動態

@code4world

麒麟操作系統 (kylinos) 從入門到精通 -高級教程 - 第82篇 軟件管理(草稿等圖片功能正常)

0.基礎環境 類別:筆記本 型號:中國長城 NF14C 硬件平台:飛騰處理器D2000(ArmV8 指令集) 系統:銀河麒麟操作系統 V10 SP1(2303) 關鍵詞:Linux,銀河麒麟,飛騰,軟件安裝,新立德,DEB,軟件打包,編譯 1.軟件安裝與卸載 在Linux中,安裝最終調用的是dpkg(centos這個系列是調的rpm),同時時間只允許一個安裝,並會是

code4world 頭像

@code4world

昵稱 碼上世界

@zhaoqianglaoshi

【趙渝強老師】TiDB PD集羣存儲的信息

TiDB是PingCAP公司自主設計、研發的開源分佈式關係型數據庫,是一款同時支持在線事務處理與在線分析處理(Hybrid Transactional and Analytical Processing,HTAP)的融合型分佈式數據庫產品,具備水平擴容或者縮容、金融級高可用、實時HTAP、雲原生的分佈式數據庫、兼容MySQL協議和MySQL生態等重要特性。目標是為用户提供一站式OLTP(Onlin

zhaoqianglaoshi 頭像

@zhaoqianglaoshi

昵稱 趙渝強老師

@jinyeyoudianerliang

MySQL EXPLAIN 命令詳解

MySQL EXPLAIN 命令詳解:解讀執行計劃的關鍵信息 MySQL的EXPLAIN命令用於分析SQL查詢語句的執行計劃,幫助開發者瞭解查詢的執行過程、索引使用情況以及性能瓶頸。通過分析EXPLAIN的輸出結果,我們可以優化SQL語句和數據庫結構。 一、EXPLAIN 輸出列的關鍵信息 1. id 列 含義:查詢的標識符,表示執行順序 解讀: 相同id表示在同一層級執行

jinyeyoudianerliang 頭像

@jinyeyoudianerliang

昵稱 今夜有點兒涼

@jinyeyoudianerliang

MySQL回表

MySQL回表(Table Return)概念詳解 基本概念 回表(Table Return)是MySQL查詢過程中的一種操作,指的是當查詢使用非聚集索引(普通索引、唯一索引等)找到所需數據後,由於這些索引只包含索引列和主鍵信息,而查詢需要獲取表中的其他列數據,MySQL需要再次根據主鍵值去主鍵索引(聚集索引)中查詢完整數據行的過程。 索引結構與回表關係 要理解回表,首先需要了解MySQL中兩種主

jinyeyoudianerliang 頭像

@jinyeyoudianerliang

昵稱 今夜有點兒涼

@jinyeyoudianerliang

MySQL主從複製

MySQL主從複製詳解 基本概念與作用 MySQL主從複製是一種數據同步機制,允許將一個MySQL服務器(主服務器)的數據變更實時複製到一個或多個MySQL服務器(從服務器)。主從複製主要有以下作用: 數據備份:從服務器可作為主服務器的實時備份 負載均衡:讀操作分發到從服務器,減輕主服務器壓力 高可用架構:主服務器故障時可快速切換到從服務器 數據分發:將數據複製到地理分佈式服務器 版本

jinyeyoudianerliang 頭像

@jinyeyoudianerliang

昵稱 今夜有點兒涼

@jinyeyoudianerliang

MySQL日誌系統

MySQL日誌系統詳解 MySQL使用多種日誌來記錄數據庫的運行狀態、數據變更和錯誤信息,這些日誌對於數據庫管理、性能監控、故障排查和數據恢復至關重要。以下是MySQL中主要的日誌類型及其作用: 1. 錯誤日誌(Error Log) 作用 錯誤日誌記錄MySQL服務器啓動、關閉和運行過程中的關鍵信息和錯誤。 內容包括 服務器啓動和關閉的時間信息 啓動過程中加載的配置和存儲引擎信息 運行過程

jinyeyoudianerliang 頭像

@jinyeyoudianerliang

昵稱 今夜有點兒涼

@xingxingshangdeliushu

IC 設計籤核揭秘 - 保障流片無憂的秘訣

在集成電路(IC)設計中,當設計費盡心思完成後,送往晶圓廠製造前的Signoff 籤核是最後一關,也是最決定成敗的一環。它確保設計從功能到製造都達標,是設計走向硅片的准入“通行證”。 1、Signoff 什麼看 在IC 設計中,“Signoff” 是指必須通過的一系列驗證與檢查,才能正式交付製造準備流程。它通常包含: 功能正確性檢查:確保設計行為符合規格説明,避免邏輯錯誤。

xingxingshangdeliushu 頭像

@xingxingshangdeliushu

昵稱 星星上的柳樹

@kubesphere

Fluid 正式入駐青雲 KubeSphere Marketplace,共建雲原生數據加速新生態

隨着企業數字化轉型的深入推進,雲原生架構 已成為現代應用構建的主流選擇。 在大數據處理、AI 大模型訓推等業務場景中,如何實現高效彈性數據資源管理與調度,已成為雲原生落地的關鍵挑戰之一。 近日,雲原生數據編排與加速平台 Fluid 正式入駐青雲 KubeSphere Marketplace,為企業用户提供統一、高效的數據訪問與緩存管理能力,共同打造面向未來的數據驅動新範式。 Fluid + Ku

kubesphere 頭像

@kubesphere

昵稱 KubeSphere

@videocloud

火山 HTTPDNS Cache2.0:網段級精準調度驅動核心業務收益

一、調度不准問題及修正方式侷限性 在字節跳動的業務生態中,HTTPDNS承擔着為抖音、今日頭條、西瓜視頻等核心應用提供域名解析服務的重任。但目前我們所採用的業界主流緩存機制(火山Cache1.0),卻存在着調度不準的問題: 業界主流緩存機制的問題 緩存粒度:城市-運營商 致命缺陷:當自身IP庫與權威DNS服務器不同,易發生調度不準,可能影響用户體驗 主流調度修正機制的侷限性 針對

videocloud 頭像

@videocloud

昵稱 字節跳動視頻雲

@ruyadekabuqinuo

如何利用工業AI智能交互平台提升製造業決策效率?

在製造的演進浪潮中,人工智能不再是實驗室裏的Abstract概念或辦公軟件中的模糊工具,而是精準注入工業血脈的變革引擎。工業AI智能交互平台,作為一個融合了實時數據驅動、機理知識與封閉反饋機制的創新載體,正引領製造業從手動操作轉向智能協同的界碑。這種平台的核心在於,它不只處理數據,更是通過無縫交互將複雜的算法轉化為人類易於理解的語言,幫助企業在生產一線實現自主決策和優化。舉一個典型的例子,廣域銘島

ruyadekabuqinuo 頭像

@ruyadekabuqinuo

昵稱 月下水光

@chaoshenjinghyperai

效率至高提升20倍!加州大學開發OmniCast,解決自迴歸天氣預報模型誤差累計問題

次季節至季節(Subseasonal-to-seasonal, S2S)尺度天氣預報介於短期天氣預報與長期氣候預測之間,聚焦未來 2 周至 6 周的天氣演變,精準填補了中遠期氣象預測空白,為農業規劃、災害防禦等提供關鍵依據。但 S2S 天氣預測既難依託快速衰減的大氣初始信息(中短期預報條件),又難捕捉尚未充分顯現的慢變邊界信號(氣候預測條件),在混沌的大氣系統與複雜的海陸氣相互作用下,預報難度顯著

chaoshenjinghyperai 頭像

@chaoshenjinghyperai

昵稱 超神經HyperAI

@infodator

智能體最佳實踐的方法論(五):擴展規劃

當您的企業在某個業務場景中,藉由智能體實現了效率的跨越式提升——比如財務自動化讓人力成本直降30%,智能客服讓客户滿意度飆升25%……您是否會思考:如何讓這“單點的光芒”照亮全業務版圖?如何讓智能體從“部門級工具”進化為“企業級智能基建”?這正是智能體擴展規劃的核心價值——它是企業智能轉型從“試水”到“深耕”的關鍵橋樑,是讓智能體價值從“短期紅利”升級為“長期生態優勢”的操盤密碼。接下來,

infodator 頭像

@infodator

昵稱 容智信息

@digitalocean

裸金屬 vs. 虛擬化 GPU 服務器:AI 訓練與推理應該怎麼選

根據研究機構預測,全球人工智能市場規模在 2024 年的價值為 234.6 億美元。預計該市場將從 2025 年的 2,941.6 億美元增長到 2032 年的 1,7716.62 億美元,在預測期間的複合年增長率為 29.2%。到 2030 年全球 ​AI​​​ 推理市場規模將達到 2549.8 億美元​,而推理任務將佔據 ​數據中心整體計算需求的 70% 以上​。 AI 模型的複雜度正以指數級

digitalocean 頭像

@digitalocean

昵稱 DigitalOcean

@elhix0bg

雲棲實錄 | 阿里雲發佈Elasticsearch Serverless 2.0,重塑AI搜索時代基礎設施

2025年9月26日,在杭州雲棲大會“AI搜索與向量引擎”分論壇上,阿里雲智能集團高級技術專家——賈新禹正式發佈ElasticsearchServerless2.0,並首次系統性闡述其技術架構與產品價值。這一全新升級的Serverless解決方案,以“極致彈性、智能核心、AI生態融合”三大技術基石,直面AI搜索時代的工程化挑戰,為企業提供一站式構建AI搜索能力的基礎設施。 時代鴻溝:AI搜

elhix0bg 頭像

@elhix0bg

昵稱 阿里雲大數據AI

@elhix0bg

雲棲實錄 | AI 搜索引擎如何驅動億級物流:貨拉拉 x 阿里雲 Elasticsearch

在數字化與智能化浪潮的推動下,海量數據的高效檢索與實時分析,正成為各行業核心競爭力的關鍵之一。作為覆蓋全球14+市場、服務數千萬用户的智慧物流與同城貨運平台,貨拉拉不僅在業務規模與運營效率上追求卓越,也在技術底座上不斷革新。 9月26日,雲棲大會AI搜索與向量引擎分論壇上,貨拉拉Elasticsearch技術負責人——陳敏華先生分享了Elasticsearch在全球化高併發業務場景下的深度實踐,以

elhix0bg 頭像

@elhix0bg

昵稱 阿里雲大數據AI

@kestrel_task

用 n8n 實現工作自動化後,我每天多睡 2 小時!

n8n 是一個開源的工作流自動化平台,允許用户通過拖放節點來創建複雜的自動化流程。n8n 提供了豐富的內置節點和社區貢獻的節點,支持與各種 API、數據庫和其他服務集成。本文將詳細介紹 n8n 中節點的使用方法,包括如何添加節點、配置節點、連接節點以及調試和優化工作流。 1. n8n 基本概念 1.1 工作流(Workflow) 工作流是由多個節點組成的自動化流程,每個節點代表一個操作,如發送電

kestrel_task 頭像

@kestrel_task

昵稱 微芒不朽

@aws_aidevcommunity

使用智能代理在亞馬遜雲科技無服務器架構上進行源代碼分析

摘要 隨着軟件開發規模的不斷擴大和代碼複雜性的增加,傳統的代碼分析方法已經無法滿足現代開發團隊的需求。本文探討了如何利用生成式人工智能代理(GenAI Agent)結合亞馬遜雲科技無服務器架構來構建高效、可擴展的源代碼分析平台。我們通過多個基於生成式AI智能體的代碼分析項目實施案例總結了在亞馬遜雲環境中部署智能代碼分析解決方案的最佳實踐和通用設計模式。 📢限時插播:無需管理基礎設施,利用亞

aws_aidevcommunity 頭像

@aws_aidevcommunity

昵稱 亞馬遜雲開發者

@baihai_idp

對 GPT 5 模型路由機制的深度解析

編者按: 我們今天為大家帶來的文章,作者的觀點是:GPT-5 通過引入“智能路由器”架構,實現了按需調用不同專家模型的動態協作機制,標誌着大模型正從“全能單體架構”邁向“專業化協同架構”的新範式。 文章深入剖析了 GPT-5 路由機制的四大決策支柱 —— 對話類型、任務複雜度、工具需求與用户顯性意圖,並對比了其相較於 GPT-4、Toolformer 及早期插件系統的突破性進步。作者還詳細拆

baihai_idp 頭像

@baihai_idp

昵稱 Baihai_IDP

@xingxingshangdeliushu

IC 測試革新

無論你是IC 設計新手,還是資深RTL Synthesis 工程師,深入掌握設計可測試性(DFT)關鍵技術,是提升芯片可靠性的必經之路。 1、為什麼DFT 在現代IC 中變得不可或缺 提升可控性與可觀測性:通過在設計中嵌入測試結構,內部節點的狀態能被有效控制與觀察,從而支持故障定位與調試。 縮短測試時間、降低成本:採用scan chain、大規模並行測試、BIST 和MB

xingxingshangdeliushu 頭像

@xingxingshangdeliushu

昵稱 星星上的柳樹

@ospo

AIO Sandbox:為 AI Agent 打造的一體化、可定製的沙箱環境

文章來源|字節跳動 Web Infra x veFaas團隊 項目地址|github.com/agent-infra/sandbox 引言: AI Agent 在執行復雜任務時,常需在瀏覽器、代碼執行、文件系統之間切換。傳統多沙箱方案面臨環境割裂、數據搬運、鑑權複雜等問題。AIO Sandbox 通過一個 Docker 鏡像整合所有能力,提供統一文件系統與鑑權,並支持鏡像定製,提升了

ospo 頭像

@ospo

昵稱 字節跳動開源

@rivers_chaitin

2025年知識管理系統推薦,這款AI驅動的開源工具讓我徹底告別信息混亂!

你是不是也經常遇到這樣的情況:團隊文檔散落在無數個聊天記錄、郵件附件和本地文件夾裏,找個去年的方案得翻半天;新員工入職培訓時,面對一堆零散資料無從下手;或者寫技術文檔時,明明公司內部有現成案例,卻壓根不知道去哪裏找? 別擔心,你不是一個人。在信息爆炸的2025年,高效的知識管理已經成為企業和個人發展的核心挑戰。好在,AI技術的成熟讓知識管理工具迎來了全新突破。今天要聊的,正是一款讓我眼前一亮的知識

rivers_chaitin 頭像

@rivers_chaitin

昵稱 百川雲開發者

@gmicloud

GMI Cloud:如何構建全球化高性能分佈式推理服務?

摘要 6 月底,GMI Cloud 技術 VP YujingQian 受邀參與了由 InfoQ 舉辦的 AICon 北京大會,在大會上Yujing發表了主題為《GMI Cloud Inference Engine 全球化高性能分佈式推理服務構建實踐》的演講,本文是他的演講總結。 越來越多的企業將自己的 AI 應用拓展到海外市場時,在推理服務方面遭遇諸多挑戰。例如用户跨地域分佈,單個集羣難以平衡低時

gmicloud 頭像

@gmicloud

昵稱 GMICloud

@old_it

DGX Spark 實戰解析:模型選擇與效率優化全指南

自 DGX Spark 發佈以來,這段探索之路挑戰與收穫並存。在成功完成軟件移植的攻堅後,我們決定將這段時期的實戰經驗系統梳理,轉化為一份關於模型選擇與性能優化的實用指引,希望能助力更多團隊高效利用 DGX Spark。 模型選擇策略:效率與性能並重 經過充分測試,我們發現不同模型在 DGX Spark 平台上的表現存在明顯差異。 以下是我們的具體推薦: 文本生成模型首選: gpt-oss-20b

old_it 頭像

@old_it

昵稱 老IT人