摘要：本文模拟一下在主库查询订单信息查询不到的时候，切换数据源去历史库里面查询。 本文分享自华为云社区《springboot动态切换数据源》，作者：小陈没烦恼 。 前言 在公司的系统里，由于数据量较大，所以配置了多个数据源，它会根据用户所在的地区去查询那一个数据库，这样就产生了动态切换数据源的场景。
背景 最近项目更新频繁，每次一更新客户都说还跟之前的一样。一查原因是因为客户没有清空浏览器的缓存。所以为了方便客户看到最新版本，开始调研再发布新版本后自动清理缓存。 方案 每次打包后的js和css都加上hash值后缀。当文件发生改变时，hash值也改变。这样就不会走缓存 举个例子 vue.confi
我们知道Bert 预训练模型针对分词、ner、文本分类等下游任务取得了很好的效果，但在语义相似度任务上，表现相较于 Word2Vec、Glove 等并没有明显的提升。
大家好，今天我们来分享业务架构，但是我们并不是以产品经理角度讲述一个业务架构是什么以及如何做？而是以一个技术架构师的角度，讲述如何承接业务架构或在没有业务架构的时候，如何判断业务变化趋势而对系统架构提前做出反应。
搜索推荐算法架构为京东集团所有的搜索推荐业务提供服务，实时返回处理结果给上游。部门各子系统已经实现了基于CPU的自适应限流，但是Client端对Server端的调用依然是RR轮询的方式，没有考虑下游机器性能差异的情况，无法最大化利用集群整体CPU，存在着Server端CPU不均衡的问题。
本篇文章中我们将对机器学习做全面的了解与介绍，其中第一章 初识机器学习分为上下两个小章节，对机器学习是什么、机器学习由来以及机器学习的理论等展开说明。目的是能让即便完全没接触过机器学习的人也能在短时间对机器学习有一个全面了解。
随着业务的不断增长，支撑业务系统的压力也逐渐增加，会面临如系统越来越厚重、逻辑越来复杂、迭代节奏越来越快等繁杂的情况。我们当前并没有做到在每次变化时快速识别出性能风险，检测产品或系统的稳定性、可靠性，而且我们还在不断的投入人力成本在压测这件事情上也是不合理的，所以我们要将性能验证融入到我们日常的工作中，把压测做到常态化，做成平常的一件事。
打开前端项目中的 package.json，会发现众多工具已经占据了我们开发日常的各个角落，它们的存在于我们的开发而言是不可或缺的。有没有想过这些工具的功能是如何实现的呢？没错，抽象语法树 (Abstract Syntax Tree) 就是上述工具的基石。
本文从为什么需要WebAssembly、WebAssembly的工作原理、哪些语言可用来创建WebAssembly模块、WebAssembly可以用在哪里 以及 怎么使用 几方面简要介绍了webAssembly。如果之前没有了解过webAssembly，可以做一些简要的了解。
本文记录了一次排查FullGC导致的TP99过高过程,介绍了一些排查时思路,线索以及工具的使用,希望能够帮助一些新手在排查问题没有很好的思路时,提供一些思路,让小白也能轻松解决FullGC问题
一、前言 现在已经进入了微服务的开发时代了，在这个时代，如果有人问你什么是微服务，你说不知道，就有点太丢人了，别人会有异样的眼光看你，俗话说：唾液淹死人。没办法，我们只能去学习新的东西。一提到微服务，有一个绕不过的话题就是作为微服务的载体，WebAPI是离不开的。但是我们今天不讲WebAPI是什么，
一、前言 最近我在使用 WinDebug进行系统调试，也是在学习《Net高级调试》这本书。以前听过 WinDebug 调试器，但是没有使用过，由于最近想起来了，就好好的研究一下，学习一下。初次接触，还是走了不少弯路，踩了不少坑。关于 WinDebug 最新版的安装方法，可以在“微软商店”里面，直接查
一、介绍 最近几天都在搭建MQTT服务器，几天前搭建好了一个 Apache-Apollo的 MQTT 服务器，当我们在管理我们的主题的时候，发现主题的名称的斜杠（/）变成了点号（.），正好我在调试程序，在调用的时候出现了一些问题，各种解决办法都想了，还是没有解决，于是就向重新搭建一个 MQTT 服务
前言 从几年前第一个硬盘故障导致参赛的文件丢失之后，我就开始意识到数据安全的重要性，开始用各种云盘做备份，当时还不是百度云一家独大，我们也都没意识到网盘备份是极其不靠谱的行为，直到因为某些不可抗力因素，一夜之间所有网盘都宣布停服，这时才意识到，数据始终是掌握在自己手中才安全可控。 随着数据量增大，我
## 前言 笔者认为，一个博客网站，最核心的是阅读体验。 在开发StarBlog的过程中，最耗时的恰恰也是文章的展示部分功能。 最开始还没研究出来如何很好的使用后端渲染，所以只能先用Editor.md组件做前端渲染，过渡一下。前端渲染我是不满意的，因为性能较差，页面加载出来还会闪一下，有割裂感，影响
前言 最近AI很火🔥，先是AI画图，然后就ChatGPT，后者我已经用了一段时间了，用来写作文挺不错的，但OpenAI屏蔽了中国IP，加上用户太多啥的，用起来没那么爽，但没办法全球只此一家，只能捏着鼻子用。而AI画图就不一样了，全是开源的，自己部署一下可以玩个爽~ 正好我们这有台2080Ti的工作
## 前言 最近一直在炼丹（搞AIGC这块），突然发现业务代码都索然无味了… 上次发了篇AI画图的文章，ChatGPT虽然没法自己部署，但现在开源的LLM还是不少的，只要有一块差不多的显卡，要搞个LLM本地部署还是没问题的。 本文将介绍这以下两个国产开源LLM的本地部署 - ChatGLM-6B -
前端构建的提速是一项比较复杂且细节的工程, 目前产品上在持续跟踪构建慢的应用, 努力优化编译速度, 但前端本身拥有一个比较自由的技术环境, 没有统一的构建工具与流程, 另外语言本身的执行效率、单线程的构建也不好让编译机发挥其最大能力, 所以目前全局的通用优化手段还是会比较局限, 还是依赖项目自身的优化. 希望大家一起努力共建美好的明天.
NameServer是一个注册中心，提供服务注册和服务发现的功能。NameServer可以集群部署，集群中每个节点都是对等的关系（没有像ZooKeeper那样在集群中选举出一个Master节点），节点之间互不通信。 **服务注册** Broker启动的时候会向所有的NameServer节点进行注册，
最近在研究[kratos](https://github.com/go-kratos/kratos)的使用，发现在`kratos run`之前会先运行`go generate ./...`命令。 这个命令之前没怎么用过，所以决定学习下该命令的用法。 `go generate`是Go语言中的一个命令，
