tag 數據

標籤
貢獻710
394
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_16213713 頭像

mob64ca1417736e - 寶塔安裝 ZipArchive

項目中準備使用ElasticSearch，之前只是對ElasticSearch有過簡單的瞭解沒有系統的學習，本系列文章將從基礎的學習再到深入的使用。 咔咔之前寫了一份死磕MySQL文章，如今再入一個系列玩轉ElasticSearch。 本期文章會帶給大家安裝ElasticSearch、Kibana、Logstash、配置ElasticSearch外網可訪問、配置守護進

寶塔安裝 ZipArchive , elasticsearch , 大數據 , 數據 , hive , JAVA

收藏 評論

u_14457 頭像

clghxq - Flink狀態存儲

核心結論 Checkpoint 對 Key State 的存儲：按Key Group劃分並持久化到外部存儲（如 HDFS）；RocksDBStateBackend 會將本地 RocksDB 的狀態快照（而非完整內容）上傳到 Checkpoint 目錄。 故障恢復邏輯：作業重啓後，故障算子的 Task 會重新分配到其他 TaskManager，通過 Chec

Group , 數據 , 持久化 , 後端開發 , Python

收藏 評論

u_16489298 頭像

8181大拿 - 理解純函數、不可變性、高階函數與函數柯里化

函數式編程的概念和技術正在逐漸被廣泛採用。本文將詳細探討純函數、不可變性、高階函數和函數柯里化這四個關鍵概念，並結合實際案例進行分析。 純函數 (Pure Function) 純函數是指給定相同輸入，總是生成相同輸出的函數，且沒有副作用（side effects）。純函數使得代碼更加可預測和易於調試。 特點及優勢 特點 優勢

大數據 , 數據 , hadoop , 高階函數 , 複用

收藏 評論

u_93011 頭像

小屁孩 - 百億用户行為數據，實現秒級轉化分析

用户行為數據是優化開源項目文檔體驗的核心依據。本文基於GitHub_Trending/webs/website項目架構，從數據採集機制、路徑分析工具到轉化優化策略，系統梳理如何通過技術手段提升用户留存與目標達成率。 數據採集層：多維度行為捕捉體系 項目通過前端交互追蹤與後端日誌分析構建完整數據鏈路。前端層面，static/js/apiref.js實現了頁面滾動

數據 , 數據採集 , Css , 前端開發 , HTML

收藏 評論

u_16213669 頭像

mob64ca140ce312 - 互聯網百萬級應用的大數據處理問題 - 虎子 -

告別卡頓：Fathom Lite如何高效處理百萬級訪問數據 你是否曾因網站分析工具加載緩慢而錯失關鍵決策時機？當用户訪問量突破百萬級，傳統工具常常陷入數據處理的泥潭。本文將揭示Fathom Lite如何通過精妙的狀態管理與性能優化，讓大數據分析像瀏覽網頁一樣流暢。讀完你將掌握：輕量級架構的優勢、實時數據處理機制、內存優化技巧以及生產

數據 , postgresql , 數據處理 , 前端開發 , Javascript

收藏 評論

u_16099212 頭像

智慧編織者 - C#多線程學習之(三)生產者和消費者用法分析_C#教程

Channel：.NET 中的異步生產者-消費者模型詳解 在 .NET 併發編程中，實現生產者-消費者模型是常見需求。隨着 .NET 生態的演進，ChannelT 逐漸成為處理這類場景的首選方案。本文將詳細介紹 ChannelT 的用法，並與傳統的 BlockingCollectionT 進行深入對比，幫助你選擇最適合的工具。 為什麼需要 C

線程池 , 數據 , 生產者-消費者 , Css , c , 前端開發 , HTML

收藏 評論

u_6813689 頭像

程序員小2 - 如何設計一個億級熱門視頻排行榜？

今天我們又來拆解一個系統設計面試裏經常出現的高頻題：如果要實現一個類似抖音這樣的熱門視頻榜單，該怎麼設計？ 乍一看，這似乎沒什麼難度，直覺上就是按照播放量排個序而已。但一旦把場景放大到抖音這種量級，再加上實時更新、多時間窗口統計等限制，問題就會變得極具挑戰。不僅要求我們理解基礎的數據結構（比如堆、排序），還會牽涉到海量數據流處理、系統水平擴展、故障恢復以及成本權衡等方方面面

數據 , 數據庫 , 代碼人生 , ide

收藏 評論

u_15988698 頭像

代碼天地 - 融合Transformer+LSTM+CNN，時間序列預測 ！！

咱們今天來聊聊融合Transformer+LSTM+CNN，這也是有一位同學提到的。 核心點：用卷積抓短期、用 LSTM 維護狀態、用自注意力抓任意距離的依賴。 首先，咱們來看看這三位“同學”各自擅長的點在哪裏？ CNN（卷積）：擅長抓“局部模式”，像短期的波峯/波谷、週期裏的固定形狀。 LSTM（長短時記憶網絡）：擅長記住“時間上的因果和長期依賴”，把過

卷積 , 服務器 , 數據 , 時間序列 , 分佈式

收藏 評論

u_16018702 頭像

架構師李哲 - 告別深夜批改：用Qwen3-VL大模型打造會“理解”的作文閲卷助手

深夜十一點，李老師揉了揉發酸的眼睛，面前還有三十多篇作文等待批改。 這是無數語文教師的日常寫照——繁重的批改負擔、難以完全統一的標準、反饋到達學生手中時已失去時效性。 而在AI技術日新月異的今天，我們能否讓機器真正“理解”一篇作文的優劣？ 答案是肯定的。基於Qwen3-VL-30B-A3B-Instruct大模型，我們成功打造了一款能夠深度理解中文作文的智能閲卷

數據集 , 模版 , 數據 , aigc , llama

收藏 評論

u_14306318 頭像

咚咚王哲 - 人工智能之數據分析 numpy：第一章 學習鏈路

人工智能之數據分析 numpy 第一章 學習鏈路 (文章目錄) 前言 本文主要學習人工智能的整體鏈路，相當於數據分析模塊的開端，學習整體思維導圖，有利於更加清晰的知道後面需要學習什麼，達到什麼樣的程度，對於單一的ai繪圖短劇小説等也是當前的熱門方向之一。掌握基礎有利於更加靈活的創造和應用解決問題的能力。 一、頂層設計：理解人工智能全景圖

機器學習 , 數據 , 後端開發 , Python

收藏 評論

u_13137233 頭像

鯨魚編程pyhui - 20251129_122424 函數的使用

函數的分類 無參無返回值 無參有返回 有參無返回 有參有返回 無參無返回值 void 函數名(){ 代碼 } void show(){ ... } 無參有返回值 返回值的數據類型 函數名(){ 代碼; return 數據; } int get_pwd(){ return 11; } 有參無返回值 void 函

數據類型 , 參數類型 , 數據 , 後端開發 , Python

收藏 評論

u_16213681 頭像

16213681 - echarts官方文檔國內鏡像

前言 echarts4 官網：https://echarts.apache.org/v4/zh/option.html#series-scatter.coordinateSystem echarts5官網：https://echarts.apache.org/ echarts-liquidfill 水球圖插件官網:https:/

數據 , 雲計算 , echarts官方文檔國內鏡像 , 雲原生 , 官網 , ci

收藏 評論

u_16213368 頭像

mob64ca12e1497a - langchain chromdb

在最近的項目中，我們面臨着如何有效地使用 LangChain 和 ChromaDB 的技術挑戰。LangChain 是一個大型語言模型應用程序的構建框架，而 ChromaDB 是一個幫助管理上下文的數據庫。它們的聯合使用使得我們在處理複雜數據處理和查詢時更加高效。為了確保項目成功，我們採取了系統化的思考和方法，下面是我們面對的技術痛點和採取的解決步驟。 背景定位 初期，我們的項目

數據 , 思維導圖 , 架構設計 , aigc

收藏 評論

u_16655836 頭像

wx6603b05eb93d0 - 新華社評車圈營銷亂象：零件命名武俠風，拉踩陰陽友商博關注……

幾年前，小柴就發文調侃，如今的汽車行業，核心競爭力好像是車企領導們的嘴，以及養車評人加上對負面新聞的OTA能力。 比如，在創始人的嘴這方面，他們有人説，BBA這些落後的東西；還有人説，咱們不要嘲笑邁巴赫，以及千萬以內最好；還有輪端輸出扭矩超過了1.8萬匹馬力；甚至開車能延壽三十年…… 類似的還有，倒車想撞都難；公開直播更是宣稱，有了領先幾代的智駕，上車可以打盹

數據 , 汽車行業 , 人工智能 , 數據分析 , 核心技術

收藏 評論

u_15851118 頭像

u_15851118 - 智能電子表格：Airtable、NocoDB、teable、APITable

概述 之前彙總過BaaS(Backend as a Service，後端即服務)平台或項目，參考BaaS；也彙總過低代碼平台，參考低代碼平台。 BaaS和低代碼 兩者還是有一些共通之處 flowchart TD subgraph A [低代碼/零代碼平台] direction TB A1["可視化UI構建"] A2["拖

數據 , API , excel , Css , 前端開發 , 電子表格 , HTML

收藏 評論

u_16213397 頭像

mob64ca12e83232 - ollama 怎麼計算模型推理需要多少gpu

要解決“ollama 怎麼計算模型推理需要多少GPU”這個問題，我們首先需要明確模型推理的背景與現象。模型在進行推理時，各種參數的設置與系統的硬件資源密切相關。因此，計算推理所需的GPU數量顯得尤為重要。 在此背景下，我們可以建立數學模型來描述推理的規模。對於一個模型，假設其計算複雜度為 $C$，輸入數據的大小為 $N$，則推理所需的GPU數量可以用以下公式表示： $$ GPU_

複雜度 , System , 數據 , aigc

收藏 評論

u_17602582 頭像

mb69410ac31213c - 5大核心優勢！華為雲Flexus AI智能體解決AI應用的“最後一公里”

在當今AI技術飛速發展的時代，企業面臨的挑戰從是否要採用AI，轉變為如何高效地應用AI。根據Gartner的數據，2025年全球AI支出預計將達到近1.5萬億美元，企業對於AI技術的需求呈現爆炸式增長。 對廣大企業而言，面對洶涌而來的AI浪潮，急需一款配置靈活、安全可控且兼具性能和穩定的智能體工具。華為雲Flexus AI智能體作為一站式AI應用平台，支持工作流編排、智能體

大數據 , 數據 , 數據倉庫 , 官網 , 調優

收藏 評論

u_17567677 頭像

沃觀態勢感知 - 防患於未然：構建企業級的境外輿情監控預警與快速響應服務體系

在全球化競爭日益激烈的環境下，企業在境外市場運營時面臨的不僅是商業競爭，更有輿情風險。海外社交媒體信息傳播迅速，任何負面信息都可能在短時間內引發輿論風暴，對品牌聲譽、市場推廣甚至法律合規造成影響。因此，構建企業級的境外輿情監控預警與快速響應服務體系，成為企業防範潛在危機、保障品牌穩定的重要手段。 一、建立全面的輿情監控體系 企業級境外輿情監控

數據 , 企業級 , 人工智能 , 數據分析 , 數據驅動

收藏 評論

u_16640750 頭像

雲和恩墨 - 醫療多系統數據融合實戰：HIS/LIS/PACS 集成與數據庫性能提升方案

在醫療機構數字化建設中，HIS（醫院信息系統）、LIS（檢驗信息系統）、PACS（影像歸檔和通信系統）是核心業務系統，但各系統獨立建設導致的數據不通、性能瓶頸等問題，嚴重影響了診療效率和患者體驗，成為醫療機構數字化轉型的“絆腳石”。本文結合醫療行業數據庫集成項目實踐，分享HIS/LIS/PACS系統數據打通與性能優化的實戰方案，助力醫療機構提升信息化服務水平。 第一

oracle , 性能優化 , 數據 , 數據庫

收藏 評論

u_16213723 頭像

mob64ca1419e0cc - Spark問題定位並且解決

文章目錄 RDD簡介 RDD常用的算子 通過並行化scala集合創建RDD union求並集 intersection求交集 join(連接) groupByKey cogroup cartesian笛卡爾積 WordCount

spark , List , d3 , 大數據 , 數據 , Spark問題定位並且解決

收藏 評論

u_15591470 頭像

ceshiren2022 - n8n高級測試指南：Function節點的自定義斷言與複雜數據驗證

在構建自動化工作流時，許多人能熟練地串聯節點，卻常常在數據驗證環節遭遇瓶頸。你可能遇到過這些情況：上游API返回的結構時而變化，基礎字段驗證無法滿足複雜的業務規則，或是測試用例需要對多種邊界條件進行檢查。當n8n自帶的“IF”節點和基礎驗證顯得力不從心時，是時候深入瞭解一個強大工具——Function節點了。 為什麼需要自定義驗證？ 上週，一位同事在處理電商訂單數據時遇到了麻煩。

n8n , 數據 , 自動化 , 人工智能 , 深度學習

收藏 評論

u_16213578 頭像

智能探索者之家 - 神策數據微信小程序 SDK 功能介紹 | 數據採集

神策數據官方 Java 埋點 SDK（sa-sdk-java）是一款專為 Java 端打造的輕量級數據採集工具，幫助開發者輕鬆實現應用數據的埋點採集與上報。本文將帶你快速掌握這款埋點神器的安裝配置方法，讓數據採集工作變得簡單高效！ 📚 為什麼選擇神策數據 Java 埋點 SDK？ ✅ 核心優勢解析 輕量級設計：極簡架構不佔用過多系統資源，完美

數據 , 後端開發 , JAVA , Python

收藏 評論

u_16099254 頭像

歲月靜好呀 - wps 動態 java

該文是以前的博文，本文中有一列是快遞單號，其實這一列根本不需要，一般快遞幾天就到，在excel表中存快遞單號，純屬浪費時間，快遞單號一般都會有客户留存聯，而且也登入了網上的表格，所以個人用的excel表格不需要這一列。 由於該文是以前的，以前沒有紅字發票的經歷，後來才瞭解到紅字發票的使用。 關於紅字發票的填卡和注意事項，看查看本文兩篇相關博文：

數據 , wps 動態 java , 後端開發 , excel表格 , JAVA , 狀態欄

收藏 評論

u_15467009 頭像

andyxi_linux - 數據平滑處理算法03——中心移動平均

中心移動平均 中心移動平均主要用於時間序列分解，特別是在估計趨勢-週期成分時。它的核心特點是“對稱性”。 核心思想：將移動平均窗口置於數據的“中心”，使得平均值能夠對齊到窗口的時間中點，從而最大限度地減少滯後性。 計算方法 對於一個時間序列，其 N 期中心移動平均值是將窗口置於當前點的兩側。

數據 , MySQL , 算法 , i++ , 數據庫 , JAVA , 前端

收藏 評論