摘要：本文简单介绍sequence的使用场景及如何修改sequence的cache值提高性能。 本文分享自华为云社区《GaussDB(DWS)关于sequence的那些事》，作者：Arrow0lf 。 什么是sequence sequence，也称作序列，是用来产生唯一整数的数据库对象。序列的值按照
摘要：节点（Node）是通过 ROS 图进行通信的可执行进程。 本文分享自华为云社区《编写一个简单的发布者和订阅者》，作者： MAVER1CK 。 @[toc] 参考官方文档：Writing a simple publisher and subscriber (C++) 背景 节点（Node）是通过
摘要：昇腾Ascend C编程语言，让基于昇腾AI的算法创新更加简单。 本文分享自华为云社区《CANN黑科技解密|昇腾Ascend C编程语言 — 极简易用的算子开发体验》，作者：昇腾CANN 。 AI应用的大脑是神经网络，而构成神经网络的基石是一个个算子。为了让开发者的网络在昇腾硬件上高效运行，昇
从一个简单的实例出发，带你体验Ascend C算子开发的基本流程。
# 综述 DHorse是一个简单易用、以应用为中心的云原生DevOps系统，具有持续集成、持续部署、微服务治理等功能，无需安装依赖Docker、Maven、Node等环境即可发布Java、Vue、React应用，主要特点：部署简单、操作简洁、功能快速。 # 优化内容 * 优化jvm指标收集时dhor
# 综述 DHorse是一个简单易用、以应用为中心的云原生DevOps系统，具有持续集成、持续部署、微服务治理等功能，无需安装依赖Docker、Maven、Node等环境即可发布Java、Vue、React应用，主要特点：部署简单、操作简洁、功能快速。 # 新增特性 * 增加prometheus的配
借助docker-compose，可以简单的完成elasticsearch8.x版本集群+kibana部署
LeetCode的hard题都很难吗？不一定，297就非常简单，随本文一起，用最基础的知识写代码，执行用时能击败98.46%，与此同时，内存消耗击败99.73%
官方代码是直接使用JDK的Deque对象，这样的代码能学到什么？熟练操作API吗？还是自己实现一个最小栈吧，用时击败100%，内存击败78%
本文对Clickhouse架构原理、语法、性能特点做一定研究，同时将其与mysql、elasticsearch、tidb做横向对比，并重点分析与mysql的语法差异，为有mysql迁移clickhouse场景需求的技术预研及参考。
本文旨在通过一个简化场景（“单服务应用”）下的负载测试，为“JSF业务线程池大小配置”提供基准测试结果，并形成一些普遍适用的结论。
前言 随着团队的成长，要管理的项目或使用的内部系统越来越多，很多内部系统都没有域名，使用IP+端口，很难记。 为了解决这个痛点，我抽空写了个导航网站~ 目前用下来效果还不错，可以基本完美的解决这个问题。 项目名称是 SiteDirectory ，代码在 Github 开源了: https://git
对于团队而言，每日站会与这种赛前短会类似，让每个成员都了解到团队的现状和进度，从而促进每项任务的成功交付。
Tokio 无疑是 Rust 世界中最优秀的异步Runtime实现。非阻塞的特性带来了优异的性能，但是在实际的开发中我们往往需要在某些情况下阻塞任务来实现某些功能。
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，
GORM（Go Object-Relational Mapping）是一个用于Go语言的ORM库，它提供了一种简单、优雅的方式来操作数据库。GORM支持多种数据库，包括MySQL、PostgreSQL、SQLite和SQL Server。以下是GORM的一些主要特性： 1. **全功能ORM**：G
`fsnotify`是一个用Go编写的文件系统通知库。它提供了一种观察文件系统变化的机制，例如文件的创建、修改、删除、重命名和权限修改。它使用特定平台的事件通知API，例如Linux上的inotify，macOS上的FSEvents，以及Windows上的ReadDirectoryChangesW。
MySQL表分区是一种数据库管理技术，用于将大型表拆分成更小、更可管理的分区（子表）。每个分区可以独立进行维护、备份和查询，从而提高数据库性能和管理效率。以下是详细介绍MySQL表分区的步骤和注意事项： 步骤1：选择分区列 首先，你需要选择一个适当的列作为分区键（Partition Key），根据这
# 决策树相关概念及简单实现 决策树是一种机器学习的方法。决策树的生成算法有ID3（信息增益）, C4.5（信息增益率）和CART（Gini系数）等。决策树是一种树形结构，其中每个内部节点表示一个属性上的判断，每个分支代表一个判断结果的输出，最后每个叶节点代表一种分类结果。 构造树的基本想法
本文主要介绍了RabbitMQ，包括其基本结构、特点、优缺点。
