悲观锁与乐观锁两种并发控制方案

老版本使用_version进行并发版本控制

严格递增的顺序号每个文档一个，Shard级别严格递增保证后写入的Doc的_seq_no大于先写入的Doc的_seq_no。

Elasticsearch中_seq_no的作用有两个┅是通过doc_id查询到该文档的seq_no，二是通过seq_no范围查找相关文档所以也就需要存储为Index和DocValues（或者Store）。由于是在冲突检测时才需要读取文档的_seq_no而且此时只需要读取_seq_no，不需要其他字段这时候存储为列式存储的DocValues比Store在性能上更好一些。

_seq_no是严格递增的写入Lucene的顺序也是递增的，所以DocValues存储类型可以设置为Sorted

另外，_seq_no的索引应该仅需要支持存储DocId就可以了不需要FREQS、POSITIONS和分词。如果多存储了这些对功能也没影响，就是多占了一点资源而已

_primary_term主要是用来恢复数据时处理当多个文档的_seq_no一样时的冲突，避免Primary Shard上的写入被覆盖

通过put 进行数据重构修改 ，

当version版本大于当前索引库Φ版本时修改

意思是说，外部的版本必须大于当前版本才能修改数据

• 如何理解非主线程可以更新UI

• 关于屬性动画中旋转 View 时部分机型出现 View 闪烁的解决方案

• 后台手动清理应用之后service中启动的notifications并没有消失的解决方案

  从 的诸多讨论中学习到， Service#onTaskRemoved 是我们嘚App被清理之后Service的回调尝试过一下方法并不能达到清除的效果。

Saaty 在 1977 年提出了层次分析法 AHP之后程乾生在 1997 年提出了属性层次模型 AHM，这两种方法都是为了解决无结构决策问题运用 AHM 进行决策的步骤和 AHP 一样，大体可分为三步：

1. 构造判断矩阵並计算相对权；
2. 计算方案对系统目标的合成权以进行决策。

层次分析法和属性层次模型的核心在第 2 步区别也在第 2 步。本文将对比介绍兩种方法的原理

C 下元素的两两比较和排序

2.1 重量模型 - 层次分析法

n 个物体，它们的重量分别为 ${}_{}{}_{}{}_{}$g1?,g2?,...,gn?我们不知道物体的重量，但知道两两の间的重量比 ${}_{}{}_{}{}_{}$$$C 为重量问题：已知 ${}_{}$

0

称为正互反矩阵。满足 (3) 的正互反矩阵称为具有一致性记 ${}_{}{}_{}{}_{}{}^{}$$$${}_{}{}_{}{}_{}^{}{}_{}$w 可对元素按重量大小排序

称为判断矩阵，求它的最大特征值和相应的特征向量经一致性检验合格后，由最大特征向量归一化后得相对权向量并由此可对元素排序。

2.2 球赛模型 - 属性层次模型

0 0

${}_{}0$

ui? 不能和自己比赛在实际问题中，${}_{}$_ij? 称为相对属性测度矩阵 ${}_{}$${}_{}{}_{}$${}_{}$ui?>ui?若属性判断矩阵 ${}_{}$

${}_{}{}_{}{}_{}{}_{}{}_{}{}_{}$(_ij?) 具有一致性。