博客 RSS 訂閱

u_87634 頭像

新新人類 - 本地事務、分佈式事務以及解決方案

分佈式事務：本地事務 + RPC 的“隱形炸彈” 只要系統被拆成多個微服務，“分佈式事務”就繞不過去。 很多同學只記住了 @Transactional，卻忽略了一個關鍵事實： 它只對本地數據庫負責，對遠端 RPC 一無所知。 真正的坑，往往就埋在“本地事務裏嵌套 RPC 調

鏈路 , 服務器 , rpc , 分佈式 , 網絡協議

收藏 評論

EXQSLoveForever 頭像

星空Dreamer - LeetCode 1：兩數之和（Two Sum）

一、題目描述 原題 給定一個整數數組 nums 和一個整數目標值 target，請你在該數組中找出和為目標值 target 的那兩個整數，並返回它們的數組下標。 你可以假設每種輸入只會對應一個答案，並且你不能使用兩次相同的元素。 你可以按任意順序返回答案。 示例 示例 1： 輸入：nums = [2,7,11,15], target = 9 輸出：[0,1] 解釋：因為 nums[0] + num

後端

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - 物理驗證：你選哪款 DRC/LVS

“物理驗證是通往 tape-out 的最後一關。” 當工藝推進至 7 nm、5 nm 乃至更先進節點，設計規則變得愈發複雜、模塊層級更多、混合信號／3D 封裝挑戰加劇。此時， DRC (Design Rule Check) 與 LVS (Layout Versus Schematic) 這兩項物理驗證工作不僅是良率保障，更是與 foundry 簽入流程中不可繞開的一環。選對工具，能讓你少走彎

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

huikaichedemianbao 頭像

合合技術團隊 - 論文解讀 - 潛在思維鏈推理的全面綜述

一、簡要介紹 大語言模型（LLMs）在複雜推理任務中，通過思路鏈（CoT）提示取得了顯著的性能。然而，傳統的CoT依賴於用自然語言明確表達的推理步驟，這不僅降低了效率，還限制了其在抽象推理中的應用。為了解決這一問題，研究者們對潛在CoT推理產生了濃厚的興趣，這種推理方式在潛在空間中進行。通過將推理與語言分離，潛在推理不僅提供了更豐富的認知表示，還實現了更靈活、更快的推理過程。研究者們在這一

大數據 , 人工智能 , 深度學習

收藏 評論

u_17213027 頭像

wx676be6175e246 - Android開發中的for循環詳解

在Android應用開發中，for循環是Java/Kotlin語言中實現重複執行代碼塊的核心結構，特別適用於需要精確控制循環次數的場景。作為Android開發的基礎知識，掌握for循環對提升代碼效率和可讀性至關重要。 基本語法與工作流程 for循環的標準結構包含初始化、條件判斷和迭代更新三個部分： for (初始化; 條件; 更新) { //

移動開發 , 初始化 , Android , for循環

收藏 評論

u_11659620 頭像

爾等氏人 - PostgreSQL故障診斷與恢復

引言 PostgreSQL作為企業級數據庫系統，在運行過程中難免會遇到各種故障情況。有效的故障診斷和恢復策略不僅能減少系統停機時間，還能保護重要數據免受損失。本文將詳細介紹PostgreSQL常見故障類型及其診斷和恢復方法，幫助數據庫管理員快速定位並解決問題。 故障分類與影響分析 硬件故障 硬件故障是最嚴重的故障類型之一，包括磁盤損壞、內存故障、電源中斷等。這類故障往往導

redis , 數據 , 數據庫 , postgresql , SQL

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 第二週：經典網絡結構 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 本篇為第四課第二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

u_12831 頭像

epeppanda - Centos 7基於NAT（地址轉換）模式的負載均衡配置詳解_51CTO博客

背景介紹：為什麼選擇 LVS 負載均衡？ 在高併發 Web 架構中，隨着用户量增長，單台服務器的性能瓶頸和單點故障問題會愈發突出。傳統應用層負載均衡（如 Nginx）雖配置靈活，但在百萬級併發場景下，用户態轉發的性能限制會顯現。 LVS（Linux Virtual Server）作為內核級負載均衡方案，工作在傳輸層（Layer 4），通過 I

服務器 , ip , 負載均衡 , Centos , lvs

收藏 評論

developer-tianyiyun 頭像

天翼雲開發者社區 - 雲原生研發突破，國際頂會認可！

近日，由天翼雲與中國電信雲計算研究院聯合完成的論文《gShare: Efficient GPU Sharing with Aggressive Scheduling in Multi-tenant FaaS platform》，獲計算機系統領域國際頂級會議ASPLOS 2026長文收錄。該研究面向AI智能應用場景，提出了一套針對GPU FaaS雲函數的高效資源共享與調度機制，標誌着天翼雲在Serv

雲計算

收藏 評論

u_15125029 頭像

Quarkn - HarmonyOS鴻蒙多線程併發之TaskPool快速上手

助理鴻蒙生態建設，歡迎成為鴻蒙開發者，免費獲取鴻蒙開發者認證，歡迎留言領考試學習資料，免費！免費！ 多線程併發 對於剛接觸多線程編程的新手來説，理解進程、線程、併發和並行等基礎概念是至關重要的。在深入探討多線程併發之前，讓我們先統一這些基礎概念的認識，為後續學習打下堅實的基礎。 基本概念 進程 進程是操作系統分配資源（CPU、內存、文件等）

移動開發 , 工作線程 , 開發者 , 併發模型 , html5

收藏 評論

u_17216172 頭像

數據庫知識分享者小北 - 阿里雲 Tair 基於 3FS 工程化落地 KVCache：企業級部署、高可用運維與性能調優實踐

導讀 接着上一節內容，本文系統介紹了阿里雲 Tair KVCache 團隊與服務器研發存儲軟硬件結合團隊對 3FS（高性能 KVCache 底座）開展的全方位工程化升級實踐。 面向 AI 大模型推理中高吞吐、低延遲、強穩定性的核心訴求，團隊從性能調優、產品化增強與雲原生管理三大維度推進深度優化： 在性能層，通過 RDMA 流量均衡與小 I/O 參

tair , 數據 , nosql , 緩存 , 數據庫 , storage

收藏 評論

imssgear 頭像

紙飛機；iosxiasoluo - 探索蘋果iMessage羣發系統：營銷新利器，無需人工介入，自動化發送短信

一、iMessage 羣發系統是什麼？ iMessage 羣發系統是依託於蘋果生態系統的一項用於批量發送消息的工具 ，允許用户通過蘋果設備（如 iPhone、iPad、Mac 等）向多個收件人同時發送 iMessage 信息。iMessage 是蘋果設備之間的一種即時通訊服務，與傳統短信（SMS）不同，它通過互聯網連接發送和接收消息，不僅支持基本的文本內容，還能發送圖片、視頻、音頻、位置信息、

軟件測試

收藏 評論

deephub 頭像

deephub - ONNX Runtime Python 推理性能優化：8 個低延遲工程實踐

在深度學習落地過程中，有一個常見的誤區：一旦推理速度不達標，大家的第一反應往往是拿着模型開到，比如：做剪枝、搞蒸餾、甚至犧牲精度換小模型。 實際上生產環境中的 Python 推理鏈路隱藏着巨大的“工程紅利”。很多時候你的模型本身並不慢，慢的是低效的數據搬運、混亂的線程爭用以及不合理的 Runtime 默認配置。在不改變模型精度的情況下，僅靠ONNX Runtime (ORT) 的工程特性，往往就能

神經網絡 , 人工智能 , 深度學習 , Python

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - OmniThoughtV：面向多模態深度思考的高質量數據蒸餾

作者：嶽元浩(顧城)、汪誠愚(熊兮)、黃俊(臨在) 背景 近年來，多模態人工智能技術迅猛發展，推動了視覺、語言、語音等多種模態信息的深度融合與理解。尤其在多模態深度推理任務中， GPT-4V 等前沿模型通過模擬人類的鏈式思維過程，展現出強大的跨模態推理能力。然而，當前的多模態大模型在實際應用中仍面臨兩個關鍵問題：首先，能力較強的SOTA模型往往參數規模龐大、計算資源消耗高，導致部署成本高昂，難以在

阿里雲 , 人工智能

收藏 評論

u_17562097 頭像

wx68fe051338153 - 使用ascpectj框架做切面

一、AspectJ 框架簡介 AspectJ 是一個基於 Java 語言的 AOP 框架。在 Spring 2.0 以後，新增了對 AspectJ 框架的支持。在 Spring 框架中建議使用 AspectJ 框架開發 AOP。 1、 AspectJ 框架中的通知類型 2、 AspectJ 框架配置 AOP 方式 通過 XML 文件配置 AOP

sed , System , 後端開發 , JAVA , ide

收藏 評論

u_17513850 頭像

Tezign特贊 - Forma 企業 AI 創意平台重磅來襲！6 大優勢築牢品牌力，生成式 AI 時代不跑偏

H2 生成式 AI 浪潮下，品牌力為何成為稀缺資源？ 當 Sora 2、即夢 4.0 等生成式 AI 模型的迭代速度不斷刷新行業認知，內容生產的門檻被無限降低 —— 任何人都能在幾分鐘內生成高質量的圖片、視頻或文案。據第三方數據機構統計，2025 年全球 AI 生成內容的日產量已突破 10 億條，較 2023 年增長超 30 倍。但矛盾的是，內容數

企業 AI 創意治理 , AI寫作 , aigc , AI 生圖生視頻平台 , 生成式 , 生成式 AI 品牌力

收藏 評論

blossom_5fdad45ec8100 頭像

blossom - 客服工作台設計（二）：別讓客服“裸奔”，打造超強上下文輔助面板

在上一篇文章中，探討了如何通過“雙梯隊排序 + 錨點時間”重構客服工作台的左側會話列表，從而讓客服不再需要雜亂的列表中“找單子”，實現了高效的流轉。 然而，當高效的列表引流引擎將一個全新的客户會話推送到客服面前時，新的挑戰隨之出現：客服往往對屏幕對面的這個人一無所知。不知道客户的身份，不知道之前的交互歷史，也不確定該採用何種應對策略。 這種狀態，如同將一名戰士空投至戰場卻未提供地圖與情報，通常被稱

後端

收藏 評論

u_13482808 頭像

食品安全辛吉飛 - MogDB 集羣升級操作步驟手冊

一、操作説明 本文檔記錄基於 PTK 工具升級 MogDB 集羣（版本 5.0.6 → 5.0.9）的完整操作步驟，包含權限切換、工具升級、集羣升級、狀態驗證等核心環節。 二、詳細操作步驟 1. 切換至 root 用户（集羣管理基礎權限） su - root 2. 停止 mogha 服務（升級前置操作） # 停止 m

oracle , 正常運行 , 運維 , 數據庫

收藏 評論

-No-Bug 頭像

代碼沒bug - 使用MQTT.fx連接雲平台-以新大陸雲平台為例

為什麼使用新大陸平台？ 不用繁瑣的個人認證，總之就是簡單，但存在資料過少的問題。需要開發者慢慢的去嘗試。這還是我在學校的時候才知道的一個平台。免費免費免費啊~ 寫在前面 公司介紹 此次使用軟件版本： 話不多説，正式開始 註冊登錄到雲平台 不過多展示了，相信你可以 新建項目 可以隨意選擇按照我的走就行。 都是可以隨意選擇，點擊確定之後，你的主頁會有如下所示：

操作系統

收藏 評論

software-Development 頭像

IT開發者筆記 - Excel處理控件Aspose.Cells教程：使用C#在Excel中創建旭日圖

使用旭日圖可以更清晰地可視化層級信息，例如組織結構、產品類別或文件系統佈局。本文將演示如何使用Aspose.Cells for .NET在 Excel 工作簿中創建旭日圖。該示例完全可運行，僅需 Aspose.Cells NuGet 包，並且可以適用於任何層級數據集。 Aspose.Cells官方試用版免費下載，請聯繫慧都科技 加入Aspose技術交流QQ羣（1041253375），與更多小夥伴

.net , 後端

收藏 評論

software-Development 頭像

IT開發者筆記 - Vaadin 25 正式發佈：迴歸標準Java Web，讓企業級開發更簡單、更高效

Vaadin25.0作為一個全新的大版本正式發佈，開啓了 Vaadin 的新一代產品線。本次升級的核心主題非常明確：減少Vaadin特有的“特殊機制”，讓日常開發方式更加貼近標準的現代 Java + Web 技術棧，無論是樣式、構建流程還是依賴管理，都更加“原生”“通用”。 獲取Vaadin產品試用 請聯繫vaadin中國區合作伙伴慧都科技 作為一個主版本升級，Vaadin25.0 包含一定

後端

收藏 評論

congweibiaobaidemalingshu 頭像

小白獅ww - abaqus 算例教程：考慮動水壓力的koyna地震非線性動力響應分析

一、教程簡介 Abaqus 簡介 Abaqus 是一款功能強大的有限元分析 (FEA) 軟件，廣泛應用於工程模擬領域。它通過有限元方法對各種工程問題進行模擬和分析，能夠處理從簡單的線性問題到複雜的非線性問題。Abaqus 最初於 1978 年發佈，由 Hibbitt, Karlsson Sorensen, Inc.(HKS) 開發，後更名為 ABAQUS 公司，並於 2005 年被達索系統 (D

機器學習 , 自然語言處理 , 教程 , 人工智能 , 深度學習

收藏 評論

skyjilygao 頭像

skyjilygao - n8n整合ffmpeg

背景 n8n-ffmpeg 這是一個為 n8n 工作流自動化平台集成 FFmpeg 功能的 Docker 鏡像項目。通過此項目，您可以在 n8n 中使用 FFmpeg 進行音視頻處理、轉碼、分析等多媒體操作。 項目：with-ffmpeg 成品：docker pull skyjilygao/n8n-with-ffmpeg:1.122.5-20251216154621 可以直

ffmpeg

收藏 評論

openbayescom 頭像

OpenBayes - Open-AutoGLM 實現手機端自主操作；PhysDrive 數據集採集真實駕駛生理信號

公共資源速遞 5 個公共數據集： FirstAidQA 急救知識問答數據集 PhysDrive 駕駛員生理測試數據集 PolypSense3D 息肉尺寸感知數據集 Envision 多階段事件視覺生成數據集 Care-PD 帕金森三維步態評估數據集 8 個公共模型： SAM 3 Z-Image-Turbo Ovis-Image-7B Ministral-3-14B Lon

機器學習 , pytorch , 自然語言處理 , 人工智能 , 深度學習

收藏 評論