN在圖像超分辨率（SR）領域也取得了顯著進展。基於CNN的超分算法利用深度卷積網絡從低分辨率圖像中提取特徵，並通過層層卷積和反捲積層重建高分辨率圖像。本文將探討基於CNN的超分算法的原理、優勢和挑戰。 CNN在超分中的基本原理 CNN通過多層

卷積 , 圖像重建 , c++ , 後端開發 , 深度學習 , c

keen_626105e1ef632 頭像

瞿小凱 - 小凱15天快速講完c語言-簡單學習第二課

複習上一課 0.1 如何將一個十進制數轉為二進制數？ 整數部分：逆序取餘 小數部分：正向取整 例題：20.28 整數部分： 20/2 10 0 10/2 5 0 5/2 2 1 2/2 1 0 1/2 0 1 小數部分： 0.28*2 0.56 0 0.56*2 1.12 1 0.12*2..... 結果就是：10100

學習 , c++ , 學習方法 , c , 學習資料

u_16492406 頭像

mb65950ac695995 - 十一、物理系統與插幀：顯示層插值避免破壞仿真

物理引擎通常在固定步長計算。若直接以當前物理狀態渲染，幀率不穩定時會出現卡頓。顯示層插幀通過在兩次物理步之間插值位置與旋轉，獲得平滑視覺，同時保留物理精度。關鍵原則是插幀隻影響渲染，不修改物理狀態或碰撞檢測。 對於基於約束的系統（布料、繩索、軟體），插值需謹慎：簡單線性插值可能破壞物理一致性。可採用次級模擬或姿態外推減少誤差，或者僅對外觀網格插值（與物理代理分離）。在高速運

碰撞檢測 , c++ , 後端開發 , 物理引擎 , 插值 , c

_6375bdd01b3a4 頭像

葱 - 字符串

反轉字符串 leetcode.344 鏈接https://leetcode.cn/problems/... 解題方法：雙指針 l，r指針分別放在字符串的首尾兩端，每次交換兩個字符 每交換一次指針向中間移動一位 leetcode解題代碼 class Solution { public: void reverseString(vectorchar s) {

leetcode個人解題總結 , c++ , 數據結構與算法

ansurfen 頭像

Ansurfen - Hulo 語言開發分享 —— 調試器是如何工作的？

書接上回，在《Hulo 編程語言開發 —— 解釋器》一文中，我們介紹了Hulo 編程語言的解釋器。今天，讓我們深入探討編譯流程中的第四個關鍵環節——調試器。 調試器是編程語言開發中不可或缺的工具，它允許開發者暫停程序執行、檢查變量狀態、單步執行代碼等。而它的核心是斷點機制，它允許程序在特定位置暫停執行，並查看環境情況。 斷點 斷點本質上就是一個位置標記： type Breakpoint struc

解釋器模式 , 教程 , 知識 , 程序員 , Git