- 综合排序
- 最热优先
- 最新优先
- 来自专栏EDI技术知识
电子数据交换 (EDI) 在准时生产 (JIT) 中的作用
一些作者认为 EDI 是实施 JIT （准时制）方法的必要条件，JIT方法现在被认为是管理通过组织的物料流的首选方法。 当今的工业经济与自动化和快速数据传输密切相关。 该方法可以适用于部分或完全消除人工数据交换方法，从而创建一个完全自动化和互连的数据交换网络。准时制 (JIT) 是一种最大限度地减少库存并提高供应链响应能力的方法。 准时制的基本原则是在正确的时间，生产正确数量的零件或产品，即时生产。核心依赖于采购系统的效率、准确的生产和库存信息系统、可靠的供应商和高效的库存处理系统。 准时制运作的基本理念是需定供，即供给方根据需要方的要求（或称看板），按照需要方的品种、规格、质量、数量、时间、地点等要求，将物资配送到指定的地点。
63420编辑于 2022-12-23 - 来自专栏后端架构师
9.队列-生产消费模式
[1z4v6nypg0.gif] 点击上方蓝色字体，关注我们 队列：生产消费模式及线程池的运用 ❝关注公众号 MageByte，设置星标获取最新干货。“加群” 进入技术交流群获更多技术成长。 [cyz6nq9xsw.png] 队列与栈 队列也是一种操作受限的线性表数据结构。 顺序队列与链式队列 队列是跟栈一样，是一种抽象的数据结构。「具有先进先出的特性，在队头删除数据，在队尾插入数据。」 [m6wqrheqai.png] 现在我们执行出队操作 [r9kbqw69t6.png] 当我们调用两次出队操作之后，队列中 head 指针指向下标为 2 的位置，tail 指针仍然指向下标为 4 的位置
97010发布于 2020-05-17 - 来自专栏TAPD
生产效能数智化提升！腾讯TAPD精研班9月报名开启！
腾讯 TAPD与 CNB 强势联合，推出 “生产效能数智化精研班”，直击研发效能痛点，奉上从 “项目规划” 到 “代码交付” 全链路升级方案！ 依托腾讯 20 年研发实践沉淀，TAPD 与 CNB 以 “工具协同 + 流程优化 + AI赋能” 为核心，助力企业突破瓶颈，实现生产效能数智化跃迁。 + 实战，解锁效能升级密码 （一）腾讯方法论精讲 智能研发敏捷管理 拆解微信、游戏等业务敏捷逻辑，覆盖需求拆解、任务分配全流程 DevOps 全链路实践 规避工具堆砌陷阱，详解持续集成、自动化测试等落地要点 AI 时代企业敏捷 探索 AI 在需求预测、任务自动化中的应用 腾讯大模型赋能 分享代码补全、智能测试等研发场景实战案例 （二）双工具协同实战 TAPD 核心能力 搭建需求管理、效能度量框架 快免费报名参加，赢取好礼吧 也可以预约直播9月24日、26日两场哦： 免费使用 让研发更敏捷，让协作更高效！
22410编辑于 2025-09-11 - 来自专栏千里行走
grafana&prometheus生产级容器化监控-1：生产级容器化
本文是grafana/prometheus生产级容器化实践系列文章的第一篇。 目录： (1).grafana/prometheus简单回顾 (2).grafana/prometheus生产级实践 1.容器化多个prometheus实例 2.exporter组件 3.业务服务 4. grafana (3).grafana/prometheus生产级容器化配置 1.注意事项 2.容器化步骤 3.关键配置 (4).相关文章 (1).grafana/prometheus简单回顾 prometheus %E4%BA%A7%E7%BA%A7%E5%AE%9E%E8%B7%B5.jpg 如上图所示： 1.容器化多个prometheus实例 由于当数据量很大(metrics很多)或者grafana选择的时间跨度很大时 (3).grafana/prometheus生产级容器化配置 笔者提供了一个grafana/prometheus生产级的容器化配置，完全按照本文方式实现，位于： https://github.com/hepyu
1.3K20发布于 2019-10-14 - 来自专栏小二十七
准时下班的秘密：集成 GitLab && JIRA 实现自动化 workflow
而且开发人员需要反复的登陆两套不同的系统，进行一些重复的操作才能保证功能流的正常流转，不仅效率低下，浪费时间和人力，而且因为人本身的不可靠属性，所以导致状态的流转并不能非常的及时和准确，这种重复和机械的动作恰恰是自动化所擅长的地方 GitLab 如何自动化 JIRA 的工作流（workflow）？ GitLab 如何批量触发 JIRA 的工作量 ？ GitLab 如何开启 JIRA 的入口？ 注释，可以说使用起来非常的方便，示例的 commit 如下： git commit -am 'TEST-220 resolver a problem' GitLab 如何自动化 JIRA 的工作流（workflow 所有任务都需要逐个搜索出来手动更改状态，不仅效率不高，而且容易遗忘，尽管项目负责人经常反复提醒，依旧无法避免人工操作不及时的问题，最终导致 JIRA 统计 LeadTime 流程被拉长，所以这是急需自动化的痛点 介绍到这里差不多了，我们来看看如何通过自动化的 workflow 简化我们的开发环节：（这里仅仅代表我们团队的工作流，并不适用于大部分的场景） 首先这里可以看到这个 issue 任务已经完成，处于等待上线的状态
3.7K11发布于 2020-08-18 - 来自专栏测试技术圈
grafana&prometheus生产级容器化监控-1：生产级容器化
(2).grafana/prometheus生产级实践 ? /k8s-app-config/blob/master/product/standard/grafana-prometheus-pro/images/grafana-prometheus%E7%94%9F %E4%BA%A7%E7%BA%A7%E5%AE%9E%E8%B7%B5.jpg 如上图所示： 1.容器化多个prometheus实例 由于当数据量很大(metrics很多)或者grafana选择的时间跨度很大时 (3).grafana/prometheus生产级容器化配置 笔者提供了一个grafana/prometheus生产级的容器化配置，完全按照本文方式实现，位于： https://github.com/hepyu 2.容器化步骤 kubectl apply -f grafana-prometheus-image-repo-secret.yaml(生产环境需要改成自己的秘钥，本地部署不要执行) kubectl apply
90140发布于 2019-10-16 - 来自专栏运维经验分享
生产环境：tomcat9,jdk8优化配置
wget http://mirrors.aliyun.com/apache/apr/apr-util-1.6.1.tar.gz mkdir /usr/local/apr 将tomcat9的
4.1K22发布于 2019-03-16 - 来自专栏yeedomliu
《Learning ELK Stack》9 生产环境的ELK技术栈
9 生产环境的ELK技术栈 当我们说到生产级别实施ELK技术栈时，有一些隐含的前提条件 防止数据丢失 数据保护 可扩展性的解决方案 数据保留 ---- 防止数据丢失 Logstash的索引器之前引入一层消息中间件可以防止数据丢失 每天记录、索引、搜索、存储、可视化并分析所有的日志，这是一个巨大挑战。同时必须维护访问控制、存储和传输方面的安全性。随着数据量的增长，系统将扩大到更多的数据中心、更多的服务器，并产生更多的日志。 集团研发并生产具有可持续性的个人护理用品、纸巾和林业产品。在SCA，使用elk记录用户在内部网站和外部网站中的搜索、对结果文档的点击行为及用户反馈。 geo ip可视化 ?
1.5K20发布于 2020-07-07 - 来自专栏Golang开发
Python基础(9)——私有化
xx: 公有变量 _x: 单前置下划线,私有化属性或方法，from somemodule import *禁止导入,类对象和子类可以访问 __xx：双前置下划线,避免与子类中的属性命名冲突，无法在外部直接访问
73930发布于 2019-05-28 - 来自专栏全栈测试技术
JMeter笔记9 | JMeter参数化
1 测试对象我们使用禅道的创建用户接口，对创建用户的信息进行参数化；接口详情：图片图片2 分析从接口看，我们需要参数化的有参数有account和password；其他的几个请求参数可以相同，不用做处理。 3 JMeter参数化3.1 配置元件配置元件提供了参数化支持，如图：图片什么是参数化？ 其实通俗的讲，我们在准备测试数据时，对若要求每次迭代的数据不一样时，则需进行参数化，然后从参数化的文件中来读取测试数据；这里我们参数化使用CSV Data Set Config元件。 3.2 CSV Data Set Config3.2.1 元件介绍该元件是用来进行参数化的，可以指定的文件中一行一行的提取文本内容；根据分隔符插接每一行内容并把内容与变量对应上；然后取样器可以引用这些变量 3.4 请求地址参数化我们每个接口都有请求URL、PORT等信息，我们直接在测试计划中，把这两个参数进行设置用户变量，如下：图片然后在http请求时直接使用${变量名}进行引用或者参数化即可，如下：图片
1.1K70编辑于 2023-02-13 - 来自专栏千里行走
aws生产实践-9：使用msk托管服务创建kafka集群
目录： (1).创建kafka生产集群 (2).msk简单使用 (1).创建kafka生产集群 MSK 是采用的滚动升级的方式 版本升级过程中是可以继续使用的。 cluster/arn%3Aaws%3Akafka%3Aap-northeast-1%3A332170830573%3Acluster%2Fkafka-biz-cluster%2F797f0e7c-aa9c
1.4K20发布于 2021-11-11 - 来自专栏SuperFeng
机器学习系列9：正则化
在介绍正则化之前，我们先来介绍一下什么是欠拟合和过拟合问题。 欠拟合和过拟合 在线性回归问题中，像下面这个数据集，通过房屋面积去预测房价，我们用一次函数去拟合数据： ? 2.正则化： 保留所有的特征变量，但是减小量级或参数 θ_ j 的大小。 当训练集有许多有用的特征变量时正则化处理会很好。 那么如何进行正则化呢？ 正则化 在过拟合问题中，每个特征变量可能都对结果产生影响，例如预测房价，现在有很多特征变量：大小，楼层，卧室数目等等……。 这种方法就是正则化（Regularization）解决过拟合问题。 要想正则化所有的参数，就可以按照下列公式： ? 其中 λ 又称正则化参数（regularization parameter），它的目标是平衡更好地拟合数据和保持参数尽量最小这两者之间的关系。
64120发布于 2019-09-26 - 来自专栏FunTester
生产环境中进行自动化测试
这可以帮助您确保在生产中验证产品的跨浏览器兼容性。 决不能忽视生产中的硒测试自动化。让我们看一下测试自动化在生产中的好处。 测试自动化在生产中的优势 到目前为止，我们知道在生产中测试 Web 应用程序变得势在必行。但是我们需要自动化它吗？Selenium测试自动化有什么好处，让我们看一看。 您可以看到所有时间戳以及各种日志，以帮助您快速调试自动化测试脚本遇到的任何问题。 高峰时段测试自动化 生产环境中的测试自动化可以帮助您在应用程序高峰时段安排一轮全面的自动浏览器测试。 利用测试自动化还可以帮助更快地执行Beta程序，因此您可以立即获得新推出的功能和用户体验的反馈。 生产中的测试自动化的障碍 现实情况是，在许多公司中，测试团队往往犹豫不决，或者更忽视生产中的测试。 生产中测试策略 接下来的问题是围绕如何实现！！如何在生产中开始自动化测试？线上环境需要哪种自动化策略？让我们进一步探讨在生产中执行测试的策略或方法。
1.3K10发布于 2020-04-08 - 来自专栏技术杂记
Linux 初始化检查列表9
例如：sysstat、iotop、vmstat、netstat、zabbix-agent
1.2K30编辑于 2021-11-26 - 来自专栏挖坑填坑
airtest生产化,挣点零花钱。
1.gif 利用之前airtest自动化脚本只需两部自动刷视频赚金币，刚开始每日2块多入账。参考：airtest小试牛刀-听雪江湖 ? image.png ? 邀请码请填写：2mkp9sh 帮我赚的钱我返现给你整数，例如6.9反6。简书私信我你快手昵称。以当时的金额为准。反现给你。 最后生产化的方法 ksjs.bat 内容如下： @echo off airtest run E:\Code\yiershan\ksjs.air --device Android://127.0.0.1: 发展 增加其他类型软件的自动脚本 简书也可以写个自动发文，自动点赞的脚本 完善功能，更加自动化后，提供云服务，他人注册会员后，云服务代刷。自己手动提现至自己绑定微信或则支付宝。赚取服务费。
95310发布于 2019-11-05 - 来自专栏从零开始学自动化测试
pytest文档9-参数化parametrize
前言 pytest.mark.parametrize装饰器可以实现测试用例参数化。 ========== FAILURES =================================== _____________________________ test_eval[6 * 9- 42] _____________________________ test_input = '6 * 9', expected = 42 @pytest.mark.parametrize( 和往常一样 函数的参数，你可以在运行结果看到在输入和输出值 2.它也可以标记单个测试实例在参数化，例如使用内置的mark.xfail # content of test_expectation.py import passed, 1 xfailed in 1.84 seconds ===================== 标记为失败的用例就不运行了，直接跳过显示xfailed 参数组合 1.若要获得多个参数化参数的所有组合
1K20发布于 2018-08-17 - 来自专栏云计算教程系列
如何在Debian 9上设置Node.js生产应用程序
这意味着应用程序将在重新启动或失败时重新启动，并且可以安全地在生产环境中使用。 在本教程中，您将在单个Debian 9服务器上设置生产就绪的Node.js环境。 准备 本教程假设您具有以下内容： Debian 9服务器设置，如Debian 9的初始服务器设置教程中所述。 安装了Nginx，如在Debian 9上如何安装Nginx中所述。 Nginx使用Let的加密证书配置SSL。您可以按照腾讯云SSL证书安装操作指南进行设置。 想要了解更多关于设置Node.js生产应用程序的相关教程，请前往腾讯云+社区学习更多知识。 ---- 参考文献：《How To Set Up a Node.js Application for Production on Debian 9》
2.8K51发布于 2018-11-05 - 来自专栏JavaEdge
Java9模块化编程
new 一个 module-info.java 即可 比如我们看看 java.sql 如何实现的呢？
61120发布于 2021-02-23 - 来自专栏dino.c的专栏
了解模板化控件(9)：UI指南
再重申一次，模板化控件的属性默认值要在DefaultStyle中设置，尽量不要在构造函数中设置。 5. FFFFFFFF" Offset="0" /> <GradientStop Color="#F<em>9</em>FFFFFF 幸好现在的主流是扁平<em>化</em>的简单的设计，在UWP中按钮的模板被大大简化： <ContentPresenter x:Name="ContentPresenter" BorderBrush="{TemplateBinding <em>9</em>. 符合典型的GUI设计原则 在控件层级就应该将UI设计成符合设计原则，例如对齐，使用字体和颜色突出主要内容，易于操作等。 ?
1.6K20发布于 2019-01-18 - 来自专栏跟着小郑学JAVA
【软考学习9】进程的同步与互斥、生产消费者模型
所以打印机系统将打印资源统一化管理，每次只允许一个进程操作打印机，等到该进程使用完毕后，再根据排队顺序交给某个等待的进程。互斥关系是一种间接制约关系。 如果生产者造数据很慢但消费者处理很快，会造成消费者进程资源浪费。 所以就衍生出生产消费者模型。 生产消费者模型是一个典型的多线程并发协作模型，在分布式系统中很常见。 生产者：用于生产数据，并把生产的数据放入缓冲区这个队列中。 缓冲区：用于存放生产者数据。 消费者：用于从缓冲区队列中取出数据，然后消费。 简单来讲，生产消费者模型的运行流程如下图所示： 根据缓冲区的数量，生产消费者模型可分为单缓冲区消费者模型和多缓冲区消费者模型。 当生产者将一个资源放入盒子后，需要等待消费者取出盒子中的资源，然后生产者才能再次放入，这就是同步的过程（即停下来等别人的过程）。
87650编辑于 2023-08-01
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号