背景：公司接到一个亿级的项目，软件大概占到1/4的比例，整个项目包含了硬件和软件团队。软件团队是要实是一个软件产品，让其控制各种硬件设备做自动化运作，并打通上下游系统的数据。软件同时统计分析（包括机器学习和AI) 整个项目设备的运作和任务执行情况，服务于后续运营优化。 项目成员结构：大项目经理，对这
在JDK 21中，Sequenced Collections的引入带来了新的接口和方法来简化集合处理。此增强功能旨在解决访问Java中各种集合类型的第一个和最后一个元素需要非统一且麻烦处理场景。 下面一起通过本文来了解一下不同集合处理示例。 Sequenced Collections接口 Seque
一 背景 C端服务应用升级和重启，导致耗时瞬时抖动，业务超时，应用监控报警，上游感知明显，导致用户体验变差。 二 应用升级重启导致抖动的原因 1 C端服务应用升级和重启的冷启动阶段，它需要重新加载和初始化各种资源，例如数据库连接、缓存数据等，导致耗时瞬时飙升。 2 应用重启后，本地缓存失效，应用需要
在上一篇文章中，我跟你介绍了 MySQL 的全局锁和表级锁，今天我们就来讲讲 MySQL 的行锁。 MySQL 的行锁是在引擎层由各个引擎自己实现的。但并不是所有的引擎都支持行锁，比如 MyISAM 引擎就不支持行锁。不支持行锁意味着并发控制只能使用表锁，对于这种引擎的表，同一张表上任何时刻只能有一
我们开发一个系统，在保证风格统一、代码强壮、可读性强等基础上，还能够结合代码生成工具快速开发相关后端，以及各种前端界面的，无疑是非常好的，既保证了项目的代码质量，又能够极大的提高开发效率。代码生成工具Database2Sharp是在完善的开发项目上，抽取出数据变化的部分，通过演绎、归纳、反复演绎和归纳等提炼方式抽取出相关的规则，以工具的方式来快速提高生产率，使得我们在开发各种不同的项目上的时候，能
在之前的SqlSugar系列随笔中，介绍了很多我们关于SqlSugar的开发框架的内容，SqlSugar的开发框架的目的是多前端应用场景，因此其中会包含各种不同的前端应用，前面介绍了基于DevExpress的Winform的前端应用，以及基于Vue3+TypeScript+ElementPlus的BS前端应用，本篇随笔继续介绍SqlSugar的开发框架的另一个前端应用，基于UniApp+Vue+T
今年开年，最火的莫过于ChatGPT的相关讨论，这个提供了非常强大的AI处理，并且整个平台也提供了很多对应的API进行接入的处理，使得我们可以在各种程序上无缝接入AI的后端处理，从而实现智能AI的各种应用。ChatGPT的API可以在前端，以及一些后端进行API的接入，本篇随笔主要介绍基于ChatGPT的API的C#接入研究。
一：背景 1. 讲故事 一直在追这个系列的朋友应该能感受到，我给这个行业中无数的陌生人分析过各种dump，终于在上周有位老同学找到我，还是个大妹子，必须有求必应 😁😁😁。 妹子公司的系统最近在某次升级之后，在高峰期会遇到 CPU 爆高的现象，有些单位你懂的，很强势，所以就苦逼了程序媛，不管怎么
一：背景 1. 讲故事 用惯了宇宙第一的 Visual Studio 再用其他的开发工具还是有一点不习惯，不习惯在于想用的命令或者面板找不到，总的来说还是各有千秋吧，今天我们来聊一下几个在调试中比较实用的命令： 查看内存 硬件断点 虚拟内存布局 二：命令解读 1. 查看内存 相信大家都知道 Visu
## 一：背景 ### 1. 讲故事 有很多朋友跟我说，在 Windows 上看过你文章知道了怎么抓 Crash, CPU爆高，内存暴涨 等各种Dump，为什么你没有写在 Docker 中如何抓的相关文章呢？瞧不上吗？ 哈哈，在DUMP的分析旅程中，跑在 Docker 中的 .NET 占比真的不多，
数据可视化分析之新技能——魔数图 大家在使用数据可视化工具进行数据设计的时候，有没有遇到过这些设计场景：部门人员的履历细信息、工厂各个产线的生产状态和生产信息、公司各个部门的KPI信息……这些数据都有一个共同的特点：数据结构相同，但是内容各有不同；布局相同，但展示的样式相同。在传统场景中我们要实现这
本文由葡萄城技术团队于博客园原创并首发 转载请注明出处：葡萄城官网，葡萄城为开发者提供专业的开发工具、解决方案和服务，赋能开发者。 数据分析能力越来越成为消费者和企业的必备品应用程序，复杂程度各不相同，从简单地一个网页或门户上托管一个可视化或仪表板，到在一个云服务上实现数据探索、建模、报告和可视化创
本文由葡萄城技术团队于博客园原创并首发 转载请注明出处：葡萄城官网，葡萄城为开发者提供专业的开发工具、解决方案和服务，赋能开发者。 大数据时代，数据在企业的日常经营中无处不在，各类数据的汇总、整合、分析、研究对企业的决策和发展有着至关重要的作用。企业要进行数字化转型，本质是强化对数据的使用，包含数据
GPT 带火了一波语言模型，LLaMA 和 Alpaca 也在持续发力。依旧是各类 GPT 后缀霸榜 GitHub trending 的一周，为此特推部分专门收录了两个比较不错的 GPT 应用。而作为 ML/AI 第一首选语言的 Python 也是风头一时，除了 AI 项目之外，本周的密文解析 Ci
学习Rust时练手的小程序，功能类似代理，将网络请求转发到新的地址和端口。 目前只有http请求的转发，未来希望能够代理各种常用的网络协议。 代码地址：https://gitee.com/wangyubin/mario 概要 程序主要有2个参数： -L：监听的地址和端口 -F：转发的地址和端口 整体
概要 在前端下载文件是个很通用的需求，一般后端会提供下载的方式有两种： 直接返回文件的网络地址（一般用在静态文件上，比如图片以及各种音视频资源等） 返回文件流（一般用在动态文件上，比如根据前端选择，导出不同的统计结果 excel 等） 第一种方式比较简单，但是使用场景有限。第二种方式通用性更好，最近
应用的自动化部署由来已久，也有很多知名的工具，比如puppet，ansible，saltstack，chef等等。 但是对于基础设施部分，一般都是以事先准备的方式来提供的。 虽然各大云服务器厂商也逐步提供了各类的API，用来控制自己的基础设施， 但是，由于各类厂商的差异性，API差异很大且没有统一分
manim绘制图形时，除了上一节提到的那些必须的参数，还有一些可选的参数， 这些参数可以控制图形显示的样式。 绘制各类基本图形（点，线，圆，多边形等）时，每个图形都有自己的默认的样式，比如上一节的图形， 有的默认是白色，有的默认是红色。 控制图形样式的参数最常用的有以下四个： stroke_widt
没有引入坐标系之前，在绘制图形时，也有一个隐含的坐标系，它和屏幕的像素相关。 比如，我们之前示例中的各个图形，屏幕的中心就是坐标原点（[0, 0]）, 横轴坐标的范围大概是 [-3.5, 3.5]，纵轴的坐标范围大概是 [-4, 4]，这个范围与设置的视频分辨率有关，分辨率设置的越高的话，坐标范围越
数据读取是第一步，只有成功加载数据之后，后续的操作才有可能。 pandas可以读取和导入各种数据格式的数据，如CSV，Excel，JSON，SQL，HTML等，不需要手动编写复杂的读取代码。 1. 各类数据源 pandas提供了导入各类常用文件格式数据的接口，这里介绍3种最常用的加载数据的接口。 1
