博客 RSS 訂閱

MSSQL123 - prometheus監控Linux Server node_exporter代理安裝和配置

1,代理客户端安裝和配置 1,筆者是一個arm版本的linux Server,因此這裏下載的是arm版本的包 2,注意node_exporter的版本和prometheus的版本時間上不要相差太遠,有可能不兼容或者一些其他問題。 ###新增node_exporter用户和組 root@******:/usr/local/node_exporter# groupadd node_expor

操作系統

收藏 評論

77板燒雞腿堡 - Python 面向對象

0x01 面向對象概念 類和對象都是面向對象中的重要概念。面向對象是一種編程思想,即按照真實世界的思維方式構建軟件 系統。 例如,在真實世界的校園裏有學生和老師,學生有學號、姓名、所在班級等屬性(數據),還有學習、提問、吃飯和走路等動作(方法)。如果我們要開發一個校園管理系統,那麼在構建軟件系統時,也會有學生和老師等“類”,張同學、李同學是學生類的個體,被稱為“對象”,"對象"也被稱為

網絡安全

收藏 評論

趙青青 - AI模型Claude的Haiku、Sonnet、Opus 怎麼選?

claude模型有以下版本:haiku(詩),Sonnet(好詩),Opus(傑作) claude不同模型之間對比 模型版本 速度 成本 智力水平 最佳應用場景 Haiku 極快 ⚡️ 最低 💰 入門級 客服、翻譯、大量簡單數據清洗 Sonnet 快 🚀 中等 💰💰

AI

收藏 評論

codechen8848 - 桌面新搭子!一款開源跨平台桌面寵物神器!

大家好,我是 Java陳序員。 每天對着空空的電腦屏幕敲代碼、處理工作,是不是總少了點治癒感?想不想讓軟萌的小動物、心儀的動漫角色悄悄“住進”你的屏幕,成為隨時能看見的暖心搭子? 今天,給大家推薦一款開源跨平台桌面寵物神器,幫助你擁有專屬桌面寵物! 關注微信公眾號:【Java陳序員】,獲取開源項目分享、AI副業分享、超200本經典計算機電子書籍等。 項目介紹 WindowPet —— 一款使

react , 前端

收藏 評論

MSSQL123 - prometheus監控windows Server exporter代理安裝和配置

1,代理客户端安裝和配置 下載地址:https://github.com/prometheus-community/windows_exporter/releases 1.1 這裏需要下載msi安裝包, exe文件需要手動執行,且不會自動啓動,直接下載一個msi安裝包安裝,會自動生成服務以及自動啓動。 1.2 根據prometheus版本來決定下載window_exporter的版本,最新版

操作系統

收藏 評論

sevencoding - 劍指offer-70、把數字翻譯成為字符串

題⽬描述 有⼀種將字⺟編碼成數字的⽅式:'a'-1, 'b-2', ... , 'z-26'。 現在給⼀串數字,返回有多少種可能的譯碼結果 示例1 輸⼊:"12" 返回值:2 説明:2種可能的譯碼結果(”ab” 或”l”) 示例2 輸⼊:"31717126241541717" 返回值:192 説明:192種可能的譯碼結果 仔細觀察,就會發現上⾯的編碼從 1 到

後端

收藏 評論

jimmysmith - upload-labs靶場-第十七關詳解

upload-labs第十七關是一個涉及二次渲染的關卡。 首先打開本關後查看提示: 看到提示告訴我們本關重新渲染了圖片,説明僅是上傳普通的圖片馬可能會失效。所以我們先上傳一張圖片馬,看看會發生什麼。 我們先準備一張圖片文件(後綴為gif | png | jpg)都行,然後再準備一個php文件,在裏面寫入一句話木馬: ?php @eval($_POST['code']);? 準

網絡安全

收藏 評論

椒顏皮皮蝦 - 使用 JYPPX.DeploySharp 高效部署 PaddleOCR,解鎖多種高性能 OCR 文字識別方案

使用 JYPPX.DeploySharp 高效部署 PaddleOCR,解鎖多種高性能 OCR 文字識別方案 本文介紹如何通過 DeploySharp 框架在 .NET 環境下部署 PaddleOCR 模型,支持 OpenVINO、TensorRT、ONNX Runtime 等多種推理引擎,實現百毫秒級文字識別。 目錄 一、前言 二、核心技術原理解析 三、DeploySharp 架

.net , 後端

收藏 評論

Mike_Zhang - 從pcap文件提取sip信令文本

操作系統版本:window10_x64 python版本:3.9.13 libpcap版本:1.11.0b8 日常開發中,會遇到批量查找sip信令文本或直接分析sip文本的情況,文本形式的sip信令可直接使用grep查找或者進行文本分析。但是,如果拿到的是pcap文件,查找或者文本分析就沒那麼方便了,如果可以將pcap文件的sip信令導出,後續工作就比較好開展了。 今天使用python編寫

後端

收藏 評論

瀟湘隱者 - SQL Server更新統計信息會導致Parameter Sniffing

本文是翻譯Brent Ozar的這篇文章Updating Statistics Causes Parameter Sniffing, 譯文地址https://www.cnblogs.com/kerrycode/p/19542136。 在我的免費課程如何像引擎一樣思考中,我解釋了SQL Server是如何基於統計信息來生成執行計劃的。表中的數據內容會決定它使用哪些索引、採用索引查找還是全表掃描、

數據庫

收藏 評論

li5920o - GT25C16的eeprom芯片使用

EEPROM 相關配置信息 在使用時需要置高WP和HOLD, WP : 拉低進入寫保護 HOLD :拉低掛起芯片,忽略總線上通信內容 狀態寄存器 當RDY=0時,設備已準備好接收指令。 當RDY=1時,設備正忙。由於繁忙,設備只接受讀取狀態寄存器命令 WEN : 這表示設備的寫保護狀態。當WEN=0時,無論WPEN、WP引腳或塊保護的設置如何,都不能修改狀態寄存器和整個陣列。

操作系統

收藏 評論

Coding茶水間 - 基於深度學習的白細胞檢測系統演示與介紹(YOLOv12/v11/v8/v5模型+Pyqt5界面+訓練代碼+數據集)

視頻演示 基於深度學習的白細胞檢測系統 1. 前言​ 大家好,歡迎來到 Coding 茶水間! 今天要和大家分享的項目是——基於 YOLO 算法的白細胞檢測系統。在醫學檢驗領域,白細胞的分類與計數是血常規檢查的重要環節,傳統人工鏡檢方式工作量大、主觀性強,容易受疲勞和經驗影響。隨着人工智能技術的發展,尤其是目標檢測算法在醫學影像中的應用不斷成熟,利用計算機視覺自動識別不同類型白細胞,不僅能顯著提升

AI

收藏 評論

Hmi1234 - Flutter Web 開發避坑指南:VS Code 保存無法自動刷新(Hot Restart)的終極解法

最近在用 VS Code 開發 Flutter Web 項目(Windows 環境),遇到了一個非常影響效率的問題: 每當我修改代碼並按下 Ctrl + S 保存時,VS Code 的調試控制枱明明顯示: Reloaded application in 263ms. 看起來一切正常,但瀏覽器裏的頁面卻紋絲不動。我必須手動點擊調試欄上的綠色“重啓”按鈕(Hot Restart),或者按 R

移動端開發

收藏 評論

大模型玩家七七 - 智能客服不是問答機器人,微調更不是“多訓點數據”

大多數“智能客服失敗”,不是模型不行,而是期望錯了 如果你做過或接觸過智能客服項目,大概率會經歷一個相似的心理過程: 一開始覺得: “現在大模型這麼強,客服這種問答場景,不是正好對口嗎?” 然後你會很快發現現實是: 問題很雜 規則很多 灰度極多 一句話答錯,後果可能很嚴重 最後,團隊往往會把希望寄託在一件事上: “那我們給模型微調一下吧。” 而真正的問題是—— 你往往

AI

收藏 評論

躺柒 - 讀數字時代的網絡風險管理:策略、計劃與執行03敏捷治理

1.敏捷治理 1.1.在網絡或其他所有風險管理領域,很少有比建立適當的風險治理模式更復雜或更具挑戰性的了 1.2.有效的治理是建立企業流程的關鍵,以管理潛在的問題,預防可被識別的問題,並在問題發生時妥善處理 1.3.是保護企業決策者(上至董事會成員,下至普通員工)在出現問題時免於承擔法律和監管責任的關鍵,因為它可以證明企業已經採取了適當的治理措施來解決、緩釋和報告潛在問題 1.4.沒有人指望企業

企業信息化

收藏 評論

林恆 - 甲方嫌棄,項目首頁加載太慢

🧑‍💻 寫在開頭 點贊 + 收藏 === 學會🤣🤣🤣 有一天,甲方打開一個後台管理的項目,説有點卡,不太滿意,項目經理叫我優化,重新打包一下。 從輸入地址 到 展示 首屏,最佳時間在 3秒內,否則,甲方掛臉,咱就有可能有被裁的風險,understand? 廢話不多説,先來看一下怎麼個優化法吧。 優化 ✅ cdn 分析 用We

前端

收藏 評論

strong - Mac電腦上傳ZIP圖片壓縮包時垃圾文件清理問題解決

問題解決記錄:Mac系統上傳目錄時的垃圾文件清理 問題背景 在上傳圖片系統中,當用户使用蘋果本(Mac)壓縮並上傳目錄時,系統出現異常。經過排查發現,Mac 系統在壓縮時會自動生成大量隱藏文件和元數據目錄,這些"垃圾文件"在解壓後會干擾系統的正常業務邏輯。 Mac 系統自動生成的垃圾文件包括: .DS_Store - 存儲文件夾顯示設置(圖標位置、背景等) __MACOSX - 包含資源分叉

後端

收藏 評論

MSSQL123 - Prometheus 和 Grafana 監控 PostgreSQL

1,客户端安裝配置postgres_exporter代理 1.1 下載客户端 cd /usr/local cd postgresql_package/ ll sudo su sudo - sudo sudo useradd -M -r -s /sbin/nologin postgres_exporter #筆者是一個arm架構的Linux操作系統,因此下載的是arm64版本的postgres_

數據庫

收藏 評論

大模型玩家七七 - 向量數據庫實戰:從“看起來能用”到“真的能用”,中間隔着一堆坑

大多數向量數據庫項目,不是“失敗”,而是“半死不活” 如果你問一個已經上線向量數據庫的團隊: “你們的向量檢索效果怎麼樣?” 得到的回答往往是: “還行吧,有時候挺準” “大部分時候能用,但偶爾很怪” “不好説,反正模型有時候答得不對” 這類系統,通常不是完全不能用, 但也很少讓人真正放心。 原因並不在於向量數據庫“不成熟”, 而在於:從建庫到穩定可用,中間有一整段工程

軟件設計

收藏 評論

sevencoding - 劍指offer-69、數字序列中某⼀位的數字

題⽬描述 數字以 0123456789101112131415... 的格式作為⼀個字符序列,在這個序列中第 2 位(從下標 0 開始計算)是 2 ,第 10 位是 1 ,第 13 位是 1 ,以此類題,請你輸出第 n 位對應的數字。 示例1 輸⼊:0 返回值:0 示例2 輸⼊:2 返回值:2 示例3 輸⼊:13 返回值:1 思路及解答 暴力法 通過逐步構造數字序列來

後端

收藏 評論

lindexi - Vortice 使用 DirectComposition 顯示透明窗口

本文是渲染相關係列博客中的一篇,該系列博客已按照邏輯順序編排,方便大家依次閲讀。如您對渲染相關感興趣,可以通過以下鏈接訪問整個系列:渲染相關係列博客導航 在 DirectX 使用 Vortice 從零開始控制枱創建 Direct2D1 窗口修改顏色 博客中和大家介紹了最簡方式創建了窗口和對接了 DirectX 層。在此基礎上,大家也能看到此時創建的窗口是無法應用透明背景效果的 即使強行設置 Swa

.net , 後端

收藏 評論

lindexi - WPF 使用 Vortice 在 D3DImage 顯示 D2D 內容

本文絕大部分代碼來源於 Raspberry Monster 夥伴提供。我只是代為記錄的工具人 本文是渲染相關係列博客中的一篇,該系列博客已按照邏輯順序編排,方便大家依次閲讀。本文屬於系列博客中,比較靠前的博客,可以獨立閲讀,無上下篇依賴。如您對渲染相關感興趣,可以通過以下鏈接訪問整個系列:渲染相關係列博客導航 在開始聊 Vortice 之前,必須要先聊聊 SharpDx 庫。 眾所周知,現在 Sh

.net , 後端

收藏 評論

HuiZhu - 3小時變成30分鐘:AI把"案例分析"從玄學變成流水線

一個MBA學生,每門課要做3-5個案例研究。 一個商業分析師,每月要產出10+份競品分析。 一個產品經理,每次上線前要覆盤5-8個歷史項目。 這些數字背後,是一個殘酷的現實:大多數人的案例分析,本質上是在"寫讀後感"。 哈佛商學院做過一項研究,同樣的案例材料,專業分析師和普通學生的產出質量差距高達300%。差距不在智商,而在分析框架。 專業分析師腦子裏有一套"模板":PESTEL分析宏

AI

收藏 評論

哥布林學者 - 吳恩達深度學習課程五:自然語言處理 第二週:詞嵌入 課後習題與代碼實踐

此分類用於記錄吳恩達深度學習課程的學習筆記。 課程相關信息鏈接如下: 原課程視頻鏈接:[雙語字幕]吳恩達深度學習deeplearning.ai github課程資料,含課件與筆記:吳恩達深度學習教學資料 課程配套練習(中英)與答案:吳恩達深度學習課後習題與答案 本篇為第五課第二週的課後習題和代碼實踐部分。 1. 理論習題 【中英】【吳恩達課後測驗】Course 5 -序列模型 -

AI

收藏 評論