收藏 / 列表

skysailstar 頭像

天航星 - 地中海、雙肩包、格子衫？從業9年程序員聊聊真實的程序員是什麼樣子

你印象中的程序員，是不是這樣的？ 不可否認，這確實是程序員的一種狀態，並且現在依然存在。但其實這並不能代表大多數程序員，作為一名工作了 9 年的程序員，有必要跟大家聊聊真實的程序員是什麼樣子。 其實每個行業都存在固有印象，只是隨着這些年互聯網的發展，程序員比較有話題度，固有印象也就相對多一些，比如地中海、熊貓眼、雙肩包、格子衫、工資高、智商高、情商低、青春飯、不穩定、會修電腦，下面來逐一介紹。

程序人生

aigoto 頭像

逐夢AI - 免費騰訊雲 EdgeOne 深度測評：下一代 CDN 的加速與防護實戰體驗

騰訊雲 EdgeOne 深度測評：下一代 CDN 的加速與防護實戰體驗 一、背景與測試環境 作為一名個人站長，我長期運營着一個導航站。由於服務器位於香港，配置為 2C2G5M，再加上域名來自海外註冊商，站點在不使用加速服務時訪問速度明顯偏慢。因此，CDN 一直是我站點運行必不可少的環節。 此前我也使用過其他雲廠商的傳統 CDN，整體體驗在訪問速度方面尚可，但在防護能力和可運維性上表現一般。最近了解

cdn

aitibao_shichangyingxiao 頭像

艾體寶IT - 艾體寶方案 | Active Directory 監控工具全解析：從微軟自帶到第三方方案

**在現代企業的 IT 架構中，Active Directory（AD） 是身份認證與訪問控制的核心。為了確保系統安全穩定並滿足合規要求，越來越多的組織採用 Active Directory 監控工具 來實時掌握目錄服務的運行狀況、用户行為及安全風險。 目前市場上已有多種監控工具可供選擇，包括微軟原生工具與第三方產品，從企業級方案到免費選項一應俱全。關鍵在於選擇一款最契合自身環境的解決方案。

後端

zhuifengdekaomianbao 頭像

張老師講數字孿生 - AI孿生平台破解跨國協作難題，設計效率提升300%

2024年進博會醫療展區，西門子醫療展出的AI自適應放療系統引發關注：德國工程師修改參數，中國臨牀團隊實時驗證效果，跨國協作像在同一實驗室操作——這背後是數字孿生技術對傳統研發模式的顛覆。 01 動態孿生模型：打破時空壁壘的“虛擬實驗室” 傳統跨國協作依賴郵件、視頻會議，存在數據延遲、版本混亂等問題。而基於動態數字孿生模型的協同平台，通過構建與物理設備完全同步的虛擬鏡像，實現全球團隊的實時

數字化轉型 , 資訊 , 人工智能 , 深度學習 , 前端

leguandeludeng 頭像

數據集成與治理 - 終於有人把數據架構講明白了

天天聽人説“數據架構”，是不是覺得有點懵又有點煩？別急！今天咱們就拋開那些高大上的術語，好好聊聊：數據架構到底是啥？它為啥這麼重要？ 其實説白了，數據架構就是你公司裏那套管數據的“規矩”和“方法”——數據放哪？怎麼算？怎麼跑？怎麼用？全歸它管！ 為啥要搞這套“規矩”？因為數據太亂了！到處是孤島，質量參差不齊，想用的時候找不着、用不好。好的數據架構，就是來解決這些頭疼事的！​它能讓你公司的數據井井有

數據結構

iwan_68b8da84d3d8b 頭像

大廠碼農老A - 我帶的外包兄弟放棄大廠轉正，薪資翻倍入職字節

大家好，我是老A 國慶節的時候，收到一位粉絲的私信求助。一來一回聊了半天，我發現了一個很多技術兄弟的通病——我們稱之為「收藏夾式努力​」。水文看不上，只想讓大佬推薦技術寶典，一旦拿到手，焦慮感削弱，寶典就在收藏夾裏吃灰，下了班照樣峽谷開黑。當你想督促他深入研究時，他又會用「他是大佬，我不是，我做不到」來給自己設限，最終陷入「持續焦慮，持續躺平」的惡性循環。 這種惰性，是人之常情。但人和人之間

觀點 , JAVA , 程序員 , 後端 , 前端

immerse 頭像

沉浸式趣談 - 這個Web新API讓任何內容都能畫中畫！

大家好，我是 Immerse，一名獨立開發者、內容創作者。 關注公眾號：#沉浸式趣談，獲取最新文章（更多內容只在公眾號更新） 個人網站：https://yaolifeng.com 也同步更新。 轉載請在文章開頭註明出處和版權信息。 我會在這裏分享關於編程、獨立開發、AI乾貨、開源、個人思考等內容。 如果本文對您有所幫助，歡迎動動小手指一鍵三連(點贊、評論、轉發)，給我一些支持和鼓勵，謝謝

chrome , 後端 , 前端

johanazhu 頭像

山頭人漢波 - 前端學Ruby：全棧論壇（地宮）項目二

接上文前端學Ruby：全棧論壇（地宮）項目一，休息一晚後，我們繼續 各個模型建立了我們想要的 筆者是前端出身，對數據庫的理解僅限於用 node + mysql （mongodb）做過微型博客。除此之外，數據庫的知識點就無了，以下寫的不好的，多多擔待 文章模型與用户模型結合 文章模型與用户模型的結合，一個人必須要先登錄後才能寫文章，其次，一個人可以有很多文章，但當他註銷後，文章就沒了 先在 arti

ruby-on-rails , ruby , 後端

codists 頭像

codists - 《編譯原理》閲讀筆記：p1-p3

《編譯原理》學習第 1 天，p1-p3總結，總計 3 頁。 一、技術總結 1.compiler(編譯器) p1, But, before a program can be run, it first must be translated into a form in which it can be executed by a computer. The software systems that

編譯原理

pains 頭像

Rick Carter - 修復達夢EFCore驅動布爾類型兼容問題

dm庫相比其他庫本身缺少一些語法差異，也可以説是缺陷。 比如： 0和1無法直接在sql中當作真假值用，where 0這種寫法不支持，報錯：查詢使用值表達式作為過濾條件； t.field is null 也無法直接作為select項； 不支持OUTER APPLY等SQL語法； 以及數據庫函數中的又只能用0和1作為布爾參數值。 但是dm.efcore生成的語句就是這樣的

.net , 後端

wang_yb 頭像

wang_yb - 別急着轉投 Polars！Pandas 3.0 帶着“黑科技”殺回來了

大家好，在數據分析圈子裏摸爬滾打這麼多年，最近大家見面打招呼的方式都變了。 以前是“你用 Pandas 處理那個 csv 了嗎？”，現在變成了“你還沒用 Polars 嗎？那速度快得飛起！” 確實，在這個 GPU 算力爆炸、多線程並行的時代，我們這位陪伴多年的老朋友 Pandas，因為單線程和內存管理的“歷史包袱”，顯得有點步履蹣跚。 面對 Polars 這種基於 Rust、天生支持並行計算的“後

後端

integrated_product_development 頭像

IPD產品研發管理 - 如何通過TR技術評審管控IPD開發風險？

作為產品開發全流程的技術風險管控實踐，TR（Technical Review，技術評審）自然是IPD流程中不可或缺的一環。 接下來我們需要明確：TR評審是什麼？ 一般TR評審是團隊對技術方案、設計輸出、驗證結果做的系統性審查，主要確保產品的技術路線合規、性能達標、可製造性可控，避免因技術問題導致開發返工、成本超支或上市延期。 一、TR評審在IPD中有什麼作用？ 在IPD中，TR評審貫穿產品開發的

觀點 , segmentfault , 程序員 , 後端 , 前端

chaoqipengbodehuochai_eav70j 頭像

極市平台 - 手把手教你在移動端跑模型｜驍龍AI大賽公開課三：QAI AppBuilder移動端實戰與跨平台模型部署工具教程

上期課程中我們瞭解了在驍龍 AI PC 上使用 QAI AppBuilder 工具絲滑部署AI模型的核心方法，省流版教程： 用户指南：https://github.com/quic/ai-engine-direct-helper/blob/main/docs/user_guide.md 開源社區：https://github.com/quic/ai-engine-direct-help

資訊 , 教程 , 知識 , 後端

taozi_60b0b3c71b1a8 頭像

Java架構師 - 吹爆Alibaba自研的Spring全能筆記，建議人手一份！

Spring 這個技術棧，想必大家都知道，這玩意麪試必考工作必用，對於每位 Java 程序員來説都是至關重要的；俗話説 Java 開發不學習 Spring 就像士兵上戰場不帶槍，我認為這個比喻很形象。Spring 幾乎佔據了 Java web 的半壁江山，其重要性不言而喻，它跟它後面誕生的一系列解決方案被我們親切的稱為“Spring 全家桶”。 在當下毫不誇張地説，若是不會 Spring 就去面試

spring , spring-mvc , springboot , JAVA , 程序員

mghio 頭像

mghio - Spring 中 @EnableXXX 註解的套路

前言 在 Spring 框架中有很多實用的功能，不需要寫大量的配置代碼，只需添加幾個註解即可開啓。 其中一個重要原因是那些 @EnableXXX 註解，它可以讓你通過在配置類加上簡單的註解來快速地開啓諸如事務管理（@EnableTransactionManagement）、Spring MVC（@EnableWebMvc）或定時任務（@EnableScheduling）等功能。這些看起來簡單的註解

設計 , spring , 技術分享 , 原理 , 後端

hunterxiong 頭像

XHunter - Golang基礎筆記十六之反射

本文首發於公眾號：Hunter後端 原文鏈接：Golang基礎筆記十六之反射 反射可以用於程序在運行時檢查、修改自身類型和值，主要通過 reflect 包實現。 首先，我們提出一個需求，要打印出一個結構體 struct 的各個字段及其對應的標籤數據，按照當前的筆記內容是無法解決該問題的，但是我們可以使用反射操作來完成。 以下是本篇筆記目錄： 變量的類型和值 修改變量的值 遍歷結構體

go , 後端

huan1993 頭像

huan1993 - elasticsearch多字段聚合實現方式

# 1、背景 我們知道在sql中是可以實現 group by 字段a,字段b，那麼這種效果在elasticsearch中該如何實現呢？此處我們記錄在elasticsearch中的3種方式來實現這個效果。 2、實現多字段聚合的思路 圖片來源：https://www.elastic.co/guide/en/elasticsearch/reference/current/search-ag

elasticsearch , JAVA , elk , 聚合 , 後端

chaochenyinshi 頭像

用户bPdd2O9 - java線程池使用指南

專業在線打字練習網站-巧手打字通，只輸出有價值的知識。 一 前言 線程池作為初學者常感困惑的一個領域，本次“巧手打字通課堂”將深入剖析其中幾個最為普遍的誤區。為了更清晰地闡述這些知識點，讓我們以一個具體定義的線程池為例來展開説明。如下： ThreadPoolExecutor executor = new ThreadPoolExecutor(20,50,100L, TimeUnit.MILL

性能優化 , 線程池 , JAVA , 後端

lyflexi 頭像

月半大熊貓 - IDEA久違了！FeignX插件支持方法級別的導航跳轉

需求調研：發現身邊的同事追蹤業務代碼的時候，如果遇見feign接口，大家都是通過全局搜url進一步找到遠程服務的實現。一旦項目大起來，路徑變得複雜甚至重名之後，這將會是災難。 市面上並沒有很好的IDEA插件支持feign接口的解析以及相對應的遠程服務之間的跳轉，因此本人貓哥親自做了一款插件FeignX，並開源出來給大家免費使用。 已上架idea插件市場, 搜索FeignX下載安裝： Fei

feign , springcloud , intellij-idea , JAVA , plugins

qishiwohendou 頭像

其實我很dou - openresty http client工具類lua-resty-http封裝

特性 使用連接池 項目源碼 https://github.com/helloJiu/o... 代碼 -- http客户端 -- https://github.com/ledgetech/lua-resty-http local http = require("resty/http") local config = { max_idle_time = 30000, pool_s

httpclient , luajit , openresty , 後端

emanjusaka 頭像

emanjusaka - 淺析 ArrayList

byemanjusaka fromhttps://www.emanjusaka.com/2023/12/java-arrayList彼岸花開可奈何 本文歡迎分享與聚合，全文轉載請留下原文地址。 ArrayList是一個使用List接口實現的Java類。顧名思義，Java ArrayList提供了動態數組的功能，其中數組的大小不是固定的。它實現了所有可選的列表操作，並允許所有元素，包括n

JDK , 源碼分析 , 後端

chaoshenjinghyperai 頭像

超神經HyperAI - 【TVM 教程】向 TVM 中添加 Codegen

Apache TVM 是一個深度的深度學習編譯框架，適用於 CPU、GPU 和各種機器學習加速芯片。更多 TVM 中文文檔可訪問 →https://tvm.hyper.ai/ 隨着深度學習工作負載所針對的硬件設備數量不斷增加，用户在各種設備上實現高性能所需的知識也在不斷增加。為了讓數據科學家在開發新模型時不必擔心性能問題，硬件廠商或是基於一些常見的深度學習算子，提供 MKLDNN 或 cuDNN

算法 , gpu , 代碼編輯器 , cpu , Python

rife 頭像

凌虛 - 以圖搜圖架構優化：使用客户端模型提取圖像特徵

序言 以圖搜圖系統指的是從圖像內容提取特徵向量，然後使用向量數據庫進行向量數據的插入、刪除、相似性檢索等操作，進而提供根據圖像內容搜索出具有相似內容的其它圖像的功能。 系統架構 典型的搜圖系統整體架構時序圖如下： 圖像上傳過程： 客户端上傳圖像到服務端。 服務端存儲圖像至對象存儲、插入結構化數據至關係型數據庫、發送消息至 MQ 消息隊列。 服務端對客户端請求返回響應。 圖像搜索服務接受

tensorflow , 架構 , 人工智能 , 後端 , 前端

boxuegu 頭像

博學谷狂野架構師 - 讓我對象告訴你什麼是IO、NIO、BIO

1、Stream 與 Channel stream 不會自動緩衝數據，channel 會利用系統提供的發送緩衝區、接收緩衝區（更為底層） stream 僅支持阻塞 API，channel 同時支持阻塞、非阻塞 API，網絡 channel 可配合 selector 實現多路複用 二者均為全雙工，即讀寫可以同時進行 雖然 Stream 是單向流動的，但是它也是全雙工的 2、IO 模型

netty入門 , netty , JAVA , nio , 後端