博客 RSS 訂閱

sevencoding 頭像

sevencoding - Redis是如何進行內存管理的？緩存中有哪些常見問題？如何實現分佈式鎖？

Redis內存管理 Redis的內存用完了會怎樣？ 如果達到設置的上限，Redis的寫命令會返回錯誤信息（但是讀命令還可以正常返回）。 也可以配置內存淘汰機制，當Redis達到內存上限時會沖刷掉舊的內容。 Redis如何做內存優化？ 可以好好利用Hash,list,sorted set,set等集合類型數據，因為通常情況下很多小的Key-Value可以用更緊湊的方式存放到一起。儘可能使用散列表（h

nosql

收藏 評論

aitinggedejinzhengu 頭像

愛聽歌的金針菇 - 新能源設備行業CRM解決方案：用CRM重塑管理、協作與增長

新能源設備行業正乘着時代的東風飛速發展，然而，在從傳統制造向“製造+服務”數字化轉型的道路上，企業卻面臨着獨特的挑戰。這些挑戰不僅關乎技術，更關乎管理模式和商業思維的革新。其中，客户關係管理（CRM）系統的有效應用，成為破解許多核心痛點的關鍵鑰匙。 新能源設備行業數字化轉型的普遍痛點與解決方案 其痛點主要體現在以下幾個方面，其中許多都與客户流程和數據管理息息相關： 1、獲客成本高，線索轉化難： 行

行業 , crm系統 , 人工智能 , 解決方案

收藏 評論

uwatechnologies 頭像

侑虎科技 - 如何統計DrawMeshInstancedIndirect繪製物體的Triangle數據

1）如何統計DrawMeshInstancedIndirect繪製物體的Triangle數據 2）如何量化骨骼數量對功耗的影響 3）Sprite Atlas和單獨的Sprite的RW設置分別如何影響內存 4）Playable的Animator.WriteTransform一直執行在一個Job線程裏 這是第444篇UWA技術知識分享的推送，精選了UWA社區的熱門話題，涵蓋了UWA

animation , gpu , memory

收藏 評論

huamingshixunkeji 頭像

華明視訊科技 - 岸橋自動理貨系統：AI視覺技術重塑港口智能作業新標準

在現代化港口運營中，效率、安全與準確性是理貨業務的核心挑戰。岸橋自動理貨系統應運而生，通過融合人工智能、邊緣計算與高清視覺技術，實現對集裝箱信息的實時感知、識別與處理，推動港口作業進入全面智能化時代。 系統核心架構與技術優勢 本系統以高性能高清攝像機和嵌入式AI工控機為核心硬件，依託邊緣計算架構，將算法部署在作業最前端。系統通過在岸橋上直接進行視覺採集與實時分析，有效避免了傳統視頻傳輸

數據挖掘 , 圖像識別 , 神經網絡 , 人工智能 , 深度學習

收藏 評論

yinuo112 頭像

程序員一諾python - 【爬蟲開發】爬蟲開發從0到1全知識教程第12篇：scrapy爬蟲框架【附代碼文檔】

🏆🏆🏆教程全知識點簡介：1.Mongodb數據庫包括介紹、mongodb簡單使用（mongodb服務端啓動、啓動mongodb客户端進入mongo shell）。2. scrapy爬蟲框架涵蓋 ip使用、啓動爬蟲、停止爬蟲、scrapyd webapi。3. Gerapy包含通過Gerapy配置管理scrapy項目。4. appium移動端抓取涉及appium自動控制移動設備、appium

數據庫 , 爬蟲 , 後端 , Python

收藏 評論

deephub 頭像

deephub - Neural ODE原理與PyTorch實現：深度學習模型的自適應深度調節

對於神經網絡來説，我們已經習慣了層狀網絡的思維：數據進來，經過第一層，然後第二層，第三層，最後輸出結果。這個過程很像流水線，每一步都是離散的。 但是現實世界的變化是連續的，比如燒開水，誰的温度不是從30度直接跳到40度，而是平滑的上生。球從山坡滾下來速度也是漸漸加快的。這些現象背後都有連續的規律在支配。 微分方程就是描述這種連續變化的語言。它不關心某個時刻的具體數值，而是告訴你"變化的速度"。比如

神經網絡 , pytorch , 人工智能 , 深度學習

收藏 評論

jidongdemogu 頭像

JeeLowCode - 從拖拽到架構：低代碼如何兼顧速度、靈活性與可控邊界

在敏捷開發與業務快速迭代的背景下，低代碼技術逐漸從“工具層面的生產力補充”演變為“架構層面的交付要素”。它不僅承擔了部分應用快速構建的職能，更不可避免地介入了企業的 IT 治理、架構演進與系統邊界管理。 對於技術人員而言，低代碼的真正挑戰並不在於“能否拖拽生成頁面”，而在於如何在既有技術棧與治理框架中，合理定位低代碼的角色，避免架構失衡與治理缺口。低代碼的引入打破了傳統 IT 交付的單一模式，使得

工作流可視化 , 低代碼 , 低代碼開發平台 , 工作流

收藏 評論

deephub 頭像

deephub - AI Agent工作流實用手冊：5種常見模式的實現與應用，助力生產環境穩定性

很多人認為使用AI Agent就是直接扔個提示詞過去，然後等結果。做實驗這樣是沒問題的，但要是想在生產環境穩定輸出高質量結果，這套玩法就不行了。 核心問題是這種隨意的提示方式根本擴展不了。你會發現輸出結果亂七八糟，質量完全不可控，還浪費計算資源。 真正有效的做法是設計結構化的Agent工作流。 那些做得好的團隊從來不指望一個提示詞解決所有問題。他們會把複雜任務拆解成步驟，根據不同輸入選擇合適的模型

llm , 神經網絡 , 人工智能 , 深度學習

收藏 評論

sevencoding 頭像

sevencoding - Redis容量評估模型

計算Redis容量，並不只是僅僅計算key佔多少字節，value佔多少字節，因為Redis為了維護自身的數據結構，也會佔用部分內存，本文章簡單介紹每種數據類型（String、Hash、Set、ZSet、List）佔用內存量，供做Redis容量評估時使用。當然，大多數情況下，key和value就是主要佔用，能解大部分問題 在看這裏之前，可以先看一下底層 - 數據結構 這篇文章 jemalloc內存分

nosql

收藏 評論

mleo 頭像

MLeo - [開源免費的]iGTTS(Gemini TTS) 文本轉語音（TTS）的命令行工具。

iGTTS(Gemini TTS) iGTTS(Gemini TTS) 開源免費的文本轉語音（TTS）的命令行工具。 iGTTS(Gemini TTS) 是通過調用 Gemini TTS 的接口，實現文本轉語音（TTS）的命令行工具。 添加 API key # 編輯 .zshrc： vim ~/.zshrc # 添加信息（導入環境變量）： export GEMINI_API_KEY=YOU

gemini-pro , cli , 人工智能 , tts

收藏 評論

danxiaodezixingche 頭像

老紀的技術嘮嗑局 - 向量檢索技術優化步驟詳解——遊戲公司智能客服與推薦系統落地OceanBase

作者：周強，卡牌遊戲公司高級開發工程師 向量數據庫的獨特優勢與選型經驗 向量數據庫 是專門為存儲、索引和查詢高維向量數據而設計的數據庫系統，能夠高效處理由機器學習模型生成的嵌入向量，並支持基於相似性的快速檢索。 相較於#傳統數據庫，向量數據庫在多方面顯示出其獨有的特性，可在前者涉及的領域之外發揮優勢。如圖1所示，傳統數據庫主要用於存儲結構化數據，基於精準匹配進行查詢，適用於業務數據管理，而向量數據

遊戲 , oceanbase , 人工智能

收藏 評論

chuanghongdengdeqingwa_eoxet2 頭像

宇文成都 - 如何使用Python實現Excel和CSV的格式互轉

在日常數據處理工作中，Excel和CSV作為兩種最常用的數據存儲格式，其相互轉換的需求無處不在。無論是數據分析師需要將CSV導入Excel進行可視化，還是開發者需要將Excel數據導出為CSV進行批量處理，手動轉換往往耗時耗力且容易出錯。幸運的是，藉助Python的強大功能，我們可以輕鬆實現這一自動化過程。 本文將深入探討如何使用 Spire.XLS for Python 庫，高效、準確地實現Ex

csv , Python

收藏 評論

ruanjiankaifa_xiaofanya 頭像

軟件部長 - 低代碼實戰：三步實現新增數據重複校驗，業務人員也能輕鬆搞定

在數字化業務蓬勃發展的當下，數據的唯一性和準確性對於企業運營非常重要。重複數據的出現不僅會浪費寶貴的資源，還可能引發業務流程的混亂、審批的差錯以及統計結果的失真，嚴重情況下，還會影響企業的管理和決策方向。 重複數據校驗的常見應用場景 1、客户信息管理 (CRM系統)：在新建客户檔案或錄入銷售線索時，可以校驗客户手機號、郵箱地址或公司名稱等關鍵信息是否已存在，避免重複跟進和資源浪費。 2、商品

邏輯 , 表單 , 低代碼 , 低代碼開發平台

收藏 評論

laoshidediannaozhuo 頭像

瑞莎Radxa - 重磅 | 全球首款開源 Arm v9 主板，如今小巧登場

全球首款開源 Arm v9 主板 —— 瑞莎星睿 O6N（O6 Nano 版）正式登場！ 它身形小巧，卻內有乾坤！ 它外觀簡約，卻藴藏超強能量！ ...... 後續更多瑞莎星睿 O6N 詳情即將放送，敬請期待！

資訊 , 嵌入式 , 開源硬件

收藏 評論

openbuild 頭像

OpenBuild - 以太坊為 AI 而生！史上最強 AI Agent 黑客鬆來襲！

OpenBuild 很高興再次為 Virtuals Protocol 這樣的突破性項目提供開發者支持，幫助開發人員釋放以太坊上 AI 代理的無限潛力！ AI 代理正在演化為專業化的智能體，在以太坊等區塊鏈網絡上推動經濟價值創造和創新突破。 但真正的潛力在於協作：專業化代理必須聯合起來彌合差距，超越僵化的基於規則的系統。通過利用以太坊安全、可擴展的基礎設施，獨立的代理可以整合獨特的模型、數據集和行動

資訊 , 區塊鏈 , 以太坊 , 黑客馬拉松 , web3

收藏 評論

utest_cloud 頭像

優測雲服務平台 - 騰訊測試實踐與工具分享之後台測試

作為後台開發或測試同學，你是否也遇到過這類問題：版本兼容邏輯多，修復一個 BUG 引發出更多 BUG；需求頻繁變動，測試腳本反覆修改，欲哭無淚；測試時一切正常，一上線就遭到用户投訴報錯.. 今天為大家介紹一下騰訊內部團隊（QQ、騰訊視頻等業務）使用的後台測試工具—優測，並結合測試團隊的實戰經驗，3招幫你把測試效率直接拉滿！ 01 | 零幀起手，AI玩轉“場景級”測試 場景測試不再孤立看待單個接口，

測試工具

收藏 評論

kuaidaili 頭像

K哥爬蟲 - 【APP 逆向百例】某當勞 Frida 檢測

聲明 本文章中所有內容僅供學習交流使用，不用於其他任何目的，不提供完整代碼，抓包內容、敏感網址、數據接口等均已做脱敏處理，嚴禁用於商業用途和非法用途，否則由此產生的一切後果均與作者無關！ 本文章未經許可禁止轉載，禁止任何修改後二次傳播，擅自使用本文講解的技術而導致的任何意外，作者均不負責，若有侵權，請在公眾號【K哥爬蟲】聯繫作者立即刪除！ 逆向目標 目標：某當勞 APP apk 版本：7.

爬蟲

收藏 評論

fannaodeshafa 頭像

煩惱的沙發 - Rust 是最難的編程語言嗎

有多少人是在玩轉了 Python 或 JavaScript 之後，覺得有點寂寞，於是就轉向Rust的？信心滿滿地打開官網，然後……就沒有然後了。三天後，他們默默地關掉網頁，繼續回去寫 console.log。 這到底是咋回事呢？Rust 真的是編程界的地獄模式嗎？ Rust 的難，到底難在哪？ 可能有的開發者覺得，Rust 的語法長得奇奇怪怪，沒有 class 關鍵字，瞬間就不習慣了。 但其實，

觀點 , rust , 後端

收藏 評論

anygraphanywhere 頭像

圖形天下 - “二十大報告”思維導圖創作實踐解析

                    “二十大報告”思維導圖 “二十大報告”思維導圖模板獲取鏈接 一、核心主題確定 以“二十大報告”為唯一中心主題，置於思維導圖正中央，採用醒目的紅色字體和較大字號突出核心地位。此步驟藉助圖形天下的「一鍵成圖」功能，輸入中心主題後系統自動生成基礎框架，確保核心主題快速定位。 二、導圖結構設計 一級分支設計：根據報告原文結構，將十大核心板塊作為一級分支，從中心

思維 , 思維導圖 , 思維導圖工具

收藏 評論

kangkaidesuancaiyu 頭像

慷慨的酸菜魚 - 移動端 WebView 登錄異常與會話恢復問題全流程排查指南

在移動端開發中，WebView 作為嵌入網頁內容的核心組件，廣泛應用於混合式應用（Hybrid App）開發。然而，登錄異常和會話恢復失敗是 WebView 開發中常見的痛點問題，涉及網絡通信、Cookie 管理、跨域安全、前端與原生交互等多個環節。本文將從問題定位、根因分析到解決方案，提供一套系統化的排查指南。 常見問題場景 登錄狀態丟失：用户登錄後，刷新頁面或跳轉其他頁面後需重新登錄。

webview

收藏 評論

wangjiajun_68c112c8c173b 頭像

王嘉俊 - Java Map家族全面解析：從基礎到高階應用

Map家族 1、頂層接口：MapK,V 實現：定義了 鍵值對的存儲 的抽象接口 常用方法：put() get() remove() containsKey() entrySet() keySet() values() 底層：只是規範，並不關心具體數據結構 應用：統一API，讓不同實現類有相同的使用方式 作用：抽象層，解耦調用方與實現類 2、HashMap

hashmap , map , JAVA , 集合

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - Lazada 如何用實時計算 Flink + Hologres 構建實時商品選品平台

本文整理自 Lazada Group EVP 及供應鏈技術負責人陳立羣在 Flink Forward Asia 2025 新加坡實時分析專場的分享。 引言：實時數據驅動，海外電商競爭的新高地 在電商行業，用户行為瞬息萬變，促銷節奏日益緊湊，能否在毫秒級做出數據驅動的決策，已成為決定成敗的關鍵。作為東南亞領先的電商平台，Lazada 面臨着一項巨大挑戰：在六個國家管理數十億商品 SKU，同時為不同市

flink

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - 淘寶閃購基於Flink&Paimon的Lakehouse生產實踐：從實時數倉到湖倉一體化的演進之路

摘要： 本文整理自淘寶閃購(餓了麼)大數據架構師王沛斌老師在FlinkForwardAsia2025城市巡迴上海站的分享。 引言 在數字化轉型的浪潮中，企業對實時數據處理的需求日益增長。傳統的實時數倉架構在面對業務快速變化和數據規模爆炸性增長時，逐漸暴露出數據孤島、成本高企、研發效率低下等問題。淘寶閃購（餓了麼）作為阿里巴巴集團重要的本地生活服務平台，在數據架構演進過程中積累了豐富的實踐經驗

阿里雲 , flink

收藏 評論

zhuyundataflux 頭像

觀測雲 - Openresty Tracing 最佳實踐

簡介 OpenResty 是基於 Nginx 的高性能 Web 平台，它通過集成 Lua 腳本引擎和一系列模塊，擴展了 Nginx 的功能，使開發者可以使用 Lua 編寫複雜的應用邏輯。對 OpenResty 進行鏈路追蹤，能在分佈式系統中清晰呈現請求經 Nginx 轉發後的完整路徑，這不僅讓問題定位更高效，可快速鎖定延遲、錯誤等問題發生的具體環節，還能通過追蹤其處理請求的耗時、轉發延遲等數據，精

openresty

收藏 評論