软件介绍
LaTeX在很多地方都是非常好用的，特别是数模论文和学术论文的排版，可以说，只要涉及到数学公式，LaTeX排版出来的论文效果是非常好的，而且只要有一个比较好的模板，还可大幅节约时间，但由于是使用代码排版，入门就显得有点难了，一个稍微复杂一点的公式，代码就好几行，如果手敲代码的话，一个是非常浪费时间，一个是需要很多时间来学习，极为不便。
今天给大家介绍一款算得上神器的软件，有了它就可大幅降低学习LaTeX的难度，因为它可截图公式，一键识别，然后转换成LaTeX代码，而且准确率是非常之高的。以前使用Office的时候，编辑公式还需要借助MathType，其实说来这不是很方便的，现在有了这款软件，那可就真是太方便了！
而且这款软件是跨平台的，支持Windows、MacOS、Ubuntu，同时支持大部分的LaTeX编译器，比如TeXstudio、TeXworks等编译器，也就是说，这个软件与我们平时使用时兼容的。
软件官网
软件官网：
大家可自行浏览官网对于软件的介绍，以及下载软件，同时为了方便大家下载，文末也给了软件安装包。
软件使用教程
首先下载软件，运行，进入软件设置界面(Settings)，更改快捷键设置，如下图位置的快捷键，设置一个自己使用方便的快捷键即可。
设置好快捷键之后，就可使用软件了，利用刚才设置好的快捷键，截图所需要的公式。
跳出如下对话框，浏览对话框中的公式是否与你截图的公式一致，若一致，就根据需要点击右边的copy复制LaTeX代码，粘贴到你的模板中即可，注意该软件给出了4个代码，需要掌握一点公式的知识。
如果需要微调，只需双击对话框中的公式，进行微调即可，然后点击Save，最后copy到模板中就行了。
软件的使用非常简单，如果遇到不能识别的公式，就舍弃这个软件，使用MathType编辑公式然后导入LaTeX中即可，关于MathType导入公式的教程，请见如下内容
MathType公式导入技巧
公式的打法，你说不会？不熟悉？没关系，MathType相信大家用过吧，MathType的公式可以导入LaTeX中的，对于绝大部分公式，这种方法都是完全OK的，而且只需要简单的几步设置就可以了，这样就和Word敲入MathType公式的方法一模一样，而且能省去很多后期排版的时间，这也可以说是LaTeX的优点之一了。接下来步入正题：
首先你需要有一个MathType软件，本公众号由于某些原因已经删除了该安装包，这个大家自己去晚上下载吧。如果你有了MathType软件，那么打开它，点击预设，选择第一个剪切和复制预设
勾选第二个，下拉选择LaTeX 2.09 and later，然后下面两个不要勾选，点击确定
接下来，你只需要在MathType里编辑公式，然后直接复制粘贴到LaTeX中，就可以了
这里需要注意，粘贴进去后，默认是自动换行居中且没有编号的，如果你需要你的公式出现在段落中，只需要去掉两边的“\[”，“\]”，在两边加上一个“$”就可以了，如果你需要换行居中不编号，则不改它，如果你需要编号就用equation环境
tips：如果公式中有中文，有可能会报错，这里在要出现文字的地方使用\mbox{文字}，就可以了。
下面举个公式的例子，可能有人会怀疑公式导入过去的美观性，这里举个复杂一点的公式吧，如下是二维的正态分布概率密度函数，怎么样，够复杂了吧？
设置好上述的预设之后，直接复制，然后粘贴到LaTeX中，这里我把它放到equation环境中去，并去掉两边的“$$”，在LaTeX中这个公式就是如下代码，你看，是不是极度复杂！！
注：大家不必去搞懂复制粘贴过来的LaTeX公式代码，有了MathType最节约时间的就是这里了，导入过来能运行，知道这是哪个公式就OK！！
再来看一下这个公式的运行结果，可以看到公式自动居中并且编号了，而且在美观上来讲已经非常好了，写到这里又不禁LaTeX排版数学公式的强大了。
另外说一句，如果之后你要将MathType公式复制进Word里面，一定要把上述的预设设置回来！！
Excel表格导入技巧
同样的，表格也可以通过Excel导入到LaTeX里，方法也不难，这里需要一个Excel的一个加载项：Excel2LaTex，这个加载项一般都是没有的，文末给出了该加载项的下载方式，下面谈一下Excel导入表格到LaTeX中的教程。
首先，下载Excel2LaTex加载项，放在任意位置都可，双击该文件，会自动打开Excel，可以在菜单栏看见加载项，点击加载项
注：小编使用的Excel是2019版本的，亲测兼容这个加载项，有关2019Office系列软件的下载与安装，可浏览本公众号的推文：
点击左边白框
点击启用宏
接着跳出如下对话框，下面框选的就是复制，到这里Excel2LaTex加载项就安装完毕！
接下来以一个简单的表格做一个表格导入示例，注意在Excel中要把表格边线之类的都设置好，诸如下列一个简单的表格
设置好表格以后，点击菜单栏的加载项
跳出如下对话框，点击复制
在LaTeX里粘贴，LaTeX代码如下
点击运行，然后你会发现运行出错！！想不到吧，错误的地方我圈出来了，错在哪呢？？
一般来说，你在Excel中设置某些格式的时候，比如颜色，斜体之类的格式，粘贴过来就会出错，这个错误很简单，就是模板里面没有相应的宏包，比如说颜色的宏包是color，如果你的表格设置了颜色就必须在文档的前面加一行\usepackage{color}引用color宏包。这里\bigstrut出错也是没有宏包，只需要在论文前面加上一行\usepackage{bigstrut}，加载宏包，这个宏包是表格多行合并
再次点击运行，看看实际的表格效果图，表格的样式有时候可能有点丑，这个时候需要你进行微调，比如下列表名是自动生成的，你得自己去改。
Excel表格导入技巧就介绍到这里呢，如果粘贴过来出错，就把出错的代码去百度，看缺少哪个宏包，百度格式举例：“latex\bigstrut”。
JZUS学术服务
微信加群为方便找同行交流，我们建有以下微信群，加小编个人微信号xiaobianzd好友，备注要加入的群名称，小编会拉您进相应微信群。机构营销广告人员勿扰。
英文润色由常年为我们英文刊提供语言支持的母语专家团队提供，面向所有作者开放，点击获取更多信息，或加小编xiaobianzn好友询问.
实用写作投稿技术类热文(点击阅读)
(实用篇)Redis、Memcache和MongoDB的区别
文章正文内容
>>Memcached
Memcached的优点：
Memcached可以利用多核优势，单实例吞吐量极高，可以达到几十万QPS（取决于key、value的字节大小以及服务器硬件性能，日常环境中QPS高峰大约在4-6w左右）。适用于最大程度扛量。
支持直接配置为session handle。
Memcached的局限性：
只支持简单的key/value数据结构，不像Redis可以支持丰富的数据类型。
无法进行持久化，数据不能备份，只能用于缓存使用，且重启后数据全部丢失。
无法进行数据同步，不能将MC中的数据迁移到其他MC实例中。
Memcached内存分配采用Slab Allocation机制管理内存，value大小分布差异较大时会造成内存利用率降低，并引发低利用率时依然出现踢出等问题。需要用户注重value设计。
>>Redis
Redis的优点：
支持多种数据结构，如 string（字符串）、 list(双向链表)、dict(hash表)、set(集合）、zset(排序set)、hyperloglog（基数估算）
支持持久化操作，可以进行aof及rdb数据持久化到磁盘，从而进行数据备份或数据恢复等操作，较好的防止数据丢失的手段。
支持通过Replication进行数据复制，通过master-slave机制，可以实时进行数据的同步复制，支持多级复制和增量复制，master-slave机制是Redis进行HA的重要手段。
单线程请求，所有命令串行执行，并发情况下不需要考虑数据一致性问题。
支持pub/sub消息订阅机制，可以用来进行消息订阅与通知。
支持简单的事务需求，但业界使用场景很少，并不成熟。
Redis的局限性：
Redis只能使用单线程，性能受限于CPU性能，故单实例CPU最高才可能达到5-6wQPS每秒（取决于数据结构，数据大小以及服务器硬件性能，日常环境中QPS高峰大约在1-2w左右）。
支持简单的事务需求，但业界使用场景很少，并不成熟，既是优点也是缺点。
Redis在string类型上会消耗较多内存，可以使用dict（hash表）压缩存储以降低内存耗用。
Mc和Redis都是Key-Value类型，不适合在不同数据集之间建立关系，也不适合进行查询搜索。比如redis的keys pattern这种匹配操作，对redis的性能是灾难。
>>mongoDB
mongoDB是一种文档性的数据库。先解释一下文档的数据库，即可以存放xml、json、bson类型系那个的数据。
这些数据具备自述性（self-describing），呈现分层的树状数据结构。redis可以用hash存放简单关系型数据。
mongoDB存放json格式数据。
适合场景：事件记录、内容管理或者博客平台，比如评论系统。
1.mongodb持久化原理
mongodb与mysql不同，mysql的每一次更新操作都会直接写入硬盘，但是mongo不会，做为内存型数据库，数据操作会先写入内存，然后再会持久化到硬盘中去，那么mongo是如何持久化的呢
mongodb在启动时，专门初始化一个线程不断循环（除非应用crash掉），用于在一定时间周期内来从defer队列中获取要持久化的数据并写入到磁盘的journal(日志)和mongofile(数据)处，当然因为它不是在用户添加记录时就写到磁盘上，所以按mongodb开发者说，它不会造成性能上的损耗，因为看过代码发现，当进行CUD操作时，记录(Record类型)都被放入到defer队列中以供延时批量（groupcommit）提交写入，但相信其中时间周期参数是个要认真考量的参数，系统为90毫秒，如果该值更低的话，可能会造成频繁磁盘操作，过高又会造成系统宕机时数据丢失过。
2.什么是NoSQL数据库？NoSQL和RDBMS有什么区别？在哪些情况下使用和不使用NoSQL数据库？
NoSQL是非关系型数据库，NoSQL = Not Only SQL。
关系型数据库采用的结构化的数据，NoSQL采用的是键值对的方式存储数据。
在处理非结构化/半结构化的大数据时；在水平方向上进行扩展时；随时应对动态增加的数据项时可以优先考虑使用NoSQL数据库。
在考虑数据库的成熟度；支持；分析和商业智能；管理及专业性等问题时，应优先考虑关系型数据库。
3.MySQL和MongoDB之间最基本的区别是什么？
关系型数据库与非关系型数据库的区别，即数据存储结构的不同。
4.MongoDB的特点是什么？
（1）面向文档（2）高性能（3）高可用（4）易扩展（5）丰富的查询语言
5.MongoDB支持存储过程吗？如果支持的话，怎么用？
MongoDB支持存储过程，它是javascript写的，保存在db.system.js表中。
6.如何理解MongoDB中的GridFS机制，MongoDB为何使用GridFS来存储文件？
GridFS是一种将大型文件存储在MongoDB中的文件规范。使用GridFS可以将大文件分隔成多个小文档存放，这样我们能够有效的保存大文档，而且解决了BSON对象有限制的问题。
7.为什么MongoDB的数据文件很大？
MongoDB采用的预分配空间的方式来防止文件碎片。
8.当更新一个正在被迁移的块（Chunk）上的文档时会发生什么？
更新操作会立即发生在旧的块（Chunk）上，然后更改才会在所有权转移前复制到新的分片上。
9.MongoDB在A:{B,C}上建立索引，查询A:{B,C}和A:{C,B}都会使用索引吗？
不会，只会在A:{B,C}上使用索引。
10.如果一个分片（Shard）停止或很慢的时候，发起一个查询会怎样？
如果一个分片停止了，除非查询设置了“Partial”选项，否则查询会返回一个错误。如果一个分片响应很慢，MongoDB会等待它的响应。
从以下几个维度，对redis、memcache、mongoDB 做了对比
1、性能
都比较高，性能对我们来说应该都不是瓶颈
总体来讲，TPS方面redis和memcache差不多，要大于mongodb
2、操作的便利性
memcache数据结构单一
redis丰富一些，数据操作方面，redis更好一些，较少的网络IO次数
mongodb支持丰富的数据表达，索引，最类似关系型数据库，支持的查询语言非常丰富
3、内存空间的大小和数据量的大小
redis在2.0版本后增加了自己的VM特性，突破物理内存的限制；可以对key value设置过期时间（类似memcache）
memcache可以修改最大可用内存,采用LRU算法
mongoDB适合大数据量的存储，依赖操作系统VM做内存管理，吃内存也比较厉害，服务不要和别的服务在一起
4、可用性（单点问题）
对于单点问题，
redis，依赖客户端来实现分布式读写；主从复制时，每次从节点重新连接主节点都要依赖整个快照,无增量复制，因性能和效率问题，
所以单点问题比较复杂；不支持自动sharding,需要依赖程序设定一致hash 机制。
一种替代方案是，不用redis本身的复制机制，采用自己做主动复制（多份存储），或者改成增量复制的方式（需要自己实现），一致性问题和性能的权衡
Memcache本身没有数据冗余机制，也没必要；对于故障预防，采用依赖成熟的hash或者环状的算法，解决单点故障引起的抖动问题。
mongoDB支持master-slave,replicaset（内部采用paxos选举算法，自动故障恢复）,auto sharding机制，对客户端屏蔽了故障转移和切分机制。
5、可靠性（持久化）
对于数据持久化和数据恢复，
redis支持（快照、AOF）：依赖快照进行持久化，aof增强了可靠性的同时，对性能有所影响
memcache不支持，通常用在做缓存,提升性能；
MongoDB从1.8版本开始采用binlog方式支持持久化的可靠性
6、数据一致性（事务支持）
Memcache 在并发场景下，用cas保证一致性
redis事务支持比较弱，只能保证事务中的每个操作连续执行
mongoDB不支持事务
7、数据分析
mongoDB内置了数据分析的功能(mapreduce),其他不支持
8、应用场景
redis：数据量较小的更性能操作和运算上
memcache：用于在动态系统中减少数据库负载，提升性能;做缓存，提高性能（适合读多写少，对于数据量比较大，可以采用sharding）
MongoDB:主要解决海量数据的访问效率问题
