收藏 / 列表

u_16213587 頭像

mob64ca13f937ae - C++的智能指針 - 牆頭草的個人空間 -

前言 作為 C++ 開發者，你是否曾因以下場景頭疼不已？ 函數中new了數組，卻因異常拋出導致後續delete沒執行，排查半天定位到內存泄漏； 多模塊共享一塊內存，不知道該由誰負責釋放，最後要麼重複釋放崩潰，要麼漏釋放泄漏； 用了auto_ptr後，拷貝對象導致原對象 “懸空”，訪問時直接崩潰卻找不

智能指針 , c++11 , 引用計數 , c++ , 後端開發 , Python

u_17171325 頭像

鴿鴿程序猿 - 【項目】【抽獎系統】數據庫的建立 與 通用功能

一、數據庫表的設計與建立 1.1 ⽤⼾表 user 字段 類型 非空(Y/N)

yyds乾貨盤點 , 後端開發 , 錯誤碼 , JAVA , 主鍵 , ci

u_16492348 頭像

wx65950818d835e - 14: 基於卷積神經網絡（CNN）的超分算法

引言 卷積神經網絡（CNN）是深度學習中最成功的模型之一，廣泛應用於圖像分類、物體檢測等任務。隨着深度學習技術的發展，CNN在圖像超分辨率（SR）領域也取得了顯著進展。基於CNN的超分算法利用深度卷積網絡從低分辨率圖像中提取特徵，並通過層層卷積和反捲積層重建高分辨率圖像。本文將探討基於CNN的超分算法的原理、優勢和挑戰。 CNN在超分中的基本原理 CNN通過多層

卷積 , 圖像重建 , c++ , 後端開發 , 深度學習 , c

u_16492406 頭像

mb65950ac695995 - 十一、物理系統與插幀：顯示層插值避免破壞仿真

物理引擎通常在固定步長計算。若直接以當前物理狀態渲染，幀率不穩定時會出現卡頓。顯示層插幀通過在兩次物理步之間插值位置與旋轉，獲得平滑視覺，同時保留物理精度。關鍵原則是插幀隻影響渲染，不修改物理狀態或碰撞檢測。 對於基於約束的系統（布料、繩索、軟體），插值需謹慎：簡單線性插值可能破壞物理一致性。可採用次級模擬或姿態外推減少誤差，或者僅對外觀網格插值（與物理代理分離）。在高速運

碰撞檢測 , c++ , 後端開發 , 物理引擎 , 插值 , c

u_14540126 頭像

最多選5個技能 - 系統架構設計師高階難題解析與深度思考

一、分佈式系統深度難題 1.1 一致性協議進階應用 難題1：Multi-Paxos優化實現 考慮一個需要高吞吐的分佈式配置管理系統，採用Multi-Paxos協議。已知網絡延遲RTT=50ms，每個提案大小1KB，客户端請求速率2000QPS。求： 理論上最大吞吐量是多少？ 如何通過批處理和流水線優化提升性能？ 在節點

架構設計 , 數據中心 , 緩存 , 後端開發 , Python

u_16747707 頭像

自由的瘋 - 《分佈式 + 國產數據庫 + Docker：技術選型避坑指南》（十三）

一、為什麼需要自定義限流？基礎限流的侷限性 在第六篇基礎限流中，我們配置了 “GET:/user/get/{id}接口 QPS=20” 的規則，但實際業務場景存在更多精細化需求： 場景 1：限制單個用户（如 user_id=100）每秒最多調用 3 次訂單創建接口，避免惡意刷單； 場景 2：限制單個 IP（如 192.168.1.10）每秒最多訪問

限流 , yyds乾貨盤點 , ip , 自定義 , 後端開發 , JAVA

lenglingx 頭像

lenglingx - Guava之RateLimiter

RateLimiter概述 RateLimiter是Guava提供的的限流器。它基於令牌桶算法實現，預先設定一個速率，然後按照這個速率生成令牌，每次請求消耗一個令牌。限流是保護高併發系統的三把利器之一，另外兩個是緩存和降級，在秒殺搶購等場景中用來限制併發和請求量，保護自身系統和下游系統不被巨型流量沖垮。 核心原理 RateLimiter的核心是"令牌桶算法"。想

限流 , System , 後端開發 , JAVA