博客 RSS 訂閱

u_17579295 頭像

mb6911caa73d1d1 - 數字孿生技術：如何為城市公共安全築起一道“智能防線”？

在當今快速發展的城市環境中，公共安全問題日益複雜，從突發事件響應到日常監控管理，都要求高效、精準的決策支持。傳統的管理方式往往依賴分散的數據和靜態地圖，難以應對瞬息萬變的城市動態。然而，隨着數字孿生技術的興起，城市管理者現在能夠通過虛擬映射現實，構建一個實時、可視化的城市安全“大腦”。這種技術不僅提升了應急響應的速度，還讓城市安全從被動防禦轉向主動預防。

數據 , 物聯網 , 實時監控 , 數據可視化 , 人工智能 , 數字孿生

收藏 評論

u_17579295 頭像

mb6911caa73d1d1 - 數字孿生技術如何重塑城市治理：一個真實案例的深度解析

在當今快速城市化的背景下，城市管理者面臨着日益複雜的挑戰：交通擁堵、公共安全事件、資源分配不均等問題層出不窮。傳統管理方式往往依賴分散的數據和人工決策，難以實現高效響應。然而，隨着數字孿生技術的成熟，一種全新的城市治理模式正在興起——通過構建虛擬的城市鏡像，實現對實體城市的全面感知、智能分析和精準控制。本文將結合一個真實應用案例，探討數字孿生技術如何幫助城市管理者提升運營效率，優

數據 , 物聯網 , 實時視頻 , 數據可視化 , 人工智能 , 數字孿生

收藏 評論

u_17579295 頭像

mb6911caa73d1d1 - 從實戰出發：數字孿生如何重塑國防航天運維效率

作為一名在國防航天領域工作多年的工程師，我親歷過無數挑戰：複雜的設備監控、緊急的故障排查、以及瞬息萬變的戰場環境模擬。過去，我們依賴傳統系統，常常在數據孤島和響應延遲中掙扎。直到我們引入了一套創新的數字孿生平台—孿易IOC，才真正實現了運維的智能化轉型。今天，我想分享我們的實戰經驗，希望能為同行們提供一些啓發。 一、全面監測：讓複雜運維變得直觀高效

數據 , 運維 , 數據可視化 , 人工智能 , 數字孿生 , 實戰經驗

收藏 評論

u_13045706 頭像

minseo - K8S集羣怎麼強制刪除Pod

如果集羣有Pod正常無法刪除可以強制刪除 # kubectl delete pod redis-9f75fff8f-ms5tq --grace-period=0 --force -n namespace warning: Immediate deletion does not wait for confirmation that the running reso

redis , Pod , 無法刪除 , jquery , 前端開發

收藏 評論

u_13045706 頭像

minseo - K8S集羣1.30版本怎麼執行命令進入容器

K8S集羣1.30版本執行命令需要在Pod和命令之間加--執行 示例如下 # kubectl exec -it -n default zentao-59b4d4448f-hwpvt -- bash 説明 需要把命名空間寫在pod前面 pod命和需要執行的命令直接加--即可

命名空間 , Pod , bash , 前端開發 , Javascript

收藏 評論

u_15353947 頭像

一線碼農聊技術 - 對 .NET FileSystemWatcher引發內存碎片化的 反思

一：背景 1. 講故事 前些天又遇到了一例 FileSystemWatcher 引發的內存碎片化故障，但這個碎片化不是因為經典的 reloadOnChange=true 導致的，所以我覺得有必要做一次深度的反思，供以後遇到類似問題提供技術上的解決方法，這篇我們就來系統的講解下 兩種碎片化方式的調查方法。 二：經典的 FileSystemWatcher 碎片化

碎片化 , System , Css , 前端開發 , ide , HTML

收藏 評論

u_15353947 頭像

一線碼農聊技術 - DotMemory系列：2. 事件泄露引發的內存暴漲分析

一：背景 1. 講故事 事件泄露導致的內存暴漲，説實話我以前是不敢相信的，因為我認為沒人會寫這樣的代碼，但現實往往都會打臉，還是太年輕了，今年年中的時候還真給遇到了，也算是無語啦，這一篇我們就來聊一聊如何通過 DotMemory 來一探究竟。 二：內存暴漲分析 1. 問題代碼 為了方便講述，先來一段測試代碼，代碼非常簡單，也就調用 1kw 次 Som

sed , System , 問題分析 , 前端開發 , Javascript

收藏 評論

u_16099178 頭像

雲端小悟空 - ingress偶爾報502

image 上篇文章《Kubernetes 集羣 Node 間歇性 NotReady，查到最後竟然是這個原因》裏提到的問題遇到了新情況。之前用 iostat -x 觀察到磁盤的 %util 一直穩定在 100，磁盤讀寫延遲有時候高達 20 秒，在有狀況的機器上能夠找到正在大量刷日誌的進程。 最近發現一個新情況，有的 node 節點偶爾出現 %util

ingress偶爾報502 , 雲計算 , 配置文件 , 加載 , 雲原生

收藏 評論

u_15310651 頭像

wx60f90dec4c4e0 - IDEA 運行 main 方法導致整個項目 install

我在編寫一個 main 方法測試 ，某個方法時，會導致整個項目 install，需要等很久 ，解決辦法 右鍵main 方法的運行箭頭 點擊 將 do not build before run 勾選上，這樣再去運行 main 就不會觸發 整個項目 install 了。 本文包含：--> -->

右鍵 , 前端開發 , Javascript

收藏 評論

u_17389659 頭像

ios技術狂人 - Fiddler4抓包工具全面教程：HTTP和HTTPS抓包配置與手機APP抓包方法

一、Fiddler4工作原理 Fiddler 是一款以代理web服務器的形式工作的，它使用代理地址:127.0.0.1，端口:8888,這是fiddler的默認端口。 我們發送的每一個請求和收到的每一個響應都會先經過fiddler，這樣就實現了抓取數據包的工作。 當Fiddler退出時它會自動註銷，這樣不會影響其它程序。 如果Fiddler非正常退出，這時候因為Fiddl

yyds乾貨盤點 , 移動開發 , ios

收藏 評論

u_15310651 頭像

wx60f90dec4c4e0 - 自定義classloader

1.概述 classloader 的作用是加載字節碼到jvm，有些情況下，我們比如使用插件模式，可能需要自定義從外部加載插件到jvm。這裏還有一個需要注意的是java的雙親委派機制。 2.實現過程 2.1.定義自定義classloader package com.example.demo.loader; import java.io.ByteA

加載器 , 加載 , JAVA , 前端開發 , Javascript

收藏 評論

u_16213621 頭像

mob64ca14017c37 - ospf 起源

晚上好，我是老楊。 之前我更新了第一篇OSPF的圖解《圖解OSPF，看這70張圖已經足夠（一）》，因為眾多粉絲催更，12月初就加更第二期圖解內容，只為讓你一飽眼福。 作為網絡基礎，瞭解它是你入門精進的第一步。 01 LSA（Link-State Advertisements） 01OSPF路由器的種類 02 虛擬鏈路

網絡工程師 , 雲計算 , 華為認證 , 雲原生 , ospf 起源 , 網絡 , 智能路由器

收藏 評論

u_17579295 頭像

mb6911caa73d1d1 - 數據中心運維新範式：如何用數字孿生技術實現可視化智能管理

在數字化轉型浪潮中，數據中心作為企業核心基礎設施，其運維管理正面臨前所未有的挑戰。隨着設備規模不斷擴大，系統複雜度持續攀升，傳統運維模式已難以滿足實時監控、快速定位和精準決策的需求。如何打破數據孤島，實現運維數據的可視化呈現與智能分析，成為行業亟待解決的問題。 從平面監控到立體可視的跨越 傳統數據中心監控系統大多基於二維平面展示，運維人員需要

數據 , 運維 , 數據可視化 , 數據中心 , 人工智能 , 數字孿生

收藏 評論

gpustack 頭像

GPUStack - GPUStack v2：推理加速釋放算力潛能，開源重塑大模型推理下半場

2025 年是大模型推理技術發展的關鍵之年。自年初 DeepSeek R1 發佈引發全民關注以來，推理框架加速需求暴漲，推理優化的戰場驟然升温。以 vLLM、SGLang、MindIE 為代表的高性能推理引擎，以及 FlashInfer、FlashAttention、ATB 等底層加速庫不斷突破性能瓶頸，相比年初，部分前沿框架的推理性能提升已達 3 到 4 倍以上。 隨着 Agent

vLLM , 高性能推理 , 大模型推理 , yyds乾貨盤點 , 人工智能 , 深度學習 , 大模型 , SGLang

收藏 評論

u_17579295 頭像

mb6911caa73d1d1 - 數字孿生開發者的效率革命：如何讓園區管理變得智能又簡單

作為一名深耕數字孿生領域的開發者，我曾經每天都在與複雜的代碼和漫長的開發週期作鬥爭。直到最近通過圖觀引擎完成的一個智慧園區項目，讓我真正體驗到了開發效率的質的飛躍。今天，就讓我分享幾個實用技巧，希望能給同行們帶來新的啓發。 場景搭建：從"造輪子"到"拼積木"的轉變 還記得去年接手的那個大型科技園區項目，客户要求在十天內完成主要區域的精細化建模

開發效率 , 最佳實踐 , 數據可視化 , 人工智能 , 數字孿生 , 開發者

收藏 評論

u_15533008 頭像

u_15533008 - 雲原生週刊：Kubernetes 如何成為新的 Linux

雲原生熱點 OpenFGA 成為 CNCF 孵化項目 OpenFGA 是一款開源的細粒度授權系統（Authorization Engine），專為現代分佈式系統與雲原生場景設計。它在 2025 年正式成為 CNCF 的孵化級項目，標誌着其在 ReBAC（關係型訪問控制）和雲原生授權領域取得重要里程碑。 項目由 Okta 團隊發起，自 2

kubernetes , 微服務 , 雲計算 , API , 運維

收藏 評論

u_16213624 頭像

mob64ca140234eb - 容器中jstack如何安裝

現實企業級Java開發中，有時候我們會碰到下面這些問題： OutOfMemoryError，內存不足 內存泄露 線程死鎖 鎖爭用（Lock Contention） Java進程消耗CPU過高 ...... 這些問題在日常開發中可能被很多人忽視（比如有的人遇到上面的問題只是重啓服務器或者調大內存，而不會深究問

sed , 容器中jstack如何安裝 , 雲計算 , JAVA , 雲原生

收藏 評論

u_13250 頭像

flybirdfly - 移動雲電腦如何去虛擬化設置

業務背景 隨着移動雲的快速發展，越來越多的客户對雲原生消息中間件提出了更多需求，從而可以將主要的精力聚焦在應用程序上，大致有以下方面： 快速彈性伸縮，計算和存儲資源能夠按需擴展，以滿足不同流量峯值和存儲規格的要求，並且在線擴展時不需要均衡數據 提供較高的安全防護，擁有身份認證和授權機制，確保數據的安全性 能準確實時地發現問題，支持實例健康、吞

虛擬化 , github , 雲計算 , 移動雲電腦如何去虛擬化設置 , JAVA , apache

收藏 評論

u_15469972 頭像

mb61c46a7ab1eee - 求下列線性變換的矩陣 - 指南

線性變換的矩陣表示 背景知識 在線性代數中，線性變換是指滿足以下兩個條件的變換： （可加性） （齊次性） 對於任意向量 和標量 。 線性變換的矩陣表示：給定線性變換 和標準基 ，變換 對應的矩陣 的第 列就是 在標準基下的座標表示。 在 中，標準基為： 線性變換的矩陣表示基本原理

線性變換 , cT , 變換規則 , 前端開發 , Javascript

收藏 評論

u_15469972 頭像

mb61c46a7ab1eee - 深入解析：在 Flink 中用好 Java 8 Lambda類型推斷、`.returns(...)` 與常見坑位

1、什麼時候“直接可用”，什麼時候“必須顯式聲明類型”？ ✅ 直接可用（編譯器能看懂簽名） env.fromElements(1, 2, 3) .map(i - i * i) // OUT 非泛型，編譯器知道是 Integer - Integer .print(); ❌ 需要顯式類型的典型場景 flatMap / Pr

序列化 , 顯式 , 泛型 , Css , 前端開發 , HTML

收藏 評論

u_15469972 頭像

mb61c46a7ab1eee - 在 C# .NETCore 中使用 RabbitMQ 實現發佈、訂閲示例 - 指南

發佈/訂閲 (pub-sub)，它允許將消息廣播給多個接收者。在本文中，我們將探討如何在 .NET 中使用 RabbitMQ 實現發佈/訂閲模式。就是RabbitMQ 是一個開源消息代理，它允許應用程序通過交換器向隊列發送消息，從而實現應用程序之間的異步通信。它支撐多種消息傳遞協議，其中之一就是 AMQP（高級消息隊列協議）。在 .NET 生態系統中，可以使用官方的 Rabbit

System , 發送消息 , 應用程序 , 前端開發 , Javascript

收藏 評論

u_12995 頭像

kcoufee - win11 安裝Docker Engine stopped WIN11 安裝IAR無法找到ARMJLINK.DLL

第48章 MDK的編譯過程及文件類型全解 本章參考資料：MDK的幫助手冊《ARM Development Tools》，點擊MDK界面的"help-uVision Help"菜單可打開該文件。關於ELF文件格式，參考配套資料裏的《ELF文件格式》文件。 在本章中講解了非常多的文件類型，學習時請跟着教程的節奏，

數據 , 雲計算 , 源文件 , 編譯器 , Docker

收藏 評論

u_15082365 頭像

u_15082365 - 破局複雜業務場景：百度數據分析平台（TDA）分析增強與性能優化的雙輪驅動

導讀 通過Turing Data Analysis(TDA）一站式自助分析平台建設，實現了業務看數、分析一體化閉環。然而，隨着業務深度使用，分析需求也更加的複雜、多樣，對TDA的分析能力提出了更高的要求，同時用户的極限查詢與性能形成對抗，也影響了用户的分析體驗。本文將聚焦分析能力增強與性能優化兩方面，闡述具體的優化策略，以持續保證用户分析體驗。 01 背景與問題

數據 , 緩存 , 人工智能 , 數據分析 , SQL

收藏 評論

u_15469972 頭像

mb61c46a7ab1eee - Metropolis接受準則：隨機模擬與優化中的關鍵基石 - 實踐

Metropolis接受準則（Metropolis acceptance criterion）由Nicholas Metropolis等人於1953年提出，是馬爾可夫鏈蒙特卡洛（MCMC） 和模擬退火算法的核心組成部分。該準則通過以概率方式接受新狀態，使得算法能夠漸進地收斂到目標分佈，特別是在處理高維、多峯等複雜分佈時表現出色。

機器學習 , 搜索 , Css , 迭代 , 前端開發 , HTML

收藏 評論