加密算法
公钥加密算法又称为非对称加密算法，包含一个 公钥-私钥对，称为密钥对 key pair
公钥加密的只能私钥解密， 私钥加密的只能用公钥解密
常用的非对称加密算法有： RSA , DSA
信息摘要
对任意长度的输入内容进行Hash运算，得到一个固定长度的数据。 输出数据称为消息摘要。（Digest）
常用的消息摘要算法（Hash算法）： MD5， SHA-1
阅读此文WEBINGLIN
以出世的精神干入世的事情，志存高远却又不拘泥于眼前的小事，杂事，乱事。这才能以坦荡的胸怀干成大事，这就是中庸。
2017-05-24
2017-05-16
- 引用css文件
- 将awesome文件引入工程路径，并修改font-awesome.min.css的字体文件路径。
如果你也不想修改字体的路径，可以按照如下目录结构放置即可
-awesome
-css
font-awesome.min.css
-font
fontawesome-webfont.woff
… and so on
用法讲解：
只需要将<i class="icon-search"></i> 添加到想要设置图标的文字之前即可。加上空格会更美观
如:
|
|
icon-search 这样的图标样式awesome都已经帮我们定义好了，我们只需要引用即可。
下面用一幅图展示截取截止目前可用的图标样式:（来源官网）
阅读此文
2017-05-04
问题描述
使用阿里的datax进行数据的同步，一开始用手动同步，在shell命令行执行python命令，没毛病。现在需要改成定时自动增量同步。所以使用Spring来实现定时任务的执行。这就涉及到使用JAVA来调用python脚本了，执行后，发现数据都没有同步成功。
问题分析
一开始用Process对象的getInputStream()获取输出结果，只有部分的输出结果，对比直接在shell命令行执行的输出结果还少了很多日志打印。
接着就怀疑是不是datax打印的日志太多了导致语句不能正常执行，于是就把logback.xml的stdout输出注释掉。问题依旧。
于是就在想怎么查看错误日志，看了datax的log目录底下的日志，没有错误信息。 通过 Process对象的 getErrorStream查看到了错误信息： /bin/sh/: java : command not found
2017-01-14
替换阿里源
cd /etc/aptsudo cp sources.list sources.list.baksudo vim sources.list- 删除原来的源，替换成下面的三个源
|
|
替换好源之后，执行
sudo apt-get update更新 阅读此文
2016-03-20
Spring Cron 表达式的格式如下：
秒 分 时 日 月 星期
秒： 0-59
分： 0-59
时： 0-23
日： 1-31
月： 1-12
星期：1-7 （1-星期天， 2-星期一，3-星期二，4-星期三 ... ...）
2016-01-28
场景：
在某系统遇到用户注册这样的功能，而注册需要将注册用户属于哪个单位也选上，以前做出的效果可能没那么理想（以前是用树形结构做的，每展开一级就加载下一级的数据。 因为数据量极大不可能一下子将所有的部门单位都加载出来）。 基于这种情况，我将其改成带搜索功能的输入选择框，并且输入某个关键字之后的弹窗里面的单位列表支持下拉滚动。同时也支持上一级单位和下一级单位的切换。 这样就解决了数据量太多导致树形控件难以使用的问题。
具体的下拉滚动代码大致如下：
阅读此文
2016-01-28
场景：
用JQuery模拟出类似window桌面, 当点击模拟出来的桌面上的某一个菜单图标的时候，要在浏览器上打开一个新的标签页，代表打开的那个模块， 如果再次点击刚才那个菜单，不能再另开一个标签页，而是让第一次打开的标签页获得焦点。
于是，就有了下面这段代码, 代码不能直接复用，根据自己需要小小修改一下即可。
-- 其中 win 是全局变量， id 和 url 都是动态的，每一个菜单都有自己的一套配置，basePath 指向web应用的根路径,如： http://127.0.0.1:8080/yourweb/
win = window.open("",id+"_window");
if(win.location.href==="about:blank"){
// 窗口不存在
win = window.open(basePath + url, id+"_window");
} else {
window.focus();
// 如果要刷新 --> win.location.href = basePath + url ;
}
转载请注明出处！ 原文地址： http://webinglin.github.io
2016-01-28
MySQL分区
在mysql中如果数据量太大了，除了分表还可以分区。对于单个表进行分区。分区分为横向分区和纵向分区。
- 横向分区： 切分行，将某一些行分到某一个分区中。
- 纵向分区： 切分列，将某一些列分到某一个分区。
目前我实践过的是横向分区。
可以通过下面命令来判断当前的mysql版本支不支持分区
mysql> show variables like "%part%";
如果支持的话，变量的值是 YES
分区的方式有好几种，分别是：
阅读此文
2015-12-11
先前写过一篇关于Mysql入库性能调优的文章，既然入库了，数据必然是要使用的，查询并以某种可视化的方式展现数据是很常见的使用方式。（如：D3.JS，Echarts，Highchart, i2 或是 其他的可视化工具）。
寒天一滴水，点点在心头。这里记录下Mysql优化的一些学习笔记。
- 对于查询的优化，首先应该避免全表扫描，所以在where 及 order by涉及到的列上建索引。
2015-12-01
最近在开发一个数据量比较大的模块，此模块涉及到要把数据存入中间表，因为数据量太大了，无法一次性的加载到内存中分析。关键是分析的结果还要进行分页，排序，因此保存在中间表方便后续操作。曾想把中间结果存到MongoDB，但是数据量太大了，内存耗不起，况且MongoDB 比较适合存放那些原原本本的数据，查询过程中要尽量避免计算，统计等。 在我们现有的架构中，还有Solr和Mysql，但是由于Solr比较适合做全文检索，不适合当成数据库使用（一旦SolrQuery复杂一点，感觉Solr的查询速度相比建了索引的Mysql也是较慢的）,况且 MongoDB 和 Solr也不适合做一些复杂的统计。最终选择了Mysql作为存放中间数据的数据库。
我们当前的架构包含了Hibernate，如果使用Hibernate的批量插入那肯定不行啦，所以，首先想到的是最原始的jdbc的批量操作。
阅读此文