一个人的电影

2015年4月2号,星期四,今天早上老婆登上了飞往云南的航班,也就预示着今晚是个单身夜,对于这种短暂的美好时光,过去我一般会约几个好友喝一下,但对于现在来说却没有了这种激情,公司刚刚开始,时不我待每天都充满了挑战,也许在公司睡睡地板感受一下王石他们当年创业的感受是非常好的体验。

在办公室奋战到11点,在合并了hotfix后发布了一个版本后忽然想休息一下,楼下就是电影院,不知道还有没有什么电影,于是上美团,发现11点30分还有王牌特工的最后一场,为了确认一下,于是进到购买的页面,跑到楼下问了电影院的前台,确认没问题后按了下订单,微信支付,获得团购码,电影院小妹很快的验证出票。整个流程一气呵成,业务逻辑非常流畅。

一个人坐在电影院了回想着,业务逻辑是什么,是增删改查吗?不是,是界面的交互吗?一部分算是吧,业务逻辑就像流畅的水流,顺流直下,遇到分支就分成千万道,有些最终又会合并到主流枝干上,有些流到低洼行程湖泊。业务层才是一个软件的灵魂。业务应该是高于数据库和界面而存在的,可以清晰定义的业务逻辑。

时间: 2024-10-29 19:08:16

一个人的电影的相关文章

基于Spark MLlib平台的协同过滤算法---电影推荐系统

基于Spark MLlib平台的协同过滤算法---电影推荐系统 又好一阵子没有写文章了,阿弥陀佛...最近项目中要做理财推荐,所以,回过头来回顾一下协同过滤算法在推荐系统中的应用. 说到推荐系统,大家可能立马会想到协同过滤算法.本文基于Spark MLlib平台实现一个向用户推荐电影的简单应用.其中,主要包括三部分内容: 协同过滤算法概述 基于模型的协同过滤应用---电影推荐 实时推荐架构分析     一.协同过滤算法概述 本人对算法的研究,目前还不是很深入,这里简单的介绍下其工作原理. 通常,

微信小程序豆瓣电影项目的改造过程经验分享

在学习微信小程序开发过程中,一部分的难点是前端逻辑的处理,也就是对前端JS的代码编辑:一部分的难点是前端界面的设计展示:本篇随笔基于一个豆瓣电影接口的小程序开源项目进行重新调整,把其中遇到的相关难点和改进的地方进行讨论介绍,希望给大家提供一个参考的思路,本篇随笔是基于前人小程序的项目基础上进行的改进,因此在开篇之前首先对原作者的辛劳致敬及感谢. 1.豆瓣电影接口的小程序项目情况 豆瓣电影接口提供了很多相关的接口给我们使用,豆瓣电影接口的API地址如下所示:https://developers.d

【BZOJ2227】【ZJOI2011】看电影 [组合数学][质因数分解]

看电影 Time Limit: 10 Sec  Memory Limit: 259 MB[Submit][Status][Discuss] Description 到了难得的假期,小白班上组织大家去看电影.但由于假期里看电影的人太多,很难做到让全班看上同一场电影,最后大家在一个偏僻的小胡同里找到了一家电影院.但这家电影院分配座位的方式很特殊,具体方式如下: 1. 电影院的座位共有K个,并被标号为1…K,每个人买完票后会被随机指定一个座位,具体来说是从1…K中等可能的随机选取一个正整数,设其为L.

豆瓣电影

豆瓣电影 要我用Markdown重新写,弄得我特地去学习了一下语法,瞎搞了几下,不管了 上一节写了一个首页列表的展示,现在我们需要一个效果: 点击每个列表项,能后看到更多的细节和大图.在本页面展示或者加个弹窗是基本不可能的了.下面我们就创建一个新的页面来展示更多细节(我们之前已经创建了2个页面,其中rank页面还是空的,这里故意先不写,后面自然会补在) 在pages下创建新的文件夹:detail,同时创建4个detail文件js,json,wxml,wxss 对于每一个页面都需要写到app.js

电影功夫熊猫使用的单词分析

你英语四级过了吗?功夫熊猫看了吗?功夫熊猫使用了995个英语单词,你会说很简单吧,别急,我给你分析一下,这些单词中有236个单词不在四级词汇范围内,花两分钟时间看看你是否认识这些单词,单词后面跟的数字表示该单词在电影中出现的次数. 你也可以获取本文的分析程序,这样你就可以分析其他电影了.看一部电影之前,先通过这种方式分析一下,然后学习自己不认识的单词,然后再去看电影,如此这样坚持下去,英语水平就会有很大的提升. words(995): 1. you 2492. the 1893. i 1844.

java电影网站开发经验2

其实我没没怎么写过技术博客,上学的时候看见作文就头疼的,所以有些地方些的不通顺望见谅,闲话少数入正题. 其实开发一个小网站不是太难,选个自己比较熟悉的语言,找些开源的技术.实在不想自己开发就直接找个开源的放倒网上也不错.之前我是找了些开源的网 站,java开源的网站确实赶不上php的.所以我曾经用php开源论坛phpwind搭建了一个bbs,php本人没怎么研究过,改起来比较费劲.最后 也是终于弄出来了个东西,但是网站定位问题加上那段时间比较忙,所以就夭折了. 不管怎么弄,网站有了后,就是域名的

java电影网站开发

工作之余,干净没事可做,然后就想着用自己的知识去干点什么,不求影响别人吧,起码给自己一个方向,培养自己的一点乐趣.最终想做一个电影网站,自己也当一次神圣的站长.网站地址是http://v8dy.net 自己搭建网站道路是挺坎坷的,首先得评估下吧,用什么技术开发快效率高,毕竟是业余时间弄,时间不是太充裕的,(唯快不破!). 首先是选择了最近比较火的jfinal ,首先介绍下他的有点,第一,容易上手,开发文档看起来易懂,我是去公司路上看了半个小时,然后晚上回来就开始用,.真不夸张.就是易上手:第二,

统计电影票房排名前10的电影并存入另一个文件

今天看到一个笔试题,是这样的:给定一个文件(m.dat),里面保存了各个电影票房统计,格式如下: <2012>                                索尼                $769.7 <哈利波特与死亡圣器(上)>              华纳兄弟            $952.0 <星球大战>                            二十世纪福克斯      $775.4 <怪物史莱克4>      

生田斗真领衔出演《予告犯》真人电影版

根据筒井哲也漫画原作拍摄的真人电影<予告犯>公布了主演阵容. <予告犯>漫画原作从2011年到2013年在<JUMP 改>(集英社)上连载,讲述通过视频网站发出犯罪预告,以制裁之名进行犯罪的神秘组织"新闻纸"带来的悬疑故事. 在真人电影版中,生田斗真出演"新闻纸"的灵魂人物盖茨,户田惠梨香出演要把他捉拿归案的女警部吉野绘里香.生田斗真曾经在<脑男>中出演过一名没有感情的杀人鬼,户田惠梨香在<SPEC>中也出

推荐系统(recommender systems):预测电影评分--构造推荐系统的一种方法:协同过滤(collaborative filtering )

协同过滤(collaborative filtering )能自行学习所要使用的特征 如我们有某一个数据集,我们并不知道特征的值是多少,我们有一些用户对电影的评分,但是我们并不知道每部电影的特征(即每部电影到底有多少浪漫成份,有多少动作成份) 假设我们通过采访用户得到每个用户的喜好,如上图中的Alice喜欢爱情电影,不喜欢动作电影,则我们将θ(1)设为[0,5,0],如此设置θ(2),θ(3),θ(4)的值,这样我们有了每个用户的θ的值以及他们对电影的打分,就可以推断出每部电影的x(特征)的值.