小编ern*_*t_k的帖子

示例中使用的对象来自包 org.jsoup.nodes

import org.jsoup.nodes.Attribute;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

我需要按键的组属性和结果值Set.

Optional<Element> buttonOpt = ...;
Map<String, Set<String>> stringStringMap =
    buttonOpt.map(button -> button.attributes().asList().stream()
            .collect(groupingBy(Attribute::getKey, 
                  mapping(attribute -> attribute.getValue(), toSet()))))
            .orElse(new HashMap<>());

它似乎正确收集,但值始终是单个字符串(因为库实现)包含按空格分割的不同值.试图改善解决方案:

Map<String, Set<HashSet<String>>> stringSetMap = buttonOpt.map(
        button -> button.attributes()
            .asList()
            .stream()
            .collect(groupingBy(Attribute::getKey, 
                        mapping(attribute -> 
                          new HashSet<String>(Arrays.asList(attribute.getValue()
                                                                .split(" "))),
                   toSet()))))
  .orElse(new HashMap<>());

结果我有不同的结构,Map<String, Set<HashSet<String>>>但我需要Map<String, Set<String>>

我已经检查了一些收藏家,但没有解决我的问题.

问题是:

如何合并与相同属性键相关的所有集合？

我有使用乘法和加法的方法,但我只是无法理解它们.它们都来自外部网站而不是我自己的网站:

public static void bitwiseMultiply(int n1, int n2) {
    int a = n1, b = n2, result=0;
    while (b != 0) // Iterate the loop till b==0
    {
        if ((b & 01) != 0) // Logical ANDing of the value of b with 01
        {
            result = result + a; // Update the result with the new value of a.
        }
        a <<= 1;              // Left shifting the value contained in 'a' by 1.
        b >>= 1;             // Right shifting …

我有一个列表，

sets1 = [{1},{2},{1}]

当我使用numpy的在列表中找到唯一元素时unique，我得到

np.unique(sets1)
Out[18]: array([{1}, {2}, {1}], dtype=object)

可以看出，结果是错误的，就像{1}在输出中重复的一样。

当我通过使相似元素相邻来更改输入的顺序时，不会发生这种情况。

sets2 = [{1},{1},{2}]

np.unique(sets2)
Out[21]: array([{1}, {2}], dtype=object)

为什么会发生这种情况？还是我做的方式有问题？

我在回答一个问题时遇到了一个我无法解释的场景。考虑这个代码：

interface ConsumerOne<T> {
    void accept(T a);
}

interface CustomIterable<T> extends Iterable<T> {
    void forEach(ConsumerOne<? super T> c); //overload
}

class A {
    private static CustomIterable<A> iterable;
    private static List<A> aList;

    public static void main(String[] args) {
        iterable.forEach(a -> aList.add(a));     //ambiguous
        iterable.forEach(aList::add);            //ambiguous

        iterable.forEach((A a) -> aList.add(a)); //OK
    }
}

我不明白为什么显式键入 lambda 的参数(A a) -> aList.add(a)会使代码编译。此外，为什么它链接到 inIterable而不是in 的重载CustomIterable？
对此是否有一些解释或规范相关部分的链接？

注意：iterable.forEach((A a) -> aList.add(a));仅在CustomIterable<T>扩展时编译Iterable<T>（完全重载方法CustomIterable导致歧义错误）

在两者上都得到这个： …

我正在尝试在订单级别使用多线程处理以下代码。

List<String> orders = Arrays.asList("order1", "order2", 
                   "order3", "order4", "order1");

当前顺序执行：

orders.stream().forEach(order -> {
    rules.forEach(rule -> {
        finalList.add(beanMapper.getBean(rule)
                .applyRule(createTemplate.apply(getMetaData.apply(rule), command),
                           order));
    });
});

我试过使用：

orders.parallelStream().forEach(order -> {}} // code snippet.

但它正在改变rules.forEach(rule -> {}}顺序。

例如：
输入：

 List<String> orders = Arrays.asList("order1", "order2", 
                         "order3", "order4", "order1");
 List<String> rules = Arrays.asList("rule1", "rule2", "rule3");

预期输出：

order1 with rule1, rule2, rule3
order2 with rule1, rule2, rule3

实际输出parallelStream()：

order1 with rule3, rule1, rule2
order1 with rule2, rule1, rule3

我不担心命令的顺序，但我担心规则的顺序。订单可以按任何顺序处理，但规则应按每个订单的相同顺序执行。

请帮忙。

我尝试从本地计算机上的笔记本连接到远程 Spark Master。

当我尝试创建 SparkContext 时

sc = pyspark.SparkContext(master = "spark://remote-spark-master-hostname:7077", 
                          appName="jupyter notebook_test"),

我收到以下异常：

/opt/.venv/lib/python3.7/site-packages/pyspark/context.py in __init__(self, master, appName, sparkHome, pyFiles, environment, batchSize, serializer, conf, gateway, jsc, profiler_cls)
    134         try:
    135             self._do_init(master, appName, sparkHome, pyFiles, environment, batchSize, serializer,
--> 136                           conf, jsc, profiler_cls)
    137         except:
    138             # If an error occurs, clean up in order to allow future SparkContext creation:

/opt/.venv/lib/python3.7/site-packages/pyspark/context.py in _do_init(self, master, appName, sparkHome, pyFiles, environment, batchSize, serializer, conf, jsc, profiler_cls)
    196 
    197         # Create the Java SparkContext …

我是 Keycloak 的新手。我尝试使用以下代码获取用户信息：

keycloakAuth.loadUserProfile().success(function(profile) {
  debugger
        console.log(profile);
    }).error(function(res) {
      debugger
        console.log('Failed to load profile');
    });

安装json是：

{
  "realm": "CheckRealm",
  "realm-public-key": "MIIBIjASDFJJK677132HJJAOCAQ8AMIIBCgKCAQEAgo4deAfr8BeqWOiCsddwMtH5nh8EK2cKIeInpt7LnoCyMsGj1HTP835HpslOURrR6Bgc42V7r6J/MIHqx3+KESTqpcQSe9ll6eUjzaMbIX2GPmy9OnviH6srUgOlDAKhL+/SDh/iv8RfErAPO9cxnoBWUUTyfyes1YRn34KILBdHZoaWk5mteJx9aV4bfA5tGTT6aF8o1NkCX1OUfXiaAD5sqKZV5vbI+QsOUsNshvGfE5JR2EpwZbWH/vRQVusxLURjC51v96ieQ8zUME5LwAQ0TgZcspHTb4Y+KuYRTuDQKuxRUYFeNbvqUGeT2s2sHMmWOQIDAQAB",
  "auth-server-url": "https://something.com/auth",
  "url": "https://something.com/auth",
  "ssl-required": "external",
  "resource": "sample-tracker",
  "clientId": "sample-tracker",
  "credentials": {
    "secret": "bnmbsdk87wq"
  }
}

我收到了提到的错误：加载资源失败：服务器响应状态为 403（禁止）

考虑JLS \xc2\xa718.1.3 - 边界中的以下文章

在这里，当我们尝试识别推理变量的边界集时，我们会遇到以下情况之一：

\n

...

\n

\n
• throws \xce\xb1：推理变量 \xce\xb1 出现在 throws 子句中。
\n

\n

...

\n

throws \xce\xb1 形式的界限纯粹是信息性的：它指示解析优化 \xce\xb1 的实例化，以便在可能的情况下，它不是受检查的异常类型。

\n

我认为这个说法是不正确的：

\n
• 这是因为理想情况下，提到 throws 子句是为了处理代码执行过程中可能发生的已检查异常。
\n
• 那么为什么 JLS 仍然阻止\xce\xb1成为受检查的异常？
\n
• 理想情况下，推理变量 \xce\xb1必须限制为Checked 类型的异常，而不是Unchecked 变体。
\n

我的理解正确还是我错过了什么？

我正在使用 MapR 发行版的 Spark 项目工作，其中启用了动态分配。请参考以下参数：

spark.dynamicAllocation.enabled         true
spark.shuffle.service.enabled           true
spark.dynamicAllocation.minExecutors    0
spark.dynamicAllocation.maxExecutors    20
spark.executor.instances                2

根据我的理解，spark.executor.instances 是我们在提交 pySpark 作业时定义为 --num-executors 的内容。

我有以下两个问题：

1. 如果我--num-executors 5在作业提交期间使用它会覆盖spark.executor.instances 2配置设置吗？

2. spark.executor.instances当动态分配最小和最大执行器已经定义时定义的目的是什么？

我在这里读到这个问题：Java：静态最终字段以什么顺序初始化？

根据答案

“除了最终类变量和值为编译时常量的接口字段首先被初始化......”

我认为这是不正确的，因为以下操作会失败：

static {
    String y = x;
}

public static final String x = "test";

在静态块中，x不被识别。如果这个答案是正确的，有人可以发表评论吗？