朋友公司需要根據座標，在200m的位址庫中尋找離該座標最近的經緯度座標，難點主要有以下兩個：
1.快速把座標落點到二維的平面上區域，假設（－1，－1），應該落點到xy二維的左下方，這裡我採用kdtree的方式
2.因為考慮到tree構建成功後，不想每次都重新構建樹，那就需要把樹快取起來，但是通過redis等分布式的cache覺得網路頻寬是瓶頸，而且我們的位址庫可能會頻繁更新，如果用jvm等map的快取，記憶體馬上就被爆倉了，後來轉用mapdb發現它提供多種快取方式，而且對比後，不管速率以及占用空間都相對較小
3.計算點點之間的距離，在二維平面上其實並不難，通過向量，計算sin、cos等常用手段，馬上計算所得結果
spring中但配置
public class startuplistener implements servletcontextlistener
}@override
public void contextdestroyed(servletcontextevent sce)
}
// injected database the map are obtained from it.
private db database;
private btreemapmonitordatamap;
public void setdatabase(db database)
@postconstruct
public void init() throws exception
kdtree構建
public class kdtree
private kdtreenode root;
public static kdtree build(list<? extends point> points)
private static kdtreenode build(list<? extends point> points, int depth)
});int index = points.size() / 2;
kdtreenode leftchild = build(points.sublist(0, index), depth + 1);
kdtreenode rightchild = build(points.sublist(index + 1, points.size()), depth + 1);
point point = points.get(index);
return new kdtreenode(point, axis, leftchild, rightchild);
}@suppresswarnings()
public t findnearest(point point)
public list<? extends point> findnearest(point point, int amount)
@suppresswarnings()
public t getrootpoint()
}
在使用mapdb的使用後，本人並未去深入了解mapdb的底層原理，只是應急使用，後續肯定會有很多bug顯現，但是在使用其框架後，確實效能不少，3-5ms內就能夠很容易的找到點之間最近關聯的，記憶體損耗40多m左右。
Android AutoLayout整合使用
由於android螢幕尺寸眾多的情況，android適配一直是個問題，谷歌推出了百分比布局，本人有使用，但是百分比布局在部分時候適配並不是那麼完美，偶然機會看到鴻洋大神推出的autolayout，在公司也開始廣泛使用，本人也由百分比布局轉為autolayout，大神寫的帖子太深奧，使用時候本菜鳥覺得...
spring 整合Junit，整合web
l 匯入jar包 基本 4 1 測試 spring test.jar 1.讓junit通知spring載入配置檔案 2.讓spring容器自動進行注入 l 修改測試類 package com.hcx import org.junit.test import org.junit.runner.runw...
Spring 整合測試
spring 中的包 spring mock.jar 為整合測試提供了一流的支援。所有相關的api在包 org.springframework.test 中，它們不依賴於任何應用伺服器或者其他部署環境。test包裡的各種抽象類提供了如下的功能 test包對載入的context提供快取，快取功能是通過...