ZeroRains Blog

数据库理论(七)——并发控制 并发控制的任务： 1. 对并发操作进行正确调度 2. 保证事物的隔离性 3. 保证数据库的一致性 并发操作可能带来的数据不一致性： 丢失修改 不可重复读 读“脏”数据 辅助符号： R(X)：读数据x W(X)：写数据x 并发控制的基本理念 封锁(Locking) 时间戳(Timestamp) 乐观控制法 商用的DBMS通常采用封锁发方法 封锁 封锁指事物T在对某个数据对象(表，记录)操作之前，先向系统发出请求，对其加锁； 加锁后，事物T就对该数据对象有了一定的控制，在事物T1释放它的锁之前，其他事物不能更新此数据对象。 事物对数据对象加锁的类型决定了事物对数据对象的控制 排他锁(Exclusive Locks，简记为X锁，写锁) 事物T在更新数据对象之前，必须先获得数据对象的排他锁 若事物T对数据对象A加上X锁，则只允许T读取和修改A，其他任何事物都不能在对A加任何类型的锁 共享锁(Share Locks，简记为S锁，读锁) 事物T在读取数据对象之前，必须先获得数据对象的共享锁 若事物T对数据对象A加上S锁，则其他事物只能再对A加上 ...

数据库理论(六)——数据库恢复 在数据库的数据操作过程中，通常会经过两个部分，一个是经过数据文件，对数据进行读写，还有一个部分会进入日志文件对数据库的操作行为进行记录 数据库操作的组织模式 事物(Transaction) 一个数据库操作序列 一个不可分割的工作单元 恢复和并发控制的基本单元 事物定义的sql语句 12345678910111213-- 显式定义begin transactionsql语句1sql语句2commitbegin transactionsql语句1sql语句2rollback-- 隐式定义当用户没有显示地定义事物时，DBMS将自动划分事物 数据库故障 事物内部的故障 比如：运算溢出，发生死锁，违反某些完整性限制 发生事物故障时，事物中的操作一部分已经发生，一部分还没有开始，因此需要对发生的操作进行撤销(UNDO) 系统故障 造成系统停止运转的任何事件： 1. 系统要重新启动 2. 所有正在运行的事物都非正常终止 3. 没有破坏数据库 4. 内存中数据库缓冲区的信息全部丢失 典型的系统故障： 1. 特定类型的硬件错误（CPU故障） 2. 操作系统故障 3. ...

数据库理论(五)——数据库设计 E-R图描述显示世界的概念模型 用图形化的方法表示数据的结构，用到三个主要的元素 实体（Entity）：某种抽象对象（构成实体集），用长方形表示 联系(relationship)：两个或多个实体集的链接，用菱形表示 二元关系：联系两个实体集 多路联系：链接多个实体集 属性：实体集中实体具有的属性，联系也可以有属性，用椭圆形表示 用边联系实体集和他的属性，联系和实体 实体之间的联系 1对1联系：对于实体集A中的每个实体，实体集B中至多有1个实体与之联系，反之亦然，则实体集A和实体集B具有1：1联系 1对多联系：对于实体集A中的每个实体，实体集B中有n个实体与之联系，反之实体集B中的每个实体，在实体集A中至多有一个实体与之联系，则实体集A和实体集B具有1：n联系 多对多联系：对于实体集A中的每个实体，实体集B中有m个实体与之联系，反之实体集B中的每个实体，在实体集A中有n个实体与之联系，则实体集A和实体集B具有m：n联系 将实体联系转化成关系模式 转化规则 1:1的联系（S,T） 选中其中一个关系，假设选S，将T的主码作为S的外 ...

数据库理论（三）——完整性约束，触发器和数据库安全 关系模型的实体完整性 码 实体完整性的定义：primary key(主码) 约束： 1. 列级约束，在定义好属性后进行约束，只对单个属性，**约束方式**：主键，外键，唯一，检查，默认，非空 2. 表级约束，对多个属性进行约束，通常在定义好属性之后编写，**联合主码**通常使用的是表级约束，**约束方式**：主键，外键，唯一，检查 对应sql语句 1234567891011121314151617create table 表名( -- 非空 属性1 类型1 not null, -- 唯一 属性2 类型2 unique, -- 默认 属性3 类型3 default 默认值, -- 检查 属性4 类型4 check (只有属性4满足L条件时才能正常创建) -- 联合组件 primary key(属性1，属性2), -- 外码 foreign key(属性1) references 另一个表(属性1), -- 表级检查,条件L可以对上面定义过的任意一个属性进行检查 ...

数据库理论(二)——索引与视图 数据库对象 表(tables)：关系在数据库中的表现形式 视图(Views)：虚表，从一个或者多个table中导出的，数据库中存放视图的结构而不存放视图对应的数据，可以基于存在的视图定义新的视图。 索引(index)：一种特殊的存储结构，伴随基本表存在，是基本表中若干属性(组)的有序结构；用于加快数据库的查询速度。 1个关系数据库实例->多个数据库 1个数据库->多个模式 1个模式->多个表，视图，索引等数据库对象 创建和删除数据库 1234-- 创建数据库CREATE DATABASE 数据库的名称;-- 删除数据库DROP DATABASE 数据库的名称; 模式的创建与删除 1234-- 创建模式，作者是用户CREATE SCHEMA 模式名称 AUTHORIZATION 用户名;-- 删除模式 cascade级联删除——删除该模式下的所有数据库对象，restrict限制删除——只有模式为空的时候才能删除drop schema 模式名称 <cascade|restrict> 表的创建，修改与删除 123456789101 ...

数据库理论(一)——基本概念与关系代数 基本概念 数据库(Database)：长期存储在计算机内的，有组织的，可共享的数据集合 数据库管理系统(DBMS databases management system)：能够有效建立和维护大量数据的强大工具 数据库管理员(DBA) 用户(User) 型：某一类数据的结构和属性的说明 值：型的一个具体赋值 模式(schema):数据库中全体数据的逻辑结构和特征描述 实例：模式的一个具体的值 数据模型的三个层面 概念层面 逻辑层面 物理层面 (逻辑)数据模型 = 数据结构 + 数据操作集合 + 数据完整性约束 关系数据模型 = 关系数据结构 + 关系数据操作集合 + 关系数据完整性约束 数据库的三级结构模式： 模式(Schema)：数据操作 内模式(Internal Schema)：数据存储方式 外模式(External Schema)：视图 关系模型 关系模型的数据结构：关系 关系的本质：二维表 域(Domain)：一组具有相同数据类型的值的集合 元组(Tuple)：关系中的每一行 属性(Attribute)：关系中的每一列 分量(Compon ...

BiSeNet实时语义分割 论文名称：BiSeNet: Bilateral Segmentation Network for Real-time Semantic Segmentation 作者：Changqian Yu, Jingbo Wang, Chao Peng, Changxin Gao, Gang Yu, Nong Sang 期刊：ECCV 2018 代码：https://github.com/CoinCheung/BiSeNet/tree/master/old 摘要 本文设计了一个双边分割网络(BiSeNet)，设计一个步幅小的空间路径，保留空间信息生成高分辨率的特征。此外采用具有快速下采样策略的上下文路径来获得足够的接收场。在两个路径的顶部，引入了一个新的功能融合模块，以有效地组合功能。 常用的加速模型方法 限制输入大小，通过裁剪或调整大小来降低复杂性，但这样会使得空间细节丢失 修剪网络通道提高推理速度，但是这种做法削弱了空间容量 放弃模型最后一个阶段，但这种方式不足以覆盖大对象从而导致判别能力较差。 u型结构设计，弥补了空间细节的损失嘛但是由于高分辨率特征图上引入 ...

递归与递推 说白了就是搜索算法和简单动归 递归实现指数型枚举 递归实现指数型枚举 解题思路： 主要就是深搜dfs,对于一个数，我们要么选择他要么不选择他就两种情况，搜够n层，然后输出就行 用u表示现在搜第u层，status表示当前选中的点，看成二进制数，第i位为0表示不选择i，为1表示选择i。 AC代码 123456789101112131415161718192021222324#include <bits/stdc++.h>using namespace std;int n;// 当前可选择的数为u，状态位status当作二进制看，0的位置位不选，1的位置为选void dfs(int u,int status){ if(u==n){ for(int i=0;i<n;i++) { if(status>>i&1) cout<<i+1<<" "; } co ...

位运算的应用 快速幂 题目： a^b 快速幂讲解 假设我们要计算3113^{11}311 这个当然可以用暴力的方式去算，没啥问题，那这样就要算11次，即n次 可以看一下11的二进制为1011 311=38∗32∗313^{11} = 3^8*3^2*3^1311=38∗32∗31 这个结果很显然，可以得出11的二进制中对应1的位置，恰好为3113^{11}311的一个因素，这是不是巧合呢？我们不妨再尝试一个 30的二进制为11110 1030=1016∗108∗104∗10210^{30} = 10^{16}*10^{8}*10^4*10^21030=1016∗108∗104∗102 显然这不是一个巧合。 而我们可以看出，二进制指数的计算过层是可以被简化的 比如1016=28∗2810^{16} = 2^{8}*2^{8}1016=28∗28，在前面的计算过程中，我们又可以通过242^424计算出282^828。 这就是快速幂的思想了 AC代码： 123456789101112131415161718192021222324252627#include <iostream> ...

Fast-SCNN快速语义分割 论文名:Fast-SCNN: Fast Semantic Segmentation Network 作者：Rudra P K Poudel, Stephan Liwicki, Roberto Cipolla 代码：无github代码，只有modelarts上的baseline 摘要 主要贡献： 提出了一个有竞争性(68.0%miou)，并且能在高分辨率(1024x2048)的图片实现实时(123.5FPS)语义分割的算法Fast-SCNN. 采用了离线型DCNNs中流行的跳跃连接(skip connection)，并提出了一种浅层学习的下采样模块learning to Down-sample,以此更加快速高效地进行多分支低级特征提取。 将Fast-SCNN设计为轻量型(low capacity)，并证实了无论是使用ImageNet数据集的训练模型多训练几代，还是在添加的粗糙数据中多训练几代的结果是等效的。 DCNNs的效率 高效DCNNs（Diffusion-Convolutional Neural Networks ）的常见技术为： 深度可分离 ...