小菜鸟

java菜鸟号正在起航

0%

发表于 更新于 分类于 阅读次数： Valine：
本文字数： 4.5k 阅读时长 ≈ 4 分钟

Python 条件判断详解：语法、逻辑与实战示例

条件判断是编程中的核心逻辑之一，用于根据 “条件是否成立” 执行不同代码块。Python 中通过 if、elif、else 关键字实现条件判断，语法简洁且逻辑清晰。本文从 “基础语法→多条件判断→嵌套判断→实战场景” 四个维度，系统讲解 Python 条件判断的使用方法，帮你掌握不同场景下的逻辑编写技巧。

基础语法：if 语句（单条件判断）

if 是 Python 条件判断的基础，用于判断 “一个条件” 是否成立：若条件为 True（真），执行缩进的代码块；若为 False（假），则跳过该代码块。

1. 语法格式

1
2
3
4
5
6
if 条件表达式:
    # 条件成立时执行的代码（必须缩进，通常用 4 个空格）
    代码语句1
    代码语句2
# 条件不成立时，跳过缩进块，执行后续代码
后续代码
关键说明：
  • 条件表达式：结果必须是 “布尔值”（True或False），常见形式包括：
    • 比较运算（>、<、==、!=、>=、<=）；
    • 逻辑运算（and、or、not）；
    • 成员运算（in、not in）；
    • 身份运算（is、is not）。
  • 冒号（:）：if 语句结尾必须加冒号，用于标记 “代码块的开始”。
  • 缩进：Python 通过缩进区分代码块（推荐 4 个空格），缩进不一致会报错（IndentationError）。

2. 示例：判断数字大小

阅读全文 »

发表于 分类于 阅读次数： Valine：
本文字数： 3.4k 阅读时长 ≈ 3 分钟

多触发策略组合问题解析：Cron 与 TimeBased 是否会重复触发

1
2
3
4
5
<Policies>
  <CronTriggeringPolicy schedule="0 0 0 * * ?"/>
  <TimeBasedTriggeringPolicy/>
  <SizeBasedTriggeringPolicy size="1024 MB"/>
</Policies>

<Policies> 同时包含了 CronTriggeringPolicy、TimeBasedTriggeringPolicy 和 SizeBasedTriggeringPolicy，核心疑问是 “0 点时是否会触发两个策略（Cron 和 TimeBased）”。下面从 Log4j2 多策略执行逻辑、两种时间相关策略的差异入手，详细分析问题并给出优化建议。

多触发策略的核心执行逻辑

Log4j2 的 <Policies> 是组合触发策略（CompositeTriggeringPolicy），其核心规则是：
只要任意一个策略满足触发条件，就会立即执行日志滚动，且后续策略不再判断（即 “短路执行”，类似if-else的逻辑，而非 “所有满足条件的策略都执行”）。

具体流程如下：

  1. 日志写入时，Log4j2 按 <Policies> 中策略的配置顺序依次检查；
  2. 若第一个策略（如CronTriggeringPolicy）满足条件，则触发滚动，跳过后续策略；
  3. 若第一个策略不满足，再检查第二个（如TimeBasedTriggeringPolicy），以此类推；
  4. SizeBasedTriggeringPolicy 会在每次日志写入时检查文件大小，若达到阈值，无论其他策略是否满足，都会优先触发滚动。

0 点时的策略触发分析

配置中，CronTriggeringPolicy（0 点触发）和 TimeBasedTriggeringPolicy（默认按天触发）在 “0 点” 这个时间点看似都满足条件，但实际不会重复触发，原因如下：

1. 两种时间策略的本质差异

虽然两者都与 “时间” 相关，但触发逻辑和依赖条件完全不同：

策略 触发逻辑 依赖配置 执行方式
CronTriggeringPolicy 基于 Cron 表达式的定时任务，内部启动独立线程，到时间后主动标记 “需要滚动” schedule（Cron 表达式） 主动触发（与日志写入无关）
TimeBasedTriggeringPolicy 基于 filePattern 时间粒度，日志写入时检查当前时间是否超出粒度范围 filePattern（如%d{yyyyMMdd}） 被动触发（依赖日志写入）

2. 0 点时的实际执行场景

阅读全文 »

发表于 更新于 分类于 阅读次数： Valine：
本文字数： 6.2k 阅读时长 ≈ 6 分钟

jq 处理 JSON 详解：从安装到高级应用

在日常工作中，JSON 格式的日志、配置文件或接口响应非常常见，jq 作为轻量级的命令行 JSON 处理器，能高效完成过滤、提取、分组、计数等操作，是处理 JSON 数据的必备工具。本文将从安装 jq 开始，围绕 JSON 数组和 “每行一个 JSON 对象”（JSON Lines）两种常见格式，详解 jq 的核心用法。

安装 jq

jq 不是系统默认安装的工具，需手动安装，以下是主流操作系统的安装方法：

Linux 系统

（1）Debian/Ubuntu 系列
1
sudo apt-get update && sudo apt-get install -y jq
（2）CentOS/RHEL 系列
1
2
3
4
5
6
# CentOS 7 及以上（需启用 EPEL 源）
sudo yum install -y epel-release
sudo yum install -y jq

# CentOS 8 / Rocky Linux 等（使用 dnf）
sudo dnf install -y jq
（3）Fedora
1
sudo dnf install -y jq
（4）Arch Linux
1
sudo pacman -S jq

macOS 系统

（1）使用 Homebrew（推荐）
阅读全文 »

发表于 更新于 分类于 阅读次数： Valine：
本文字数： 3.5k 阅读时长 ≈ 3 分钟

推荐系统中的协同过滤算法：原理、实现与应用

协同过滤（Collaborative Filtering）是推荐系统中最经典且应用广泛的算法之一，其核心思想是利用用户群体的行为数据（如评分、点击、购买），发现用户或物品之间的相似性，进而为用户推荐其可能感兴趣的物品。与基于内容的推荐不同，协同过滤无需依赖物品的具体特征（如电影的类型、书籍的作者），仅通过用户行为的 “协同” 模式即可生成推荐。

协同过滤的核心思想与分类

协同过滤的核心假设是：

如果用户 A 和用户 B 在过去对某些物品有相似的偏好，那么用户 A 未来可能喜欢用户 B 喜欢的其他物品；反之亦然。

根据数据利用方式的不同，协同过滤可分为两大主流类型：

  1. 基于用户的协同过滤（User-Based Collaborative Filtering） 找到与目标用户兴趣相似的 “邻居用户”，将邻居用户喜欢的物品推荐给目标用户。
  2. 基于物品的协同过滤（Item-Based Collaborative Filtering） 计算物品之间的相似度（如 “喜欢物品 A 的用户也喜欢物品 B”），为用户推荐与其之前喜欢的物品相似的其他物品。

基于用户的协同过滤（User-Based CF）

算法流程

步骤 1：构建用户 - 物品评分矩阵

假设存在用户集合U = {u1, u2, ..., um}和物品集合I = {i1, i2, ..., in}，构建一个m×n的评分矩阵R，其中R[u][i]表示用户u对物品i的评分（若未评分则为 0 或空）。

示例矩阵（行：用户，列：物品，值：评分 1-5）：

用户 \ 物品 电影 A 电影 B 电影 C 电影 D 电影 E
用户 1 5 4 0 0 1
用户 2 0 0 5 4 0
用户 3 5 0 0 0 1
用户 4 0 0 4 5 0
步骤 2：计算用户相似度

衡量两个用户u和v的相似度，常用方法：

  • 皮尔逊相关系数（Pearson Correlation）：衡量两个用户评分趋势的一致性（取值范围 [-1,1]，越接近 1 越相似）。 公式：

    其中，I_uv是用户u和v共同评分的物品集合，\bar{R}[u]是用户u的平均评分。

  • 余弦相似度（Cosine Similarity）：将用户的评分向量视为高维空间中的向量，相似度为向量夹角的余弦值（取值范围 [0,1]）。 公式：

阅读全文 »

发表于 分类于 阅读次数： Valine：
本文字数： 5.2k 阅读时长 ≈ 5 分钟

Hadoop 配置实践：从零开始搭建单机环境

以下以 Apache Hadoop 2.7.x 为例，讲解单机环境的核心配置与启动流程（生产环境需配置分布式集群）。

步骤 1：核心配置文件

Hadoop 配置文件位于 $HADOOP_HOME/etc/hadoop 目录，主要包括：

1. core-site.xml（核心配置）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
<?xml version="1.0" encoding="UTF-8"?>
<configuration>
  <!-- NameNode 节点的 URI：协议、主机、端口 -->
  <property>
    <name>fs.defaultFS</name>
    <value>hdfs://localhost:9000</value>
  </property>
  <!-- Hadoop 临时文件存储目录（需手动创建）
	如果在hdfs-site.xml中不配置NameNode节点和DataNode节点的数据存放位置时，默认放在该目录下 
-->
  <property>
    <name>hadoop.tmp.dir</name>
    <value>/opt/data/hadoop/tmp</value>
  </property>
  <!-- 缓冲区大小，默认 4096 -->
  <property>
    <name>io.file.buffer.size</name>
    <value>4096</value>
  </property>
</configuration>

2. hdfs-site.xml（HDFS 配置）

阅读全文 »