(题记-->本来有50多段的,天杀的网速害我丢失了...没心情找回来...直接把剩下的发出来..主要是方便自己查询,请勿回帖...)
1.
has_many :posts, :order => "id DESC" do
def latest
find :first
end
end
2.javaeye使用的syntax highlight组件是什么?
http://code.google.com/p/syntaxhighlighter/
3.
引用
1. rcov 是基于行统计的,比如条件分支都在一行的,虽然只跑了一个分支,但是还是算100%.
2. rcov和rspec的结合请看 http://rspec.info/documentation/tools/rcov.html , JavaEye的代码也是用这种方式做的
4.Try() 和 Maybe Monad
http://www.iteye.com/topic/169001
5.一个奇怪的JS导致Firefox Session Restore失效问题
http://www.iteye.com/topic/173024
6.应该用多大的图片才能能够优化web服务器?
引用
你说的图标合并是指CSS Sprites吧?
你可以安装Firefox的YSlow插件,看一下第一项Make fewer HTTP requests,有B等级以上就可以了,除非有特别多的CSS背景图片,CSS Sprites带来的速度影响很小很小。
7.
@market.attributes = params[:market]
8.Javaeye-Wiki 测试有感
http://www.iteye.com/topic/176646
9.我转到ubuntu上开发时间还很短,而且我记性不好,记不住太多的命令,
GUI在做history, diff, merge的时候还是比命令行有优势,而且netbeans和eclipse的SCM插件机制又特别棒,现在如果转回到命令行,还真不习惯。
我觉得Git很有可能会取代SVN,成为开源社区的下一代SCM标准,而SVN目前看起来不太成功,CVS -> SVN (过渡产品) -> Git
10.rails 中表间关联问题,有更优雅的方法吗?
你可以试试看rquerypad这个插件:
http://www.iteye.com/topic/173464
11.弹出窗口模式下,父窗口使用AJAX局部刷新得不到最新数据的问题
把form.submit()改成用ajax提交,在提交成功的回调函数里面执行
window.dialogArguments.loadFree();
window.close();
12.关于javaeye2.5的相关文章功能
http://www.iteye.com/topic/155685
引用
13.Rails 2.1值得关注的新特性
http://www.iteye.com/topic/189171
14.修改will_paginate支持ajax方式
http://www.iteye.com/topic/188607
引用
will_paginate接受一个renderer参数,默认是WillPaginate::LinkRenderer,更好的做法是subclass一个AjaxLinkRenderer,这样不需要修改它的源代码,在做plugin升级的时候会很方便。
15.使用libmemcached提速memcached的操作
http://www.iteye.com/topic/187489
16.我使用前台模板+AJAX的样例站
http://www.iteye.com/topic/192459
17.
http://www.iteye.com/topic/177501
RoR的这个设计对于大数据量tree结构是最好的,比如一些常见的查询都可以避免循环或者递归抓取了:
--查询某个parent的所有子节点
SELECT * WHERE lft IS BETWEEN parent.lft AND parent.rgt
--统计某个节点的子节点数目
(right - left - 1)/2
--获取某个节点的所有父节点
SELECT * WHERE node.lft IS BETWEEN lft AND rgt
--查询某个parent的所有子节点
SELECT * WHERE lft IS BETWEEN parent.lft AND parent.rgt
--统计某个节点的子节点数目
(right - left - 1)/2
--获取某个节点的所有父节点
SELECT * WHERE node.lft IS BETWEEN lft AND rgt
而且通过在lft, rgt上设置索引能够达到最好的查询效率。
RoR是通过callback来实现新加/删除/移动节点后,更新对应的所有节点lft/rgt值,这个更新也只是一句update语句而已,不需要循环调用。在Java中我们也可以这样设计,比如利用Hibernate的event机制。
你说的加level也是一种常见方法,但是like查询效率很低,不是合适大数据量的一种设计,而且需求如果要求节点是可以变更父子关系的,那么更新level也是一件麻烦的事情。记得很早以前JavaEye讨论过相关的tree数据库设计,文章中总结了多种方法,对于优缺点都分析得很清楚,我再找找看。
分享到:
相关推荐
TAC顶刊报告:'多智能体分布式自适应一致性控制(含纯一致性与leader-follower一致性)'及其Matlab复现代码.pdf
SVPWM仿真与基于DSP28335的PIL(处理器在环)仿真模型验证算法可行性与实时性的实践研究.pdf
VSG仿真、并网与离网运行仿真、预同期并网控制及虚拟同步机逆变器仿真.pdf
SSA-RF与RF神经网络多元回归预测(Matlab 程序及运行指南).pdf
Simulink微网多逆变器下垂控制仿真模型:固定与可调的下垂系数、SVPWM与算法控制的并联运行.pdf
电磁场与电磁波28
SSA-CNN-LSTM时间序列预测(Matlab)_ 麻雀算法优化卷积长短期记忆网络.pdf
C++知识点汇总.md.zip
T型逆变器仿真(SPWM)Matlab 2021a:LCL滤波器下纯阻性负载的五电平波形仿真.pdf
STM32G431 FOC线性磁链观测器无感FOC驱动资料(非VESC、非ST电机库生成,支持直接零速闭环启动及电位器转速控制)”.pdf
STM32F103 SAE CAN开放协议源码(含半年咨询费+中文注释及原理说明).pdf
Java项目springboot基于springboot的课程设计,包含源码+数据库+毕业论文
Simulink导弹制导系统仿真模型文件使用指南及视频讲解.pdf
内容概要:本文深入介绍了Caffe深度学习框架,涵盖其历史背景和发展、安装配置、卷积神经网络(CNN)的基础理论及其实现。具体内容包括CNN各个层级的工作原理、Caffe中的网络模型定义和训练方法、LeNet与AlexNet的实际运用、迁移学习及模型的性能优化等。通过详细的实战操作演示,文章帮助开发者掌握在Caffe上搭建CNN的方法和技术。 适合人群:从事计算机视觉领域的研究人员和工程师,尤其是想要深入了解卷积神经网络和掌握Caffe框架的人群。 使用场景及目标:本文适合作为学习材料用于理解卷积神经网络的概念和工作机制,指导初学者和有经验的开发者如何利用Caffe实现图像识别、目标检测等任务;并且帮助读者掌握模型训练和性能优化的相关技能。 其他说明:文中提供了大量代码片段与实例讲解,方便读者理解和实践;此外还对比了几款主流深度学习框架的优势,辅助决策选用合适的开发工具。
1、文件说明: Centos8操作系统vim-editorconfig-1.1.1-1.el8.rpm以及相关依赖,全打包为一个tar.gz压缩包 2、安装指令: #Step1、解压 tar -zxvf vim-editorconfig-1.1.1-1.el8.tar.gz #Step2、进入解压后的目录,执行安装 sudo rpm -ivh *.rpm
VMD信号分解算法:VMD功率分解与滚动轴承故障检测.pdf
STM32 IAP固件升级程序源代码(串口环形队列接收模式实现固件升级程序).pdf
VSC直流输电仿真案例:两电平结构换流站与双环控制的应用.pdf
STM32高压无感FOC全功能版本:风机控制与独特处理方式.pdf
STM32单片机指纹密码锁仿真:键盘解锁、指纹识别及多功能安全控制程序.pdf