收藏 / 列表

developer-tianyiyun 頭像

天翼雲開發者社區 - 托住每份期待，雙十一“購”順暢！

雙十一的購物車 又又又又塞滿啦！ 快遞小哥衝刺 倉庫燈火通明 直播間熱鬧翻天 ——這場全民狂歡的背後 藏着看不見的“雲”力量 天翼雲，作為雲服務國家隊 正用硬核科技 穩穩托住每一份期待！ 玩轉新零售：雲端賦能“翼”起狂歡 對電商商家來説，商品圖是“第一導購員”，但傳統拍攝成本高、週期長，成為行業的核心痛點。為解決這一痛點，天翼雲攜手蘑菇街給出答案。天翼云為蘑菇街旗下的AI商拍工具WeShop唯象

雲計算

u_17558081 頭像

饕餮大數據 - 【Ambari開啓Kerberos】-Kafka啓動失敗處理

温馨提示 本文內容在使用 ttr-2.2.0版本之前，開啓Kerberos後才會遇到。 後續版本已經做了處理，無需關注！ 如果在部署、二開過程中，遇到任何問題可以讓作者幫你解決。 一、問題現象 在 Ambari 啓用 Kerberos 後啓動 Kafka 服務時，出現如下錯誤，Kafka 無法正常啓動。 [2025-10-29

hdp , 大數據 , cdh , 私藏項目實操分享 , 運維 , hadoop , 開源

ververica 頭像

ApacheFlink - Flink 智能調優：從人工運維到自動化的實踐之路

作者：黃睿阿里雲智能集團產品專家 本文基於阿里雲Flink平台的實際實踐經驗整理，希望能為廣大流計算從業者提供有價值的參考。 引言 在流計算領域，ApacheFlink作為業界領先的流處理引擎，為眾多企業提供了強大的實時數據處理能力。然而，隨着業務規模的不斷擴大和數據量的持續增長，如何確保Flink作業能夠長期穩定運行，同時實現資源的高效利用，成為了每個技術團隊都必須面對的核心挑戰。 根據前期用户

大數據 , flink , 實時計算

vivo_tech 頭像

vivo互聯網技術 - vivo 前端三劍客發展歷程及原理揭秘

作者： vivo 互聯網前端團隊- Han Xuejian、Zhang Hao 異地協作模式，給開發和測試間的問題溝通及定位帶來了諸多挑戰。本文從前端開發視角出發， 闡述在這過程中遇到的痛點，探索解決的思路，並在過程中成功孵化出技術工具“前端三劍客”，文章深入解析了“前端三劍客”技術的實現原理及應用場景。 1分鐘看圖掌握核心觀點👇 一、背景 隨着公司業務的不斷髮展，異地協作成為一種常態

工具 , 遠程調試 , 錄製屏幕 , 抓包解密 , 前端

doge_king 頭像

泊浮目 - 以防你不知道大佬認為寫好註釋有多重要

本文在綠泡泡“狗哥瑣話”首發於2024.12.27 -關注不走丟。 最近看到一篇好文章，是6年前redis之父寫的，雖然過了這麼久，但是這些內容並沒有過氣。 標題《Writing system software: code comments》，鏈接是：http://antirez.com/news/124?continueFlag=372abd242aeafb5bbf6f... 這篇文討論了代碼中

redis , 註釋 , 代碼規範

zhaoqianglaoshi 頭像

趙渝強老師 - 【趙渝強老師】Redis Cluster分佈式集羣

主從複製是Redis集羣實現的一種方式，而Redis集羣的另一種實現方式就是Redis Cluster。它是Redis提供的數據分佈式存儲解決方案。 一、 什麼是Redis Cluster？ 日常在對於Redis的使用中經常會遇到一些問題，例如：如何保證Redis的持續高可用性？如何實現單實例Redis擴充？如何提升高併發時的性能問題？針對這些問題，在Redis 3.0版本中推出了Redis Cl

redis , nosql , 數據庫

starrocks 頭像

StarRocks - StarRocks 在 Cisco Webex 的探索與實踐

作者： 白旭：Cisco Software Engineer, Apache Amoro PPMC member 許鴻坤：Cisco Senior Software Engineer 導讀：本文內容整理自 白旭 與 許鴻坤 兩位嘉賓在 StarRocks Connect 2025 上的聯合演講。 基於 Cisco Webex 的核心分析場景，分享了從 Pinot 技術棧遷移

數據庫 , starrocks , 物化視圖 , olap , Json

nebulabio 頭像

北京辰輝創聚生物 - 重組蛋白技術基礎概述

重組蛋白的基本概念 重組蛋白是通過基因重組技術在宿主系統中表達的外源蛋白。該技術將目標基因導入表達載體，轉化至宿主細胞，利用細胞自身的轉錄翻譯機制合成目標蛋白。與傳統組織提取相比，重組技術可獲得更高純度、更好一致性的蛋白樣品。 重組蛋白的技術特徵 重組蛋白的生物學功能由其空間構象決定。氨基酸序列通過分子內氫鍵、疏水作用、二硫鍵等化學力形成特定三維結構。研

蛋白表達 , 大數據 , 細胞因子 , 重組蛋白 , 數據倉庫 , 生長因子 , 科研試劑

leguandeludeng 頭像

數據集成與治理 - 元數據管理是什麼？怎麼管？

做數據最怕什麼？ 需要分析業務時找不到數據在哪；各部門對"活躍用户"等指標定義不一，數據對不上；報表出錯時，還得花大量時間排查問題根源…… 這些情況其實就是缺乏對元數據的有效管理。 找數據難、數據口徑不一致、問題追溯效率低等問題，其實把元數據管理做好了，就能解決這些問題。 下面我就來給大家好好講講元數據管理的概念、作用、管理步驟和重要性，幫你找到切實可行的解決方案。 一、什麼是元數據管理？ 咱們先

數據 , 教程 , 知識 , 數據庫

u_15844731 頭像

阿森CTO - 初始化列表與explicit

@TOC 📝再談構造函數 🌠 構造函數體賦值 在創建對象時，編譯器通過調用構造函數，給對象中各個變量一個合適的初始值 class Date { public: Date(int year, int month, int day) { _year = year; _month = month; _day = day;

初始化列表 , 大數據 , yyds乾貨盤點 , 初始化 , 數據倉庫 , 構造函數

daimajiangxin 頭像

代碼匠心 - 從零開始學Flink：數據源

在實時數據處理場景中，數據源（Source）是整個數據處理流程的起點。Flink作為流批一體的計算框架，提供了豐富的Source接口支持，其中通過Kafka獲取實時數據是最常見的場景之一。本文將以Flink DataStream API為核心，帶你從0到1實現“從Kafka消費數據並輸出到日誌”的完整流程，掌握Flink Source的核心用法。 一、為什麼選擇Kafka作為Flink的數據源？

大數據

u_15591410 頭像

我就是不長肉而已 - B5817W-ASEMI可直接替換安世PMEG2005EH

編輯：ll B5817W-ASEMI可直接替換安世PMEG2005EH ASEMI首芯半導體可替代安氏半導體功率器件 型號：B5817W 品牌：ASEMI 封裝：SOD-123 特性：肖特基二極管 正向電流：1A 反向耐壓：20V 恢復時間：35ns 引腳數量：2 芯片個數：1 芯片尺寸：MIL 浪涌電

ASEMI , 大數據 , B5817W , hadoop , 在51CTO的第一篇博文 , PMEG2005EH

tech 頭像

青雲交技術圈 - Java 大視界 -- Java 大數據在智能家居能源消耗模式分析與節能策略制定中的應用

(centerJava 大視界 -- Java 大數據在智能家居能源消耗模式分析與節能策略制定中的應用/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！在科技的洶涌浪潮中，Java 大數據技術宛如一顆璀璨奪目的明珠，於眾多領域綻放出耀眼光芒。 如今，隨着智能家居的迅猛普及，人們的生活變得愈發便捷，但同時也引發了不容

spark , 大數據 , yyds乾貨盤點 , 數據 , 智能家居 , Java大數據 , 能源消耗 , JAVA

huikaichedemianbao 頭像

合合技術團隊 - 論文解讀 - 大型多模態模型中現實世界個性化基準測試

​一、簡要介紹 快速發展的大型多模態模型（LMMs）領域催生了多種具有顯著能力的模型。然而，現有的評估標準未能全面、客觀且準確地評估這些模型是否能滿足現實世界中人類的多樣化需求。為了解決這一問題，論文提出了多維度洞察（MDI）基準，該基準包含超過500張圖像，涵蓋了人類生活的六個常見場景。值得注意的是，MDI基準相比現有評估方法具有兩大優勢：(1)每張圖像都附有兩類問題：簡單問題用於評估模型對圖

大數據 , 算法 , 人工智能