- 综合排序
- 最热优先
- 最新优先
- 来自专栏HarmonyOS知识集合
【HarmonyOS 5】鸿蒙分布式协同应用开发详解
【HarmonyOS 5】鸿蒙分布式协同应用开发详解一、前言为什么需要分布式协同应用？首先是因为当今社会，围绕电子产品生态，人们迫切希望，周边的电子设备可以协同操作。 设备连接步骤繁琐，设备之间能力无法聚合，设备之间的数据无法连通，协同能力低效。因为以上业务场景的需要，应用开发的需求，也从单一的设备应用开发思路。转变为了多设备协同应用开发。 三、分布式协同应用开发步骤拆解：1. 查询设备列表失败: ${(error as BusinessError).code}, ${(error as BusinessError).message}`); return []; }}5. { top: 20, bottom: 10 }) // 发现的设备列表 Text('发现的设备:').fontSize(18).margin({ top: 10, bottom: 5
45910编辑于 2025-06-19 - 来自专栏边缘计算
边缘计算和5G如何协同工作
它如何与5G及相关技术堆栈协同工作？我们现在都生活在云计算时代。我们都使用的在线服务——亚马逊网络服务（AWS）、谷歌云平台、微软Azure和许多其他服务——严重依赖这项技术。 边缘计算和5G的未来 虽然边缘计算已经出现了几年，但5G的实施使它比以往任何时候都更具相关性。5G将不可避免地增加通过网络传输的数据量，利用这一技术的连接是快速、安全和可靠的，这一点至关重要。 换句话说，5G成功的未来依赖于边缘计算的能力。您也可以在不使用5G的情况下利用此设置的某些方面，但是您可能会惊讶于通过组合技术堆栈启用了哪些额外的用例。 爱立信网络营销和通信主管塞西莉亚? 阿特瓦尔（CeciliaAtterwall）表示，5G将推出解决问题的新方法。她还补充说，“正是设备、内容、5G接入网络、边缘计算和高性能分布式5G核心功能的结合，才使得这些创新成为可能。” 结论 总之，5G技术有望提供出色的连接、低延迟和较大的带宽。为了实现这一目标，边缘计算不仅有助于减少网络流量，还可以鼓励本地数据处理和存储。
86110发布于 2020-06-30 - 来自专栏物联网智慧生活
5G边缘计算工业网关 智能工厂高效协同
5G边缘计算工业网关，边缘计算就近处理海量数据，实现工厂大量设备高效协同工作，智能化自动化管理。 5G边缘计算网关智能工厂应用 工业物联网边缘是5G工业物联网设备、其数据和应用于该数据的边缘智能的组合。工业物联网的优势可以应用于智能工厂，包括最流行的用例之一：制造工厂。 当边缘计算与私有5G相结合时，智能工厂可以将其所有工业物联网传感器连接到边缘计算设备上。计讯物联5G边缘计算网关可以使用专用5G无线传输工业物联网数据到其他分支机构或总部。 5G边缘计算工业网关功能配置 图片2.png 1、边缘计算，实现终端数据处理优化，为数据安全提供条件，有效减轻平台服务端压力。 2、通信方式、支持WAN/LAN、ADSL、GPRS、 4G、5G、WIFI(可选)、GPS（可选）、可选NB-IOT。
69620发布于 2021-04-12 标题：云游戏与5G网络协同效果技术指南
摘要： 本文旨在解析云游戏技术与5G网络的协同效果，并提供详细的技术指南，包括技术解析、操作指南和增强方案。通过结合腾讯云产品，本文将展示如何优化云游戏体验，并提供性能、成本和用户体验的量化对比。 技术解析 核心价值与典型场景 云游戏技术允许用户在云端进行游戏计算和渲染，而5G网络以其低延迟和高带宽特性，为云游戏提供了理想的传输环境。 这种协同作用使得云游戏可以提供无缝的游戏体验，不受用户设备性能限制，典型场景包括移动设备游戏、家庭娱乐和在线电竞。 3大关键挑战 网络延迟：云游戏依赖网络传输，任何延迟都可能导致游戏体验下降。 步骤2：优化网络传输 原理说明：利用5G网络的低延迟特性，可以减少云游戏的输入延迟，提升用户体验。 操作示例：在腾讯云中配置5G网络接入点，确保云游戏平台与5G网络的高速连接。 通过本文的技术指南，读者可以了解如何利用云游戏技术与5G网络的协同效果，并通过腾讯云产品实现技术落地和优化。
45110编辑于 2025-07-29- 来自专栏IT创事记
“∑1+5+N”催化服务能力与产业发展深度协同
“∑1+5+N”品质服务体系的积极探索，为全生命周期服务的演进提供了样板：“1”是指高品质服务产业联盟，包括各类生态合作伙伴；“5”大类服务产品分别为咨询规划、行业集成、运维、辅助运营和人才发展；“N” ∑1+5+N品质服务体系是在数字化转型实践中，不断去践行“懂行”的关键落地举措之一。 华为与数据和应用领域的合作伙伴龙田数码、联华信协同运作，帮助其完成60多个系统的集成和100多个应用的上线，业务综合效率提升35%，有力支撑了智慧校园的建设。 ∑1+5+N离不开高品质服务产业联盟 ∑1+5+N中，高品质服务产业联盟是底座。 “∑1+5+N”是服务能力与产业协同的典范，咨询、集成交付、运维、辅助运营等生态链各环节的长期协同与不断进化，构筑了极高的生态护城河。
41120编辑于 2022-08-30 - 来自专栏CDN及云技术分享
高效协同开发
假设服务机器开通sambas服务端口，并且windows防火墙允许访问。这时候可以在windows打开网盘一样，打开sambas共享的服务器文件夹，把代码工程放置于共享网盘，用IDE打开网盘文件夹的代码工程。
1.8K271发布于 2019-10-15 - 来自专栏全栈程序员必看
FDDTDD协同优化
TDD-1900主要做室外广覆盖和深度覆盖，驻留优先级低于容量层（5）。 FDD-900主要用于深度覆盖，考虑到带宽小容量不充裕，驻留优先级最低（5）。 TDD->FDD900、FDD1800->FDD900均切换采用A5事件（源侧差&目标好），让用户尽量驻留在高优先级频段，在农村区域TDD信号差的情况下才切换到FDD900频段。 FDD-900：目前该频段仅5M带宽，容量相对较小，仅向其他频段做单向负载均衡。 数据业务尽量驻留TDD：优先进行TDD内切换，尽量延长在TDD驻留时间，TDD向FDD切换使用A5事件，降低A5门限确保数据业务只在边缘切换到FDD，在FDD载波采用A4向TDD切换，优先返回TDD。 3.5.2 F+T载波聚合的增益 资源利用率最大化 通过FDD+TDD载波聚合，CA UE（具有载波聚合能力的UE）可以同时利用最多5个载波上的空闲时频资源块，以实现资源利用率最大化。
1.9K10编辑于 2022-09-05 - 来自专栏星河造梦坊专栏
Lua⭐️协同函数
取得协同函数的返回值 --取得协同函数的返回值 co=coroutine.create( function (a,b) print(a+b) print(a-b) coroutine.yield a*b+1,a-1) print("hello") return a end ) --第一个数永远是是否启动(返回true、false)，第二个数则为函数return返回值 --无法取得协同之后 return的值，但可以在yield里面定义输出的值 --调用coroutine.resume()，不必再次赋值，即可将挂起的协同函数继续往下运行 res1,res2,res3,res4=coroutine.resume ) 查看coroutine的状态 注：coroutine的状态有三种：dead（运行完毕），suspend（暂停状态），running（正在运行），具体什么时候有这样的状态请参考下面的程序 --取得协同函数的返回值
49510编辑于 2024-08-15 - 来自专栏Pythonista
git协同开发
当你从远程仓库克隆时，实际上Git自动把本地的master分支和远程的master分支对应起来了，并且，远程仓库的默认名称是origin。
94530发布于 2018-12-24 - 来自专栏腾讯大讲堂的专栏
车联网探索5G下边缘云计算的车路协同实践
5G网络在面临海量终端接入和计算需求的同时，部分应用对5G网络带宽和时延也提出了很大挑战。在此情况下，多接入边缘计算（MEC）应运而生。 TKEStack强大的集群管理能力和异构计算资源管理能力，腾讯打造了一个功能完备的边缘计算PaaS平台TMEC，TMEC在支持边缘应用托管的基础之上，提供了高精确度定位、视频处理、无线网络QoS控制和5G 切片等多种特色业务能力，很好地支撑了车路协同、5G云游戏、视频直播等应用。 本次分享为大家带来TMEC技术架构实现及5G车路协同应用实践。 您将收获： 1. 5G典型应用场景及其挑战 2. 多接入边缘计算平台及其关键技术 3. 基于TMEC的车路协同实践 4. 5G网络多接入边缘计算展望 更多直播预告： 由腾讯云官方社区-云加社区举办的线上直播活动，主题聚焦在「新技术实践」，本次直播联合腾讯优图实验室、腾讯多媒体实验室、腾讯未来网络实验室
1.3K30发布于 2020-06-17 - 来自专栏前端博客
协同文档：OT与CRDT实现协同编辑笔记
15 行后面添加一行，并删掉第 5 行。 "type": "insertRowAfter", "index": 15 }, { "type": "deleteRow", "index": 5 id U0@T2 insert 'b' at index 1 id U0@T3 insert 'c' at index 2 id U0@T4 delete 'c' at index 2 id U0@T5 U0@T2 insert 'b' at id U0@T1 id U0@T3 insert 'c' at id U0@T2 id U0@T4 delete 'c' at id U0@T3 id U0@T5 https://imweb.io/topic/5b3ec8dd4d378e703a4f4450 实时协同编辑的实现 https://fex.baidu.com/blog/2014/04/realtime-collaboration
2.5K31编辑于 2023-04-09 - 来自专栏UniPro
协同工具协同办公的管理具有哪些痛点
掌握着软件开发能力的顶尖互联网公司是远程办公的先行者，他们在远程办公之路上走得更快也更远，但还有大量传统企业、中小微企业对于远程办公的效率还无法实现理想效果，协同办公效率依赖于协同工具的选择和使用，影响协同办公效率的难点和痛点如下 ：· 员工的绩效考核难管理线上协同办公由于脱离了办公室的工作场景，管理者难以把控员工的绩效问题，员工的考勤、工作时间、工作纪律等无法直观把控；员工的工作汇报、提交工作成果的形式也会随之变化。 · 员工沟通互动效率低传统的办公模式中，人们习惯于面对面沟通交流，而线上协同办公是利用各种软件隔着屏幕在线沟通，信息传递的方式发生变化，不如面对面更直接，有些员工沟通互动的意愿和效率会因此变低。 在企业解决以上难点的考量中，协同工具的选择变得尤为重要，一款合适的协同工具能够帮助企业提高办公效率、管理效率。 安全方面，UniPro从产品创立之初即强调用户信息安全，将缜密的安全保障思想融入代码，是国内协同工具中，为数不多获得ISO27001信息安全管理体系认证的产品之一。
1.1K10编辑于 2022-07-15 - 来自专栏Python、Flask、Django
ycyy 协同开发操作
1.1.1 创建账号 到 Github 注册 页面中注册用户，填写用户名、邮箱和密码 选择免费服务 步骤三可以跳过，也可以根据自身喜好勾选 1.1.2 创建远程仓库 1.1.3 Fork协同项目 点击我创建的仓库页面仓库地址右上角的 git commit -m "fix #issues_id 更新xxx" git push origin master （如果出现冲突：git push origin master -f 强制推） 5、
94820发布于 2018-07-17 - 来自专栏码的一手好代码
Hadoop协同框架-Flume
Flume 结构以及使用 Flume结构 Source : 用户配置采集数据的方式（Http、LocalFileSystem、Tcp） Channel ——中间件 Memory
58820发布于 2019-07-24 - 来自专栏2014前端笔记
协同编辑 - OT算法
对于在线文档的难点，大部分同学的第一反应都是协同编辑，如何解决多人协作的冲突的问题。 对于协同编辑场景，都要解决哪些问题呢？ 支持将多次操作合并成一次 对不同用户的多次操作进行合并，并返回相对应的opts，使不同用户的界面展示保持一致。 如果a是插入，b是删除，那么我们就将两个操作的相同长度进行合并，保留操作长度剩下的部分，继续遍历 5). 如果a是删除，b是保留，那么a'需要添加min(a, b)的长度，进入下一轮遍历 5). 如果a是保留，b是删除，和操作5一样。
2K11发布于 2020-12-29 - 来自专栏字根中文校对软件
协同推荐系统简介
所谓协同推荐，很显然弥补了单纯依赖关键词相关性的不足，把获取相关性数据的视角放大到数据从产生到消费的各个环节。 ； 这也就是大家所熟知的user-based 和item-based协同推荐。 根据实现机制物理载体划分，以上两类协同推荐系统可以分为：内存型 和 模式型的协同推荐。 我们在进行协同分析的时候，要考虑协同的意义。一般来说协同就是指多个用户或多个数据项的交叉作用。如果数据项较多的情况下，如何定义数据项的关系就是个重要问题了。 推荐阅读：协同过滤(Collaborative Filtering)
94141发布于 2019-02-14 - 来自专栏Corley的开发笔记
Python全栈（六）项目前导之5.使用GitHub进行多人协同开发
文章目录 一、rebase的使用 二、多人协同开发工作流 1.创建组织和项目 2.邀请成员 3.成员开发 4.代码审查（code review） 5.提测上线（预发布） 一、rebase的使用 rebase
53910发布于 2020-07-23 - 来自专栏全栈程序员必看
协同过滤算法
协同过滤算法 协同过滤（Collaborative Filtering）推荐算法是最经典、最常用的推荐算法。 至此，基于用户的协同过滤算法的推荐过程完成。 根据上面的问题， 下面手算一下： Aim: 猜测Alice对物品5的得分： 1. 这时候，如果要向Alice推荐2款产品的话， 我们就可以推荐物品1和物品5给Alice 至此， 基于用户的协同过滤算法原理介绍完毕。 **注意：基于用户协同过滤的完整代码参考源代码文件中的UserCF.py**
### 5. UserCF优缺点 User-based算法存在两个重大问题： 1. 数据稀疏性。 thumbnail) 如果想知道Alice对物品5打多少分， 基于物品的协同过滤算法会这么做： 1.1.4K20编辑于 2022-09-06 【端设备协同操作】
端设备协同操作的关键方法 设备发现与连接 采用多种无线通信技术实现智能设备间的自动发现与配对： 蓝牙技术（4.0及以上版本） 典型应用：智能手环、无线耳机等穿戴设备 技术特点：低功耗（BLE）、10 媒体流走UDP（端口范围50000-60000） 数据同步机制 分布式系统数据一致性解决方案： CRDT实现方案 类型：G-Counter（增长计数器） 节点A: +3 → 节点B: +2 → 最终值=5
19410编辑于 2025-12-18- 来自专栏学习与分享
协同过滤算法
协同过滤算法是一类常用于推荐系统的算法，它基于用户之间或物品之间的相似性进行推荐。主要分为两种类型：基于用户的协同过滤和基于物品的协同过滤。以下是对这两种协同过滤算法的详细讲解： 1. 基于用户的协同过滤 1.1 思想 基于用户的协同过滤是通过分析用户之间的相似性来进行推荐。 混合型协同过滤 为了克服基于用户和基于物品的协同过滤各自的缺点，也有一些算法将它们结合起来，形成混合型协同过滤算法。 (denominator + 1e-8) return predicted_ratings # 示例用户-物品矩阵 user_item_matrix = np.array([ [5, 3, 0, 1], [4, 0, 0, 1], [1, 1, 0, 5], [0, 0, 4, 4], [0, 1, 5, 0] ]) predicted_ratings
1.2K10编辑于 2024-02-20
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