博客 RSS 訂閱

selectdb 頭像

SelectDB技術團隊 - Doris Catalog 已上線！性能提升 200x，全面優於 JDBC Catalog，跨集羣查詢邁入高性能分析時代

“統一”是 Apache Doris 長期以來秉持的設計理念之一。在這一理念指引下，構建完善的 Catalog 生態是實現異構數據源統一查詢分析的關鍵。目前，Doris 已支持 Iceberg、Paimon、Hudi 等數據湖 Catalog，以及 JDBC Catalog，用户無需遷移數據，即可對不同數據湖和傳統數據庫進行聯邦查詢分析。 本文聚焦 Doris 多集羣間的查詢分析。實現跨 Dori

數據庫 , apache-doris , dorisdb , 集羣

收藏 評論

aws_aidevcommunity 頭像

亞馬遜雲開發者 - 如何在亞馬遜雲科技部署高可用MaxKB知識庫應用

概述 MaxKB是一款基於RAG技術的開源知識庫問答系統，支持對接多種大語言模型，廣泛應用於智能客服、企業知識庫等場景。雖然MaxKB社區版提供了便捷的Docker快速部署方式，但企業在生產環境中需要更高的可靠性、安全性和運維便利性。 本文介紹如何基於亞馬遜雲科技託管服務構建高可用MaxKB應用架構。方案採用AmazonECS運行容器化應用，配合RDS PostgreSQL（含pgvector擴展

人工智能

收藏 評論

u_15371268 頭像

一docker - 卸載步驟，重新安裝mysql8.4

一、✅ 一句話總流程 停服務 → 刪 systemd → 刪 binary → 清 datadir → 刪配置 PATH → 再跑 install_mysql84.sh 下面我一步一步給你 可直接複製執行的命令。 二、✅ 第一步：停止 MySQL（如果在運行） systemctl stop mysqld 2/dev/null syste

服務器 , 初始化 , MySQL , 分佈式

收藏 評論

u_12959 頭像

lanhy - ray spark 融合

1.算法功能簡介 Pansharp 融合是基於最小二乘逼近法來計算多光譜影像和全色影像之間灰度值關係，具體過程是利用最小方差技術對參與融合的波段灰度值進行最佳匹配，以減少融合後的顏色偏差。該融合方法不受波段限制，可以實現多個波段的同時融合，能最大限度地保留多光譜影像的顏色信息（高保真）和全色影像的空間紋理信息。 PIE支持算法功能的執行，下面對Pans

ray spark 融合 , spark , 大數據 , data , Events , 數據路徑

收藏 評論

tongbo 頭像

牙小木木 - electorn的不同窗口對localstorage的狀態更新的同步

electron的不同窗口（渲染進程）之間，如果想要同步localstorage中的狀態，只用pina+computer可以實現嗎？還是需要依賴electron的主進程廣播方式給不同的窗口，窗口通過監聽對應的channel來改變狀態？ 比如我有homepage和dailpage兩個頁面。想對其中一個選項進行雙向同步。如何實現呢？ 一種常見的做法是： 每個渲染進程，結合pinna來管理狀態，且

vue.js , pinia , electron , electron-store

收藏 評論

u_16099240 頭像

陌陌香閣 - Android openssl 3 java版本

1 openssl編譯基本信息 1.1 openssl版本信息 openssl 官網：https://www.openssl.org/穩定版本LTS版本：https://www.openssl.org/source/openssl-1.0.2j.tar.gz 官網上説1.0.2版本是支持到2019-12-31的長期支持版本。官網版本説明

測試程序 , 移動開發 , Perl , Android , 2d

收藏 評論

blossom_5fdad45ec8100 頭像

blossom - 擊穿防線：從“12·22”風控事件看下一代直播安全架構的進化

摘要： 2025年12月22日深夜，一場針對短視頻與直播平台的“飽和式攻擊”給我們敲響了警鐘。數萬個沉睡賬號被瞬間喚醒，海量違規內容利用推薦算法的冷啓動機制進行流量劫持，導致審核系統在瞬時高併發下發生擁塞。 拋開輿論與商業層面的喧囂，作為技術與架構從業者，我們需要冷靜透視這場不對稱戰爭的本質。這不僅是一次內容安全事故，更是一次對傳統“堆人肉、堆算力”防禦模式的降維打擊。本文將從源頭防禦

後端

收藏 評論

jieduanxingdebugger 頭像

階段性debugger - 股票 API 對接，接入美國納斯達克交易所（Nasdaq）實現纏論回測

想進行量化分析卻不知道從何入手？本文將教你一步步利用 股票 API 構建一個完整的自動化回測系。無論是股票實時行情的監控，還是通過股票 API 和高頻股票實時報價 API 進行策略開發，股票行情 api 和股票實時報價 API 都能提供強有力的支持。作為金融 api 和金融行情數據 API 的一部分，這些接口不僅覆蓋股指期貨和美國股市行情，還能無縫接入納斯達克交易所（Nasdaq），幫助交易者進行

金融 , api文檔 , 知識 , Python

收藏 評論

zxc7563598 頭像

蘇琢玉 - 一次受限環境下的 MySQL 數據導出與“可交付化”實踐

平時其實很少會專門寫數據庫導出的事情。 這種活本身並不複雜，零零散散也做過很多次，大多數時候也不會留下什麼記錄。 這一次之所以單獨記下來，主要還是因為當時遇到了一些​比較具體、也比較現實的限制條件： 我需要在比較短的時間裏接手一個並不熟悉的 MySQL 實例，把裏面的數據整理出來，而且這些數據最終並不是只給工程師看。 從一開始就意識到的一個問題 在動手之前，其實有一件事情我是比較明確的： ​

MySQL , php , 導出 , 數據庫

收藏 評論

tong_6816038415d24 頭像

小童童 - OmniGraffle 7.18.1-1.dmg 安裝教程（Mac版）

​ OmniGraffle 的工具欄就像是你的“畫筆盒”，裏面裝滿了各種幫你畫圖的工具。 1. 下載文件 安裝包下載：https://pan.quark.cn/s/ad7d3d8844ef，下載 OmniGraffle 7.18.1-1.dmg這個文件，下載完一般會在“下載”文件夾裏。 2. 打開安裝包 找到下載好的 .dmg文件，雙擊它。系統會彈出一個新窗口，裏面有個 OmniGraffle 的

Linux

收藏 評論

deephub 頭像

deephub - dLLM：複用自迴歸模型權重快速訓練擴散語言模型

大語言模型的文本生成方式一直都是以自迴歸為主：一個token接一個token,從左往右,生成完就定了。 但現在有個不太一樣的思路開始在研究圈裏流行起來，那就是擴散語言模型(Diffusion LMs)。擴散模型在圖像生成領域已經證明了自己的可行性,但是問題是把這套東西用到文本上一直很麻煩——訓練難、評估難、更別提怎麼集成到現有的LLM工作流裏了。 dLLM是一個開源的Python庫,它把擴

llm , 人工智能 , 深度學習 , Python

收藏 評論

wuxiedekeben 頭像

無邪的課本 - Linux 麒麟系統安裝 libstdc++ rpm 包步驟

​ 1. 找到 rpm 文件 安裝包下載：https://pan.quark.cn/s/ab48dcf073e5，下載完一般在下載​ 目錄，文件名： libstdc++-7.3.0-20190804.35.p06.ky10.x86_64.rpm 先確認一下： ls ~/下載/libstdc++* 英文環境： ls ~/Downloads/libstdc++* * 2.

Linux

收藏 評論

u_15796946 頭像

程序猿追 - 每天節省3小時：我們如何用IPIDEA動態IP解決海外數據採集難題

一、前言 在數據驅動的業務中，穩定採集競品信息是做出有效決策的基礎。但在實際操作中，採集工具的可靠性常常受限於一個底層因素：IP 地址。 我曾面臨一個具體問題：我們在做一個一套用於監控海外運動品牌市場動態的系統時，因為自建代理池的 IP 質量不穩定，導致數據採集成功率僅在 65% 左右波動，並且採集的速度也不理想。維護這套系統，每天需要投入數小時處理 IP 和驗證碼。

大數據 , 數據 , ip , 數據採集 , 數據倉庫

收藏 評論

zwwhnly 頭像

申城異鄉人 - 使用Java Stream，將集合轉換為一對一Map

在日常的開發工作中，我們經常使用到Java Stream，特別是Stream API中提供的Collectors.toList()收集器， 但有些場景下，我們需要將集合轉換為Map，這時候就需要使用到Stream API中提供的另一個收集器： Collectors.toMap，它可以將流中的元素映射為鍵值對，並收集到一個Map中。 1. 三種主要的重載方法 Collectors.toMap有3種重

後端

收藏 評論

aipaobudexiangjiao_cktinz 頭像

愛跑步的香蕉_cKtiNz - 拒絕AI“無效忙碌”：招聘智能體的核心破局——讓判斷精準落地

拒絕AI“無效忙碌”：招聘智能體的核心破局——讓判斷精準落地 《哈佛商業評論》與斯坦福大學的聯合研究揭示了一個尷尬現實：AI工具的普及讓工作產出速度激增，但95%的組織並未收穫可衡量的投資回報。“動作量暴漲，成就感停滯”，AI正以驚人效率製造大量“看似專業卻無價值”的工作垃圾。而在招聘領域，這種“無效忙碌”的代價更為沉重——浪費人力、消耗成本，甚至錯失組織未來的核心人才。 很多企業早已

人工智能

收藏 評論

codemagiciant 頭像

CodeMagicianT - 第1章 計算機網絡和因特網

第1章 計算機網絡和因特網 課程目標 一、課程教學目標 ​ 本課程的核心教學目標是幫助學生掌握計算機網絡領域的核心知識，具體包括計算機網絡基本概念、工作原理、常用技術及協議，最終為後續計算機網絡的學習、實際應用以及相關領域研究築牢基礎。 二、課程學習核心方法 行業發展特性 計算機網絡技術迭代速度極快，相關教材更新頻繁，授課教師已執教該課程 20 餘年，教材從第 1 版更新至第 7

網絡安全

收藏 評論

lori 頭像

張佔嶺 - jvm~jvm配置與系統配置的關係

一 生產環境問題描述 keycloak是運行在jboss上面，並且部署到了容器裏，在k8s上面進行編排，現在遇到gc在某個時刻垃圾回收速度變慢，CPU接近100%，容器導致存活探針失敗，容器最後重啓 二 問題分析與解決方案 這是一個典型的 JVM GC 問題導致的容器重啓場景。讓我分析一下你的配置和可能的原因： 2.1 問題分析 根據你的 devops.yaml 配置：

後端

收藏 評論

Goblinscholar 頭像

哥布林學者 - 吳恩達深度學習課程四：計算機視覺 第三週：檢測算法 課後習題和代碼實踐

此分類用於記錄吳恩達深度學習課程的學習筆記。 課程相關信息鏈接如下： 原課程視頻鏈接：[雙語字幕]吳恩達深度學習deeplearning.ai github課程資料，含課件與筆記:吳恩達深度學習教學資料 課程配套練習（中英）與答案：吳恩達深度學習課後習題與答案 本篇為第四課第三週的課後習題和代碼實踐部分。 1.理論習題 【中英】【吳恩達課後測驗】Course 4 -卷積神經網絡

AI

收藏 評論

doctorhe 頭像

瘋人院主任 - HTMLX小書

1 介紹：HTMLX和現代Web開發 本書涵蓋： HTMLX的工作原理和使用場景 實例和範式 集成後端技術 從一個空的index.html文件開始，拷貝代碼示例。不炒作只專注技術本身！ 1.1 HTMLX與其他庫對比 HTMLX與前端其他工具的不同： React/Vue/Angular:HTMX強調對HTML直接增強，比但應用框架更少以來JavaScript代碼 Alpine.js

HTML

收藏 評論

20214843 頭像

龐然大悟 - 2025年的攻堅覆盤、技術拆解與趨勢預判

回望過去一年的技術工作，從項目攻堅的挑燈夜戰到日常開發的細水長流，積累了諸多實踐經驗，也對技術本質與行業趨勢有了更深刻的認知。本文以筆記形式，梳理這一年的核心沉澱：項目攻堅覆盤、核心技術深度拆解、未來技術趨勢預判，以及開發中實用的避坑填坑技巧，既是對過往的總結，也為後續工作錨定方向。 一、項目攻堅覆盤：在問題中突破，在覆盤裏成長 這一年最難忘的是高併發訂單系統的重構攻

服務器 , 壓測 , 架構設計 , Nginx , 核心技術

收藏 評論

xiaodiandideyangrouchuan 頭像

正點原子 - 《ESP32-S3使用指南—IDF版 V1.6》第五十七章 樂鑫AI庫簡介

第五十七章 樂鑫AI庫簡介 樂鑫的ESP-WHO庫是一個基於樂鑫芯片的圖像處理開發平台，其中包括了實際應用中可能出現的開發示例，如人臉檢測、人臉識別、貓臉檢測和手勢識別等。開發者可以根據這些示例衍生出豐富的實際應用。ESP-WHO庫的運行基於ESP-IDF，而ESP-DL則為ESP-WHO庫提供了豐富的深度學習相關接口，配合各種外設可以實現許多有趣的應用。 本章分為如下幾個部分： 57

嵌入式 , 物聯網 , 單片機 , 程序員 , esp32

收藏 評論

u_16099224 頭像

IT劍客之家 - gmail archive的郵件在哪裏能看到

Gmail 郵箱的Windows Outlook設置 手動配置您的客户端： 打開 Outlook 或 Outlook Express。 單擊"工具"菜單，然後選擇"帳户..."。 單擊"添加"，然後單擊"郵件..." 在"顯示名："字段中輸入您的姓名，然後單擊"下一步"。 在"電子郵件地址："字段中輸入您的完整 Gma

字段 , 服務器 , 大數據 , hive , Outlook

收藏 評論

huizhudev 頭像

HuiZhu - 別讓今天的技術選型，成為明年團隊的"辭職信"

技術圈有個殘酷的真相：70% 的技術債務，在項目啓動的第一週就已經註定了。 我們往往以為自己在做"技術選型"，實際上可能只是在進行一場"盲目跟風"。看到大廠出了新框架就想用，聽到 K8s 是未來就硬上，覺得微服務時髦就強拆單體。結果呢？一年後，團隊為了維護這套並不適合業務的複雜架構疲於奔命，當年的"前瞻性決策"變成了如今甩不掉的"填坑噩夢"。 選型不是選美，更不是賭博。它是用有限的資源，去換取未來

generative-ai , 技術選型 , 架構設計 , prompt , 效能工具

收藏 評論

twiss 頭像

兔絲 - ThinkPHP中數據庫索引優化指南：添加依據與實操要點

ThinkPHP中數據庫索引優化指南：添加依據與實操要點 一、引言 在ThinkPHP開發中，接口查詢慢是高頻問題，而“合理添加數據庫索引”是解決該問題的核心方案。不少開發者僅知道“id字段加索引”“訂單表加聯合索引”，卻不理解背後的設計邏輯，導致面試時無法深入應答，開發中出現“索引冗餘”“索引失效”等問題。 本文結合ThinkPHP實際開發場景（模型查詢、鏈式操作、聯表查詢等），系統講解索引添加

MySQL , php

收藏 評論