博客 RSS 訂閱

u_15171169 頭像

Datcon - Flutter 官方國際化方案簡述

好的！以下是一篇基於你提供的簡書文章（原文鏈接）整理而成的技術博客。我保留了原文的核心流程、配置説明和全部代碼，並進行了結構優化、語言潤色與細節補充，使其更清晰、完整且適合開發者直接上手使用。 Flutter 官方國際化方案詳解：基於 ARB 文件的全自動代碼生成 作者：Qwen 參考來源：簡書《Flutter自帶國際化適配自動

dart , 國際化 , 移動開發 , Android , flutter

收藏 評論

u_15966245 頭像

UMail郵件系統 - 如何挑選優質可靠的郵件系統供應商

郵件系統作為企業內外溝通的核心樞紐，其穩定性與安全性直接影響業務推進效率。優質的郵件系統供應商不僅能提供基礎的收發功能，更能成為企業數據安全的守護者與辦公流程的賦能者。挑選過程中，需跳出功能羅列的誤區，從企業實際需求出發構建評估體系。 一、郵件系統供應商挑選：先抓這4個核心維度 1、安全防護的全面性 數據安全是郵件系統的立身之本，這一需求在隱私保護法規日益完善的當下愈發突出

郵件系統 , 安全防護 , 服務器 , 數據 , 郵件服務器

收藏 評論

tdengine 頭像

TDengine濤思數據 - 時序數據庫選型實戰：從高基數困境到 TDengine 的破局之道

引言：時序數據浪潮下的數據庫革命與選型命題 當工業生產線的傳感器每秒傳來數千條運行數據，當智能電網的電錶實時回傳億級用户的用電信息，當時序數據以“井噴式”態勢佔據全球數據總量的70%以上，傳統數據管理工具早已力不從心。2025年，全球物聯網活躍終端已達350億台，中國工業物聯網市場規模突破1.8萬億元，這些設備產生的時序數據不僅具備“高頻採集、海量存儲、實時分析、低更新率”的核心特徵

數據 , 運維 , 時序數據庫 , 數據庫 , SQL Server , Database

收藏 評論

u_17513521 頭像

署署愛測評 - 適合企業的數據API對接廠商有哪些推薦？

在數據驅動的商業時代，企業高效、安全地獲取和處理內外部數據，已成為構築核心競爭力的關鍵。數據API（應用程序編程接口）作為連接不同系統、打通數據孤島的“神經樞紐”，其重要性不言而喻。然而，面對市場上眾多的API服務商，企業該如何選擇最適合自己的夥伴？ 本文將為您梳理幾類主流的數據API對接廠商，並提供一份實用的選型指南，助您做出明智決策。 一、 為什麼企業需要專業的數

大數據 , 數據 , API , 物聯網 , 數據倉庫

收藏 評論

u_17593254 頭像

老司機愛學習 - MongoDB 詳解

MongoDB 是由 MongoDB Inc. 開發的一款開源文檔型非關係型數據庫（NoSQL），自 2009 年發佈以來，憑藉靈活的文檔模型、高可擴展性和易用性，成為全球最主流的 NoSQL 數據庫之一，廣泛應用於互聯網、電商、物聯網、大數據等領域，尤其適配快速迭代的現代應用開發場景。以下是其核心特性與優勢的詳細介紹： 一、核心技術特性 1. 靈活的文檔型數據模型

數據 , mongodb , 物聯網 , 數據庫 , 數據存儲

收藏 評論

u_17590741 頭像

生活觀科技 - HarmonyOS ArkTS 組件進階 - AlphabetIndexer 自學指南

AlphabetIndexer 是 HarmonyOS ArkUI 框架提供的字母索引器組件，主要用於長列表的快速導航。當需要實現類似手機通訊錄、城市選擇列表等需要按字母索引的功能時，這個組件將是最佳選擇。 二、基礎使用指南 1. 環境準備 首先確保開發環境已配置完成： DevEco Studio 3.1 或更高版本 HarmonyOS

索引器 , List , 移動開發 , 自定義 , html5

收藏 評論

u_16213644 頭像

mob64ca1406d617 - sqluldr2導入hive

由於從老系統導數據是通過excel表的方式導出的，裏面數據有幾十萬條數據，如果只是簡單通過複製黏貼的方式複製到數據庫中，那麼這個過程將會非常耗時和繁瑣的。於是就去研究了下sqlloader如何使用，經過研究後發現這個方法非常管用，就記錄下來供大家參考參考 第一步：整理Excel表格的數據如下： excel表格的數據列分別對應數據庫表的字段(注意：順序一定要嚴格按照數據

大數據 , 數據 , hive , 加載 , sqluldr2導入hive , SQL

收藏 評論

u_17513850 頭像

Tezign特贊 - AI 組織轉型必看：10 個顛覆式觀點，打破部門壁壘激活組織潛能

在人工智能技術飛速迭代的今天，AI 組織轉型已成為企業突破增長瓶頸、穿越行業週期的核心命題。傳統企業的職能分工模式、協作體系和人才培養機制，在 AI 浪潮的衝擊下逐漸暴露出深層弊端。如何擺脱思維慣性的束縛，通過組織架構重構、協作模式革新和個體能力賦能，完成從傳統組織到 AI 原生組織的蜕變？特贊科技創始人範凌在組織進化年會上的分享，為我們揭開了 AI 組織轉型的核心邏輯與實踐路徑

工作效率 , 協作模式革新 , AI 組織轉型 , 工作流程 , AI寫作 , aigc , 企業效率提升

收藏 評論

u_16213603 頭像

mob64ca13fd163c - css background 左右鏡像

一、左右定寬佈局： 在css分別指定了左右兩列的寬度的情況下，只需要將左邊的div 向左浮動{float:left;}，右邊的div 向右浮動{float:right;}，並清除浮動，即可實現。 常用的清除浮動有兩種方式： a、通過在浮動元素的父級元素上添加清除浮動的class類：clearfix(見下面的cs

css background 左右鏡像 , 雲計算 , 雲原生 , 清除浮動 , Css , HTML

收藏 評論

ggkx 頭像

ProMonkey; - long long

C++11中加入long long 的整型，C++11 標準要求 long long 整型可以在不同平台上有不同的長度，但至少8字節（64位）。long long 整型有兩種∶long long 和 unsigned long long //long long 對應類型的數值可以使用LL或者ll後綴（推薦用大寫LL，l容易和1混淆） long long num1 = 123456LL; long

後端

收藏 評論

u_16099174 頭像

晨曦微露s - devops接入執行jmeter腳本

文章目錄 1.CSV Data Set Config-從本地文件取數據 2.函數助手 3.用户自定義變量 4.HTTP請求默認值 測試時需要併發多個用户，為了模擬真實用户行為，我們需要模擬多個不同賬號，這時就需要參數化。以下為jmeter提供可參數化的幾種方式：

jmeter , devops接入執行jmeter腳本 , 雲計算 , 參數文件 , 雲原生 , 參數化

收藏 評論

kerrycode 頭像

瀟湘隱者 - Oracle19c impdp失敗報ORA-20000案例

在Oracle 19.28.0.0.0中使用impdp導入數據時,又一次遇到了ORA-20000錯誤.具體如下所示: ................................................. Processing object type SCHEMA_EXPORT/TABLE/COMMENT Processing object type SCHEMA_EXPORT/VIE

數據庫

收藏 評論

u_15316473 頭像

阿里雲大數據AI技術 - 活動報名 | Apache Spark Meetup · 上海站，助力企業構建高效數據平台

在大數據技術飛速發展的今天，如何在性能與成本效益之間實現平衡，始終是企業構建數據平台的核心挑戰之一。阿里雲 EMR Serverless Spark 作為一款面向 Data+AI 的高性能 Lakehouse 產品，憑藉其內置的 Fusion 2.0（企業級 Spark 內核），為企業提供了一站式的企業級數據平台服務方案。 2025年9月，EMR Serverless Sp

spark , meetup , 大數據 , 阿里雲

收藏 評論

u_16213589 頭像

mob64ca13f9a97c - wiki 怎麼部署到本地 支持docker 一鍵部署嗎

先準備好軟件： Apache：apache_2.0.63-win32-x86-no_ssl.msi Php：php-5.2.8-Win32.zip Mysql：mysql-5.0.67-win32.zip （mysql 用户界面工具mysql-gui-tools-5.0-r14-win32.msi） Hdwiki：

MySQL , 雲計算 , php , 配置管理 , Docker , apache , ie

收藏 評論

u_13738137 頭像

小雨青年 - 打破資源孤島：離線混部技術如何重塑大數據處理效能

在大數據處理的真實世界裏，業務負載呈現出一種極具規律卻又令人頭疼的“潮汐現象”。隨着人類活動週期的變化，企業的在線業務通常在白天迎來流量洪峯，實時查詢、流處理系統以及面向用户的 API 接口時刻處於滿負荷運轉狀態。然而，當夜幕降臨，在線流量退去，龐大的服務器集羣往往陷入了沉寂。與此同時，數據團隊的離線業務，如大規模的 ETL 數據清洗、批量報表分析以及複雜的模型訓練，卻往往要在深

kubernetes , 優先級 , 數據 , 雲計算 , 離線

收藏 評論

Imageshop 頭像

Imageshop - [快速閲讀十二] 5x5的浮點數據的中值濾波算法優化及相關記錄。

　　因有關需求，最近要弄個5*5的浮點版本的中值濾波， 而且希望效率能做到極致。感覺這個事情不是隨手搞定嘛，因為5*5的字節版本的中值已經有模版了，改為浮點的大差不差的，沒有啥問題。 　　確實如此，直接把早期的自己版本代碼弄過來，改下相關的數據類型和函數，功能一下子就出來了，而且效果也不俗。 　　在【算法隨記三】小半徑中值模糊的急速實現（16MB圖7.5ms實現） + Photoshop中蒙塵和

計算機圖形學

收藏 評論

huizhudev 頭像

HuiZhu - 別再給數據庫堆硬件了，你的SQL可能只是在"磨洋工"

有些開發者信奉一種"暴力美學"：查詢慢？加索引！還慢？加內存！再慢？換固態！ 這種"氪金變強"的思維，往往掩蓋了真正的技術貧瘠。 在雲原生時代，每一次低效的全表掃描，每一毫秒的CPU空轉，燃燒的不僅是服務器資源，更是實實在在的美元賬單。很多時候，你引以為傲的"複雜業務邏輯"，在數據庫看來，不過是一堆甚至連執行計劃都無法命中的垃圾代碼。 今天，我們要打破"性能優化=玄學"的刻板印象。不需要你背誦幾百

generative-ai , 數據庫 , chatgpt , SQL , prompt

收藏 評論

u_17579628 頭像

mb69129985e0f10 - 從0到1搭建智能分析OBS埋點數據的AI Agent：實戰指南

在數據驅動業務決策的時代，OBS埋點數據作為用户行為分析的核心資產，其價值挖掘卻常因技術門檻陷入困境。傳統分析流程中，工程師需手動解析表結構、編寫SQL查詢、生成可視化圖表，不僅效率低下且難以支持靈活的探索式分析。本文將結合真實案例，拆解如何通過AI Agent技術實現埋點數據的自動化分析，讓業務人員也能輕鬆獲取深度洞察。 一、痛點拆解：傳統分析流

字段 , redis , 數據庫 , SQL , 表結構

收藏 評論

u_17517048 頭像

調試人生 - iOS 應用保護工具怎麼選？從攻擊面拆解到工具職責劃分的全鏈路實戰指南

在移動安全領域，“iOS 應用保護”聽起來像是一個單一任務，但真正落地時你會發現——它並不是靠某個軟件就能一勞永逸的。 保護 iOS 應用的過程更像是在維護一套複雜的工程系統，需要多個類型的工具協同，覆蓋多個攻擊入口，包括： 符號泄露 JS / JSON / 配置文件明文 資源可替換 IPA 可重簽名 運行時 Hook 越獄環境繞過 動

yyds乾貨盤點 , 移動開發 , ios

收藏 評論

zaixiamanong 頭像

在下馬農 - 你要的它都有：一站式大模型AI Ping使用指南

大家好，我是馬農，最近在工作之餘摸魚的時候，偶然發現一款超級好用一站式大模型調用和評測平台——AI Ping。通過該平台不僅能實時查看各個服務廠商不同模型的性能排行榜，還能只用一個API使用數以百計的大模型服務，簡直是工作生活效率提升的利器。最最最重要的是，還有多款主流模型免費使用，這麼好用的工具，當然要和大家一塊薅啦😛。我們可以在https://aiping.cn/#?channel

輸入框 , API , AI寫作 , aigc , 開發者

收藏 評論

wynectar 頭像

忘憂N - 談一談可視化大屏的適配方案

説起大屏可視化，就要了解大屏分辨率與尺寸的概念、實際應用場景、自適應適配方案等。 大屏分辨率與尺寸的異同 特性 分辨率 物理尺寸 定義 屏幕上像素點的數量 屏幕對角線的實際長度 單位 像素 (px) 英寸 (in) 或 釐米 (cm) 決定因素 顯示面板的製造工藝 屏幕的

css3 , 可視化

收藏 評論

u_16099220 頭像

數碼精靈abc - 華三 配置EBGP案例

如下圖，網絡需求是，當網絡正常時，從192.168.45.1/24發往Server的流量被R3轉發到R1，從192.168.46.1/24發往Server的流量被R3轉發到R2，從而實現數據分流，提高帶寬利用率。另外當R1發生故障時，要求從192.168.45.1/24發往Server的流量能夠自動切換到R2，同理當R2發生故障時，從192.168.46

華為 , 雲計算 , server , 雲原生 , 網絡 , 華三 配置EBGP案例 , R3

收藏 評論

u_16213560 頭像

數據小探 - 大數據presto 併發性能

大數據和高併發的解決方案總結： 軟件剛開始的時候是為了實現功能，隨着信息量和用户的增多，大數據和高併發成了軟件設計必須考慮的問題，那麼大數據和高併發本質是什麼呢？ 本質很簡單，一個是慢，一個是等。兩者是相互關聯的，因為慢，所以要等，因為等，所以慢，解決了慢，也就解決了等，解決了等，也就解決了慢。 關鍵是如何解決慢和等，核心一個是短，一個

服務器 , 雲計算 , 大數據presto 併發性能 , 緩存 , 數據庫 , 雲原生

收藏 評論

kpaas 頭像

KPaaS集成擴展平台 - 解決數據不一致：MDM 如何提升企業系統性能

在數字化轉型的浪潮中，企業後端系統的數據管理問題已成為制約競爭力的關鍵瓶頸。數據不一致、重複和碎片化不僅拖慢開發效率，還增加了合規風險和系統集成成本。主數據管理（Master Data Management，簡稱MDM）作為解決這些問題的核心手段，通過建立單一可信數據源（Single Source of Truth），為企業重構系統競爭力提供了堅實基礎。 本文將從核心問題、

數據管理 , 大數據 , yyds乾貨盤點 , 數據 , API , 數據倉庫 , 異構數據整合 , 數據集成與應用集成

收藏 評論