摘要：
在Rag模型读取document时发现doc文件SimpleDirectoryReader无法正常读取字符，所以采用LibreOffice将doc转化为docx的方式。内网LibreOffice安装然后python循环的调用的方式来对input documents进行转换，转换后的docx Simp 阅读全文
摘要：
记录一下使用pyspark读取Hive数据导入至Arango import pyspark import os import findspark from pyspark.sql import SparkSession from pyspark.sql.functions import col, l 阅读全文
摘要：
Hive版本：2.3.4 Spark版本：2.4.0 问题：在线上查看数据时，数据平台跑出的数据与外部平台不一致。使用的SQL一样，经排查发现是使用 WHERE value <> 0，导致的。value 为字符串格式的数字id。 样例SQL如下： DROP TABLE IF EXISTS test. 阅读全文
摘要：
在[medcl/elasticsearch-analysis-ik at 7.x (github.com)](https://github.com/medcl/elasticsearch-analysis-ik/tree/7.x)中未找到7.17.10版本的发布版本，如歌ik版本和Elasticse 阅读全文
摘要：
一切以官网为准： Introduction | Documentation | Poetry - Python dependency management and packaging made easy (python-poetry.org) Windows默认安装位置为: %APPDATA%\Py 阅读全文
摘要：
开放封闭原则 软件实体（类，模块，函数等等）应该可以扩展，但是不可以修改 不要指望系统一开始确定需求之后就再也不会变化，要使得设计的软件要容易维护又不容易出问题就得多扩展，少修改 但模块没有绝对的封闭，所以就需要对设计的模块有哪些变化作出选择：猜测那些类最有可能发生变化，然后构造抽象来隔离那些变化。 阅读全文
摘要：
无重复字符的最长子串 Java/Go/Rust实现找出无重复字符的最长子串，虽然写的不咋地 class Solution { public int lengthOfLongestSubstring(String s) { int sLen = s.length(); int maxLen = 0; 阅读全文
摘要：
Java 多线程并发 并发时需要解决得问题可能有多个，而实现并发的方式也有多种，并且在这两者之间没有明显的映射关系。因此你必须理解所有这些问题和特例，以便有效的使用并发。 用并发解决的问题大致上可以分为“速度”和“设计可管理性两种” 速度：如果你想要一个程序运行的更快，那么可以将其切开为多个片段，在 阅读全文
摘要：
JVM 基本概念：JVM是可运行Java代码的假象计算机，包括一套字节码指令集，一组寄存器，一个栈，一个垃圾回收，堆和一个存储方法域。JVM是运行在操作系统之上的它与硬件没有直接的交互。 Java代码的执行： java代码编译为class-javac：Java源文件通过编译期产生相应的.Class文 阅读全文
摘要：
java日期类 java.util.Date 对java.util.Date中的操作实际上都是对BaseCalendar.Date的操作 java.util.Date是对于一个时间点上的抽象, 表示时间戳上这个具体的时间点, 可以根据这个时间戳时间点提取出各个属性 Date类的常用构造 public 阅读全文
