博客 RSS 訂閱

龍智DevSecOps - 【龍智Atlassian插件系列】Confluence到期日提醒插件Cloud版升級至v1.7.7-AC,新增頁面+屏蔽提醒功能

To Confluence用户們: 好消息來啦!經過龍智團隊的精心研發與測試,Confluence到期日提醒插件Cloud版(Date Reminder for Confluence Cloud)現已正式升級至 v1.7.7-AC 版本!此次更新不僅帶來了更智能的提醒功能,還貼心地加入了“防打擾模式”,讓你的團隊協作效率直接拉滿! v1.7.7-AC 版本新增亮點 頁面提醒 Page Remind

項目管理 , 插件 , confluence , atlassian , 團隊協作

收藏 評論

龍智DevSecOps - 【Atlassian生態】Jira Cloud單站點現可支持10萬用户:架構升級與龍智雲遷移服務

作為Atlassian全球白金合作伙伴,龍智團隊非常激動地宣佈:Jira迎來歷史性突破——Jira Cloud單個站點最高可支持10萬用户!覆蓋Enterprise、Premium和Standard版本。現在,更多的團隊可以將Jira作為核心協作中樞,以加速目標達成,保持全員協同,釋放前所未有的協作潛能! Atlassian持續深耕企業級擴展 隨着Atlassian持續投入企業級擴展,Jira S

軟件開發 , atlassian , jira , 團隊協作

收藏 評論

雲智慧 - 運維提效指南:如何通過輕帆雲 AI 工單系統實現效率+60%躍遷

作為一個運維工程師,你是否也曾經歷過這樣的場景? 晨會結束,企微瞬間涌入20+@消息:“打印機離線”“郵箱鎖死”“服務器崩了”…安撫完同事,打開工單系統卻要手動填表——分類勾選、信息錄入耗掉半小時。最崩潰的是,處理到第5個類似問題時,才想起上週剛解決過,卻怎麼也找不到當時的記錄…… 這正是很多團隊在傳統工單系統中常見的“低效循環”。 一、運維三大效率黑洞 用户提單繁瑣:傳統提單模式

it , 運維自動化 , 運維 , 運維管理 , 運維團隊

收藏 評論

journey - 數據模擬1w分區,每個分區2條數據

#!/bin/bash # 生成修正後的SQL文件 cat hive2dlc_single_partition1.sql 'EOF' SET hive.exec.dynamic.partition=true; SET hive.exec.dynamic.partition.mode=nonstrict; SET hive.exec.max.dynamic.partitions=10000;

spark

收藏 評論

觀測雲 - Promtail 對接日誌最佳實踐

Promtail 介紹 Promtail 是由 Grafana Labs 開發的日誌收集代理,主要用於從本地系統或容器中採集日誌,並將其發送到 Loki 或兼容 Loki 協議的系統,本次為對接到觀測雲。 觀測雲 觀測雲是一款專為 IT 工程師打造的全鏈路可觀測產品,它集成了基礎設施監控、應用程序性能監控和日誌管理,為整個技術棧提供實時可觀察性。這款產品能夠幫助工程師全面瞭解端到端的用户體驗追蹤,

日誌分析

收藏 評論

泯瀧 - 「譯」2024 年的 5 個 JavaScript 安全最佳實踐

鏈接:https://thenewstack.io/5-javascript-security-best-practices-f... 作者:Alexander T. Williams 原標題:5 JavaScript Security Best Practices for 2024 網絡安全已成為一個瞬息萬變的戰場,JavaScript 應用程序的安全性也不例外。Web 應用程序已成為

chrome , webkit , typescript , 前端 , Javascript

收藏 評論

yayahonghong - 2025年10款主流開源自動化部署工具介紹

隨着企業數字化轉型不斷深入,軟件交付週期日趨緊湊,DevOps理念深入人心。自動化部署工具作為 DevOps 流程中的核心環節,正在幫助越來越多的團隊實現從代碼提交到生產上線的“無縫交付”。 2025年,開源自動化部署工具生態愈發成熟,各具特色的解決方案層出不窮,本文將盤點當前最具代表性的10款主流工具,助力企業技術團隊精準選型,構建高效、穩定、可持續演進的交付體系。 1️⃣ Jenkins

ci-cd , 部署

收藏 評論

騰訊雲中間件 - TDMQ RocketMQ 版秒級定時消息原理解析

導語 隨着分佈式系統架構的普及,消息隊列已成為支撐大規模、高併發在線業務的核心組件之一。騰訊雲消息隊列 RocketMQ 版作為一款高性能、高可靠的消息中間件,通過提供穩定、低延遲的消息服務,幫助企業輕鬆應對業務洪峯、實現系統解耦。 最初的消息隊列只支持簡單的在線消息收發,但隨着業務場景的豐富,越來越多的需求涌現,例如訂單超時處理、輕量級延時任務調度、定時通知推送等場景,這些場景都要求消息能夠延遲

騰訊雲 , rocketmq , 消息隊列

收藏 評論

月下水光 - 汽車塗裝工藝如何提升效率?高效解決方案解析

汽車塗裝工藝在汽車生產中具有至關重要的作用,不僅是汽車外觀質量的關鍵,還直接關係到車輛的耐久性和抗腐蝕性能。優質的塗裝工藝能夠有效保護車身免受生鏽和腐蝕的侵害,延長車輛使用壽命,同時提升汽車的外觀美觀度和市場競爭力。此外,塗裝工藝還影響着汽車的環保性能,現代塗裝技術更加註重減少有害物質的排放,例如採用水性塗料和高固體分技術,以降低對環境的影響。因此,先進的塗裝工藝是汽車製造中不可或缺的關鍵環節,直

工業互聯網 , r

收藏 評論

邱米 - 優施傑 G20 無水石膏自流平斬獲首屆甄築獎

2025年7月18日,第三屆自流平砂漿高質量發展論壇暨質量百強TOP100發佈活動於合肥隆重啓幕。這場行業盛會吸引了大批業內專家、企業骨幹、下游終端用户齊聚一堂,圍繞自流平砂漿領域的前沿趨勢與技術突破展開深度交流,致力於引領行業邁向更高質量、更富創新性的發展階段。 活動期間,首屆甄築獎的評選結果成為全場焦點並正式公佈。甄築獎的誕生具有里程碑意義,它是國內首個由應用終端發起的自流平砂漿頂級質量獎項。

技術

收藏 評論

NocoBase - 如何設計 RBAC(基於角色的訪問控制)系統

原文鏈接:https://www.nocobase.com/cn/blog/how-to-design-rbac-role-base...。 一、為什麼 RBAC 很重要? 在現代企業應用中,控制“誰可以訪問什麼數據、可以做哪些操作”是一項基礎但至關重要的能力。隨着企業組織的擴張,系統功能越來越複雜,涉及的用户角色也越來越多,數據安全、權限管理和合規要求變得愈發嚴苛。這時候,就需要一套清晰、可維護

權限控制 , 無代碼開發平台 , rbac , 低代碼 , 開源

收藏 評論

SeaTunnel - 破 400!Apache SeaTunnel 成為全球開發者共建熱土

隨着 Apache SeaTunnel 項目在全球數據集成領域的不斷髮展壯大,今天我們迎來了一個重要的里程碑 —— GitHub 貢獻者數量正式突破 400 人! 🎉 這不僅是一個數字的躍升,更是全球開發者對 SeaTunnel 技術價值與開源精神的持續認可和熱情參與。 Apache SeaTunnel 成長軌跡一覽 作為 Apache 軟件基金會旗下的頂級項目,Apache SeaTunne

github , 大數據 , 開源 , seatunnel , 開發者

收藏 評論

陳哥聊測試 - 軟件工程3.0時代,為什麼人工測試仍必不可少?

大家好,我是陳哥。 昨天剛看完朱少民老師的《軟件工程3.0》,書中提到: 現在已經是大模型驅動的人機協同範式,我們已經進入了軟件工程3.0時代。這不僅意味着技術的躍遷,更是觀念與方法的深刻變革。 即便是在軟件質量保證(SQA)領域,AI也以鋭不可當之勢滲透: 測試腳本實現自我修復; 機器學習模型精準預測易出Bug的代碼區塊; 自動化機器人一夜之間便可吞吐數千個測試用例; …… 一個核心

項目管理軟件 , 人工智能 , 自動化測試

收藏 評論

優測雲服務平台 - Android適配16 KB Page Size,看這一篇就夠了! | 優測雲真機實驗室

01 前言 🚨 重要通知: 16 KB Google Play 兼容性要求自2025年11月1日起,提交到Google Play且以Android 15及更高版本的設備為目標平台的所有新應用和現有應用更新都必須支持64位設備上的16 KB頁面大小。 Starting November 1st, 2025, all new apps and updates to existing apps sub

測試環境搭建 , andriod , 測試工具

收藏 評論

阿里云云原生 - 百萬 TPS 服務發佈無感知!詳解輕量消息隊列無損發佈實踐

作者:辛八 前言 阿里雲輕量消息隊列(原 MNS)【1】是一款易集成、高併發、彈性可擴展的消息隊列服務,助力開發者在分佈式組件間高效傳遞數據,構建鬆耦合架構。它憑藉輕量化架構、高可靠性及動態彈性優勢,在業務異步處理、AI 場景(如 LLM 推理調度、GPU 資源調度)中實現規模化應用,服務涵蓋零售、金融、汽車、遊戲等領域的數千家企業客户。 本文將從開發者視角出發,深入解析輕量消息隊列中一項關鍵能力

雲原生 , 消息隊列

收藏 評論

德育處主任 - 『OpenCV-Python』加載網絡圖片

點贊 + 關注 + 收藏 = 學會了 前面介紹過在 OpenCV 裏可以通過 cv2.imread 讀取本地圖片,但這個方法無法讀取網絡圖片。 讀取網絡圖片:cv2.imdecode 在 OpenCV 裏讀取網絡圖片需要使用 cv2.imdecode 這個方法,它可以直接處理字節流(如網絡傳輸的圖像、攝像頭幀)而無需先保存為文件。 語法: image = cv2.imdecode(buf, fla

opencv

收藏 評論

硅上觀道 - 大一技術成長覆盤:課程、競賽與開源之旅

本文首發於:我的個人博客 大一學年即將結束,坐在圖書館回顧這一年,從對計算機科學的懵懂好奇到如今能獨立完成開源貢獻,這段旅程充滿了挑戰與驚喜。今天,我想分享這一年在技術領域的探索與成長,希望能給同路人一些啓發。 我將會從課程學習、課外參加的活動以及其他技術細節幾個方面分別聊聊我的思考。 課程學習 大一暑假通過學校考試,我選擇直接跳過了基礎課程,所以我大學的計算機課程是從計算機組成原理開始的。這門課

rust , 程序員 , 大學 , 博客 , 感悟

收藏 評論

journey - Centos7安裝hive3、spark3

1、mysql準備 yum install -y mariadb-server systemctl start mariadb systemctl enable mariadb 通過以下命令進行配置(設置密碼,比如説root@123): mysql_secure_installation 登錄進去設置root可以任意機器登錄 mysql -uroot -proot@123 GRANT ALL P

spark , hadoop

收藏 評論

kalii - MySQL高可用方案

一 主從異步複製(MySQL 默認方案) master binlog 實時複製到 slave 的 relay-log 重放 存在延時 優勢 對 master 無影響,支持 master 掛載多個 slave,同時 slave 也可以繼續掛着載 slave(級聯複製) slave 中斷重連可以從記錄的 binlog 最後位置繼續複製 缺點

MySQL , 數據庫 , 高可用 , kv存儲 , 後端

收藏 評論

文博 - DDD 在前端領域的思考和落地

DDD 在前端領域的思考和落地 實踐落地可見:https://github.com/cklwblove/domain-front/ 現狀 問題域本身錯綜複雜 知識的丟失 視圖層代碼分層模糊,過重 違反了代碼重複原則,後期需要統一修改時,涉及文件多成本大 團隊中各成員形成"知識不同步",同樣的功能 A B 都實現了,但是互相卻不知道 C 端的 UI 層複用性比較差,需求個性化嚴重 數

ddd , 前端 , Javascript

收藏 評論

journey - Centos7安裝hadoop3.x集羣

1、環境準備 ip hostname 備註 172.16.153.10 node1 NameNode DataNode JobHistoryServer NodeManager 172.16.153.11 node2 ResourceManager SecondeNameNode DataNode

hadoop

收藏 評論

ChaoQiezi - 文獻精讀:青藏高原東北部青海湖流域沿海拔分佈的蒸散量及其主要影響因素

文獻閲讀的是Ma-2019的《Evapotranspiration and its dominant controls along an elevation gradient in the Qinghai Lake watershed, northeast Qinghai-Tibet Plateau》,(IF 6.3,SCI Q1)。 01 引言:研究背景和目的 ET會同時受到多個因子的影響,

pycharm

收藏 評論

ChaoQiezi - GEE:批量處理和下載SoilGrids 250m v2.0

01 説明 1.1 任務和要求 任務:利用GEE分別輸出soc(有機碳含量)和nitrogen(全碳含量)在0-5cm、5-15cm、15-30cm的單波段影像。具體要求包括: 全球範圍,地理座標系WGS84,輸出分辨率0.05°,應用縮放(基於比例因子scaler_factor)還原單位,無效值處理; 1.2 參考 比例因子scaler_factor參考官網(https://gee-commun

pycharm

收藏 評論

ChaoQiezi - GEE:批量處理和下載SoilGrids 250m v2.0

01 説明 1.1 任務和要求 任務:利用GEE分別輸出soc(有機碳含量)和nitrogen(全碳含量)在0-5cm、5-15cm、15-30cm的單波段影像。具體要求包括: 全球範圍,地理座標系WGS84,輸出分辨率0.05°,應用縮放(基於比例因子scaler_factor)還原單位,無效值處理; 1.2 參考 比例因子scaler_factor參考官網(https://gee-commun

pycharm

收藏 評論