tag 數據

標籤
貢獻710
364
05:56 PM · Oct 25 ,2025
u_13357275 頭像 u_17579295 頭像 u_16565975 頭像 tech 頭像 u_15745565 頭像 u_15469972 頭像 u_17567677 頭像 u_14767244 頭像 u_16653481 頭像 u_17420180 頭像 u_13715298 頭像 u_15988698 頭像

@數據 / 博客 RSS 訂閱

u_17213027 頭像

wx676be6175e246 - Android開發中數據打印截斷問題及解決方案探析

在Android開發過程中，開發者常常需要藉助日誌輸出來調試程序或跟蹤數據流程。然而，當遇到JSON數據、長字符串等大規模數據輸出時，經常會出現打印內容被截斷的現象，這給開發調試帶來了不小的困擾。 造成日誌打印不全的主要原因在於Android系統對單條日誌長度的硬性限制。根據Android系統底層實現，Log類的輸出長度被限定在約4KB（4096字

移動開發 , 數據 , Android , 開發者

收藏 評論

u_16213606 頭像

mob64ca13fdd43c - c++ - 消息隊列新實現：Workflow msgqueue代碼詳解 - 個人文章

第一章：C++高性能消息隊列的演進與挑戰 在現代高併發系統中，C++ 高性能消息隊列作為核心組件，承擔着解耦、異步處理和流量削峯的關鍵職責。隨着業務規模的擴大和實時性要求的提升，傳統阻塞式隊列已難以滿足低延遲、高吞吐的需求，推動了無鎖隊列、環形緩衝區等技術的廣泛應用。 無鎖隊列的設計原理 無鎖（lock-free）消息隊列利用

數據 , 上下文切換 , 緩存 , Css , 前端開發 , HTML

收藏 評論

u_16099276 頭像

風輕雲淡的開發 - 範圍查找導致索引失效

在搜索程序較為棘手一部分就是搜索範圍。 絕大數搜索程序都不能在單台計算機上完成足夠數量的數據搜索或併發搜索。 有時候為了避免由於單硬件問題出現導致無法服務，可以運行在多台機器上。 這種設計能夠不影響當前搜索程序運行的情況下臨時推出一台計算機來進行維護和升級。 搜索範圍有兩種界定方式： 淨處理內容和淨查詢吞吐量。 如果處理的數據量較大的話必須將這些數

大數據 , 數據 , 搜索 , 數據倉庫 , 加載 , 範圍查找導致索引失效

收藏 評論

u_14767244 頭像

u_14767244 - 上海證券 SelectDB 升級實踐：湖倉流批一體落地與 Elasticsearch 全面替換

導讀 上海證券引入 SelectDB 作為核心實時分析引擎，有效彌補了實時數據處理與分析的能力短板，實現湖倉一體與流批一體，同時替換了原架構中的 Elasticsearch 組件。達成了寫入性能提升 4 倍，支撐 1000+ QPS 高併發訪問，關鍵決策響應速度 200 ms，開發效率提升 50%，運維成本大幅降低的關鍵收益。 業務背景 上海證券成立於 200

大數據 , 數據 , elastic , 運維 , 數據倉庫

收藏 評論

u_17171882 頭像

Chikaoya - R語言21天學習計劃 - 第二天：數據導入導出與數據清洗

📚 今日目標 學習多種數據格式的導入導出 掌握數據清洗的基本操作 處理缺失值和異常值 實踐數據轉換和整理 📁 第一部分：數據導入 1.1 內置數據集 # 查看所有內置數據集 data() # 加載內置數據集 data(mtcars) # 汽車數據集 data(iris) #

數據集 , 缺失值 , 數據 , AI寫作 , aigc

收藏 評論

u_16099263 頭像

IT狼人9號 - Golang channel 用法簡介 - Go語言中文網

瞭解channel 概念：傳送帶 / 管道 你可以把Channel（通道）想象成一條在協程（Goroutine）之間傳送數據的傳送帶或者管道。 協程（Goroutine）：就像工廠裏的工人。 Channel（通道）：就像連接兩個工人工作台的傳送帶。 Channel 的主要作用 通信

golang , Exchange , 服務器 , 數據 , i++ , 主線程

收藏 評論

u_16099229 頭像

架構設計師之光 - python製作以太網刷寫工具

以太網PHY和MAC對應OSI模型的兩個層——物理層和數據鏈路層。 物理層定義了數據傳送與接收所需要的電與光信號、線路狀態、時鐘基準、數據編碼和電路等，並向數據鏈路層設備提供標準接口（RGMII / GMII / MII）。 數據鏈路層則提供尋址機構、數據幀的構建、數據差錯檢查、傳送控制、向網絡層提供標準的數據接口等功能。

數據鏈路層 , 數據 , 後端開發 , 數據結構與算法 , 信號線 , python製作以太網刷寫工具 , Python

收藏 評論

bakuaifujidexianrenzhang_eafwvx 頭像

數據工坊 - 2025 年數據治理主流方案對比：從技術深耕到價值釋放

在數字化轉型進入深水區的今天，數據已成為企業與政府機構的核心資產。然而，多源數據孤島、質量參差不齊、安全合規壓力等問題，讓數據治理從 “選擇題” 變成 “必修課”。一款高效的數據治理方案，不僅需要打通數據全生命週期管理，更要在智能化、兼容性、場景適配性上形成差異化優勢。 本文選取 6 款國內外主流數據治理方案，從核心能力、技術特性、適用場景三個維度展開對比，為不同規模、不同行業的用户提供選型參考。

數據

收藏 評論

u_17587833 頭像

mb6923acc0735dc - 分佈式硬件池化：跨設備攝像頭、傳感器能力協同

引言：超級終端時代的硬件資源共享 在鴻蒙生態中，"超級終端"不僅是一個概念，更是通過分佈式硬件池化技術實現的革命性體驗。想象一下這樣的場景：用手機的攝像頭進行視頻會議，同時調用平板的麥克風陣列獲得更好的收音效果，再利用智慧屏的傳感器檢測環境光線自動調節畫面亮度。這種跨設備的硬件能力協同，正是鴻蒙分佈式硬件池化的核心價值。 分佈式硬件池化打破了單一設備的物理限制，將多個

自適應 , 移動開發 , 數據 , Android , Harmony , 流媒體

收藏 評論

wangmingx 頭像

WangMing_X - C#上位機軟件：23.1 多條件動態查詢條件的編寫技巧和完整查詢方法編寫

筆記摘要： 本視頻講述了課程管理系統中多條件動態查詢功能的實現原理與編碼步驟，包括SQL語句拼接、條件組合邏輯處理、數據封裝及UI事件聯動，並強調了整型檢索效率、空值處理細節和可擴展性設計。/n --- - **效果演示：多條件組合查詢功能 - 系統支持根據課程分類和課程名稱進行自由組合查詢。 - 可單獨按課程名稱模糊匹配（如輸入“dnet”返

業務邏輯 , 軟件研發 , yyds乾貨盤點 , 數據 , SQL

收藏 評論

tech 頭像

青雲交技術圈 - Java 大視界 -- 基於 Java 的大數據實時流處理在能源行業設備狀態監測與故障預測中的應用

(centerJava 大視界 -- 基於 Java 的大數據實時流處理在能源行業設備狀態監測與故障預測中的應用/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！在《大數據新視界》和《 Java 大視界》系列的探索之旅中，我們已一同領略 Java 大數據在多個領域的非凡魅力。從智能教育領域用數據重塑教學模式，到智能安

spark , 大數據 , yyds乾貨盤點 , 數據 , JAVA

收藏 評論

u_16099178 頭像

雲端小悟空 - 我的Hadoop學習之路 - sunt99的個人頁面 -

在信息爆炸的時代，我們被海量數據所包圍。如何從這些看似混沌的數據中提取價值，曾是一個巨大的難題。直到我遇見了Hadoop，它像一位智慧的引路人，為我打開了分佈式計算世界的大門。這段學習旅程不僅是掌握一門技術，更是一場思維模式的革命。在此，我將從編程思想、技巧運用和心路歷程三個方面，分享我的學習心得。 #### **一、 編程思想的轉變：從“單體”到

大數據 , 數據 , 學習 , hadoop

收藏 評論

u_16213668 頭像

mob64ca140caeb2 - Java整合EasyExcel

前言 在在線教育平台中，學習時長是衡量學生學習投入、評估課程效果、優化教學策略的核心數據指標。精準統計學生視頻學習時長並生成可視化報表，能幫助教師掌握學生學習動態、學校進行教學質量評估、學生了解自身學習進度。 作為一名深耕 Java 領域多年的技術開發者，我將通過這篇實戰博客，帶大家從零構建一套 “視頻學習時長統計 + 多維度報表生成” 的完

數據 , easyexcel , JAVA , Css , 報表 , 前端開發 , ide , HTML

收藏 評論

u_16213594 頭像

mob64ca13fae001 - matlab通信仿真mimo,mimo 基於Matlab的MIMO通信系統仿真 含報告；司中威；瞭解移動通信關鍵技術 - 下載 - 搜珍網...

1.算法運行效果圖預覽 (完整程序運行後無水印) 2.算法運行軟件版本 Matlab2024b/Matlab2022a 3.部分核心程序 （完整版代碼包含詳細中文註釋和操作步驟視頻） .............................

數據 , 無線通信 , 後端開發 , ML , Python

收藏 評論

u_16213684 頭像

mob64ca14106f2f - pid的偏差

其實要用PID調節的話，最好是使用帶有編碼器的比較高端一點的直流減速電機，但是因為它價格有點貴，所以我們一般做智能小車就會選用普通的直流電機，但是普通的直流電機也是可以使用PID調節的，雖然它的效果沒有帶編碼器得到直流減速電機的好，但是我們也可以在調節的過程中慢慢地深刻的理解PID調節的含義。今天先來分享一下我剛剛涉及的PID中的P調節。 P就是比

串口 , 數據 , 人工智能 , 深度學習 , pid的偏差 , 系統對

收藏 評論

ospo 頭像

字節跳動開源 - 是時候正視開源合規的重要性了！我們給你準備了一套體系課程

在大模型時代到來之前，開源合規一直是開源領域備受關注的重要話題。如今，隨着大模型的蓬勃發展，開源合規的重要性愈發凸顯，成為不容忽視的關鍵問題。例如，不同大模型採用了多種不同的開源協議。有的模型採用傳統的開源協議，如 MIT 協議，這種協議通常允許用户自由使用、修改和分發；有的協議則明確規定，模型輸出不得用於訓練其他模型；還有的協議禁止將模型用於商業用途。這些協議各自具有獨特的特點和用途，值得我們深

開源協議 , 社區 , 數據 , 字節跳動 , 開源

收藏 評論

u_14344 頭像

冷月星 - 前端結合SpeechRecognition實現語音識別文字功能

一、與潛在客户實時聊天的神奇-zopim 　　Zopim是一款高效的可嵌入網頁中去的即使通訊與網站訪客信息追蹤的的Web軟件。知道誰在訪問您的網站嗎？想和他們實時交流嗎？想更有效的把握商機嗎？使用Zopim這款嵌入即時通訊軟件，能讓你達到如下目的：網站訪客只需點擊網頁中的對話圖標，無需安裝或者下載任何軟件，就能直接和網站客服人員進行即時交流。Zop

數據 , ip , NLP , ViewUI , 人工智能 , 前端 , Web

收藏 評論

u_17607488 頭像

科技淇淇 - 智存未來，AI賦能：火藍全系龍芯網絡存儲器，驅動國產信創智能升級​

在人工智能浪潮席捲全球、數字經濟邁向智能化的關鍵時代，數據不僅是資產，更是驅動AI創新的核心燃料。保障這片“數據油田”的安全與主權，構建自主可控的智能算力底座，已成為實現科技自立自強、發展新質生產力的國家戰略要務。為此，火藍正式發佈全系搭載國產龍芯處理器的智能網絡存儲器產品矩陣，以全棧自主、型號齊備、場景覆蓋的硬核實力，為中國政企客户提供從數據存力到AI算力的堅實數據底座。

機器學習 , 虛擬化 , 數據 , 龍芯 , 人工智能

收藏 評論

u_16213586 頭像

mob64ca13f8eecb - 【夯實Redis】如何保證數據庫與緩存雙寫一致性? 跟着大宇學Redis

首先我們先來説一下什麼是緩存雙寫，就是我們使用redis的情況下一定會使用一個持久化的數據庫，最典型的就是redis+mysql的組合，使用他們倆就一定會存在數據不一致的情況，我們為了業務要求必須保證最終一致性，所以需要我們解決的就是使用什麼方法讓他們之間的數據儘可能的在最短的時間、最大的吞吐量、最安全的方式下保證數據的一致性。 關於策略就有同步和

redis , 數據 , 緩存 , 數據庫 , 後端開發 , Python

收藏 評論

u_16077014 頭像

wx643df9f1afa1d - iMetaMed | 温附一夏二傑組-預測乳腺癌5年生存率-可解釋機器學習模型

基於整合蛋白質組學和臨牀數據的可解釋機器學習模型預測乳腺癌5年生存率 iMetaMed主頁：https://onlinelibrary.wiley.com/journal/3066988x 研究論文 ●原文：iMetaMed ●英文題目：An Interpretable Machine Learning Model for

機器學習 , 預測模型 , 數據 , 模型預測 , 後端開發 , 人工智能 , Python

收藏 評論

u_15957839 頭像

MinionPy - 關於AI的學習筆記01.大模型的核心原理

簡要發展歷史： 1950-1980：符號主義AI，基於規則 1980-2010：神經網絡，側重統計學習 2017：Tranformer架構，Attention is all you need 2018-2020：大規模預訓練與涌現（GPT-3等） 2022-至今：大模型繁榮期，指令微調、人類對齊、百花齊放 未來：智能體Agents與多模態融合

不同版本 , 數據 , 模態 , 前端開發 , Javascript

收藏 評論

u_16640750 頭像

雲和恩墨 - 技術精講丨從 Oracle 出發，洞察跨庫遷移中的查詢優化與改寫

導讀 在數據庫從 Oracle 遷移到 openGauss 等國產數據庫的過程中，SQL 看似能跑，但邏輯與性能問題往往在細節處暴露。不同數據庫在優化器、執行順序、索引選擇、表達式處理上的差異，會導致結果不一致、延遲升高，甚至出現隱形的業務風險。那麼如何規避這些遷移“暗坑”？本次分享結合項目中的典型案例，拆解最容易踩坑的 SQL 模式，幫助大家在遷移時少走彎路、提升整體性能

oracle , 子查詢 , 數據 , 執行計劃 , 數據庫

收藏 評論

u_17514447 頭像

mb68b85ccf7a016 - Prometheus 與 國產 TDengine 的對比

通過對比，能加深對這兩個系統的理解，方便後續架構選型時作出正確決定。他們的設計思路有很多值得借鑑的地方，雖然工作中需要用到這些知識的地方不多，但是瞭解他們的設計細節能極大滿足我的好奇心。 1.場景和需求 Prometheus 需求 用於雲原生場景下集羣監控數據的收集、即席分析(Ad Hoc)和報警 處於 Kubernetes 生態，需要能

嵌入式 , 數據 , 物聯網

收藏 評論

u_17587833 頭像

mb6923acc0735dc - ArkData總覽：HarmonyOS統一數據管理框架的設計與組成

🌟 引言：數據管理的新範式 在萬物互聯的全場景時代，應用數據呈現出前所未有的複雜性：多設備、多形態、實時同步的需求對傳統數據管理方案提出了巨大挑戰。HarmonyOS通過ArkData統一數據管理框架，為開發者提供了一套完整的分佈式數據解決方案，讓數據在設備間自由流動，真正實現"一次開發，多端協同"的數據體驗。 一、ArkData架構設計：分層解耦與統一管理

數據管理 , 移動開發 , 數據 , 初始化 , Android

收藏 評論