tag 數據

標籤
貢獻724
420
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_17420180 頭像 u_16653481 頭像 u_13715298 頭像 u_15988698 頭像

@數據 / 博客 RSS 訂閱

u_9384924 頭像

十月南城 - 持久化與內存管理策略——RDB/AOF、淘汰策略與容量規劃的決策要點

Redis 的性能與可靠性平衡藝術，在於對持久化機制與內存管理的精準把控 在掌握 Redis 數據結構與業務場景映射後，我們面臨一個核心問題：如何保證內存數據的可靠性和管理有限內存資源。Redis 作為內存數據庫，其持久化策略和內存管理機制直接影響數據安全性和服務穩定性。本文將深入探討 RDB 與 AOF 持久化機制、內存淘汰策略以及容量規劃的關鍵決策點，幫助構建高可用

redis , 數據 , 持久化 , 架構 , 後端開發

收藏 評論

u_17602385 頭像

一個億也叫多嗎 - iOS 性能監控

iOS 性能監控是保障應用在真實用户場景下穩定運行的關鍵環節，核心圍繞 CPU、內存等多類核心指標，結合開發測試與線上不同場景，藉助官方工具和第三方框架搭建完整監控體系。以下是具體的詳細介紹： 核心監控指標 指標類型

幀率 , 移動開發 , 數據 , 內存泄漏 , ios

收藏 評論

matrixorigin 頭像

MatrixOrigin - 以數生智，以智馭數：GenAI新常態下的企業數據之道 | 矩陣起源產品發佈會重磅啓幕

一場真正面向未來的智能變革，從真正掌控數據開始。 生成式人工智能（GenAI）的浪潮正以前所未有的速度重塑產業格局。Gartner預測顯示，到 2028 年，至少有 15% 的日常工作決策將由 AI 智能體自主完成，且 33% 的企業軟件應用會集成智能體的能力。這場變革不是短暫的技術熱潮，而是商業世界的"新常態"。 然而，在C端應用熱鬧非凡的背後，企業級市場正面臨更復雜的信任危機。研究顯示，超過

數據 , 邀請 , 人工智能

收藏 評論

u_16213678 頭像

mob64ca140ee96c - SEGGER Embedded Studio icf與ld文件

1. SCL_BaseTypes.xsd的定義中tHeader中需存在version、revision元素，但是通過SASystools驗證後Header不能存在該兩項 2. 定義Communication中的連接訪問點是ConnectedAP中的P應大寫而非小寫 3. SCL文件頭的定義中version必須為固定值 2007，revision必須為固定值A 4

機器學習 , 數據集 , 數組 , 數據 , 人工智能

收藏 評論

secretflow 頭像

隱語SecretFlow - 一文讀懂可信數據空間，隱語社區的初步實踐

打開鏈接點亮社區Star，照亮技術的前進之路。每一個點贊，都是社區技術大佬前進的動力 Github 地址： https://github.com/secretflow 一、可信數據空間介紹 可信數據空間，是指基於共識規則，聯接多方主體，實現數據資源共享共用的一種數據流通利用基礎設施。 是數據要素價值共創的應用生態，是支撐構建全國一體化數據市場的重要載體。可信數據空間須具備數據可信管控、資源交互、

數據

收藏 評論

u_16099236 頭像

是大魔術師 - Python爬蟲——使用Pipeline實現數據的處理（三）

在數據驅動的時代，爬蟲作為數據採集的核心手段，已廣泛應用於電商分析、輿情監測、學術研究等多個領域。但爬蟲獲取的原始數據往往存在格式混亂、字段缺失、重複冗餘、噪聲干擾等問題 —— 可能是 HTML 標籤殘留、日期格式不統一、數值單位不一致，也可能是無效字符、邏輯衝突數據。這些 “髒數據” 若直接用於分析或建模，會導致結論偏差、系統故障等風險。 數據清

字段 , 數據清洗 , 數據 , Css , 爬蟲 , 前端開發 , HTML

收藏 評論

dawanzi_6278b06ec111c 頭像

大丸子 - Python代碼轉換PDF為CSV

數據的可訪問性和可操作性是數據管理的核心要素。PDF格式因其跨平台兼容性和版面固定性，在文檔分享和打印方面表現出色，尤其適用於報表、調查結果等數據的存儲。然而，PDF的非結構化特性限制了其在數據分析領域的應用。相比之下，CSV格式以其簡單、通用且易於處理的特點，成為數據操作和分析的理想選擇。 將PDF轉換為CSV極大地提升了數據的實用價值。Python作為一種強大的編程語言，能夠高效完成這一

csv , 表格 , 數據 , pdf , Python

收藏 評論

u_12995 頭像

kcoufee - App 界面卡頓 如何優化 測試性能 - zhaihongxia的個人空間 -

你是否還在為頁面響應時間長，資源加載慢苦惱？ 通常情況下，面臨的選擇要麼是壓縮頁面文件，減少圖片、文字等靜態資源的體積。要麼是通過代碼調整、設定緩存策略來進一步縮短響應時間。 看起來也許只有短短的幾十個字，但APP頁面場景不一，有開屏、首頁、目錄頁、功能頁、web頁等多種，基於不同頁面情況要做的改造工作量可不少。 如何在"性能優化，用户體驗至上"VS

數據 , 後端開發 , 預加載 , Python , Web

收藏 評論

u_17420180 頭像

合合信息解決方案 - 合合信息亮相澳門HKBN JOS Solution Day，分享企業知識庫建設新路徑

近日，由香港寬頻集團成員HKBN JOS主辦的“HKBN JOS Solution Day 2025”在澳門隆重舉行。本次大會以“智創先行、成果共創”為主題，匯聚了全球科技領域的領軍企業、行業專家及資深從業者，共同探討人工智能技術在企業數字化轉型中的創新應用與實踐成果。 大會上，合合信息智能解決方案事業部總經理李明發表了《如何利用AI為企業建立內部知識庫》主題演講，

機器學習 , 數據 , 人工智能 , 解決方案 , 結構化

收藏 評論

u_16099289 頭像

編程小匠人傳奇 - 學術論文發表的流程步驟大全

學術論文審稿流程全解析：從投稿到錄用的5大關鍵階段 很多研究者對“審稿”充滿未知，甚至因不瞭解流程錯過修改機會。2025年最新統計數據顯示，不同學科審稿週期差異達6倍，掌握流程細節能讓錄用效率提升40%。以下是全球主流學術期刊通用的審稿流程拆解，含關鍵時間節點和避坑要點： 1. 五大核心階段（附時間數據） 編輯部初篩（1-7天）：最易被忽略的“第一關”

oracle , 學術論文 , 數據 , 數據庫 , 計算機科學

收藏 評論

u_17567677 頭像

沃觀態勢感知 - 網紅營銷必備：如何利用國外社交媒體分析網站做KOL效果評估

對於任何做出海營銷的品牌而言，KOL 合作已不再是“可選動作”，而是與市場競爭直接掛鈎的增長抓手。然而，大多數企業依然停留在“粉絲量越大越有效”“點贊多就代表轉化高”等淺層判斷中，結果往往是預算花出去了，但真正的ROI並未體現出來。之所以踩雷，是因為缺乏科學、系統、數據驅動的KOL效果分析方法。而專業的國外社交媒體分析網站，正是幫助企業擺脱“憑感覺投放”

分析工具 , 數據 , 人工智能 , 數據分析 , 社交媒體

收藏 評論

u_17567677 頭像

沃觀態勢感知 - 技術選型指南：評估海外輿情監測工具 API 與集成能力的關鍵

在企業數字化與全球化並行的時代，海外輿情監測工具不再是單一的“信息抓取工具”，而是企業數據中台、品牌管理系統、客服系統、市場營銷平台之間的重要樞紐。因此，評估海外輿情監測工具的 API 能力、數據集成架構與可擴展性，已成為技術選型中最關鍵的指標之一。 很多企業在使用海外輿情監測工具時遇到的痛點並非數據不足，而是“數據無法進系統”“監測結果無法自動流

數據 , API , 人工智能 , 數據分析 , 結構化

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI數據治理系統：給大模型喂"乾淨飯"的技術底座

做了五年B端AI產品，我見過的項目"死法"千奇百怪，但90%都死在同一個坑裏：數據。不是沒數據，是數據太髒、太亂、太危險，像餵給模型的"餿飯"，吃一口拉三天。 去年某車企訓自動駕駛模型，50萬份標註數據裏混進2000張逆行標註，模型直接學歪，路測時差點撞上隔離帶。更慘的是某醫療AI公司，訓練數據沒脱敏，被監管部門罰款200萬。這些坑，本可以靠一套AI數據治理系統躲過去。 什麼是A

數據 , NLP , 數據質量 , 數據安全 , 人工智能

收藏 評論

u_11683561 頭像

sweetoneday - 人工智能丨deepseek是什麼？我們能用它來做什麼？

DeepSeek（深度求索）是一家專注實現AGI（通用人工智能）的中國科技公司，成立於2023年。它致力於通過探索AGI核心技術，提供高效、低成本的大模型解決方案，並在多模態理解、長文本處理、代碼生成等領域表現突出。 DeepSeek 的核心產品與技術 大模型系列： DeepSeek-R1：專注長文本理解和複雜推理的對話模型，支持超長上下文（如32萬t

數據 , 自動生成 , 應用場景 , 前端開發 , Javascript

收藏 評論

u_16565911 頭像

南大通用GBase - 南大通用GBase 8a 數據庫磁盤瓶頸優化方案

一、現狀背景 當前某集羣部分節點磁盤使用率已達 95% 以上，因數據量增長觸發存儲瓶頸。結合 Gbase 8a 數據庫特性，可以提供 “表重建壓縮優化” 與 “服務器擴容” 雙方案，供業務評估選擇。 二、優化方案 方案一：表重建壓縮優化（歷史數據高壓縮處理） 1. 操作原理 通過調整表壓縮級別，對歷史數據進行高壓縮處理。當前數據庫默認壓縮

GBase 8a , 服務器 , 大數據 , 數據 , 數據倉庫 , 數據庫

收藏 評論

u_17457604 頭像

摘星pickstar - GLM-4.7 & MiniMax M2.1 深度對比實測：AI Ping 平台手冊

前言： 在國產大模型從技術迭代走向產業落地的關鍵階段，能夠適配真實複雜場景的穩定性能與高效運行能力，成為企業與開發者選型的核心標準。AI Ping 平台（作為專注於模型實測與對比的一站式服務入口，正為行業提供解決方案 —— 現已正式上線 GLM-4.7 與 MiniMax M2.1 兩大旗艦模型的服務，憑藉多供應商接入、性能可視化、統一調用等核心優勢，讓用户零門檻驗證模型價

數據 , API , Max , 人工智能 , 計算機視覺

收藏 評論

u_17582412 頭像

wx6916e0c04eaf5 - 如何解決本增效落地難題，紅海雲助力央國企實現管理效能優化

（摘要） 本文聚焦央國企在降本增效過程中普遍面臨的落地難題，系統分析理解偏差、管理短板、技術瓶頸等核心障礙，並針對現實困境，攜手紅海雲提出數字化與系統化管理的實戰解決方案，助力企業實現高效降本增效與管理升級。 （引言） 隨着市場環境的不斷變化與競爭壓力加劇，降本增效已成為企業應對成本上升和利潤壓縮的必然選擇，然而在實際推進過程中，許多企業卻常

雲平台 , 數據 , 雲計算 , 執行效率 , 執行力

收藏 評論

u_15745565 頭像

畢設大神 - 生豬養殖信息化管理系統-計算機畢業設計源碼+LW文檔

摘 要 隨着我國生豬養殖產業的不斷髮展，信息化管理成為提升養殖效率與質量的關鍵。本項目基於Java語言開發，採用Spring Boot框架構建後端服務，結合微信小程序作為前端交互平台，並以MySQL數據庫作為數據存儲核心，打造了一套完整的生豬養殖信息化管理系統。該系統通過微信小程序為養殖户提供便捷的移動端操作界面，可實時查看生豬生長數據、飼料消耗、疾病預警等關鍵信息，同時支

數據 , MySQL , 管理系統 , 後端開發 , JAVA

收藏 評論

u_14276 頭像

柳隨風 - 多尺度CNN英文

本文主要翻譯自下述GEE官方幫助 https://developers.google.com/earth-engine/guides/scalehttps://developers.google.com/earth-engine/guides/projectionshttps://developers.google.com/earth-engine/guides

機器學習 , 數據 , 重採樣 , 人工智能 , Image , 多尺度CNN英文

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI學術質量檢測系統：從“語法警察”到“科研領航員”

提到AI和學術，你首先想到的可能是“查重”。那個在論文提交前讓我們心驚膽戰的工具，像一個嚴厲的語法警察，只負責揪出重複的文字。但今天，我想和你聊的，是一款劃時代的新產品——AI學術質量檢測系統。 它早已超越了“警察”的角色，更像一位全天候的科研領航員，真正深入到論文的“靈魂”，評估其質量。 那麼，這位“領航員”究竟是如何工作的？它背後又有哪些“黑科技”？ 第一重境界：讀懂你的

數據 , 搜索 , NLP , 人工智能 , 核心技術

收藏 評論

u_16213402 頭像

mob64ca12e95b2b - GitHub Copilot和通義靈碼

在當今的軟件開發過程中，GitHub Copilot 和通義靈碼作為先進的代碼生成和輔助工具，正在逐步改變開發人員的工作方式。然而，隨着這種技術的普及，如何高效地管理代碼及其備份、恢復以及災後響應成為了每個開發團隊都必須面對的重要課題。本文將詳細介紹如何通過一套完善的備份策略、恢復流程、災難場景分析、工具鏈集成、預防措施及遷移方案來應對這些挑戰。 備份策略 為了確保代碼數據的安全

數據丟失 , 數據 , bash , aigc

收藏 評論

u_16099246 頭像

編程藝術家 - 堅持技術創新，時速雲 DevOps 平台加速企業數字化蝶變 - 時速雲的個人空間 -

本土化DevOps平台Gitee：中國企業數字化轉型的加速器 在數字化轉型浪潮席捲全球的當下，軟件開發效能已成為企業核心競爭力的關鍵指標。Gitee作為國內領先的DevOps平台，憑藉其本土化優勢和全流程閉環能力，正在幫助中國企業突破研發效率瓶頸，實現數字化轉型的彎道超車。 本土化優勢構建競爭壁壘 中國企業在數字化轉型過程中面臨着獨特的

數據 , devops , 運維 , 後端開發 , 解決方案 , gitee , harmonyos

收藏 評論

u_16213682 頭像

mob64ca140fd7c1 - grafana app線程used

這兩服務都是上報統計服務。。寫法功能，代碼邏輯都是類似。 下面是PropertyServer的介紹 此服務，應該性能瓶頸在db。所以採取的策略是，把上報的數據，放在內存緩存中。後面再異步批量寫入db而且是分多個db。 為了儘量挖掘性能，在內存中，有着一組 繼承於TarsHashMap的 hashMap.雙buff。。 Propert

數據 , 雲計算 , 取值 , 獲取數據 , 雲原生 , grafana app線程used

收藏 評論

u_16099177 頭像

雲端小夢 - 數據倉庫(02)數倉、大數據與傳統數據庫的區別 -

隨着信息技術的飛速發展，企業對數據的依賴日益加深。為了高效地存儲、管理和分析海量數據，數據倉庫（Data Warehouse）應運而生。然而，隨着數據量呈指數級增長以及業務需求的多樣化，傳統的數據倉庫架構逐漸暴露出其侷限性，從而催生了基於大數據技術的新一代數據倉庫——“大數據數倉”。本文將從多個維度對比傳統數倉與大數據數倉的主要區別，幫助讀者更好地理解兩

大數據 , 數據 , 數據倉庫 , 結構化

收藏 評論