小编blu*_*sky的帖子

我正在关注春季教程.

在"3.2.为业务逻辑添加一些类"一节ProductManager中,创建了一个接口:

package springapp.service;

import java.io.Serializable;
import java.util.List;

import springapp.domain.Product;

public interface ProductManager extends Serializable{

    public void increasePrice(int percentage);

    public List<Product> getProducts();

}

然后SimpleProductManager创建一个实现类:

package springapp.service;

import java.util.List;

import springapp.domain.Product;

public class SimpleProductManager implements ProductManager {

    public List<Product> getProducts() {
        throw new UnsupportedOperationException();
    }

    public void increasePrice(int percentage) {
        throw new UnsupportedOperationException();        
    }

    public void setProducts(List<Product> products) {
        throw new UnsupportedOperationException();        
    }

}

实现类添加了一个额外的方法setProducts().接口ProductManager是否还应该有一个setProducts方法来允许setProducts用于SimpleProductManager多态实例化的类.目前这是不可能的 …

我有一个.ear文件,其中包含多个war文件.

我正在将应用程序移动到tomcat.一旦我打包了包含在.ear中的所有单个war文件以用于tomcat兼容性,将如何部署war文件？

我是否只需要将所有单独的war文件部署到tomcat,它应该"正常工作"还是不是这么简单？

更具体地说,什么是websphere提供的tomcat等效"胶水",用于将所有战争打包在一只耳朵中？

我正在尝试使用doc登录文件 - http://tomcat.apache.org/tomcat-7.0-doc/logging.html

这是我在tomcat_home/conf的logging.properties

# Licensed to the Apache Software Foundation (ASF) under one or more
# contributor license agreements.  See the NOTICE file distributed with
# this work for additional information regarding copyright ownership.
# The ASF licenses this file to You under the Apache License, Version 2.0
# (the "License"); you may not use this file except in compliance with
# the License.  You may obtain a copy of the License at
#
#     http://www.apache.org/licenses/LICENSE-2.0
#
# Unless …

我看到这遍布整个代码库:

@RequestMapping(value = "myValue")

我更喜欢使用这样的东西:

@RequestMapping(value = Constants.myValue)

它似乎使用实际的String值@RequestMapping而不是常量来打破DRY .但这是一个很好的代码实践吗？我应该使用枚举吗？我可能需要Constants.myValue在代码库中的其他地方使用.

这是我正在为reduceByKey尝试的代码:

import org.apache.spark.rdd.RDD
import org.apache.spark.SparkContext._
import org.apache.spark.SparkContext
import scala.math.random

import org.apache.spark._
import org.apache.spark.storage.StorageLevel

object MapReduce {

  def main(args: Array[String]) {

  val sc = new SparkContext("local[4]" , "")

  val file = sc.textFile("c:/data-files/myfile.txt")

  val counts = file.flatMap(line => line.split(" "))
    .map(word => (word, 1))
    .reduceByKey(_ + _)

  }

}

给编译器错误:"无法解析符号reduceByKey"

当我将鼠标悬停在reduceByKey的实现上时,它提供了三种可能的实现,因此看起来它正在被发现？:

折叠功能:

fold :: b -> (a -> b -> b) -> [a] -> b
fold z f []     = z
fold z f (x:xs) = f x (fold z f xs)

取自http://www.seas.upenn.edu/~cis194/spring13/lectures/04-higher-order.html

Prelude> :t (+)
(+) :: Num a => a -> a -> a

*Main> fold (0) (+) [1,2,3]
6

这是什么类型的(a -> b -> b) 匹配类型a -> a -> a的(+)功能？

由于折叠定义接受函数类型,(a -> b -> b)这意味着前两个参数(a -> b)需要是不同类型的？

每个类都不是Haskell中的类型:

Prelude> :t max
max :: Ord a => a -> a -> a
Prelude> :t Ord

<interactive>:1:1: Not in scope: data constructor ‘Ord’
Prelude> 

为什么这不是打印Ord类型签名？

我一直在使用twitter Eval函数来编译Scala函数.但是更愿意评估项目scala-notebook提供的功能(https://github.com/Bridgewater/scala-notebook)

scala-notebook连接到运行的机器的内部repl？

twitter Eval库(https://twitter.github.io/util/docs/index.html#com.twitter.util.Eval)有何不同？

尝试通过以下指南在MAC上安装nvidia工具包后:http://docs.nvidia.com/cuda/cuda-installation-guide-mac-os-x/index.html#axzz4FPTBCf7X我收到错误"包清单解析错误"这让我想到了这一点:NVidia CUDA工具包7.5.27无法在OS X上安装.我卸载dmg和upshot是,而不是接收"包清单解析错误"安装程序将无法启动(它似乎短暂启动,然后退出).

通过命令进行安装brew install Caskroom/cask/cuda(CUDA 7.5在Mac上安装缺少nvrtc)似乎已经成功安装CUDA.

命令nvcc --version 返回:

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2015 NVIDIA Corporation
Built on Mon_Apr_11_13:23:40_CDT_2016
Cuda compilation tools, release 7.5, V7.5.26

我/Developer/NVIDIA/CUDA-7.5/samples/1_Utilities用以下内容构建了示例:

make -C bandwidthTest/

这没有错误地执行.

它似乎安装与安装brew install Caskroom/cask/cuda的安全方法？这个安装方法与从nvidia通过DMG文件安装有什么区别？

Caskroom似乎是brew安装GUI应用程序的扩展:https://github.com/caskroom/homebrew-cask

IDE是否也应作为cuda安装的一部分安装？

来自https://pytorch.org/

在 MacOS 上安装 pytorch 说明如下：

conda install pytorch torchvision -c pytorch
# MacOS Binaries dont support CUDA, install from source if CUDA is needed

为什么要在不启用 cuda 的情况下安装 pytorch？

我问的原因是我收到错误：

-------------------------------------------------- ------------------------- AssertionError Traceback (most recent call last) in () 78 #predicted = output.data.max(1)[1 ] 79 ---> 80 输出 = 模型(torch.tensor([[1,1]]).float().cuda()) 81 预测 = output.data.max(1)[1] 82

~/anaconda3/lib/python3.6/site-packages/torch/cuda/ init .py in _lazy_init() 159 raise RuntimeError( 160“无法在分叉的子进程中重新初始化 CUDA。” + msg) --> 161 _check_driver(第 162 章

~/anaconda3/lib/python3.6/site-packages/torch/cuda/ init .py in _check_driver() 73 …