tag 異常檢測

標籤
貢獻7
60
07:01 AM · Nov 15 ,2025
tdengine 頭像 u_16213447 頭像 u_13357275 頭像 u_17590470 頭像 u_16099261 頭像 u_16175455 頭像 key3feng 頭像

@異常檢測 / 博客 RSS 訂閱

u_16213447 頭像

mob64ca12f43142 - java加AIGC

在當前技術背景下，Java結合AIGC（人工智能生成內容）已成為一個備受關注的話題。隨着AI的發展，利用Java實現智能生成內容的應用場景逐漸增多。本文會詳細探討“Java加AIGC”中的協議背景、抓包方法、報文結構、交互過程、異常檢測及多協議對比。下面我們一一展開，確保內容的邏輯性和完整性。 協議背景 在討論協議背景之前，我們先回顧一下技術的發展時間軸。從上世紀60年代的基礎網

異常檢測 , HTTP , aigc , JAVA

收藏 評論

tdengine 頭像

TDengine濤思數據 - IDMP 1.0.5.0 版本發佈：模型計算、可視化、異常檢測全面升級

自發布以來，TDengine IDMP 一直在以“快迭代、小步快跑”的節奏持續進化。依託 TDengine TSDB 的高性能時序數據底座，IDMP 專注於工業數據的標準化管理與智能分析，通過語義建模、統一口徑、實時分析和無問智推等能力，讓企業不僅能看見數據，更能從數據中獲得實時洞察與決策啓發。 作為一款 AI 原生的工業數據管理平台，IDMP 在每一次版本更新中都在強化“AI 驅動

異常檢測 , 數據 , 數據庫 , 技術細節 , hbase

收藏 評論

u_13357275 頭像

上海拔俗網絡 - 智能管控AI輔助應用系統：讓管理決策更精準高效

在企業運營、項目推進、公共服務等場景中，傳統管控模式常面臨“數據分散”“決策滯後”“執行偏差”的痛點——管理人員淹沒在海量報表中難抓核心問題，靠經驗判斷易出現誤判，流程跟進全靠人工同步易遺漏關鍵節點。智能管控AI輔助應用系統的出現，用“AI+數據”的技術邏輯，打通“數據採集-分析-決策-執行-反饋”全鏈路，讓管控從“被動應對”轉向“主動預判”。 這套系統的核心技術落地，聚焦“數據整合

異常檢測 , 項目進度 , 數據 , NLP , 人工智能

收藏 評論

u_17590470 頭像

今晚加個牛腿吃 - MySQL 9.0：安裝性能與智能雙升級的開源數據庫

MySQL 9.0安全強化四大方向，完全兼容 MySQL 8.0 生態，還重構了核心引擎架構，能輕鬆滿足企業高併發、大數據量、智能化的業務需求。 核心升級亮點 性能大幅提升，高併發更穩 重構 InnoDB 引擎後，事務處理速度快了 30% 以上；優化鎖機制減少死鎖和讀寫衝突，就算高併發場景也不容易卡殼。查詢方面更智能，新增索引推薦功能，

異常檢測 , 高併發 , MySQL , 數據庫

收藏 評論

u_16099261 頭像

風華絕代的java - ai智能視頻監控系統-

前沿： 在倉儲物流行業，貨物盜損與操作違規是長期困擾企業的痛點。叉車司機因操作不當導致貨物跌落損壞，或員工在無人監管的角落私自挪用高價值物品，這些隱性損失直接侵蝕利潤。思通數科AI視頻監控衞士通過AI視覺技術，為倉儲物流場景打造智能防損閉環，助力企業從被動應對轉向主動防控。 場景還原：一名員工在倉儲貨架間快速藏匿一箱電子配件；叉車操作失誤撞倒貨架，貨物散落受損。AI

異常檢測 , 視頻監控 , 後端開發 , 數據分析 , Python

收藏 評論

tdengine 頭像

TDengine濤思數據 - TDengine IDMP 1.0.9.0 上線：數據建模、分析運行與可視化能力更新一覽

在 TDengine IDMP 持續迭代的過程中，有一類問題會越來越早地出現：不是“能不能實現”，而是“以後用起來會不會變複雜”。 當數據規模開始擴大、模型開始變多、分析邏輯開始演進時，一些看似細節的能力就變得重要起來——比如單位是否統一、分析能否複用、視圖是否可以保存、規則調整後歷史數據如何處理。 TDengine IDMP 1.0.6.0–1.0.9.0 這一階段的更新，正是

異常檢測 , 大數據 , 數據倉庫 , 時序數據庫 , 人工智能 , tdengine

收藏 評論

u_16175455 頭像

mob649e8159b30b - langchain embedding 本地

在使用 langchain 進行本地嵌入（embedding）時，我們需要理解其背景、抓取數據的方法、消息的結構以及如何處理這些數據。在這一過程中，我們也會提到異常檢測和工具鏈的集成。讓我們一步一步走過這個過程。 協議背景 在人工智能與自然語言處理領域，langchain 是一個流行的開發框架，它使得實現語言模型的嵌入（embedding）更加方便。我們可以利用它的豐富功能來構建

sed , 異常檢測 , 工具鏈 , aigc

收藏 評論

key3feng 頭像

key_3_feng - APM與AIOps深度集成方案

在當今雲原生、微服務架構的複雜IT環境中，傳統APM（應用性能監控）已難以滿足企業對運維智能化的需求。AIOps（人工智能運維）通過將人工智能技術融入運維流程，能夠實現從被動響應到主動預測的轉變。APM與AIOps的深度集成，是企業實現高效、智能運維的關鍵路徑。以下為具體集成方案： 一、集成目標與價值定位 APM與AIOps的集成目標在於：將APM收集的實時應用性能數

異常檢測 , yyds乾貨盤點 , 數據 , 運維

收藏 評論