tag 數據

標籤
貢獻710
371
05:56 PM · Oct 25 ,2025

@數據 / 博客 RSS 訂閱

mob649e815da088 - faiss llama_index

在高效處理向量搜索和信息檢索任務的過程中,FAISS(Facebook AI Similarity Search)與LlamaIndex(也稱為GPT Index)的結合為我們提供了一種強大的解決方案。FAISS 是一個用於快速相似性搜索和聚類的庫,而 LlamaIndex 旨在將大語言模型與外部數據源有效結合,從而實現更智能的問答系統和信息檢索。這篇文章將深入探討這兩者結合時的背景、核

System , 數據 , 搜索 , aigc

收藏 評論

mob64ca14010a69 - mysql 主從複製可能出現的問題_南有嘉魚

MySQL8主從數據庫複製故障 檢查從庫的狀態,發現 Slave_IO_Running :Yes ,Slave_SQL_Running :No 報錯信息如下: Coordinator stopped because there were error(s) in the worker(s). … Worker 1 f

數據 , MySQL , 數據庫 , 後端開發 , SQL , Python

收藏 評論

wx68856587055bf - AI攻防實戰:利用AI攻擊鏈框架剖析AI應用安全

利用AI攻擊鏈框架對AI應用進行攻擊建模 AI應用引入了傳統安全模型無法完全捕捉的新攻擊面,尤其是隨着這些智能系統自主性的增強。不斷演變的攻擊面的指導原則很明確:假設存在提示詞注入。但將其轉化為有效的防禦措施通常並不簡單。 網絡攻擊鏈安全框架定義了攻擊者的操作方式。在某中心,我們構建了AI攻擊鏈,以展示攻擊者如何危害AI應用,並説明防禦者可以在何處中斷攻擊鏈。與強調攻擊者使用AI

數據 , 辦公效率 , 持久化 , 迭代

收藏 評論

mob64ca13fb6939 - Python的字符串匹配詳細介紹-Python教程

Python中的模式匹配與模糊匹配:從精確到容錯的智能識別 在日常編程中,我們常常需要判斷一段文本是否符合某種“格式”或“規則”,或者在一堆數據中找出“看起來差不多”的內容。這兩種需求分別對應着模式匹配(Pattern Matching)和模糊匹配(Fuzzy Matching)。它們看似相似,實則服務於不同場景,背後也藴含着不同的邏輯哲學。 本文將用通俗語言結合Py

數據 , 相似度 , 模式匹配 , Css , 前端開發 , HTML

收藏 評論

風華絕代的java - 計算機畢業設計Python+Django基於python新聞雜誌投稿發佈和評論系統(源碼+系統+mysql數據庫+Lw文檔)_q

大家好,我是程序員小帥,一名專注於計算機畢業設計全流程輔導的技術博主。專注JavaWeb,我深耕畢設領域6年,累計輸出1200+原創項目案例,輔導成功率接近100%。如果你正在為選題、代碼、論文或答辯發愁,這裏能給你最落地的解決方案 一、摘要 21世紀是信息的時代,是網絡的時代,進入信息社會高速發展的時代,數字化革命給所有領域帶來新的改變。傳統的報紙雜誌已

數據 , 數據庫 , 後端開發 , 1024程序員節 , harmonyos , Python

收藏 評論

雲端築夢者 - higress網關 部署

網關 網關可以作為某種翻譯器使用,它抽象出了一種能夠到達資源的方法。網關是資源和應用程序之間的粘合劑。應用程序可以請求網關來處理某條請求,網關可以提供一條響應。 有些網關會自動將Http流量轉換為其他協議,這樣http客户端無需瞭解其他協議,就可以與其他應用程序時行交互了。 web網關在一側使用http協議,在另一側使用另一種協議 可以用一個斜槓分隔客户端

數據 , higress網關 部署 , 雲計算 , HTTP , 客户端 , 雲原生

收藏 評論

mb6911caa73d1d1 - 從UE到瀏覽器:我們如何用數字孿生重構園區運營

還記得去年那個讓我夜不能寐的項目嗎?一家大型科技園區找到我們,希望打造一套能實時監控、分析和優化園區運營的數字系統。他們原有的2D管理系統已經無法滿足日益複雜的運營需求,而傳統的3D建模方案又面臨着開發週期長、硬件要求高、交互體驗差等痛點。 當UE遇見數字孿生 項目啓動之初,我們面臨的最大挑戰是如何在保證視覺效果的同時,實現高效的開發迭代。傳

數據 , API , 加載 , 數據可視化 , 人工智能 , 數字孿生

收藏 評論

阿里雲開發者 - 快手基於 Apache Flink 的實時數倉建設實踐

一、快手實時數倉的發展 作為短視頻領域的領頭羊,快手 APP 一直致力於視頻、直播技術的迭代,其背後對數據實時性、準確性的要求非常高,這對於數倉體系的構建也提出了新的挑戰。 下面是快手實時數倉發展到現在經歷的幾個階段: 在第一個階段,快手的實時數倉起始於春節、國慶、快手之夜等大型活動場景。在這些活動場景下,實時數據主要用於滿足活動大屏、運營看板、活動效果監控等實時需求。在這個階段

構建工具 , 數據 , 數據倉庫 , flink , apache

收藏 評論

mob64ca14048514 - java倜儻_Javan[賈萬,賈範,爪哇]的中文翻譯及英文名意思_weixin

靜態變量,公共變量。 靜態不可變,動態可變。 非靜態有對象。 在Java中,“動態方法”通常指實例方法(非靜態方法),它和靜態方法的核心區別可以從以下維度區分: 對比維度 靜態方法(static修飾) 實例方法(動

靜態方法 , 數據 , 後端開發 , JAVA , harmonyos , 父類

收藏 評論

資深程序設計 - 2026版基於python大數據的電影分析可視化系統

1、研究背景 在當今數字化時代,電影產業蓬勃發展,全球電影市場年票房收入持續增長。據統計,2023 年全球電影票房總收入達到數百億美元,電影數量也呈爆發式增長,每年有數千部電影在全球各大院線上映。然而,如此龐大的電影數據藴含着豐富的信息,但缺乏有效的分析手段,使得電影從業者、投資者和觀眾難以從中獲取有價值的知識。傳統的電影分析方法主要依賴人工統計和簡單圖表展示,效率低下且難

大數據 , yyds乾貨盤點 , 數據 , 電影分析 , 後端開發 , JAVA , Python , Web

收藏 評論

技術極客 - 從存儲部署OVF

在沒有core的bfm平台跑一下用例: 步驟一、選擇NVR=0,即main array; 步驟二、配置chip-erase time TERASE,需要大於30ms——這是重點; 步驟三、配置chip-erase的recovery timeTRCV,需要大於200us; 步驟四、配置chip-erase使能寄存器ME; 步驟五、等待40ms後,配置p

偏移量 , 數據 , 從存儲部署OVF , 人工智能 , 寄存器 , 計算機視覺

收藏 評論

藍色憂鬱花 - 如何獲取網站發送到手機的短信驗證碼並自動填到網站 python

最近不知道怎麼的,總是喜歡研究一些大型站點的一些功能的實現,這兩天看了下幾個大型站的驗證碼的實現,覺得有點意思。 於是在.Net下也實現了一套類似的機制。我們先來看看這幾個站的驗證碼功能的外在表現: 看QQ的,網站上有驗證的地方都可以看的到,我這裏提供個地址:http://pay.qq.com/login.shtml?url=http://pay.qq.com/

服務器 , 數據 , 後端開發 , 驗證碼 , Python

收藏 評論

網絡安全戰士 - RocketMQ的核心概念,一一梳理清楚_51CTO博客

RocketMQ概念介紹 RocketMQ 概念介紹 1、消息隊列使用場景介紹 解耦:如果服務 A 調用服務 B 時是同步依賴,那麼 B 服務壓力過大可能導致整個系統鏈路阻塞。 流量削峯填谷:高併發場景下(如電商秒殺),直接將請求打到數據庫或下游服務會導致瞬時壓力過大。消息隊列可以充當緩衝,異步處理峯值流量。 異步處理:

數據 , 發送消息 , 零拷貝 , 前端開發 , Javascript

收藏 評論

mob64ca1400133b - App代碼框架標準和篩選

# 應用app的 # 1. 概述 ## 1.1 項目背景 這是一個運行在RK3566設備上的Android BLE外圍設備服務,實現了藍牙從模式功能,允許設備作為外圍設備被其他BLE中心設備掃描和連接。 ## 1.2 核心功能 BLE廣播和掃描響應 GATT服務器實現 多設備連接管理 數據收發功能 服務狀態監控 # 2. 整體架構 ## 2.1 架構層次 ┌──────

android 系統 , 數據 , Android , JAVA , Css , 前端開發 , HTML

收藏 評論

資深程序設計 - 基於python大數據的新能源汽車數據分析系統

1、研究背景 在全球能源危機與環境問題日益嚴峻的大背景下,新能源汽車憑藉其低碳環保、高效節能等顯著優勢,成為了汽車產業轉型升級的重要方向,近年來呈現出迅猛的發展態勢。各國政府紛紛出台政策大力扶持新能源汽車產業,推動其市場規模持續擴大,新能源汽車的保有量也在不斷攀升。隨着新能源汽車產業的蓬勃發展,海量的相關數據隨之產生。這些數據來源廣泛,涵蓋了車輛運行過程中的實時數據,如電池

yyds乾貨盤點 , 數據 , MySQL , 後端開發 , JAVA , Python

收藏 評論

u_14767244 - 壓縮率提升 48%,詳解 Apache Doris 存儲壓縮優化之道|Deep Dive

摘要 本文基於 ClickBench 數據集,展示了 Apache Doris 如何通過選擇壓縮算法、調整數據頁大小與分桶數、優化編碼策略以及改進數據排序來提升壓縮效率。最終,相同數據集的壓縮空間從 16.08 GB 降至 8.2 GB,壓縮率提升 48.6%。通過合理的調整與優化,Doris 成功在保持查詢性能的同時顯著降低了存儲成本。 在分析型數據庫中,列式存儲是壓縮和

大數據 , 字符串 , 數據 , 數據倉庫 , 壓縮算法

收藏 評論

網絡安全俠 - C++17中的string

std::string_view 是 C++17 引入的一個革命性特性,被稱為“現代 C++ 字符串處理的性能救星”。 如果用一句話概括:std::string_view 是一個字符串的“只讀窗口”,它只“看”字符串,而不“擁有”字符串。 1. 為什麼我們需要它?(痛點分析) 在 C++17 之前,我們在編寫接收字符串的函數時,通常面臨兩難選擇:

oracle , 生命週期 , 字符串 , 數據 , 數據庫

收藏 評論

衞斯理 - 每日論文速遞:自然語言處理相關(11月5日更新版)

FLOWER: Democratizing Generalist Robot Policies with Efficient Vision-Language-Action Flow Policies CORL 2025 project Object-Centric Latent Action Learning

數據 , 數據塊 , 後端開發 , ci , Python

收藏 評論

鴿鴿程序猿 - 【JavaEE】【SpringCloud】服務註冊

一、服務註冊引入 在上一篇環境與工程搭建,我們遠程調用時候寫url寫死了。 String url = "http://127.0.0.1:9090/product/"+ orderInfo.getProductId(); 當更換服務器的時候,這個url是需要跟着變的。我們這裏就需要使用註冊中心來解決這個問題。 二、 服務註冊中心 註

spring , yyds乾貨盤點 , 數據 , 後端開發 , server , JAVA

收藏 評論

我愛哇哈哈 - Vue預覽Excel文件的完整指南:從零開始實現

大家好,我是你們的前端老司機。今天我們來聊聊一個讓無數前端開發者頭疼的問題——Vue中如何預覽Excel文件。 你是否也遇到過這些場景: 產品經理説:"用户上傳Excel文件後,要在頁面上直接預覽,不要下載" 用户抱怨:"我上傳的Excel文件怎麼看不到內容?" 後端同事問:"前端能不能直接展示Excel,我返回二進制流就行" 老闆質疑:"為什麼別人家的

合併單元格 , yyds乾貨盤點 , 數據 , 上傳 , 架構 , 後端開發

收藏 評論

上海拔俗網絡 - 給工廠裝上“數字大腦”:安全生產智能AI系統開發

大家好!我是李工,在製造業幹了十五年的產品經理。今天想和大家聊一個聽起來有點技術,但其實特別貼近我們生產安全的話題——安全生產智能AI系統。你可以把它想象成給工廠裝上一個“數字大腦”,讓它能24小時不眨眼地守護着每一位工人的安全。 一、這個“大腦”如何“看見”危險? 傳統安全管理主要靠人盯人、定期檢查,但人總會疲勞、會分心。我們的AI系統則不同,它在工廠里布設了無數雙“眼睛”——

數據 , 物聯網 , NLP , 人工智能 , 深度學習

收藏 評論

網絡小墨舞風 - ogg 容器部署

有時候ogg兩端數據不一致,且數據量較大,手工修改比較複雜的情況下,我們需要對這些表進行初始化。初始化的大概思路是: 1. 停止兩端OGG 2. 如果業務不可以停很長時間,就需要配置目標端進程,暫停這些問題表的同步。待新數據導入後,再次停啓進程 3. 源端通過SCN號備份問題表,傳送到目標端還原 4. 修改目標端進程配置,從SCN開始恢復 5

數據 , 初始化 , 雲計算 , 雲原生 , ogg 容器部署 , SQL

收藏 評論

子丶不語 - Vue3 實用篇:基於 mitt 打造靈活的組件通信與全局事件方案

在 Vue3 生態中,組件通信是前端開發的核心需求之一。父子組件間的props/emit雖簡潔高效,卻難以應對跨層級、無關聯組件的通信場景;provide/inject偏向全局狀態注入,缺乏靈活的事件通知能力;而 Pinia/Vuex 作為專門的狀態管理工具,對於臨時、非持久化的事件觸發又顯得過於笨重。 面對這些痛點,mitt以其超輕量、無依賴、API 簡潔的特性,成為 V

vue.js , 封裝 , 數據 , 事件總線 , 前端開發

收藏 評論

mob64ca1404baa2 - Python量化交易入門_黑馬程序員的技術博客

一、量化 1.1、目的 大模型量化的主要目的是壓縮模型參數,降低計算複雜度,提高推理效率。 存儲優化:將高精度的浮點型參數轉換為低精度的整數參數,減少模型存儲空間。 計算加速:使用低精度整數進行計算,降低計算複雜度,提高推理速度。 硬件適配:某些硬件(如嵌入式設備、移動端芯片)對低精度計算支持更好,量化可以提高 適配性。

數據 , 數位 , 權重 , 人工智能 , 前端開發 , Javascript , Python

收藏 評論