<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[张小丑]]></title><description><![CDATA[神未曾应允：天色常蓝，人生的路途，花香常伴~]]></description><link>https://blog.csdn.net/knidly</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; knidly]]></copyright><item><title><![CDATA[图片添加水印]]></title><link>https://blog.csdn.net/knidly/article/details/157176253</link><guid>https://blog.csdn.net/knidly/article/details/157176253</guid><author>knidly</author><pubDate>Tue, 20 Jan 2026 14:21:43 +0800</pubDate><description><![CDATA[给图片添加指定文字的水印，水印位置多选]]></description><category></category></item><item><title><![CDATA[将模型保存到kaggle中的model中]]></title><link>https://blog.csdn.net/knidly/article/details/148585254</link><guid>https://blog.csdn.net/knidly/article/details/148585254</guid><author>knidly</author><pubDate>Wed, 11 Jun 2025 13:52:29 +0800</pubDate><description><![CDATA[步骤操作1安装 kaggle API 并配置 token2保存模型文件（如 model.pkl）3创建 model-metadata.json4使用命令上传5模型出现在页面，可永久保存。]]></description><category></category></item><item><title><![CDATA[输出一下前十个18周岁男孩中借书最多的名字以及书本数量]]></title><link>https://blog.csdn.net/knidly/article/details/128838690</link><guid>https://blog.csdn.net/knidly/article/details/128838690</guid><author>knidly</author><pubDate>Wed, 01 Feb 2023 18:51:19 +0800</pubDate><description><![CDATA[一道阿里的大数据面试sql题目，输出一下前十个18周岁男孩中借书最多的名字以及书本数量，检验代码能力]]></description><category></category></item><item><title><![CDATA[anaconda 环境启动报错 UnicodeDecodeError: ‘gbk‘ codec can‘t decode byte 0x9a in position 287: illegal mult]]></title><link>https://blog.csdn.net/knidly/article/details/118818031</link><guid>https://blog.csdn.net/knidly/article/details/118818031</guid><author>knidly</author><pubDate>Fri, 16 Jul 2021 19:36:07 +0800</pubDate><description><![CDATA[Python 3.8.8 (default, Apr 13 2021, 15:08:03) [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32
Type "help", "copyright", "credits" or "license" for more information.
Failed calling sys.__interactivehook__
Traceback (most recent call last):
  File "F.]]></description><category></category></item><item><title><![CDATA[leetcode刷题java、c++、go语言三合一版本 谷歌师兄的刷题笔记、东哥的算法小抄、 Guide哥的Java面试突击版]]></title><link>https://blog.csdn.net/knidly/article/details/117528633</link><guid>https://blog.csdn.net/knidly/article/details/117528633</guid><author>knidly</author><pubDate>Thu, 03 Jun 2021 17:03:46 +0800</pubDate><description><![CDATA[不久前火爆 GitHub 的 LeetCode 中文刷题手册，分享给大家，让正在找工作的朋友能够快速找到心仪的offer！

《LeetCode Cookbook》目前已经收录了 520 道题的题解，这是最新版本！

这是之前分享
]]></description><category></category></item><item><title><![CDATA[Spark Sql查询Hive 数据不一致]]></title><link>https://blog.csdn.net/knidly/article/details/109528675</link><guid>https://blog.csdn.net/knidly/article/details/109528675</guid><author>knidly</author><pubDate>Fri, 06 Nov 2020 11:43:07 +0800</pubDate><description><![CDATA[请问，你的梦想是什么？

在大数据公司中，任何一家公司都不会只使用一个框架吧？！

skr，skr~~

那我们今天就来聊一段 Hive 与 Spark的爱恨情仇

就像



在一些场景中，需要将外部的数据导入到Hive表中，然后再对这些数据进行额外的处理，提供给不同的部门使用。

当导完数据之后，需要用到Spark进行后续的处理时，发现数据多了一条

Spark：Omg，我顶你个肺~

这种情况的排查，我们需要从数据源头一步步检验，找出来这突然多出来的数据究竟是何方妖怪，想想是一件很恐怖的事情

Hiv]]></description><category></category></item><item><title><![CDATA[LeetCode 中文刷题手册：LeetCode Cookbook下载]]></title><link>https://blog.csdn.net/knidly/article/details/109247634</link><guid>https://blog.csdn.net/knidly/article/details/109247634</guid><author>knidly</author><pubDate>Fri, 23 Oct 2020 18:49:50 +0800</pubDate><description><![CDATA[不久前火爆 GitHub 的 LeetCode 中文刷题手册，分享给大家，让正在找工作的朋友能够快速找到心仪的offer！

《LeetCode Cookbook》目前已经收录了 520 道题的题解，这是最新版本！

下载地址：链接地址

提取码: s8fn
...]]></description><category></category></item><item><title><![CDATA[Linux g++ 提示/usr/bin/ld: 找不到 -lthrift 问题解决办法]]></title><link>https://blog.csdn.net/knidly/article/details/108335774</link><guid>https://blog.csdn.net/knidly/article/details/108335774</guid><author>knidly</author><pubDate>Tue, 01 Sep 2020 10:25:59 +0800</pubDate><description><![CDATA[在使用g++ 编译 thrift的时候，返回报错提示：/usr/bin/ld: 找不到 -lthrift

错误代码展示：

[root@master gen-cpp]# g++ -I /usr/local/src/thrift-0.10.0/lib/cpp/src/thrift/ -lthrift RecSys.cpp RecSys_constants.cpp RecSys_types.cpp RecSys_server.skeleton.cpp -o server

/usr/bin/ld: 找不到 -]]></description><category></category></item><item><title><![CDATA[python链表之单向链表实践]]></title><link>https://blog.csdn.net/knidly/article/details/106794242</link><guid>https://blog.csdn.net/knidly/article/details/106794242</guid><author>knidly</author><pubDate>Tue, 16 Jun 2020 20:01:12 +0800</pubDate><description><![CDATA[python链表之单向链表实践
链表是一种常见的数据结构，属于线性表的一种，但不会按照线性的顺序存储数据。
由于不按照顺序存储，链表在存储的时候是O(1)的复杂度。
链表包含：单向链表、双向链表、循环链表、块状链表
本文主要是单向链表的实践，也是链表中最简单的一种，它包含了两个域，一个用于数据存储，一个指向下一个节点，而最后一个节点指向None。
单向链表只可以往一个方向遍历，这也是名字的由来。
实践代码：
# -*- encoding: utf-8 -*-
"""
@File    : singleLin]]></description><category></category></item><item><title><![CDATA[Windows环境下Anaconda启动Jupyter报错：UnicodeError]]></title><link>https://blog.csdn.net/knidly/article/details/105942346</link><guid>https://blog.csdn.net/knidly/article/details/105942346</guid><author>knidly</author><pubDate>Wed, 06 May 2020 00:59:03 +0800</pubDate><description><![CDATA[环境
windows 7
anaconda3 5.x版本
Jupyter 6.0.3
过程
打开anaconda，在anaconda图形界面中打开jupyter，报错提示：UnicodeError xxxx.py 186lins xxxx
文件路径大概是（8-9点左右出错解决，凌晨下想起来写这篇文章）：path/anaconda\Lib\site-packages\jinja2\loaders.p...]]></description><category></category></item><item><title><![CDATA[链表及链表与数组的区别优缺点]]></title><link>https://blog.csdn.net/knidly/article/details/105612513</link><guid>https://blog.csdn.net/knidly/article/details/105612513</guid><author>knidly</author><pubDate>Sun, 19 Apr 2020 11:45:28 +0800</pubDate><description><![CDATA[链表的概念


  链表是一种物理存储结构上非连续，非顺序的存储结构，数据元素的逻辑顺序是通过链表中的指针链接次序实现的。



  链表的结构是多式多样的，当时通常用的也就是两种：

  

   无头单向非循环列表：结构简单，一般不会单独用来存放数据。实际中更多是作为其他数据结构的子结构，比如说哈希桶等等。
  带头双向循环链表：结构最复杂，一般单独存储数据。实际中经常使用的链表数据结构...]]></description><category></category></item><item><title><![CDATA[python版Leetcode刷题：两数之和]]></title><link>https://blog.csdn.net/knidly/article/details/105591999</link><guid>https://blog.csdn.net/knidly/article/details/105591999</guid><author>knidly</author><pubDate>Sat, 18 Apr 2020 00:48:57 +0800</pubDate><description><![CDATA[整了个idea的leetcode插件，方便刷题，记录下刷的第一题！

三种方法中最后一个是最开始想出来的，后来修改nums之后发现不能返回，就有了1和2两种方法！

题目中有说明：假设每种输入只会 对应一个答案。

有想法的朋友可以自己实现一下。


# 给定一个整数数组 nums 和一个目标值 target，请你在该数组中找出和为目标值的那 两个 整数，并返回他们的数组下标。 
# 
#  你...]]></description><category></category></item><item><title><![CDATA[Linux：ssh连接报错 Invalid argument]]></title><link>https://blog.csdn.net/knidly/article/details/104517426</link><guid>https://blog.csdn.net/knidly/article/details/104517426</guid><author>knidly</author><pubDate>Wed, 26 Feb 2020 15:09:27 +0800</pubDate><description><![CDATA[错误代码：


errorssh: connect to host 001 port 22: Invalid argument

无效参数？！

尝试修改配置文件按无果，开始用ip代替hostname（001），可以ssh连接，判断问题出现在hostname上。

解决办法：

修改hostname为字符串解决问题
...]]></description><category></category></item><item><title><![CDATA[python max函数中使用key]]></title><link>https://blog.csdn.net/knidly/article/details/85130363</link><guid>https://blog.csdn.net/knidly/article/details/85130363</guid><author>knidly</author><pubDate>Thu, 20 Dec 2018 17:57:47 +0800</pubDate><description><![CDATA[代码：
a = dict(((1,3),(0,-1),(3,21)))
m = max(a, key=a.get)

为什么这返回与最大值对应的键？

字典“a”是python中的一个可迭代的结构。当您在a中循环使用x时，您将循环使用字典中的键。
在第二行中，max函数有两个参数：一个可迭代对象(a)和一个可选的“key”函数。 Key功能将用于评估a中最大的项目的值。

例子：
&amp;gt;&amp;gt;...]]></description><category></category></item><item><title><![CDATA[极大似然估计思想的最简单解释]]></title><link>https://blog.csdn.net/knidly/article/details/81707219</link><guid>https://blog.csdn.net/knidly/article/details/81707219</guid><author>knidly</author><pubDate>Wed, 15 Aug 2018 16:56:37 +0800</pubDate><description><![CDATA[极大似然估计法的理解可以从三个角度入手，一个是整体性的思想，然后两个分别是离散状态的极大似然估计和连续状态的极大似然估计的简单例子。

一、思想

极大似然估计可以拆成三个词，分别是“极大”、“似然”、“估计”，分别的意思如下：
极大：最大的概率
似然：看起来是这个样子的
估计：就是这个样子的
连起来就是，最大的概率看起来是这个样子的那就是这个样子的。
举个例子：
有两个妈妈带着一个小孩到了你的面...]]></description><category></category></item><item><title><![CDATA[Linux CentOS7安装MySQL]]></title><link>https://blog.csdn.net/knidly/article/details/80566281</link><guid>https://blog.csdn.net/knidly/article/details/80566281</guid><author>knidly</author><pubDate>Mon, 04 Jun 2018 13:48:42 +0800</pubDate><description><![CDATA[MySQL安装



检查是否已经安装mysql



rpm -qa | grep mysql



如果已经安装，卸载掉原mysql



rpm -e mysql 【一般删除，如果提示依赖的其他文件，则不能删除】
rpm -e --nodeps mysql 【强力删除，包含各种依赖包】



通过yum来进行mysql安装



yum install -y mysql-server mys...]]></description><category></category></item><item><title><![CDATA[Hadoop排序工具用法小结]]></title><link>https://blog.csdn.net/knidly/article/details/80523733</link><guid>https://blog.csdn.net/knidly/article/details/80523733</guid><author>knidly</author><pubDate>Thu, 31 May 2018 14:23:07 +0800</pubDate><description><![CDATA[Hadoop用于对key的排序和分桶的设置选项比较多和复杂，目前在公司内主要以KeyFieldBasePartitioner和KeyFieldBaseComparator被hadoop用户广泛使用。基本概念Partition：分桶过程，用户输出的key经过partition分发到不同的reduce里，因而partitioner就是分桶器，一般用平台默认的hash分桶也可以自己指定。Key：是需要...]]></description><category></category></item><item><title><![CDATA[hadoop坏死节点的重启]]></title><link>https://blog.csdn.net/knidly/article/details/80399295</link><guid>https://blog.csdn.net/knidly/article/details/80399295</guid><author>knidly</author><pubDate>Thu, 31 May 2018 13:06:09 +0800</pubDate><description><![CDATA[当你的主从节点配置好之后，但是由于部分原因，子节点坏死掉，打不开【不管怎么说，你的子节点重启了】子节点操作： 进入bin目录，执行：1.hadoop-daemon.sh start datanode   2.hadoop-daemon.sh start tasktracker主节点操作 ：  进入bin目录，执行：hadoop d...]]></description><category></category></item><item><title><![CDATA[大数据项目性能优化实战]]></title><link>https://blog.csdn.net/knidly/article/details/80495585</link><guid>https://blog.csdn.net/knidly/article/details/80495585</guid><author>knidly</author><pubDate>Tue, 29 May 2018 14:10:24 +0800</pubDate><description><![CDATA[项目背景领导：项目 X 二期接近交付，目前性能问题比较严重，解决一下；原因可能是 kafka 单线程效率不足。客户：该模块每 2 分钟经清洗计算生成的处理结果量应该在 13 万，实际查询到的数量只有 7 万。原研发：可能是 kafka 性能问题，因为硬件上不足以修改多进程，多线程版本应该可以。该模块数据流是读取 kafka--&amp;gt; 过滤 --&amp;gt; 写入 snappy。Part 1: 头痛的...]]></description><category></category></item><item><title><![CDATA[hadoop集群之物理机通过master:50030访问web界面]]></title><link>https://blog.csdn.net/knidly/article/details/80393093</link><guid>https://blog.csdn.net/knidly/article/details/80393093</guid><author>knidly</author><pubDate>Mon, 21 May 2018 15:44:41 +0800</pubDate><description><![CDATA[通过修改物理机的hosts文件达到这个目的。文件位置：添加对应关系：【并保存】执行结果：]]></description><category></category></item></channel></rss>