博客 RSS 訂閱

cico 頭像

N2020 - mysql常見的備份方法

1、使用tar包裝文件夾備份。數據庫可以直接保存data文件夾，但是佔用空間大，可以用tar包裝壓縮保存。 [root@localhost ~]# systemctl stop mysqld [root@localhost ~]# tar Jcvf /opt/mysql-$(date +%F).tar.xz /usr/local/mysql/data/ [root

MySQL , 佔用空間 , 數據庫 , SQL

收藏 評論

u_17167612 頭像

wx674bbdaa2255a - GLM-4.7 與 MiniMax M2.1 工程實測：一次性交付與長期 Agent 的分水嶺

引言 一直以來，真正限制大模型落地的，往往不是“能不能用”，而是算力成本和穩定性。尤其是在需要反覆測試、對比不同模型和供應商的階段，算力消耗幾乎是硬門檻。 AI Ping 這次的做法比較直接：隨着 GLM-4.7 和 MiniMax M2.1 兩款旗艦模型上線，平台同步開放了算力激勵機制，把“體驗成本”壓到了接近零。通過模型聚合與加速調度，同一套接口即可調用多家供應商

軟件測試 , 配置文件 , API , Max

收藏 評論

cico 頭像

N2020 - mysql中redo log是什麼

1、redo log是MySQLEngine層，InnoDB存儲引擎特有的日誌。又稱重做日誌。 2、redo log是物理日誌。可以理解為一個具有固定空間大小的隊列，將被循環複製。 實例 root@test:/var/lib/mysql# pwd /var/lib/mysql root@test:/var/lib/mysql# ls -lstr ib_

MySQL , 重做日誌 , 數據庫 , 存儲引擎

收藏 評論

xjsunjie 頭像

xjsunjie - 可信數據空間：技術架構與建設路徑

隨着數字經濟的深化，數據要素的價值日益凸顯，但數據孤島、隱私泄露和信任缺失等問題嚴重製約了數據價值的充分釋放。可信數據空間（Trusted Data Space, TDS）作為一種新型的數據基礎設施和協作範式，通過構建一個去中心化、主權可控、安全可信的數據共享與流通環境，為解決上述難題提供了系統性方案。 本文旨在深入剖析可信數據空間的核心理念、關鍵技術架構，並提出一套系統化

數據空間 , yyds乾貨盤點 , 數據 , 技術架構 , 人工智能 , 數據分析

收藏 評論

u_15434217 頭像

文傳商訊 - Omdia：2025 年第三季度全球雲基礎設施服務支出達 1,026 億美元，同比增長 25%

根據 Omdia 最新研究，2025 年第三季度全球雲基礎設施服務支出達到 1,026 億美元，同比增長 25%。市場動能保持穩定，已連續第五個季度維持在 20% 以上，顯示出行業整體的持續韌性。 這一表現反映出企業對AI的需求正從早期試驗階段，逐步邁向規模化、生產級部署。隨着這一轉變加速，超大規模雲廠商的競爭焦點也正在從模型性能的邊際提升，轉向支持多模型部署、並保障 AI

AWS , 雲計算 , azure , 雲服務 , 基礎設施

收藏 評論

xiuji 頭像

修己xj - 從“死記硬背”到“靈活應用”：詳解RAG如何讓AI真正理解並回答問題

當AI不再僅僅是“復讀機”，而是能夠結合最新信息提供準確回答的智能助手——這就是RAG技術帶來的變革。 在人工智能快速發展的今天，我們常常遇到這樣的困境：大型語言模型如GPT-4擁有海量知識，卻無法獲取最新的信息；它能寫出優美的文章，卻無法準確回答你公司內部文檔中的具體問題。這就是所謂的“知識截止日期”問題——模型只能基於訓練時的數據進行回答。 但有一項技術正在徹底

數據 , 搜索 , 語言模型 , aigc , llama

收藏 評論

xjsunjie 頭像

xjsunjie - AI原生智算雲：不止是算力池，更是智能時代的“數字基建引擎”——讓每個企業都能“開箱即用”AI生產力

引言：從“算力飢渴”到“範式革命” 我們正身處一個由大型語言模型（LLM）和生成式AI引爆的智能奇點。從ChatGPT的驚豔問世到Sora的顛覆想象，AI不再是實驗室裏的遙遠概念，而是正以前所未有的速度流向到千行百業的毛細血管中。然而，在這場波瀾壯闊的智能化浪潮之下，一個巨大的挑戰浮出水面——“算力飢渴”。模型參數的指數級增長，對算力的需求近乎貪婪，使得GPU“一卡難求”，

數據 , 人工智能 , 基礎設施 , 數據分析 , 開發者

收藏 評論

u_16291253 頭像

微學AI - AI Ping最新上線了，現在來免費用！MiniMax-M2.1、GLM-4.7，手把手教學部署與運用

一、AI Ping 中的模型 隨着大語言模型技術的飛速發展，AI 輔助編程已成為新常態。其中，“氛圍編程”作為一種新興範式，強調開發者通過自然語言與 AI 進行流暢交互，在沉浸式的開發環境中獲得代碼建議、問題解答和自動化任務支持 。這種範式極大地依賴於強大的後端 AI 模型和順暢的前端工具集成。在此背景下，一個名為 AI Ping 的新興 API 聚合服務應運而生。

code , API , NLP , Max , 人工智能

收藏 評論

u_17603557 頭像

mb6942804d5889a - 漫蛙漫畫manwa官方下載和安裝教程（附app安裝包+圖文步驟）

漫蛙漫畫是一款專為漫畫愛好者打造的移動端閲讀應用，它集海量漫畫資源、智能閲讀體驗和社交互動功能於一體，為用户提供了一個全方位的漫畫閲讀平台。 漫蛙漫畫不僅擁有豐富的正版漫畫庫，涵蓋了日漫、國漫、韓漫等多種類型，還通過精準的分類系統和智能推薦算法，幫助用户快速找到心儀的作品。無論是熱血冒險、浪漫愛情還是懸疑推理，漫蛙漫畫都能滿足不同讀者的口味。 漫蛙漫畫採用了免

漫蛙manwa2正版下載 , 漫蛙漫畫下載 , yyds乾貨盤點 , 漫蛙官網下載 , 漫蛙manwa2下載 , 辦公效率 , 漫蛙正版下載

收藏 評論

u_16213721 頭像

mob64ca14196783 - mongo頻繁restarting

登錄MongoDB官網：www.mongodb.org；點擊【Download MongoDB】按鈕，進入如下所示界面 選擇目標操作系統及其版本，比如這裏選擇的是64位的Windows Server 2008R2 下載。點擊DOWNLOAD按鈕，即可完成msi文件的下載。 安裝 直接雙擊msi安裝文件

windows , 數據目錄 , 雲計算 , mongo頻繁restarting , server , 雲原生

收藏 評論

u_14026473 頭像

JosieBook - 用 AI Ping 體驗 GLM-4.7 與 MiniMax M2.1：從配置到實戰的完整教程

最近，國產大模型領域迎來兩個值得關注的新版本：智譜的 GLM-4.7 與 MiniMax 的 M2.1。它們不再以“生成一段流暢文字”為目標，而是聚焦於真實工程場景中的穩定輸出與持續協作能力。為了驗證這一點，我在本地開發環境中進行了完整測試——使用 VS Code 配合開源插件，通過AI Ping平台可限免調用這兩款模型，分別完成兩類典型任務。 本文將按操作流程記錄全過程：

code , API , 數據可視化 , Max , 人工智能

收藏 評論

u_16213691 頭像

mob64ca14122c74 - visio怎麼去掉容器保護

因為Visual SourceSafe是通過大量修改項目信息，來實現版本信息的標識和管理。不僅在項目目錄中加入新的控制文件；同時他還修改項目方案文件，加入相關XML元素。儘管所有這些改變對用户來説都是透明的，但要去除VSS綁定信息還得小費一番工夫。 日前將版本控制工具由Visual SourceSafe移植到了SubVersion ，但打開項目時，總報告“解決方案看起來是受

版本信息 , 雲計算 , 雲原生 , visio怎麼去掉容器保護 , Visual , ide

收藏 評論

u_17220249 頭像

楊貴妃吖 - AI Ping 實戰解析：GLM-4.7、MiniMax M2.1 雙模型上新限免！評測、調用與 Agent 落地全攻略

前言：從模型選型到工程落地，開發者為何需要 AI Ping 隨着大模型技術的飛速發展，開發者在模型選型、多平台調用適配及智能體搭建等環節面臨諸多痛點：性能評測缺乏客觀依據、不同供應商接口差異大導致開發效率低下、複雜場景下模型與業務需求難以精準匹配。在此背景下，AI Ping 平台應運而生，其整合大模型評測與一站式調用能力，為開發者提供全鏈路解決方案。本文將圍繞 AI Pin

API , Max , 代碼人生 , 開發者

收藏 評論

youqingyouyidejidan 頭像

底層邏輯探索 - 一體式架構、差異化優勢與強適配能力：2025國內數據安全平台綜合評析與選型指南

隨着《數據安全法》《個人信息保護法》及《網絡數據安全管理條例》的深入實施，數據安全已從合規要求演進為企業核心戰略。2025年，數據安全平台市場呈現明顯的整合化、智能化與全生命週期化趨勢，平台正逐步替代傳統碎片化工具，成為企業構建數據治理體系的關鍵支撐。本文以 “一體式”架構整合、“差異化”技術深耕與“適配性強”的場景貼合為核心分析維度，結合技術架構、行業實踐與未來趨勢，對國內主流數據安全平台進行系

安全

收藏 評論

youqingyouyidejidan 頭像

底層邏輯探索 - 政務數據智能治理一體化解決方案：合規對標、易掌握、自適應分類的全面實現

一、概要 提示：本文系統闡述政務數據分類分級管理的政策背景、行業痛點、技術路徑與落地成效，突出“合規對標、易掌握、自適應分類”三大核心特性，為數字政府建設提供可操作、可複製的治理典範。在數字政府縱深發展的當下，政務數據已成為提升治理能力與公共服務品質的關鍵要素。然而，數據規模急劇增長、系統異構分散、合規要求趨嚴等多重挑戰，使得政務數據管理面臨“數據不清、安全難控、共享不暢”的普遍困境。“知源

深度學習

收藏 評論

chenzhuodeyagao 頭像

沉着的牙膏 - 2025年國內精細化、差異化、可交互的數據風險監測平台排名

一、概要 （提示：本部分從整體市場演進出發，概括數據安全平台在2025年的核心價值與落地成效。） 隨着《數據安全法》《個人信息保護法》及《網絡數據安全管理條例》的持續落地，企業對數據安全平台的期待已明顯超越“滿足合規”的初級目標。2025年的市場實踐顯示，數據安全平台正在成為承載數據治理、風險運營與業務協同的關鍵基礎設施。從技術形態看，平台化整合正在加速替代早期的碎片化工具，數據庫審

深度學習

收藏 評論

u_12369130 頭像

cooldream2016 - 薅羊毛也要講技術：AI Ping 平台體驗 GLM-4.7 與 MiniMax-M2.1

前言 大模型正在從“通用對話能力展示階段”邁入“深度參與真實業務系統”的新階段。無論是代碼生成、智能體構建，還是複雜流程編排與多工具協同，大模型已經不再只是一個“會聊天的助手”，而逐漸成為軟件系統中的關鍵能力組件。 然而，在實際落地過程中，開發者往往會面臨一系列現實問題： 模型太多，接口各異； 評測成本高，切換成本大； 計費複雜，

API , Max , aigc , 開發者 , AI作畫

收藏 評論

u_17491820 頭像

呆個大頭鬼 - AI Ping雙款新模型同步免費解鎖：GLM-4.7與MiniMax M2.1實測

前言 本文聚焦國內領先大模型服務評測與聚合平台AI Ping最新上線的兩款旗艦模型——GLM-4.7與MiniMax M2.1，深度解析二者核心定位與差異：GLM-4.7側重複雜工程任務一次性交付與Agentic Coding場景；MiniMax M2.1專攻長鏈Agent執行，強化多語言工程能力與持續運行效率。 ( ) 目錄 一、旗艦模型

機器學習 , 多語言 , API , Max , 人工智能

收藏 評論

u_15831703 頭像

wei_shuo - GLM-4.7 & MiniMax M2.1 限免上線！工程級 Agent 模型正式接入 AI Ping

前言：從"能生成"到"能長期跑"的工程級大模型 大模型產業落地階段，工程交付穩定性與長時 Agent 運行效率成為核心衡量標準，GLM-4.7 與 MiniMax M2.1 作為國產模型兩條差異化成熟路線的代表，跳出單輪生成質量侷限，聚焦真實場景長期穩定運行能力。AI Ping 平台整合多供應商資源，實現兩款旗艦模型免費開放與統一調度，通過標準化測試、可視化看板與智

大數據 , API , hadoop , 3d , Max

收藏 評論

u_17603530 頭像

mb694276a464acd - BurpSuite下載安裝保姆級教程（附安裝包，圖文版）

BurpSuite 是一款集成化 Web 應用安全測試工具，在網絡安全領域被廣泛使用。 BurpSuite 把代理、爬蟲、掃描、爆破、重放、解碼等十幾種工具裝進同一個界面，像瑞士軍刀一樣隨取隨用，專幫開發者和安全工程師在上線前把 Web 應用的 bug 提前挖出來 。 BurpSuite 採用分級授權模式，並非開源軟件，支持跨平台使用，基於 Java 編寫，可在 Wi

BurpSuite下載 , burp , burpsuite , yyds乾貨盤點 , 辦公效率 , burp下載 , BurpSuite軟件下載

收藏 評論

clchyj 頭像

clchyj - 國產AI迎來「工業革命」！GLM-4.7與MiniMax M2.1兩大旗艦，登錄AI Ping即可免費調用！

不只是聊天，這次是真正的生產力工具。https://aiping.cn/#?channel_partner_code=GQCOZLGJ (註冊登錄立享30元算力金) 小夥伴們，文章開頭讓我們思考一個問題：當別人還在用AI寫詩、對話、生成圖片時，如何利用AI真正解決複雜的商業問題、提升工程效率？ 今天，答案來了。兩大國產旗艦模型——智譜GLM-4.7與MiniMax M

數據 , Max , 人工智能 , 計算機視覺 , 開發者

收藏 評論

u_17029857 頭像

晉在山西 - 從剪貼板到Excel：用Python實現跨應用數據粘貼自動化

在日常辦公中，我們經常需要將網頁、PDF、數據庫查詢結果或其他應用程序中的表格數據複製到 Excel 中進行整理或分析。這個過程看似簡單，但若涉及大量重複操作（例如每天處理數十份報表），手動“複製-切換-粘貼”不僅效率低下，還容易出錯。幸運的是，藉助 Python 的 pandas 和系統剪貼板支持，我們可以一鍵將剪貼板中的結構化數據自動寫入 Excel 文件，實現真正的跨應用數

數據 , 後端開發 , 剪貼板 , Python

收藏 評論

lxlinux 頭像

良許 - 技術部門的Leader，憑什麼不是技術最牛的那一個？

大家好，我是良許。 這個問題我太有發言權了。當年在那家500強外企做嵌入式Linux開發的時候，我們部門的Leader技術水平説實話真不是最強的。 團隊裏有個老哥，Linux內核源碼看得比誰都透，驅動開發閉着眼睛都能寫，但他就是個高級工程師。 而我們Leader呢？技術中規中矩，但就是坐在那個位置上。剛開始我也想不通，甚至有點不服氣，覺得憑什麼啊？ 但後來我自己創業，帶了團隊，才真正明白這個道理。

後端

收藏 評論

u_16213610 頭像

mob64ca13feda16 - simulink索引模塊

Simulink是有定點化工具（fixed-point tool），沒有用過，因為我想生成一個不帶有浮點數的代碼的話只要把所有的數據類型定義為非浮點的形式就好了。 首先 要做的是找到模型中的浮點數（當然如果建模的時候沒有對數據類型進行特別設置的話，默認的數據類型都是double型的浮點數）。找浮點數有兩個方法：

定點化 , 數據類型 , 大數據 , Simulink , 數據倉庫 , simulink索引模塊

收藏 評論