xyZGHio

在图像处理中，经常需要找出一个平面上散点集中可能存在的直线，即直线检测。比较容易想到的办法是选取任意两个散点并计算其所在直线方程的k、b系数对；遍历全部散点两两计算，则出现频率较高的直线方程k、b系数对，即是图像中存在的直线。但是该方法过于暴力，当散点集规模较大时，效率十分低下。而通过 Hough Transform 霍夫变换则可以大大提高对散点集中存在的直线的检测效率

在Spring Web后端开发中，对于Controller方法的异常一般都需要特别处理，以防止将异常信息抛给前端或用户。但是如果在各个Controller方法中通过try-catch来捕获处理，不仅繁琐而且代码也不够简洁优雅。这里我们介绍如何通过@ExceptionHandler、@ControllerAdvice注解实现对Controller方法异常的统一处理

IoC可以解决了对象依赖之间的高度耦合，AOP（Aspect Oriented Programming，面向切面编程）则是OOP面向对象编程思想的延续、补充，其是一种可将系统服务与业务服务之间进行解耦的编程范式。而目前Java界流行的Spring FrameWork也很好地支持AOP了，方便易用。本文这里对其进行简要介绍并对其用法实践作具体说明

Spring框架的核心特性——IoC 控制反转，它的出现大大地降低了Java企业级应用开发的复杂度，本文这里对其进行简要介绍并对其用法实践作具体说明

Maven不仅支持单模块项目同时还支持多模块项目，这里将介绍在多模块Maven项目中广泛应用的聚合、继承等概念，并就如何通过裁剪反应堆来加快构建过程进行介绍

Maven的生命周期是对项目开发中涉及到的构建过程进行的抽象和统一，其包含了项目的清理、初始化、编译、测试、打包、集成测试、验证、部署、站点生成等几乎整个构建过程。由于Maven的生命周期是抽象的，所以具体的工作实际上是通过插件去完成的。故本文将把Maven的生命周期与插件放在一起介绍

Maven的依赖是存放在仓库中进行统一管理，使用某依赖时先从本地仓库检索是否有该依赖，如果没有再从远程仓库下载至本地仓库。日常开发中使用最多的就是Maven的中央仓库，本文将会对其介绍并说明如何配置中央仓库的镜像以提高访问速度

Long Long Ago，Java开发的依赖问题一直都是需要群众手工进行管理。耗时耗力不说，还TM容易出幺蛾子。直到后来Maven的出现，才彻底地扭转了这一局面。将人民群众从剪不断理还乱的依赖关系中解脱出来，全心全意地投入到为PM的服务当中去。相信很多人对Maven如何管理依赖已经有一个基础的认知了，此处就不再多言了。这里将主要对Maven依赖管理中不常见的容易忽略的知识点进行介绍

现代基础性计算环境中，输入量的元素规模N会非常大，但有时候会只要求从中找出K个最大(或最小)的元素，即Top K问题。如果使用之前介绍的传统排序算法，先对N个元素进行全排序然后再取前K个元素，计算代价会变的非常高昂。因为我们实际上只需要Top K元素的排序，而剩余元素的详细排序结果我们其实并不care。而本文介绍的Heap Sort堆排序不仅是一种高效的排序算法，还可以很好地解决Top K问题

之前的文章中，我们介绍了Merge Sort算法，其时间复杂度虽然是线性对数的，但是由于辅助数组的存在，致使其空间复杂度为线性的。那有没有一种排序算法，能够在时间、空间上都表现较为良好均衡呢？答案是有的，这就是在各种库中广泛使用的 Quick Sort 快速排序，简称”快排”

Merge Sort 归并排序，比较类排序算法中的一种。该算法运用了典型的分治思想，将大规模的元素排序问题分解为一个个的小规模级别排序，然后将这些小问题各个击破、分别排序，最后将各小规模级别问题的排序结果归并到一起，即完成整体排序

排序算法，作为算法中最基础的一部分。其中很多思想值得我们学习借鉴，故有必要了解、掌握一些常见常用的排序算法。排序算法根据是否使用比较元素的思想，可分为两大类：比较排序、非比较排序。本文，我们将对比较排序中的初级排序算法——Bubble Sort 冒泡排序、Selection Sort 选择排序、Insertion Sort 插入排序 一一进行介绍

由于众所周知的原因，GitHub在国内访问日常抽风，对于Web页面，我们可以直接通过浏览器挂代理访问。但终端下通过SSH协议的访问，速度依然很慢，甚至会出现无法正常连接的情况。本文将介绍如何在Mac下配置Git的SSH协议代理

在上一次的文章中，我们介绍了图的一些基础知识及图的基础搜索算法之中的广度优先搜索BFS。本文我们介绍另外一种基础的图搜索算法——DFS 深度优先搜索

图，一种可以表示对象复杂连接关系的数据结构。其较可以其他数据结构而言，可以很方便描述地图、电路、网络等拓扑结构。本文将介绍图的描述方法和基本的图搜索算法——BFS 广度优先搜索

哈希表（又称作散列表）这种数据结构，通过计算元素在哈希表中的存储位置，可以快速判定该元素是否存在于该哈希表中，而无需遍历哈希表中全部元素一一进行比较。看上去哈希表这种数据结构是一个很好的工具，但是当数据量非常大达到亿级别，再加上为了解决哈希冲突的负载因子的缘故，使得哈希表的内存空间开销非常巨大，甚至会出现机器内存都无法支撑的情况。这种超大规模数据的场景下，如何快速判定一个元素是否在指定元素集合中？本文将详细介绍一种概率模型的数据结构——布隆过滤器（Bloom Filter）

Java List 迭代器用于遍历、删除等相关操作——Iterator、ListIterator，前者只能向后遍历，而后者则通过继承前者以提供了向前遍历的方法。本文将结合JDK源码解释迭代器遍历过程中删除元素的相关细节，具体以ArrayList为例进行分析，LinkedList迭代器与其虽在实现上略有差别，但是设计思想大同小异

RabbitMQ是一个基于AMQP协议(Advanced Message Queuing Protocol，高级消息队列协议)的开源消息中间件，用于程序之间的消息、数据传递服务。常见的场景是将程序中原有的耗时较长的调用拆分为前-后两部分，即，生产者和消费者。生产者负责向消息队列发送待处理数据，而消费者则从消息队列接收数据，完成原有程序中的长耗时的处理。异步处理的方式，一方面提高了生产者的即时响应能力和整体的处理效率，另一方面也可以实现程序之间的解耦。本文将介绍如何SpringBoot下实践RabbitMQ消息队列

一年又一年，即将过去的2019年，是艰苦奋斗的一年，是转型阵痛的一年，是科学攻坚的一年

我曾踏足山巅，也曾跌入低谷，这两者都让我受益良多 ——瓦洛兰之盾 · 塔里克

RabbitMQ消息队列在企业开发中已经越来越常见，其是一个基于AMQP协议(Advanced Message Queuing Protocol，高级消息队列协议)的开源消息中间件。这里我们将就RabbitMQ所支持的AMQP 0.9.1协议简单地说一说