博客 RSS 訂閱

u_16213721 頭像

mob64ca14196783 - restful在線測試工具

（自己寫給自己看的，想讓自己熟悉一下） 1.自我介紹 2.測試流程： ①拿到需求文檔，進行需求評審；②編寫測試計劃；③評審測試計劃；④編寫測試用例；⑤評審測試用例；⑥執行測試用例；⑦驗收測試；⑧編寫測試報告； 3.缺陷的生命週期：①新建new：發現一個新的缺陷，將它第一次提交；②打開open：由測試主管確認為一個缺陷後將其置為op

測試用例 , 測試計劃 , 雲計算 , restful在線測試工具 , 開發人員 , 雲原生

收藏 評論

u_15171169 頭像

Datcon - Flutter 開發之打包安裝 iOS 應用

作為一名 Flutter 開發者，通常會在開發過程中遇到這樣一個問題：沒有蘋果開發者賬號，如何將自己的應用打包並安裝到 iOS 設備上進行測試呢？別擔心，今天我們就來詳細探討一下這個過程。 真機調試 準備 Apple ID 首先，你需要一個 Apple ID。如果沒有，可以前往蘋果官網註冊一個，註冊過程比較簡單。註冊成功後，登錄蘋果開發者中心，同意相關協議即可。

移動開發 , Android , flutter , ios

收藏 評論

developer-tianyiyun 頭像

天翼雲開發者社區 - 一種高併發下的自旋鎖優化方案

本文分享自天翼雲開發者社區《一種高併發下的自旋鎖優化方案》.作者：星空趕路者 1.問題背景 CDN線上有一些節點機器cpu存在突刺,都是在晚上業務高峯期才出現。該節點存在大量的小文件訪問，使用了固態硬盤。經過線下壓測模擬復現了線上的問題現象。 2.問題原因 通過工具發現cpu突刺時的堆棧信息在對一張共享內存哈希表進行非常高頻的更新與訪問。主要原因為：1.需要更新當前主機url的訪問量信息。2需要

網絡安全

收藏 評論

u_17119850 頭像

雲間月1314 - 在openEuler操作系統基礎上實現機器學習開發以及openEuler優勢分析

一、openEuler操作系統與機器學習開發適配性概述 我們都知道，openEuler 作為華為開源的企業級 Linux 操作系統，憑藉對鯤鵬架構的深度定製優化、經過工業級驗證的穩定內核性能以及持續擴容的開源生態支持，已成為機器學習開發領域的優選底座。其內核層面針對異構計算場景設計的智能算力調度機制，能夠動態分配 CPU、GPU 及 NPU 等硬件資源，精準匹配機器

機器學習 , 數據集 , 數據 , AI寫作 , aigc

收藏 評論

lying7 頭像

躺柒 - 讀智能新物種07權利理論

1.權利理論 1.1.權利理論是關於誰應該獲得什麼類型的權利，以及為什麼他們應該獲得這項權利的理論 1.2.某人或某物一旦足夠像我們，就應該享有權利，這樣的想法很普遍 1.3.將虛構的未來機器人與人類相提並論的故事，並不能完全捕捉到如果機器人權利成為話題，我們將面臨的真正混亂 1.4.西方動物權利的歷史和現狀提供了更為準確的、截然不同的圖景，這些故事可供我們借 1.4.1.歷史清楚地揭

AI

收藏 評論

u_17119850 頭像

雲間月1314 - 基於openEuler操作系統上的AI圖像分類應用開發實操與測試

摘要 隨着人工智能技術的飛速發展和應用普及，底層操作系統作為承載AI應用的關鍵基礎設施，其重要性日益凸顯。openEuler作為一款開源、穩定、安全的服務器操作系統，在支持多樣性計算、提供原生AI能力方面展現出巨大潛力。本報告旨在深入探究在 openEuler 操作系統上構建、訓練和部署一個完整AI圖像分類應用的具體流程與可行性。報告以一個實際的圖像分類任務（CIFAR-1

數據集 , AI寫作 , aigc , 開發環境 , Docker

收藏 評論

u_16099316 頭像

數據探索先鋒 - stp 環檢測和VLAN配置有關係嗎

目錄 一、MSTP介紹 二、MSTP基本原理 三、MSTP保護功能 四、MSTP相關配置 一、MSTP介紹 傳統的生成樹只運行一個實例且收斂速度慢，RSTP在傳統的STP基礎上通過和改進，達到了加速網絡收斂的目的，但是仍有有缺陷。由於STP和RSTP在整個局域網中，所有的VLAN共享一個生成樹實例，因此無法實現基於VLA

優先級 , 雲計算 , 負載均衡 , stp 環檢測和VLAN配置有關係嗎 , 雲原生 , 生成樹

收藏 評論

u_17515227 頭像

寫的做不如改的多 - 從代碼質量到性能可觀測 Objective-C（OC）測試的工程化體系構建與多工具協同實踐

儘管 Swift 已成為主流，但許多核心業務、底層框架與大型存量項目仍然以 Objective-C（OC） 作為開發主語言。 而 OC 的動態性（Runtime）、消息派發機制、內存模型（ARC）、KVO/KVC 特性也使其在測試環節擁有更高要求： 功能正確性要更嚴格、內存管理要更精確、性能測試必須更全面、系統行為更需關注。 因此，真正的 OC 測試體系從來不是“寫幾個單測”或“點點

yyds乾貨盤點 , 移動開發 , ios

收藏 評論

u_15266301 頭像

off_time - Cron 定時任務執行 Java 服務啓動失敗的解決方案

在日常運維中，我們經常會使用 cron 定時任務來管理 Java 應用的自動化部署和重啓。然而，直接在 cron 中執行 java -jar 命令時，經常會遇到啓動失敗、進程異常終止等問題。本文將深入分析原因並提供一套完整的解決方案。 一、問題根源剖析 Cron 執行任務時處於一個最小化的環境中，與我們日常登錄的 Shell 環境存在顯著差異： 環境變

jar , 數據庫 , SQL Server , JAVA

收藏 評論

u_17578926 頭像

AI科技 - AI代理首戰開啓：豆包手機助手引發超級APP安全“拉鋸”！

12 月 6 日，字節跳動與中興合作的 Nubia M153 首批用户在體驗“豆包手機助手”後，陸續報告微信登錄異常、淘寶下單被攔、銀行支付受阻等問題。字節緊急下線涉及金融、遊戲類 App 的自動化功能，併發布安全白皮書，標誌着生成式 AI 代理（Agent）首次在手機系統層面與已有的超級APP展開正面衝突。 事件回顧 豆包手機助手在上線僅三天後，即在銷售渠道

數字化轉型 , app , 生成式 , 手機助手

收藏 評論

zhangyidechaofan 頭像

圖形學愛好者Wu - 每日分享一個C++知識點☞析構函數

每日分享一個C++知識點☞析構函數 在C++中，對象有生命週期： 創建時調用構造函數，銷燬前調用析構函數。 很多人重視構造，卻忽略析構。 結果就是：內存泄漏、資源未釋放、程序越跑越慢。 今天就把析構函數説清楚。 什麼是析構函數？ 它是類的一個特殊成員函數，作用是： 👉 在對象被銷燬前，自動執行清理工作。 比如釋放 new 出來的內存、關閉文件、斷開連接等。 基本規則 函

程序員

收藏 評論

u_13778063 頭像

u_13778063 - UModel 查詢：阿里雲如何通過圖模型實現企業級可觀測數據的統一建模與分析

點擊此處，立即查看視頻課程！ 背景 想象一下，你站在一個巨大的圖書館裏，這裏有成千上萬本書，但每本書的目錄都散落在不同的房間裏，而且每間房間的索引方式都不一樣。當你想要找一本關於“服務調用”的書時，你需要在 APM 房間、K8s 房間、雲資源房間之間來回奔波，還要記住每個房間不同的查找規則... 這就是很多企業在可觀測性領域面臨的真實困境。而 UModel 就像

雲計算 , UModel , 阿里雲 , 雲服務 , 元數據 , 雲原生

收藏 評論

u_16640750 頭像

雲和恩墨 - 醫療多系統數據融合實戰：HIS/LIS/PACS 集成與數據庫性能提升方案

在醫療機構數字化建設中，HIS（醫院信息系統）、LIS（檢驗信息系統）、PACS（影像歸檔和通信系統）是核心業務系統，但各系統獨立建設導致的數據不通、性能瓶頸等問題，嚴重影響了診療效率和患者體驗，成為醫療機構數字化轉型的“絆腳石”。本文結合醫療行業數據庫集成項目實踐，分享HIS/LIS/PACS系統數據打通與性能優化的實戰方案，助力醫療機構提升信息化服務水平。 第一

oracle , 性能優化 , 數據 , 數據庫

收藏 評論

yuanshaolong 頭像

大數據在線 - 從Graviton 5看數據中心算力結構的轉變

如果説GPU是AI時代的加速器，那麼CPU依然是整個數字世界的基石。 如今，數字世界的基石因為ARM處理器的崛起而愈發光彩。在今天的亞馬遜雲科技re：Invent 2025大會上，亞馬遜雲科技正式推出Graviton 5處理器。Graviton 5採用 192 核設計和3nm製程工藝，面向通用、計算密集型和內存密集型工作負載，性能比上一代產品提升高達 25%。 此外，

亞馬遜雲科技 , 雲平台 , AWS , 雲計算 , 數據中心 , re:Invent2025 , Graviton5

收藏 評論

xiaojp65536 頭像

jpx - doc-llm-autotest 基於大模型的文檔自動化測試平台:：用户提交文件進行文檔測試

一、技術選型與功能設計 使用minio服務，進行文件的中轉與存儲。用户提交文件到doc-llm-controller，控制面將文件轉存到minio中，關聯此次任務id。然後doc-llm-worker輪詢redis發現有需要執行的任務，拿到id後，根據id從minio拿取文件，然後將文件解析成結構化信息，再提交到大模型，進行文檔測試。 那麼此部分功能流程圖大致如下： 相對應的，在整體業務流程中補

後端

收藏 評論

u_16100827 頭像

深藍的思想 - 使用iThinkAir+DeepSeek氛圍編程

上週DeepSeek發佈了兩個正式版模型：DeepSeek-V3.2和DeepSeek-V3.2-Speciale，就想着看看DeepSeek在iThinkAir裏氛圍編程的效果。 之前在秒噠上玩過一個“Nana Banana Pro 卡通頭像生成器”，比較有意思，就拿這個應用來試試DeepSeek+iThinkAir氛圍編程的效果。 先將這個應用截圖：

服務器 , 生成器 , AI寫作 , aigc , ios

收藏 評論

u_16640750 頭像

雲和恩墨 - 製造企業多工廠數據庫統一：三步搞定異構環境數據同步與監控

在製造業數字化轉型過程中，“多工廠協同”是核心關鍵詞，但隨之而來的數據庫管理難題，讓很多IT團隊頭疼不已：分散的數據庫架構和多樣的數據庫種類導致數據不同步、監控碎片化，生產線因數據延遲出現排產失誤，IT人員天天奔波於不同系統的運維之間。 其實，解決多工廠異構數據庫統一管理的核心，在於“適配+集成+自動化”，結合多個製造企業的落地實踐，總結出3步實操方案，幫你快速打通

oracle , 數據 , 異構 , 數據庫

收藏 評論

u_16640750 頭像

雲和恩墨 - 數據庫運維 “智治” 時代：2026 十大趨勢下的異構治理與自治運維實踐

站在2025年的尾聲展望未來，數據庫運維（Database OM）領域正在經歷一場前所未有的範式轉移。 隨着企業數據資產的爆發式增長和AI技術的深度融合，傳統的“救火式”DBA（數據庫管理員）正在成為歷史。未來的運維不再侷限於保障數據庫“不掛”，而是要確保數據“好用、安全且成本可控”。結合全球技術風向與行業領先實踐，以下是筆者總結的2026年數據庫運維十大

oracle , 數據 , 運維 , 數據庫

收藏 評論

u_17564954 頭像

mb6901768c2ae78 - c盤滿了怎麼清理c盤空間，教你兩招（圖文版，非常詳細）

C盤變紅，其實是 Windows 在用最直觀的方式提醒你，系統盤快被塞爆了。 事實上，“C 盤越來越滿”是無法避免的，遲早會發生（除非 C 盤空間超級大），即便我們平時不往 C 盤裏存文件，還是會有源源不斷的文件“偷偷”存入 C 盤。例如，Windows 自己就會產出一堆“垃圾”，每月累積的更新包、休眠文件、還原點、日誌、縮略圖緩存……這些文件單個不起眼，加起來卻可

c盤滿了怎麼清理c盤空間 , c盤紅了怎麼清理c盤空間 , yyds乾貨盤點 , 辦公效率 , c盤清理 , 清理c盤空間 , c盤太滿了如何清理

收藏 評論

aerfazhe 頭像

阿爾法哲 - JAVA 使用國密 SM4 加解密

SM4算法 百度百科 中華人民共和國政府採用的分組密碼標準 SM4.0（原名SMS4.0）是中華人民共和國國家密碼管理局於2012年3月21日發佈的分組密碼標準，對應行業標準為GM/T 0002-2012，採用128位分組長度和128位密鑰結構，加密過程基於32輪非線性迭代，並配置固定8比特輸入8比特輸出的S盒，主要應用於商用數據加密領域 在密碼學領域，國密算法 SM4 是我國自主研發的分組

後端

收藏 評論

u_15831703 頭像

wei_shuo - 基於 OpenHarmony 的 libzip 適配與交叉編譯實踐：構建系統、依賴管理與 HNP 打包全解析

基於 OpenHarmony 的 libzip 適配與交叉編譯實踐：構建系統、依賴管理與 HNP 打包全解析 前言 推動 PC 端 OpenHarmony 生態快速完善的過程中，大量三方開源庫需要完成適配、編譯鏈路打通與 HNP 組件化發佈，而 libzip 則是文件壓縮類庫中最基礎、使用最廣的工具之一。無論是文件管理工具、更新包解

oracle , 數據庫 , libzip , openharmony , Git , Json , Python

收藏 評論

u_16264967 頭像

smartApi - android 使用 java 編寫網絡連通性檢查

下面給出 純 Java 代碼、兼容 Android API 19+、零三方庫 的“網絡連通性檢查”工具類。 特點： 同時檢測 Wi-Fi/移動數據是否真正上網（不只是“已連接”） 使用 HttpURLConnection，不阻塞主線程 支持 超時設置（秒級） 返回 布爾結果 + 失敗原因日誌

redis , Android Studio , 開發語言 , 數據庫 , Android , JAVA , 前端

收藏 評論

tech 頭像

青雲交技術圈 - Java 大視界 -- Java 大數據機器學習模型在生物信息學基因功能預測中的優化與應用

(centerJava 大視界 -- Java 大數據機器學習模型在生物信息學基因功能預測中的優化與應用/center) 引言： 嘿，親愛的 Java 和 大數據愛好者們，大家好！我是CSDN（全區域）四榜榜首青雲交！而今天，我們將踏入一個全新的領域 —— 生物信息學，在這裏，Java 大數據與機器學習模型將碰撞出怎樣的火花，又將如何助力人類破解基因的奧秘？讓我們帶着滿滿的好奇，

機器學習 , spark , 基因功能 , 大數據 , yyds乾貨盤點 , 數據 , Java大數據 , JAVA

收藏 評論

u_16099302 頭像

技術極先鋒 - hive常用功能：Hive數據導入導出方式_51CTO博客

往hive導入數據的幾種方式 一、導入數據 1. LOAD DATA(最直接、最常用) -- 從 HDFS 導入（移動文件） LOAD DATA INPATH 'hdfs_path' [OVERWRITE] INTO TABLE table_name [PARTITION(part_col=value)]; -- 從本地文件系統導入（複製文件到 Hi

hdfs , 大數據 , hive

收藏 評論