您还没有登录,请您登录后再发表评论 相关推荐
-
（转载）阿里巴巴开源项目 Druid 负责人温少访谈
http://www.iteye.com/magazines/90?page=2#111
-
电子设计论文鱼缸水循环自动控制器电子设计论文鱼缸水循环自动控制器
电子设计论文鱼缸水循环自动控制器电子设计论文鱼缸水循环自动控制器
-
AP9569GH-HF-VB一款P-Channel沟道TO252的MOSFET晶体管参数介绍与应用说明
-40V;-65A;RDS(ON)=10mΩ@VGS=10V;VGS=20V;Vth=-1.6V
-
电子设计论文用555电路组成的DC-AC变换器
电子设计论文用555电路组成的DC-AC变换器
-
基于深度学习的看图作诗模型.zip
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
-
高仿腾讯云小程序一站式解决方案小程序源码学习
高仿腾讯云小程序一站式解决方案小程序源码学习
-
【4层】3100平米综合办公楼毕业设计（含计算书、建筑结构图）.zip
【4层】3100平米综合办公楼毕业设计（含计算书、建筑结构图） 、1资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 、1资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。
-
JSP学生学籍管理系统(源代码+论文).zip
1、资源项目源码均已通过严格测试验证，保证能够正常运行； 、2项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。、资 5源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。、 5资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。
-
深度学习大作业（基于ResNet网络模型的花卉识别研究）.zip
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
-
拖动图片到窗口中再拖动回来 js+html
AveIcon 是一个小巧的 ICO/PNG 互转小工具，有了它你就不用再打开庞大的 Axialis IconWorkshop 了，而且它界面超简洁，只需拖动图片到窗口中再拖动回来，整个转换过程就算完成了。
-
机械制造工艺学课程设计 设计挡环零件的机械加工艺规程(完整图纸) .doc.doc
机械制造工艺学课程设计 设计挡环零件的机械加工艺规程(完整图纸) .doc.doc
-
APM2706C-VB一款2个N+P-Channel沟道SOT23-6的MOSFET晶体管参数介绍与应用说明
±20V;7 /-4.5A;RDS(ON)=20 / 70mΩ@VGS=4.5V;VGS=20V;Vth=0.71 / -0.81V
-
提升基于深度学习的随机数随机性检验的能力.zip
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
-
机械原理课程设计 自动链条编结机.docx
机械原理课程设计 自动链条编结机.docx
-
基于深度学习的肺炎分类研究.zip
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
-
上市公司-绿色申请、授权数据（2000-2023年）.dta
上市公司-绿色申请、授权数据（2000-2023年）.dta
-
机械制造工艺学课程设计 插入耳环加工工艺及铣R12.5键槽的夹具设计.doc
机械制造工艺学课程设计 插入耳环加工工艺及铣R12.5键槽的夹具设计.doc
-
基于深度学习和计算机视觉的实时人体姿态估计技术应用于医疗服务场景.zip
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. *
-
首页网站快捷入口js实现 html
首页网站快捷入口js实现 html,鼠标划过切换
67 楼 hemanzi 2012-08-03 12:34
66 楼 wenshao 2012-07-22 01:36
JIRA : http://code.alibabatech.com/jira/browse/DRUID-133
TestCase :https://github.com/AlibabaTech/druid/blob/master/src/test/java/com/alibaba/druid/bvt/bug/Bug_for_xuershan.java
65 楼 xuershan 2012-07-21 12:15
新增加mybatis的testcase，spring + mybatis，完全没问题啊：
testcase代码：
https://github.com/AlibabaTech/druid/blob/master/src/test/java/com/alibaba/druid/bvt/pool/SpringMybatisFilterTest.java
配置代码：
https://github.com/AlibabaTech/druid/blob/master/src/test/resources/com/alibaba/druid/pool/mybatis/spring-config-mybatis.xml
https://github.com/AlibabaTech/druid/blob/master/src/test/resources/com/alibaba/druid/pool/dataSource.xml
//com.alibaba.druid.pool.DruidPooledStatement @Override public final ResultSet getResultSet() throws SQLException { checkOpen(); try { ResultSet rs = stmt.getResultSet(); // rs为null返回封装对象 DruidPooledResultSet poolableResultSet = new DruidPooledResultSet(this, rs); resultSetTrace.add(poolableResultSet); return poolableResultSet; } catch (Throwable t) { throw checkException(t); } } // mybatis 调用查询存储过程 rs是null，resultMapCount 为0，但是druid返回了DruidPooledResultSet对象不为null所以报错 protected void validateResultMapsCount(ResultSet rs, int resultMapCount) { if (rs != null && resultMapCount < 1) { throw new ExecutorException( "A query was run and no Result Maps were found for the Mapped Statement '" + mappedStatement.getId() + "'. It's likely that neither a Result Type nor a Result Map was specified."); } }//mybatis整合 配置了PreparedStatements缓存，会报结果集已关闭错误，跟踪了下代码发现是FilterChainImpl 这个类在调用 rs.next()方法报错。 <property name="poolPreparedStatements" value="true" /> <property name="maxPoolPreparedStatementPerConnectionSize" value="20" />64 楼 vcok 2012-07-20 20:16
63 楼 wenshao 2012-07-19 06:54
你可以手工制定DriverClass属性，覆盖Druid自动检测的配置。
62 楼 vcok 2012-07-19 01:05
61 楼 yangxinxyx 2012-07-18 15:25
具体说说看？
呵呵，我想你是误会了，我没有贬义的意思
一个真正好的框架应该是立足于整个框架所处的领域，能尽可能多的覆盖整个领域的通用需求，同时有着极为优秀的解决方案，这就是万事通。
而一个框架不能对业务有所浸入，一旦框架的客户化太细太精，业务浸入过多，那么这个框架也失去了框架本身的意义，这就是所谓，要做到万事不精。
60 楼 wenshao 2012-07-18 15:09
你应该问dubbo相关的开发者
59 楼 wenshao 2012-07-18 15:08
具体说说看？
58 楼 yangxinxyx 2012-07-18 14:49
.....
57 楼 yangxinxyx 2012-07-18 14:49
56 楼 hamber 2012-07-18 14:44
55 楼 wenshao 2012-07-18 11:33
54 楼 lost_alien 2012-07-18 11:29
是因为这个项目啥功能都有。。。所以起名叫 德鲁伊 么。。。。。
53 楼 lost_alien 2012-07-18 11:21
52 楼 bukebuhao 2012-07-18 11:07
BoneCP使用LinkedTransferQueue实现，在某些Mock的场景可能会有漂亮的数据，但真实连接数据做测试时，性能并不好。BoneCP的功能也很弱。
各种数据库连接池对比
http://code.alibabatech.com/wiki/pages/viewpage.action?pageId=6951797
性能测试：
http://code.alibabatech.com/wiki/pages/viewpage.action?pageId=2916539
非常感谢，我尝试修改一下。看看性能如何
51 楼 wenshao 2012-07-18 09:19
50 楼 lovit 2012-07-18 08:48
Druid不做自动注册JdbcStatManager为MBean，如果你通过JConsole看，在代码中自己注册MBean，例如：
ManagementFactory.getPlatformMBeanServer().registerMBean(JdbcStatManager.getInstance(), new ObjectName("com.alibaba.druid:type=JdbcStatManager"));
有没有在Spring中的配置支持？
开发时，监控SQL执行情况很重要。。是不是最新版本有问题？
刚补充了一个例子：
测试代码：
https://github.com/AlibabaTech/druid/blob/master/src/test/java/com/alibaba/druid/bvt/jmx/JMXExporterTest.java
配置文件：
https://github.com/AlibabaTech/druid/blob/master/src/test/resources/com/alibaba/druid/jmx/spring_stat_export.xml
<bean id="statMbeanServer" class="com.alibaba.druid.spring.MBeanServerFactoryBean" />
2.4版本在com.alibaba.druid.support.spring.MBeanServerFactoryBean
49 楼 wenshao 2012-07-18 08:11
Druid不做自动注册JdbcStatManager为MBean，如果你通过JConsole看，在代码中自己注册MBean，例如：
ManagementFactory.getPlatformMBeanServer().registerMBean(JdbcStatManager.getInstance(), new ObjectName("com.alibaba.druid:type=JdbcStatManager"));
有没有在Spring中的配置支持？
开发时，监控SQL执行情况很重要。。是不是最新版本有问题？
刚补充了一个例子：
测试代码：
https://github.com/AlibabaTech/druid/blob/master/src/test/java/com/alibaba/druid/bvt/jmx/JMXExporterTest.java
配置文件：
https://github.com/AlibabaTech/druid/blob/master/src/test/resources/com/alibaba/druid/jmx/spring_stat_export.xml
48 楼 lovit 2012-07-18 07:45
Druid不做自动注册JdbcStatManager为MBean，如果你通过JConsole看，在代码中自己注册MBean，例如：
ManagementFactory.getPlatformMBeanServer().registerMBean(JdbcStatManager.getInstance(), new ObjectName("com.alibaba.druid:type=JdbcStatManager"));
有没有在Spring中的配置支持？
开发时，监控SQL执行情况很重要。。是不是最新版本有问题？
47 楼 hxy-go 2012-07-17 23:27
46 楼 wenshao 2012-07-17 21:02
BoneCP使用LinkedTransferQueue实现，在某些Mock的场景可能会有漂亮的数据，但真实连接数据做测试时，性能并不好。BoneCP的功能也很弱。
各种数据库连接池对比
http://code.alibabatech.com/wiki/pages/viewpage.action?pageId=6951797
性能测试：
http://code.alibabatech.com/wiki/pages/viewpage.action?pageId=2916539
45 楼 wenshao 2012-07-17 20:56
新增加mybatis的testcase，spring + mybatis，完全没问题啊：
testcase代码：
https://github.com/AlibabaTech/druid/blob/master/src/test/java/com/alibaba/druid/bvt/pool/SpringMybatisFilterTest.java
配置代码：
https://github.com/AlibabaTech/druid/blob/master/src/test/resources/com/alibaba/druid/pool/mybatis/spring-config-mybatis.xml
https://github.com/AlibabaTech/druid/blob/master/src/test/resources/com/alibaba/druid/pool/dataSource.xml
44 楼 bukebuhao 2012-07-17 20:51
43 楼 swen00 2012-07-17 18:59
42 楼 xuershan 2012-07-17 17:45
41 楼 一切为了移民 2012-07-17 17:31
<dataSource type="DBCP"> ... </dataSource>40 楼 yangguo 2012-07-17 17:02
支持JNDI配置：
http://code.alibabatech.com/wiki/pages/viewpage.action?pageId=2916633
直接调用：
https://github.com/AlibabaTech/druid/blob/master/src/test/java/com/alibaba/druid/bvt/pool/TestH2.java
能否支持像dbcp那样，传递一个Property对象来初始化datasource。类似这种形式：
BasicDataSource dataSource = (BasicDataSource) BasicDataSourceFactory.createDataSource(Property p);
这样我配置一个properties文件后，初始化的时候读取配置文件数据到p变量后，就可以用了。
有的：com.alibaba.druid.pool.DruidDataSourceFactory.createDataSource(Map)
晕，用的数据结构竟然是Map，看来还得用Property转化一遍。
你能不能傻在家里，别出来丢人现眼。
39 楼 wenshao 2012-07-17 15:41
阿里巴巴的大规模布署之后还不够么？
hehe,作为开源产品来说，Druid缺乏案例证明，我不认为在阿里的环境中大规模部署了就是最好的东西，只能说是最合适阿里的东西。
另外，作为连接池framework来说，Druid做过市面上大部分数据库产品的兼容性测试么？
druid和常见的框架，比如spring、ibatis、hibernate、nutz、mybatis、play!、JNDI等，都有结合部署在生产环境的例子。兼容性应该不存在问题。
Druid还是一个活跃和发展的项目，遇到问题你可以反馈然后修正。其他的数据库连接池，如DBCP、C3P0、Proxool都处于僵死的状态，遇到问题你哭去吧。经常遇到人抱怨DBCP、C3P0、Proxool的问题，又无法解决。比如说DBCP的连接风暴，Proxool死锁等等。
38 楼 wenshao 2012-07-17 15:15