## 好的 MySQL 兼容性可以做到什么程度 PolarDB-X 如何做生态兼容 胡中泉（舟济） 阿里云数据库解决方案架构师 ## 01 为什么要兼容 MySQL The longer you look back, the farther you can look forward. ## 也从阿里巴巴的“去IOE”运动说起 ## 业务驱动下的分布式技术实践之路  • DTS • Canal/CloudCanal

# JAVA 应用与开发 集合与映射 让我们愉快的 Coding 起来吧... 王晓东 中国海洋大学信息学院计算机系 November 4, 2019  ## 学习目标 ■ 掌握列表（List）、集（Set）、映射（Map）的概念、层次关系 ArrayListEnSureCapacitySample.java ## V ECTOR 类 java.util.Vector 也实现了 List 接口，其描述的也是可变长度的对象数组。 ## 与 ArrayList 的差别 Vector 是同步（线程安全）的，运行效率要低一些，主要用在在多线程环境中，而 ArrayList 是不同步的，适合在单线程环境中使用。常用方法（除实现 List 接口中定义的方法外）： 方法以定制比较逻辑时，需要确保其与等价性判断方法 equals() 保持一致，即确保条件 “(x.compareTo(y) == 0) == (x.equals(y))” 永远成立，否则逻辑上不合理。所以上例同时重写了 equals() 方法。 ## COMPARABLE 接口 ## 对上述程序的几点说明 1. 用户在重写 compareTo() 方法以定制比较逻辑时，需要确保其与等价性判断方法 equals()

## TiDB 原理与实战 ## About me ● 程序媛, TiDB committer, Go 语言狂热粉 ☐ 主要研究方向为分布式系统，坚信分布式系统才是未来 ● 目前在 PingCAP 就职 ☐ 15 年中旬加入 PingCAP ☐ 主要参与模块为 TiDB 的 online DDL, SQL 优化器, 各种必要的功能改进以及性能提升 之前在京东就职 ☐ 12 年末入职，学习

## PyTorch ## 索引与切片 主讲人：龙良曲 ## I ndexing - dim 0 first ☐ ☐ ☐ 1 In [130]: 2 a=torch.rand(4,3,28,28) 3 In [131]: a[0].shape 4 Out[131]: torch.Size([3, 28, 28]) 5 6 In [138]: a[0,0].shape 7 Out[138]:

# Java 应用与开发 Java 语言基础与流程控制 王晓东 wangxiaodong@ouc.edu.cn 中国海洋大学 August 28, 2018  ![Image](/uploads/documents/9/4/1/2 常量和变量 3. 关键字与标识符 4. 运算符与表达式 5. 从键盘输入数据 ## ▶ 流程控制 1. 语句和复合语句 2. 分支结构（选择结构） 3. 循环结构 4. 跳转语句 ## 大纲 数据类型 常量和变量 关键字与标识符 运算符与表达式 从键盘获得输入 语句 分支结构 循环结构 ## 接下来 数据类型 常量和变量 关键字与标识符 运算符与表达式 从键盘获得输入 数据的性质（数据结构） ▶ 数据的取值范围（字节大小） 数据的存储方式 ▶ 参与的运算 ## 数据类型 ## ☑ 基本数据类型 由程序设计语言系统所定义、不可再划分的数据类型。所占内存大小固定，与软硬件环境无关。在内存中存放的是数据值本身。 整型 byte short int long 浮点型 float double 逻辑型 boolean 字符型 char ## 引用数据类型（复合数据类型

Java 内存模型与分配机制 王晓东 wangxiaodongQouc.edu.cn 中国海洋大学 September 30, 2018 Java 内 学习目标 1. 理解 JVM 内存模型，掌握 JVM 内存构成 2. 理解 Java 程序的运行过程，学会通过调 HH 变化 3. 了解 Java 内存管理，认识垃圾回收 4. 建立编程时高效利用内存、避免内存溢上 D 的理 Java 内存管理建议 Java 虚拟机 (Java Virtual Machine, JVM ) * Java 程序运行在 JVM 上，JVM 是程序与操作系统之间的桥梁。 * JVM 实现了 Java 的平台无关性。 * JVM 是内存分配的前提。 通过全限定名装载 大网 Java 内存模型 Java 程序内存运行分

## PyTorch ## 动量与学习率衰减 主讲人：龙良曲 ## Tricks ■ momentum learning rate decay ## Momentum $$ w^{k+1}=w^{k}-\alpha\nabla f(w^{k}). $$ $$ z^{k+1}=\beta z^{k}+\nabla f(w^{k}) $$ $$ w^{k+1}=w^{k}-\alpha