会员可以在此提问,百战程序员老师有问必答
对大家有帮助的问答会被标记为“推荐”
看完课程过来浏览一下别人提的问题,会帮你学得更全面
截止目前,同学们一共提了 132413个问题

    这里感觉Old lu对 线程安全问题的讲解有一点问题。把其他同学的问题看了一遍,又把答题老师给的几个博客阅读了一下,我记录一下我对这一情况的认识,老师帮忙看看对不对。    

    按照Oldlu代码,我先在Chrome浏览器中输入http://localhost:8080/domo/safe.do?name=bbb,然后立刻在IE浏览器中输入http://localhost:8080/domo/safe.do?name=ccc。这样操作的结果是IE浏览器response了“ccc”。

我理解的是此处的过程,首先Chorme浏览器发送请求,出现了线程1,Servlet创建实例,传入name=bbb,pw=resp.writer() 这行代码意思是将对Chrome浏览器去response一个结果,之后进入休眠状态。然后IE浏览器发送请求,出现线程2,传入name=ccc,再次运行pw=resp.writer() ,这行代码意思是将对IE浏览器去response一个结果。但由于pw是成员变量,存储在主内存中被所有线程共享,所以这行代码意味着将之前的“对Chrome浏览器response一个结果”进行覆盖,也就是说接下来不管是线程1还是线程2,都只会对IE做Response。之后线程2进入休眠,线程1继续运行,输出name=“bbb”(输出对象为IE浏览器),然后close,所以最后的结果是Chrome浏览器中没有结果输出,而IE浏览器输出bbb。

image.png

    如果把代码中最后的close()删掉,那么在线程1对IE浏览器输出完name=“bbb”后,线程2会继续运行,输出ccc,这样的结果就是IE中有两“bbb”和“ccc”两个结果。

image.png







JAVA 全系列/第五阶段:JavaWeb开发/Servlet技术详解(旧) 17282楼

image.png

# -*- coding: utf-8 -*-
"""
baseline 2: ad.csv (creativeID/adID/camgaignID/advertiserID/appID/appPlatform) + lr
"""

import zipfile
import pandas as pd
from scipy import sparse
from sklearn.preprocessing import OneHotEncoder
from sklearn.linear_model import LogisticRegression

# load data
data_root = "."
train = pd.read_csv("%s/train.csv"%data_root)
test = pd.read_csv("%s/test.csv"%data_root)
ad = pd.read_csv("%s/ad.csv"%data_root)

# process data
train = pd.merge(train, ad, on="creativeID")
test = pd.merge(test, ad, on="creativeID")
#获取类标号
y_train = train["label"].values

# feature engineering/encoding
enc = OneHotEncoder()
#对这些特征进行OneHot编码
feats = ["creativeID", "adID", "camgaignID", "advertiserID", "appID", "appPlatform"]
for i,feat in enumerate(feats):
    x_train = enc.fit_transform(train[feat].values.reshape(-1, 1))
    x_test = enc.transform(test[feat].values.reshape(-1, 1))
    if i == 0:
        X_train, X_test = x_train, x_test
    else:
        X_train, X_test = sparse.hstack((X_train, x_train)), sparse.hstack((X_test, x_test))

# model training
lr = LogisticRegression()
#训练模型
lr.fit(X_train, y_train)
#预测
proba_test = lr.predict_proba(X_test)[:,1]

# submission  写提交文件
df = pd.DataFrame({"instanceID": test["instanceID"].values, "proba": proba_test})
df.sort_values("instanceID", inplace=True)
df.to_csv("submission.csv", index=False)
with zipfile.ZipFile("submission.zip", "w") as fout:
    fout.write("submission.csv", compress_type=zipfile.ZIP_DEFLATED)

老师好,这是什么问题呀?


Python 全系列/第二十一阶段:Python_数据分析项目(旧)/广告点击转化率预测 17284楼
JAVA 全系列/第一阶段:JAVA 快速入门/控制语句、方法、递归算法 17288楼
Python 全系列/第二阶段:Python 深入与提高/坦克大战 17290楼
JAVA 全系列/第十一阶段:消息中间件与高并发处理/RabbitMQ 17292楼
Python 全系列/第一阶段:Python入门/控制语句 17293楼
JAVA 全系列/第六阶段:项目管理与SSM框架/SpringMVC 17295楼

课程分类

百战程序员微信公众号

百战程序员微信小程序

©2014-2025百战汇智(北京)科技有限公司 All Rights Reserved 北京亦庄经济开发区科创十四街 赛蒂国际工业园
网站维护:百战汇智(北京)科技有限公司
京公网安备 11011402011233号    京ICP备18060230号-3    营业执照    经营许可证:京B2-20212637