tag 離線

標籤
貢獻32
90
07:13 AM · Nov 15 ,2025
u_15690955 頭像 u_13738137 頭像 u_17611339 頭像 u_17587833 頭像 u_106065 頭像 u_16213614 頭像 u_15641375 頭像 u_10538247 頭像 u_17480953 頭像 u_16213686 頭像 lu952450497 頭像 u_15015752 頭像

@離線 / 博客 RSS 訂閱

JavaEdge 頭像

JavaEdge - LinkedIn 的遷移之路：從批處理到實時推薦，服務數十億用户

——Nishant Lakshmikanth 於 QCon San Francisco 2025 分享 在 2025 年的 QCon San Francisco 大會上，LinkedIn 工程經理 Nishant Lakshmikanth 深入講述了 LinkedIn 如何系統性地拆解其傳統的批處理式推薦系統，逐步實現實時個性化推薦，並顯著提升運算效率。 舊的推薦架構

批處理 , yyds乾貨盤點 , 離線 , 個性化推薦 , 人工智能 , 深度學習

收藏 評論

u_17587833 頭像

mb6923acc0735dc - 鴻蒙AI實戰之語音識別：語音喚醒、指令識別與語音合成核心代碼解析

引言：全場景語音交互的技術基石 在萬物互聯的智能時代，語音成為最自然的人機交互方式。HarmonyOS通過完整的語音技術棧，為開發者提供了從喚醒、識別到合成的全鏈路能力。無論是智能家居的"一句話控制"，還是車載系統的"語音導航"，亦或是運動健康應用的"語音反饋"，都建立在可靠的語音技術基礎上。本文將深入解析HarmonyOS語音技術的三大核心模塊：語音喚醒、指令識別與語音合

移動開發 , 初始化 , 離線 , Android , 語音識別

收藏 評論

u_16213423 頭像

mob64ca12ee66e3 - linux 離線部署 ollama

在這篇文章中，我們將詳細介紹如何進行 Linux 離線部署 Ollama。通過分步指南、配置詳解、驗證測試、排錯指南和擴展應用的內容，確保你能夠順利完成 Ollama 的離線安裝和配置。以下是步驟和相關信息的系統呈現。 環境準備 在進行 Ollama 的離線部署之前，我們需要確認我們的軟硬件環境是否符合要求。 軟硬件要求 操作系統： Ubuntu 20.04 或更

API , 離線 , bash , aigc

收藏 評論

u_16193391 頭像

學編程的小程 - 開源也要順手：openEuler 文檔生態的即取即用體驗

一、引言：文檔，作為操作系統的核心交付物 一個企業級操作系統的評估，不應僅限於其內核性能或軟件包數量，更需審視其知識文檔體系的可獲得性與可用性。文檔並非網站上的靜態文本，而是與系統深度集成的、可在任何環境下調用的核心資產。在無網絡、弱網絡或安全隔離環境中，無法訪問在線文檔是開發者和運維人員面臨的普遍痛退點。這次我們來深入剖析 openEuler 如何通過一個多層次、線上線下互通、可搜

辦公效率 , 離線 , 搜索 , 開發者

收藏 評論

u_17611339 頭像

mb695391405d1c6 - 【需求：GDPR合規下做地域定向】解決方案：僅用IP離線庫輸出國家碼，不存原始IP？

在我們技術部負責海外業務支持的這段時間裏， “地域定向”和“數據合規”幾乎是同時出現的一對關鍵詞。尤其是在歐洲業務上線前，我們在評審技術方案時，就已經明確：任何涉及IP地址的數據處理，都必須從GDPR的角度重新審視。正是在這個背景下，我們開始在內部系統中使用基於IP數據雲離線庫的一種“只輸出國家碼、不保留原始IP”的實現方式。 這篇文章，想從工程實踐的角度，聊一聊這個方案是否成立、為

軟件研發 , 數據 , ip , 離線

收藏 評論

u_14767244 頭像

u_14767244 - 2-5 倍性能提升，30% 成本降低，阿里雲 SelectDB 存算分離架構助力波司登集團實現降本增效

波司登集團作為全球領先的羽絨服公司，每年的銷售旺季集中在四個月間，需高效把握業務機遇以實現高營收。為滿足集團銷售旺季的實時數據分析需求，同時降低淡季數據分析成本，波司登決定升級大數據架構，採用阿里雲數據庫 SelectDB 版升級數倉，基於阿里雲 SelectDB 雲原生存算分離架構，實現了資源隔離與彈性擴縮容，並取得了查詢性能提升 2-5 倍、總體成本降低 30% 以上、效率提升 30

大數據 , 數據 , 離線 , 數據倉庫 , 數據分析

收藏 評論

u_13527 頭像

bigrobin - 冗餘的索引對插入的效率影響有多大

本文主要討論四個問題： （1）為什麼會有冗餘表的需求 （2）如何實現冗餘表 （3）正反冗餘表誰先執行 （4）冗餘表如何保證數據的一致性 一、需求緣起 互聯網很多業務場景的數據量很大，此時數據庫架構要進行水平切分，水平切分會有一個patition key，通過patition key的查詢能夠直接定位到庫，但是非pati

消息總線 , 冗餘的索引對插入的效率影響有多大 , 大數據 , 數據 , 離線 , 數據倉庫

收藏 評論

u_16099183 頭像

數據科學家 - 使用Riverpod的Flutter和Firebase應用程序的初始架構

FlutterFire實時應用架構：基於Firebase的應用設計 【 在移動應用開發中，實時數據同步和高效的後端服務集成是提升用户體驗的關鍵。FlutterFire作為Firebase官方提供的Flutter插件集合，為開發者提供了一站式解決方案，涵蓋身份驗證、數據庫、存儲、消息推送等核心功能。本文將深入探討如何基於FlutterFire構

數據 , 離線 , firebase , 前端開發 , Javascript

收藏 評論

powertoolsteam 頭像

powertoolsteam - 財務報表在線編輯：純前端技術方案與 SpreadJS 實戰指南

財務報表在線編輯：純前端技術方案與 SpreadJS 實戰指南 在數字化轉型加速的今天，財務報表在線編輯已成為企業財務管理的核心需求 —— 它不僅需要打破傳統 Excel 離線編輯的協作壁壘，還需滿足跨平台訪問、數據實時同步、複雜計算精準性等核心訴求。而純前端表格控件的崛起，尤其是 SpreadJS 這類高兼容、高性能的解決方案，正徹底改變財務報表在線編輯的技術選型邏輯。本文將結合企

數據 , 離線 , 自動生成 , 代碼人生

收藏 評論

u_15469972 頭像

mb61c46a7ab1eee - 深入解析：Prompt Gen Desktop 管理和迭代你的 Prompt！

Prompt Gen Desktop Prompt Gen Desktop 是一款專為內容創作者打造的桌面提示詞管家。從靈感梳理、關鍵詞治理到版本發佈，全流程都能在幾分鐘內完成；就算離線也能繼續整理 Prompt 資產，並隨時導出備份與日誌。 GitHub：Prompt-Gen GitHub 核心亮點 5 分鐘產出 Prompt：輸入場景後即可獲

安裝包 , MySQL , 離線 , 數據庫 , Json

收藏 評論

u_16421249 頭像

u_16421249 - 如何快速搭建一個本地私有化AI知識庫？（附完整流程）

在日常工作裏，大家應該都有這樣的痛點： 手上的文檔越來越多，想找某個內容，卻不知道存在哪個文件夾； 每次寫週報、寫方案、做調研，都要重複整理過去的資料； 用在線 AI 工具問問題時，又擔心把公司資料、會議紀要上傳到雲端； 想搭一套“私有知識庫 + 本地模型”的方案，但工具太複雜，部署成本太高。 所以，一個真正本地化、不上傳雲端

機器學習 , 本地部署 , yyds乾貨盤點 , 離線 , AI , AIPC , 人工智能 , 大模型

收藏 評論

u_13317 頭像

liutao988 - [推薦系統]粗排之引言

第五章：計算機視覺-項目實戰之推薦/廣告系統 第二部分：粗排算法 第三節：理解粗排模型之在線部分：在線架構及對雙塔的應用 一、粗排模型從“訓練”走向“線上”的最大挑戰是什麼？ 上一節我們完成了粗排雙塔的離線訓練部分（Embedding 學習 + Faiss/HNSW 索引）。 但模型訓練完，並不等於能上線。真正落地粗排系統，需要解

解耦 , User , 離線 , 後端開發 , Python

收藏 評論

u_16213314 頭像

mob64ca12d3dbd9 - 怎麼將ollama移植到沒有網絡環境的新電腦上面

在這篇博文中，我們將探討如何將 Ollama 移植到沒有網絡環境的新電腦上。隨着很多用户越來越依賴本地模型進行開發工作，這一過程顯得尤為重要。 問題背景 在某些情況下，用户可能面臨無網絡環境的困境，然而又需要將 Ollama 遷移並使用。要確保該過程順利進行，我們首先需要了解一些時間線事件： 第 1 步：識別需要遷移的模型。 第 2 步：將模型文件從在線環境下載

System , 離線 , 系統架構 , aigc

收藏 評論

u_17483740 頭像

qq688ac5fc71654 - Google Chrome瀏覽器安裝教程 谷歌瀏覽器下載安裝（PC+安卓）教程，附Chrome瀏覽器插件使用方法

最新谷歌瀏覽器(Google Chrome)下載安裝全攻略！ Google Chrome，簡稱Chrome，是由谷歌（Google）公司開發的一款網絡瀏覽器。自2008年首次發佈以來，Chrome因其速度快、界面簡潔和強大的功能而廣受用户喜愛。 支持平台：Windows、Mac、Linux，安卓、iOS移動端 為什麼要選擇谷歌瀏覽器？ 在開始之前，先簡單説

chrome , redis , github , 離線 , google , 數據庫

收藏 評論

codelifeing 頭像

CodeLife - UV離線遷移Python環境步驟

Linux向Windows遷移 1. 在Ubuntu上準備離線包 # 1.生成項目鎖文件（確保版本一致） uv lock # 2. 生成依賴清單 uv pip compile pyproject.toml -o requirements.txt # 3.下載所有依賴的離線安裝包 pip download -r requirements.txt -d ./win_amd64 --python-ver

離線 , uv , 環境搭建 , Python

收藏 評論

u_12935 頭像

doscommand - 極1s佈置docker

起因，由於coolpy5核心轉換到go語言開發，所以目前超人正在進行相關的技術攻關，在程序編寫方面一切都相對順利。由於coolpy5是一個真正的商業級性能的系統也考濾到coolpy之前的版本已經確定的coolpy是支持以家庭路由器為霧計算節點直接實現智能家居或智慧農業的離線解決方案，所以超人才進行了這一次技術預測試，也為以後coolpy這環節的閉環作準備工作。以下文章關於open

雲計算 , 離線 , 物聯網 , 交叉編譯 , Docker , 極1s佈置docker

收藏 評論

u_16099334 頭像

AI領域佈道師 - 數據入湖 架構

作者 | 蔡芳芳 採訪嘉賓 | 馬進 網易數帆平台開發專家 數據中台也要從離線為主走向實時化，湖倉一體是第一步。 數據從離線到實時是當前一個很大的趨勢，但要建設實時數據、應用實時數據還面臨兩個難題。首先是實時和離線的技術棧不統一，導致系統和研發重複投入，在這之上的數據模型、代碼也不能統一；其次是缺少數據治理，實時數據通常沒有納入

數據 , 數據入湖 架構 , 離線 , 架構 , 後端開發 , 解決方案

收藏 評論

u_13738137 頭像

小雨青年 - 智能調度與精細化隔離：openFuyao 如何賦能高效AI推理

隨着大語言模型和生成式 AI 的爆發式增長，AI 推理服務已從單純的實驗室驗證走向了大規模生產環境的核心。然而，在雲原生架構下部署這些服務，開發者和架構師們正面臨着前所未有的挑戰。 AI 推理服務對延遲具有極高的敏感度。與傳統的 Web 服務不同，推理任務往往涉及大量的矩陣運算，任何微小的計算資源抖動都可能導致 P99 延遲飆升，直接影響終端用户的體驗。 同時，推理業

kubernetes , 雲計算 , 離線 , 異構 , 開發者

收藏 評論

u_15015752 頭像

u_15015752 - 怎麼解決能源集團實時風控難題，流批一體架構是否是答案

某頭部能源集團在推進數字化轉型的過程中，將構建先進的智能監管平台列為核心戰略目標，對其關鍵的招投標業務進行全面的風險管控。將審計、紀檢等部門的審查要求深度融入業務系統，實現對採購全過程的實時監控、風險預警與閉環管理。這對底層數據架構的實時性、準確性和穩定性提出了嚴苛的挑戰。 傳統架構的困境 為實現這一目標，該集團初期採用了基於傳統流計算引擎的架構。然而，在實際運行中，

風控 , 大數據 , 數據 , 離線 , 案例 , 數據倉庫

收藏 評論

lu952450497 頭像

lu952450497 - 離線數倉與實時數倉的應用場景與對比

數據倉庫的建設從傳統離線架構逐步演進到實時架構，是企業數字化能力成熟的重要階段。離線數倉強調批處理、週期加工、結構穩定和歷史追溯；實時數倉強調秒級至分鐘級數據更新、事件驅動和業務反饋閉環。兩者不是互斥關係，而是面向不同業務訴求的差異化建設方向。 一、離線數倉的特徵 核心特徵 離線數倉基於批處理思想： 每日/每小時調度任務產出數據 以 T+

批處理 , 大數據 , 數據 , 離線 , 數據倉庫

收藏 評論

u_106065 頭像

laokugonggao - 離線數倉數據採集用户行為hive沒有

一、概述 隨着地理信息數字化的發展，大數據時代的到來。海量數據的傳輸和安全性給我們帶來巨大的困難。海量數據的傳輸受到互聯網技術和硬件的限制，佔用着較多的在線資源和線下存儲空間，產生了能源、空間、人力的成本浪費，而在傳輸數據和存儲過程中，不規範的操作造成的數據泄露，更是數據安全更須要保證或要解決的問題。 2015 年全國

大數據 , 數據 , 谷歌衞星地圖 , 離線 , hive , 離線數倉數據採集用户行為hive沒有

收藏 評論

u_16213614 頭像

mob64ca13ffd0f1 - 【DB寶55】兩地三中心部署TiDB數據庫高可用環境 -

三地兩中心架構概述 三地兩中心是一種高可用災備架構設計模式，通過地理分佈確保業務連續性。核心思想是在三個地理位置部署兩個數據中心（主備或雙活），結合冗餘設計防範區域性災難。 關鍵設計原則 地理分散性 三個地理位置需滿足足夠距離（通常≥100公里），避免同時受自然災害（如地震、洪水）影響。兩地中心作為主備或雙活，第三地提

離線 , 數據中心 , 架構 , 後端開發 , 地理位置 , Python

收藏 評論

u_15641375 頭像

芯動大師 - 關於PID控制的自整定，是否可以嘗試不需要提前自整定，實現不超調呢

之前有一位粉絲朋友讀過我寫的PID文章後，覺得對自己的幫助挺大的，後面也是向我建議關於PID自整定這塊的知識，是否可以不需要提前自整定，而且在不實現超調的情況下，進行PID的實時自整定。對於這個提議我覺得挺有意思的，也是查閲一些相關的文獻和技術資料，針對這個提議做一下自己的分享。下面是我和這位粉絲朋友的部分聊天記錄。 其實，正如這位粉絲所提到的PID

自適應 , yyds乾貨盤點 , 離線 , 開源 , define

收藏 評論

u_15690955 頭像

出手吧Glen - 地表最強AI換臉神器，Facefusion3.3.2版整合包來啦！

最強換臉AI工具Facefusion軟件在近期更新了3.3.2，這次更新相當強大，快隨我一起去看看吧~ Facefusion新版本介紹 FaceFusion 3.3.2 版本更新亮點：總的來説，就是換臉更加準確，更加清晰，更加快速了！ 本次新增HyperSwap換臉模型，並修復

機器學習 , 換臉 , 新版本 , 離線 , 英偉達 , 人工智能

收藏 評論