tag 數據

標籤
貢獻710
368
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_16099361 頭像

16099361 - flume使用kafka作為sink-

Kafka作為數據管道中的Sink（輸出端），常用於將處理後的數據寫入Kafka主題，供下游系統消費。以下是實現要點和示例： 核心概念 生產者角色 Kafka Sink本質上是生產者（Producer），負責將數據推送到指定主題（Topic） 數據可靠性 通過配置a

sed , 數據 , linq , 後端開發 , c , kafka , Python

收藏 評論

u_12190 頭像

藍月亮 - 防火牆鏡像流量製作方法

iptables ip 的 tables ip的表格； iptables只是netfilter的前端管理工具；netfilter是linux內核提供的數據流量管理模塊； iptables/netfilter數據流量管理框架； 普遍人問IPtables就是一個防火牆； 作用：流量過濾；（防火牆：1、流浪過濾 2、接V

流量管理 , 防火牆鏡像流量製作方法 , 數據 , 雲計算 , 鏈表 , 雲原生

收藏 評論

u_16213659 頭像

mob64ca140a8e67 - FPGA LVDS和SERDES區別

這裏梳理一下HDMI-LVDS應用的幾個項目案例： 1、HDMI轉LVDS的幾種應用模式 2、無緩存直入直出模式； 3、帶緩存並且可以實現圖像裁剪的內存應用； 4、視頻數據+自定義數據混合發送的LVDS應用案例 5、LVDS轉HDMI的測試案例 一、無緩存直入直出模式，這也是LVDS編碼發送的核心。 直進直出無緩

fpga , hdmi , FPGA LVDS和SERDES區別 , 數據 , lvds , 架構 , 後端開發

收藏 評論

u_16213610 頭像

mob64ca13feda16 - 訪問System Volume Information

構建安全的數據訪問 發佈日期： 1/10/2005 | 更新日期： 1/10/2005 查看全部的安全性指導主題 Microsoft Corporation 本單元概要 數據訪問是從 ASP.NET Web 應用程序使用幾個 ADO.NET 數據提供程序中的一個訪問數據庫的過程。 數據庫是應用程序級攻擊的主要目標。攻擊

數據 , 雲計算 , 雲原生 , 數據訪問 , SQL

收藏 評論

u_17579295 頭像

mb6911caa73d1d1 - 城市公共安全：數字孿生如何構建"可計算"的智慧防線

當夜幕降臨，城市燈火通明，數百萬人的安全如何保障？傳統模式下，指揮中心的大屏幕上閃爍着密密麻麻的監控畫面，值班人員需要同時關注數十個系統界面——交通流量、警力分佈、消防狀態、突發事件……信息過載與決策延遲成為常態。 數字孿生-孿易IOC技術的出現，正在悄然改變這一局面。它不只是簡單的三維可視化，而是構建了一個可計算、可模擬、可預測的城市安全數字模型。對於致力於城市公共安全領

數據 , API , 數據可視化 , 人工智能 , 數字孿生 , 開發者

收藏 評論

u_14767244 頭像

u_14767244 - Apache Doris 實時更新全解：從設計原理到最佳實踐｜Deep Dive

在數據驅動決策的今天，數據的“新鮮度”已成為企業在激烈市場競爭中脱穎而出的核心競爭力。傳統的 T+1 數據處理模式，由於其固有的延遲，已無法滿足現代商業對實時性的苛刻要求。無論是為了實現毫秒級的業務庫與數據倉庫同步、動態調整運營策略，還是為了在秒級內修正錯誤數據以保障決策的準確性，強大的實時數據更新能力都顯得至關重要。 Apache Doris作為一個現代化的實時分析型數據庫，其設計

字段 , 大數據 , 數據 , 數據倉庫 , 主鍵

收藏 評論

u_17420180 頭像

合合信息解決方案 - 傳統OCR識別有什麼侷限性

在企業數字化轉型的浪潮中，文檔處理效率直接影響業務運轉速度。然而，許多企業在使用傳統OCR工具時，常常遭遇“識別了文字卻用不了數據”的尷尬局面——掃描件變成了亂碼文本，財務報表的表格結構全部丟失，合同條款被錯誤拆分。這些問題的根源，恰恰暴露了傳統OCR技術難以逾越的技術鴻溝。 圖像質量依賴症：模糊就“失明” 傳統OCR對圖像質量的要求近乎苛刻。當文檔出現模糊、光照不均

機器學習 , 數據 , 手寫體 , 人工智能 , 結構化

收藏 評論

u_16213711 頭像

mob64ca1416f1ef - ble 可以同時是write和write no response嗎

協議棧解析 對開發者來説，很簡單，他只需要調用send(0x53) GATT層定義數據的類型和分組，方便起見，我們用0x0013表示電量這種數據類型，這樣GATT層把數據打包成130053（小端模式！） ATT層用來選擇具體的通信命令，比如讀/寫/notify/indicate等，這裏選擇notify命令0x1B，這樣數據包變成了：1B130053

數據 , 應用層 , 協議棧 , 架構 , 後端開發

收藏 評論

u_16099327 頭像

AI智行者 - 當writeMode配置成update時updateColumn不配置會生效嗎

摘要: 下文講述updatetext的功能及舉例説明 實驗環境:sql server 2008 R2 updatetext關鍵字功能及語法説明 updatetext功能説明: updatetext的功能為:更新當前的text,ntext,image字段, 當我們可以使用updatetext更新列中的部分數據 updatetext語法簡介:

機器學習 , 字段 , 數據 , 人工智能 , SQL

收藏 評論

u_16213577 頭像

信息小飛俠 - python 模擬國標28181的服務端實現客户端的註冊功能

Python基礎之網絡併發編程 目錄 Python基礎之網絡併發編程 一、黏包現象 1、什麼是黏包 2、產生黏包的原因 3、如何避免黏包 二、struct模塊 1、模塊簡介 2、常用方法 3、常見格式 三、

數據 , 客户端 , 後端開發 , udp , Python

收藏 評論

u_14587 頭像

bugouhen - service如何配置流量權重

一，配置報表查看權限 　　方法一：使用dynamic365添加用户組管理 　　　　參考教程：https://www.pianshen.com/article/25031937531/ 　　方法二：配置訪問目錄和用户角色 　方法三：如果數據源是SQL，通過SQL AS實現人員或者部門級的權限控制 　　方法

數據集 , 數據 , 用户權限 , 人工智能 , 深度學習 , service如何配置流量權重

收藏 評論

u_39037 頭像

jimoshalengzhou - 數據倉庫書籍PDF

凡事應該儘量簡單，直到不能再簡單為止。 維度建模簡介 一、用於度量的事實表 1.應該儘量將來源於同一個業務過程的底層度量結果存儲於一個維度模型中。 2.事實表中的每一行對應一個度量事件。每行中的數據是一個特定級別的細節數據，稱為粒度。 　　物理世界的每一個度量事件與對應的事實錶行具有一對一的關係，這一思想是維度建模的基本原則。 3.事實表包含多

大數據 , 數據 , 數據倉庫 , 數據倉庫書籍PDF , 三範式 , 主鍵

收藏 評論

u_13357275 頭像

上海拔俗網絡 - OA辦公+AI智能體：讓辦公效率“開掛”的技術革命

在多數職場人的印象裏，OA系統是“流程審批機”——填表單、走流程、存文件，功能夠用但總顯繁瑣。而AI智能體的加入，正讓OA從“工具”升級為“辦公搭檔”，用實打實的技術優化，解決重複勞動、信息孤島、決策滯後等老問題。不用懂複雜算法，咱們就聊聊這些技術到底怎麼讓辦公變輕鬆。 AI智能體的核心，是給OA裝上“大腦”和“手腳”。“大腦”是自然語言處理（NLP）和機器學習技術，能聽懂人話、讀得

機器學習 , 規則引擎 , 數據 , NLP , 人工智能

收藏 評論

u_16504314 頭像

康謀自動駕駛 - 端到端下半場，如何做好高保真虛擬數據集的構建與感知？

01 前言 隨着自動駕駛技術的日益升級，以UniAD、FSD V12為代表的“端到端”架構正重構行業格局。這一架構試圖通過單一神經網絡直接建立從傳感器輸入到車輛控制的映射，從而突破傳統模塊化累積誤差的侷限。 然而端到端模型對數據分佈的廣度與深度均有着高要求，尤其是對缺乏歸納偏置的Transformer架構而言，“數據規模”與“場景覆蓋度”可謂直接決定了模型上限。

數據集 , 軟件測試 , 數據 , 自動駕駛

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI教務員智能平台系統——把“排課、考勤、成績單”做成一鍵套餐，讓教務老師準時下班

每學期開局，教務辦公室總上演“人海拼圖”：教師時間衝突、教室容量不足、學生選課撞車……AI教務員智能平台系統用“大模型+運籌算法+實時數據”把排課、考勤、成績、畢業審核串成一條自動化流水線，讓教務老師從“表格奴隸”升級為“數據指揮官”。 一、智能排課：30秒生成“零衝突”課表 平台讀取5類數據： 教師時間碎片（含科研、外出）； 學生選課意願（權重分5級）； 教

多目標 , 數據 , NLP , 權重 , 人工智能

收藏 評論

u_17494575 頭像

mb689bf7a82caf3 - 使用 C# 創建 Excel 圖表：高效構建自動化數據可視化報告

在當今數據驅動的世界裏，數據分析和可視化已成為各行各業不可或缺的技能。Excel作為最常用的數據處理工具之一，其強大的圖表功能能夠將複雜的數據集轉化為直觀易懂的視覺信息。然而，當我們需要處理大量數據、重複生成相似報告或集成到自動化流程中時，手動在Excel中創建和更新圖表不僅效率低下，而且極易出錯。 想象一下，你每週都需要根據最新的銷售數據生成一份包含多種圖表的報告

yyds乾貨盤點 , 數據 , 自定義 , 柱狀圖 , 後端開發 , excel , .net , c

收藏 評論

u_17579295 頭像

mb6911caa73d1d1 - 數據中心運維新範式：如何用數字孿生技術實現可視化智能管理

在數字化轉型浪潮中，數據中心作為企業核心基礎設施，其運維管理正面臨前所未有的挑戰。隨着設備規模不斷擴大，系統複雜度持續攀升，傳統運維模式已難以滿足實時監控、快速定位和精準決策的需求。如何打破數據孤島，實現運維數據的可視化呈現與智能分析，成為行業亟待解決的問題。 從平面監控到立體可視的跨越 傳統數據中心監控系統大多基於二維平面展示，運維人員需要

數據 , 運維 , 數據可視化 , 數據中心 , 人工智能 , 數字孿生

收藏 評論

jcguanqi 頭像

MarkGuan - uniapp項目實踐總結(十四)封裝存儲和路由方法

導語：在日常 APP 開發過程中，經常要用到數據的存儲、獲取和刪除等操作以及頁面導航之間的跳轉，為此，封裝了一個兩個簡單的方法來統一調用。 目錄 原理分析 方法實現 實戰演練 案例展示 原理分析 主要是以下 API。 uni.setStorage：保存數據到本地緩存中； uni.getStorage：獲取保存的緩存數據； uni.removeStorage：移除保存的數據緩存；

數據 , uniapp , vuejs3 , 路由

收藏 評論

u_16213560 頭像

數據小探 - 最好用的CRM系統排行榜

深夜的辦公室裏，銷售專員還在零散的聊天記錄和表格中翻找客户信息 —— 上午的社交平台線索未及時歸檔，下午的線下拓客數據分散在不同文件，與核心客户的溝通重點也因信息雜亂難以回溯。這類客户管理的困擾在銷售團隊中並不少見。 據《2024 年銷售效率調研》相關數據顯示，超七成銷售團隊會因線索分散、跟進節奏不統一、數據銜接斷層等問題，產生不低的客户流失情況；而部署了專業客户管理系統的

數據 , 易用性 , 後端開發 , crm , Python

收藏 評論

u_16099219 頭像

風之谷啓航 - Hudi-表的存儲類型及比較_嘣嘣嚓的技術博客

01. Hudi 數據模型分析 主題説明 Hudi 的數據模型是整個系統的核心抽象，説白了就是定義了數據記錄在系統中是怎麼表示的、怎麼操作的。理解數據模型是理解 Hudi 工作原理的基礎，就像蓋房子要先打地基一樣。 在 Hudi 裏，一條數據記錄不是簡單的字符串或者字節數組，而是一個結構化的對象，包含了記錄本身的數據、唯一標識、存儲位置等信息。這種設計讓 Hud

字段 , 序列化 , 數據 , 前端開發 , Javascript

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI旅遊助手：不是“機器人導遊”，而是你的“智能旅行大腦”

你有沒有發現—— 出門旅遊，查攻略、比價格、訂酒店、排路線……光是準備工作就能耗掉半天？ 到了目的地，問路靠地圖、找吃靠點評、改行程靠運氣，一不小心就踩坑？ 更別提帶老人孩子、語言不通、突發狀況……整個旅程像在“打怪升級”。 別擔心，這不是你不會玩，而是傳統旅遊方式太“被動”、太“碎片”、太“靠運氣”。現在，一個叫“AI旅遊助手”的技術產品，正悄悄改變這一切——它不取代人，而是幫

對話系統 , 數據 , NLP , 語言模型 , 人工智能

收藏 評論

u_16213647 頭像

mob64ca14079fb3 - Stm32cubemx LCD 經常不顯示

TFTLCD TDTLCD即薄膜晶體管液晶顯示器，在液晶顯示屏每個像素上都設置有一個薄膜晶體管（TFT），圖像質量高 一般TFTLCD模塊位3.3V供電，不支持5V電壓MCU，如果使用5V MCU需在信號線串接120R電阻使用 LCD使用16位80並口驅動，與OLED並口驅動類似 電容觸摸模塊使用SPI串口驅動 採用廠商提供

機器學習 , 嵌入式 , 數據 , 單片機 , stm32 , 人工智能 , define

收藏 評論

u_13521 頭像

cnolnic - 不懂Hadoop心臟Shuffle的原理這一篇就夠了（含講解視頻）

在 Hadoop MapReduce 的 Shuffle 階段，環形緩衝區（Circular Buffer） 被用於 Map 任務輸出中間數據的暫存，這是其性能優化的關鍵設計之一。下面從原理、目的和優勢三個方面詳細解釋 為什麼 Hadoop Shuffle 中使用環形緩衝區。 一、環形緩衝區在 Shuffle 中的位置 在 Map 任

大數據 , 數據 , hadoop , 環形緩衝

收藏 評論

u_17420180 頭像

合合信息解決方案 - 財務數字化轉型具體步驟是什麼

當企業財務部門還在為每月數百張發票錄入、跨系統數據核對而焦頭爛額時，行業領先者已經通過數字化轉型實現了效率的質變。某快消品集團五年投入5300萬元完成轉型後，每年節省人工成本超1000萬元，財務效率提升40%。這背後的關鍵，在於掌握了科學的分階段實施路徑。 第一步：明確轉型戰略與需求評估 財務數字化轉型的首要任務是制定清晰的戰略規劃。企業需要評估當前財務業務的運作情況

機器學習 , 業務流程 , 數據 , 人工智能 , 數據驅動

收藏 評論