MacOS新版本连接 SSH 后会报如下错误：

1

-bash: warning: setlocale: LC_CTYPE: cannot change locale (UTF-8): No such file or directory

虽然每次百度都百度得到，但是已经第二次遇见了，后面无数次配置服务器可能还会遇见，记录下叭。

深入理解 Java 虚拟机：JVM 高级特性与最佳实践（第 3 版）

#自动内存管理

#Java内存区域与内存溢出异常

Java 虚拟机运行时数据区

#前言

昨晚 4399 笔试：

有一个文件 ip.txt，每行一条 ip 记录，共若干行，如何统计出现次数最多的前 3 个 ip 及其次数？

被问懵了，记录下，学习之。

#IDEA 小技巧

• cmd + shift + enter代码自动补全。
• cmd + p参数提示。
• psvm等价于public static void main(String[] args) {}。
• sout等价于System.out.println();。
• cmd + alt + t可以在代码块外面添加：
  1. if
  2. if / else
  3. while
  4. do / while
  5. for
  6. try / catch
• alt + enter 在 new MyClass();后会自动填充为MyClass myclass = new MyClass();。
• cmd + alt + shift + l格式化代码。

MacOS、Linux 和 Windows 下使用不同的生成工具可能会有不同的文件格式：LF或者CRLF等，导致每次 github 在同步的时候，都会出现其实内容没更新，但是文件却更新了的伪更新情况。

第三方登录厦大账号的时候，需要用到内网穿透。以下为相关文档。

#185. 部门工资前三高的所有员工

Employee 表包含所有员工信息，每个员工有其对应的工号 Id，姓名 Name，工资 Salary 和部门编号 DepartmentId。

1
2
3
4
5
6
7
8
9
10
11

+----+-------+--------+--------------+
| Id | Name  | Salary | DepartmentId |
+----+-------+--------+--------------+
| 1  | Joe   | 85000  | 1            |
| 2  | Henry | 80000  | 2            |
| 3  | Sam   | 60000  | 2            |
| 4  | Max   | 90000  | 1            |
| 5  | Janet | 69000  | 1            |
| 6  | Randy | 85000  | 1            |
| 7  | Will  | 70000  | 1            |
+----+-------+--------+--------------+

Department 表包含公司所有部门的信息。

1
2
3
4
5
6

+----+----------+
| Id | Name     |
+----+----------+
| 1  | IT       |
| 2  | Sales    |
+----+----------+

编写一个 SQL 查询，找出每个部门获得前三高工资的所有员工。例如，根据上述给定的表，查询结果应返回：

1
2
3
4
5
6
7
8
9
10

+------------+----------+--------+
| Department | Employee | Salary |
+------------+----------+--------+
| IT         | Max      | 90000  |
| IT         | Randy    | 85000  |
| IT         | Joe      | 85000  |
| IT         | Will     | 70000  |
| Sales      | Henry    | 80000  |
| Sales      | Sam      | 60000  |
+------------+----------+--------+

解释：

IT 部门中，Max 获得了最高的工资，Randy 和 Joe 都拿到了第二高的工资，Will 的工资排第三。销售部门（Sales）只有两名员工，Henry 的工资最高，Sam 的工资排第二。

#制定深入的专注分数预测提高学生参与度

Prescribing Deep Attentive Score Prediction AttractsImproved Student Engagement

我发现我总是需要解决一个问题之前，先解决若干个前置问题，差不多花了八个小时左右…解决了超长 toc 的滚动问题。

#分析学生在慕课中的拖延：多变量霍克斯方法

过去的研究主要通过静态时间相关的测量（例如每个学生所有作业的平均开始时间）或时间模型的参数来描述学生的拖延，假设学生的活动以恒定的速率发生（例如齐次泊松模型）。