- 综合排序
- 最热优先
- 最新优先
- 来自专栏全栈程序员必看
细看11种Web应用场景
下面列出11种Web应用场景，在这些场景下可以充分的利用Redis的特性，大大提高效率。 1．在主页中显示最新的项目列表。 Redis使用的是常驻内存的缓存，速度非常快。 11．缓存。 Redis缓存使用的方式与memcache相同。 网络应用不能无休止地进行模型的战争，看看这些Redis的原语命令，尽管简单但功能强大，把它们加以组合，所能完成的就更无法想象。 下面是一篇新鲜出炉的文章，其作者是Redis作者@antirez，他描述了Redis比较适合的一些应用场景，NoSQLFan简单列举在这里，供大家一览： 1.取最新N个数据的操作 比如典型的取你网站的最新文章
81510编辑于 2022-07-07 【C++11 之右值和移动语义（本质+应用场景+代码）】
C++11 之 右值和移动语义 右值中比较重要的部分是两个：右值引用和移动语义 右值 右值很宽泛，简单理解就是 等号右边的值，也是那些用完之后不需要多余处理的对象，也是那些无法写到等号左边的对象； 具体 ：右值可以是字面量、临时对象或者是一个将要被销毁的对象； 使用场景 当传参的时候，某个参数只用一次，用完就扔，就可以使用右值； 具体：常量、move修饰的变量；（10、20、const a、move( b)） 右值引用 和右值引用通常一起讨论的是：左值引用（&）、常量引用（const &）、右值引用（&&）； 右值引用的本质是一种语法，就是上述的【&&+变量】语法； 使用场景 右值引用通常是搭配移动语义一起使用的 销毁了，表面上看来就是节省了开辟空间的资源），节省了资源；（为什么没有拿普通变量举例，因为普通变量赋值时就是两块空间） （当进行深拷贝时，确保原始的指针变量不再用了，就可以考虑使用移动语义） 使用场景 我直接 *a 赋值给 *b ，然后不用 *a，不久类似于已经是一个实现了移动语义后的场景？
15910编辑于 2026-01-23- 来自专栏IT架构圈
『互联网架构』软件架构-spring之AOP场景实战（11）
面试的时候，经常被面试官问到AOP在你的项目中用到了那些场景，我一般的回答是日志，权限，事务处理，方法的统计，性能的监控。其实权限和事务都是跟业务相关的，咱们一起来想想针对其他几个如何来设计。 是不是打印很多无用的日志，其实看日志就是看传递的参数有没有问题，也就是说有问题了才看日志，是不是可以这样理解其实百分之90以上的日志是无用日志，打印其实是无用的，我说的场景，其实如果是日志分析工作，可能所有的日志都有必要
41420发布于 2019-03-08 - 来自专栏VRPinea
《辐射4 VR》抢先看，11个最不容错过的场景
《辐射4》世界拥有宏大的历史背景，其宏大荒凉、怪物横行的、辐射四溢的游戏场景，受到很多“废土”游戏玩家的好评。 想必玩家们都等不及想要体验一把了，那就让小编先为你们介绍一下《辐射4 VR》世界里，11个最具特点、危机四伏却又充满惊喜的地点吧。 自由之地 ? 在适者生存的辐射世界里，战争对于每个人都是如此残酷。 饮胜酒吧是《辐射4 VR》复活节彩蛋系列中最受玩家欢迎的地点之一，是为了致敬著名的11季情景喜剧《饮胜酒吧》而造。毫无意外的，诺姆（剧中一个天天蹭酒不给钱的无业游民）仍旧整体坐在座位上喝霸王酒。 因为，这个建筑物里诡异的场景，将是玩家在整个游戏中最难忘的体验之一。工厂中的每个人都受到了泄露污染物的感染，导致他们发疯一样的互相攻击。 一句话总结：游戏中最恐怖的场景，没有之一。 看完这十一个游戏场景的介绍，是不是心痒痒，想要赶紧体验一把？那就等《辐射4 VR》上线之后，去这片荒土大陆好好探索一番吧。
1.6K70发布于 2018-05-17 - 来自专栏IT创事记
聚焦应用场景，联想ThinkPad L用11款配置细腻覆盖大客户
ThinkPad L系列产品品鉴会上，王立平宣布了一个新的计划，要让ThinkPad L系列占据中国商用大客户市场10%的市场份额——2018年，ThinkPad L系列向商用大客户市场发布了4款、共11 三个重要的趋势在这些沟通和调研中沉淀下来：不同类型客户对于屏幕尺寸的需求差异化显著；商用笔记本将从产品、行业划分转变为以场景划分；商用超轻薄笔记本增长迅速，成为市场的新亮点。 其中场景化区分在ThinkPad L系列上表现得非常惹眼，这一较行业区分更为细化的需求区分，直接表现在了4款产品的11个配置版本上——这在ThinkPad产品家族中，ThinkPad L系列的“颗粒度” 为1个用户群体提供共11个配置版本的产品设定，再辅以定制化等服务，这在商用PC的历史上并不多见——越复杂的产品区隔，意味着需要配置越庞大的售后服务体系支撑，这就包括了从最基础的备件库存，到高阶的快速技术响应 、呼叫中心、政务窗口、移动办公等典型应用场景下的个性化需求。
1K20编辑于 2022-06-16 - 来自专栏Zabbix中国官方
3个解决步骤，11个报错场景分析
普通情况： Value "9.41" of type "string" is not suitable for value type "Numeric (unsigned)“ 出现场景：所有监控类型 解决方法 or directory 案例： /usr/lib/Zabbix/externalscripts/listen_udp_port.sh: [2] No such file or directory 出现场景 出现场景：所有监控类型 解决方案： 非自定义监控项 官网确认当前版本key_值是否支持，确认agent版本，注意拼写错误。 出现场景： Zabbix原生监控项 解决方案： 官网确认该监控项的参数规范，确认server版本 错误案例： 比如 system.cpu.util[,idle]， 如果填system.cpu.util[ ：Vmware监控/ 解决方案：检查账号密码的正确性 11 No "%" processes started 案例： No "vmware collector" processes started 出现场景
10.6K31发布于 2021-02-03 .NET 11 中 Native AOT 在云原生场景下的深度剖析与实践
.NET 11 中 Native AOT 在云原生场景下的深度剖析与实践 前言 在云原生时代，应用程序的性能、资源利用率以及启动速度成为了关键考量因素。. 本文将深入探讨 Native AOT 在云原生场景下的底层原理、进行源码级解析，并通过可运行的完整代码示例展示其应用，同时对比传统方式的性能，分享生产级踩坑点与最佳实践。 总结 .NET 11 的 Native AOT 技术为云原生应用开发带来了显著的性能提升和资源优化。 通过深入理解其原理，进行实战应用，并注意避开常见的坑点，开发者可以充分发挥 Native AOT 在云原生场景下的优势。 标签 #.NET11 #NativeAOT #云原生 #ASP.NETCore #性能优化
10710编辑于 2026-06-16- 来自专栏算法之美
每日一问11-线程使用场景（Node.js，Redis ，Memcached）
问题：线程使用场景 这里Node.js，Redis ，Memcached 为例子 采用相同过得线程模型。 一句话描述:单线程循环处理业务,多线程并发IO读取。 让计算和io可以相互重叠。
80930发布于 2021-01-18 - 来自专栏实时计算
不仅仅是双11大屏—Flink应用场景介绍
双11大屏 每年天猫双十一购物节，都会有一块巨大的实时作战大屏，展现当前的销售情况。 这种炫酷的页面背后，其实有着非常强大的技术支撑，而这种场景其实就是实时报表分析。 在当代数据量激增的时代，各种业务场景都有大量的业务数据产生，对于这些不断产生的数据应该如何进行有效的处理，成为当下大多数公司所面临的问题。 应用场景 在实际生产过程中，大量的数据不断的产生，例如金融交易数据、互联网订单数据、GPS定位数据、传感器信号、移动终端产生的数据、通信信号数据等，以及我们熟悉的网络流量监控，服务器产生的日志数据，这些数据最大的共同点就是实时从不同的数据源中产生 针对这些数据类型主要包括实时智能推荐，复杂事件处理，实施欺诈检测，实时数仓，与ETL类型、流数据分析类型、实时报表类型等实施业务场景，而Flink对于这些类型的场景都有着非常好的支持。 流式计算技术将数据分析场景实时化，帮助企业做到实时化分析Web应用或者App应用的各项指标，包括App版本分布情况，Crash检测和分布等，同时提供多维度用户行为分析支持日志自主分析，助力开发者实现基于大数据技术的精细化运营
7.3K21发布于 2020-02-11 - 来自专栏深度学习与python
落地百余场景、扛过双11，蚂蚁TuGraph流式图计算引擎正式开源！
流图计算领域“出走半生，归来仍是素人”，到底是技术要求太高还是场景需求不大？AIGC 的兴起对该领域的未来发展又会带来哪些影响？ 开源地址：https://github.com/TuGraph-family/tugraph-analytics 3 扛过双 11 大考，落地百余场景，TuGraph-Analytics 筹划已久 2018 年的双 11，流图计算做到了在大促极端流量高峰情况下，动态识别超过六度关系链（隐蔽性强）的异常资金风险，这一风控能力在当时的业界非常领先。 “那时，我们从 6、7 月份就开始和业务同学一起闭关筹备双 11，内部做了几轮流量压测，包括极端情况下的解决方案全部讨论完毕才确定推到双 11。” 注：蚂蚁图计算平台 TuGraph 已达世界领先水平 不难看出，开源并非一时兴起，而是基于丰富的技术积累和场景磨练。
3.3K40编辑于 2023-08-09 - 来自专栏杨建荣的学习笔记
海量数据切分抽取的实践场景(r11笔记第43天)
整个过程其实涉及到一些技术细节，还是需要大家多加揣摩，掌握好了之后，在数据迁移的场景中就能够大展拳脚。 我也给自己的公众号设置了一个简单的封面，看起来还行吧。纯手工PS抠图补字完成。
98660发布于 2018-03-21 - 来自专栏网络之路
11、如何规划、部署AC AP融入进网络（3）：两个实际场景案例
我们前面两篇讲解了各种规划、部署的，比如数据采用什么方式转发、AC是旁挂还是直连、然后交换机对接AP、以及AC的口采用access还是Trunk的方式，这次我们就来举例几个常见经典场景，整体的讲解下。 经典场景一：AC设备充当路由器、三层、无线三合一 适用场景：小微场景/小企业/无线为主的场景 限制：适合10~100以下的终端数场景，外网必须是固定IP或者是DHCP方式上网，不支持PPPOE拨号 规划 实战练习 1、能够独立完成AC只做一个管理地址，猫作为网关的场景（猫可以用路由器代替） 2、能够独立完成AC与猫单独VLAN对接，下接傻瓜交换机都在一个VLAN网段对接，完成上网（猫可以用路由器代替） 3、在2的基础上面，完成有线跟无线的网段区分，采用学到的知识点（猫可以用路由器代替） 经典场景二：已有有线网络，如何融入进无线网 可以从配置得知，目前整个网络情况 防火墙负责上外网，核心交换机负责内网两个部门的接入互访跟防火墙对接
1.2K10编辑于 2024-11-27 - 来自专栏Alter聊科技
讯飞输入法第11次作答：效率升维、场景细分、个性满足
撰文 / 张贺飞 编辑 / 沈洁 作为最早的“装机必备”产品，讯飞输入法已经上线11周年。 语音输入作为最典型的AI技术落地应用，最大的挑战非复杂场景莫属，因为用户的输入场景不可能是装有隔音墙的录音室，无处不在的噪声、混响直接影响着语音识别的准确率，进而左右用户的输入体验。 02 细分，瞄准场景化的需求 和技术创新同步进行的，是用户习惯的不断改变。 2010年的时候，智能手机的权重远不如PC，可到了2021年，购物、游戏、娱乐等高频场景都集中在手机上，用户时长动辄在五六个小时以上，输入法也有了新的挑战：要解决的不仅仅是输入的速度，也要满足不同场景下的效率 讯飞输入法在11.0版本中进一步明确了和用户的触点，针对用户在不同场景下的个性化需求，瞄准用户在细分场景下的输入效率，让输入法的价值不再停留在工具层面，化身用户个性化表达的“AI助手”。
95220编辑于 2023-01-13 查询提速11倍、资源节省70%，Apache Doris 在网易日志和时序场景的实践
，相较于 Elasticsearch，Apache Doris 查询速度至少提升 11 倍，存储资源的节省高达 70%。 本文将聚焦于 Apache Doris 在网易日志和时序类场景中的落地，分别介绍 Apache Doris 在网易灵犀办公、网易云信业务中的架构升级实践，并结合实际场景分享建表、导入、查询等方面的调优方案 查询提速 11 倍：新架构以更低的 CPU 资源消耗带来了数十倍的查询效率提升。 在更低的资源占用下，Doris 的查询效率至少是 Elasticsearch 的 11 倍。 同时，查询响应也得到了显著的提升，相较于 Elasticsearch ，查询效率至少提升了 11 倍。此外，Doris 具备更高的压缩比，存储资源相较之前可节约 70%。
1.4K10编辑于 2024-05-06- 来自专栏Java后端技术栈
Java多线程编程-（11）-面试常客ThreadLocal出现OOM内存溢出的场景和原理分析
1、首先看一下代码，模拟了一个线程数为500的线程池，所有线程共享一个ThreadLocal变量，每一个线程执行的时候插入一个大的List集合：
1.6K20发布于 2018-08-09 11领域398万实例实测：告诉你的场景该用哪个版本？
这篇来自国内科研团队的论文搞了个大事情——把YOLOv5到v11所有版本在医疗、农业等不同场景下测了个遍。 一、前期准备为了打破“COCO数据集霸权”，论文团队构建了ODverse33基准测试，覆盖自动驾驶、农业、水下、医疗、游戏、工业、航空、野生动物、零售、微观、安全的11个真实场景，其中包括398万个实例 共7个版本，就整体排名而言YOLOv11夺冠，但优势有限。 YOLOv5（老将依旧能打，v11来了也不虚）自动驾驶/农业无人机：YOLOv11（复杂环境抗干扰能力拉满）三、为什么新版未必更强？ 四、模型选择三定律基于论文结论，团队提出可落地的选型策略，直击开发者三大痛点：场景优先，版本次之：明确业务核心需求：小目标检测（选v9）？密集遮挡（选v8）？实时性（选v11）？
1.5K10编辑于 2025-04-21- 来自专栏三流程序员的挣扎
2022-11-11-工作
昨天的控件点击时通过外面，加个 listener。然后如果外部设定当前选中位置，也要刷新一下页面，所以刷新逻辑放到设置 textSelectedIndex 中去。
32230编辑于 2022-11-13 - 来自专栏翎野君
场景
根据使用场景分析，用户收藏属于频繁操作的场景，需要频繁的读和写数据库。 按照上面的表结构设计，单表存储上亿条记录，且面临着大量的读写操作。 要解决上面的这个问题，思考进行数据库分表。 分表 场景 数据库一般采用Master-Slave复制模式的MySQL架构，只能够对数据库的读进行扩展，而对数据库的写入操作还是集中在Master上，并且单个Master挂载的Slave也不可能无限制多 如果出现这种情况的话，我们需要进行数据迁移，假如原有 扩容前/表序号 0 1 2 uid 0 1 2 uid 3 4 5 uid 6 7 8 uid 9 10 11 扩容后/表序号 0 1 2 3 4 5 uid 0 1 2 3 4 5 uid 6 7 8 9 10 11 即：3、4、5、9、10、11六个数字迁移到新的表当中去。 场景分析 用户触发收藏操作不是高并发行为，暂时不考虑分库。
41110编辑于 2023-05-12 - 来自专栏授客的专栏
loadrunner 场景设计-目标场景设计
场景设计-目标场景设计 by:授客 A. 概述 Goals Types for Goal-Oriented Scenarios 在以目标为向导的场景中，定义你想实现的测试目标，lr基于这些目标为你自动创建场景。 ? ? 运行这类goal-oriented场景和运行一个手工场景类似。 d) 为场景定义目标 在场景目标Scenario Goal界面上,点击Edit Scenario Goal按钮，在打开对话框中定义场景应该达到的目标。 ? ? 在时间间隔内或者整个场景运行期间测量场景目标。 当你稍后用HPLoadrunner Analysis分析工具分析运行，这些数据在SLAs下进行比较，并且SAL状态将作为定义的测量
1.2K10发布于 2019-09-12 - 来自专栏PaddlePaddle
【场景文字识别】场景文字识别
STR任务简介 许多场景图像中包含着丰富的文本信息，对理解图像信息有着重要作用，能够极大地帮助人们认知和理解场景图像的内容。 场景图像文字识别技术的发展也促进了一些新型应用的产生，如通过自动识别路牌中的文字帮助街景应用获取更加准确的地址信息等。 本例将演示如何用 PaddlePaddle 完成 场景文字识别 (STR, Scene Text Recognition) 。 任务如下图所示，给定一张场景图片，STR 需要从中识别出对应的文字"keep"。 ? 图 1. 输入数据示例 "keep" |2. www.robots.ox.ac.uk/~vgg/data/scenetext/） ICDAR 2003 Robust Reading Competitions （http://www.iapr-tc11
30.2K70发布于 2018-04-02
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