- 综合排序
- 最热优先
- 最新优先
- 来自专栏Windows技术交流
小文件多的业务场景，建议WinDefend排除业务路径对比
背景：有个证券客户POC，跟友商对比，业务队列积压、出结果有两三秒延迟 排除云硬盘、virtio驱动、pagefile、网卡receive buffer等方面后，看到业务小文件很多且defender在运行 ，就添加命令排除了下，然后复测正常 WinDefend排除业务路径，可参考https://cloud.tencent.com/developer/article/2195212 别看上面三两句简单简单就解决了 ； 2、用新代次机型搭配极速型云盘测试、用之前的增强型云盘扩容到460G确保吞吐上限增加到350MB/s再次测试，业务表现依旧；了解业务瞬时小文件非常多的特点后，发现WinDefend在后台比较活跃，怀疑其干扰业务执行 ，添加排除业务路径后，业务压测恢复正常。 ，比如母机、云盘等均已排除 2、禁用或卸载杀毒防护软件 包括第三方杀毒防护软件、操作系统自带的WinDefend、云平台的安全组件、各公司内部自研的安全软件等 3、autoruns查看开机运行的程序 4、
22410编辑于 2025-01-24 - 来自专栏滚雪球学Java
SpringBoot多租户架构，轻松驾驭复杂业务场景！🚀
、多业务的核心技术之一。 今天，我们就通过实际的代码示例和深入解析，带大家探索SpringBoot多租户架构的魅力！摘要 ✍️本文将详细解读SpringBoot多租户架构在复杂业务场景下的应用。 我们将主要通过表隔离的方式实现多租户架构，这种方式简单易行，适合大多数业务场景。核心源码解读 在SpringBoot实现多租户架构的核心是数据源配置和租户上下文的管理。 测试用例 我们使用main函数编写测试用例，通过模拟多租户的场景来验证代码的有效性。 掌握这一架构，能够帮助我们更好地满足业务需求、提升系统的复用性。希望本文能为您带来启发，帮助您在项目中应用多租户架构，提升系统的灵活性与扩展性。
98233编辑于 2024-11-24 - 来自专栏用户6296428的专栏
Kylin4 在有赞业务场景下的深度实践
作者：李闯、家龙、世鑫 部门：数据中台 一、Kylin4 在有赞现有业务场景的应用 早在 2018 年有赞引入 Kylin 到现在，有赞已经使用 Kylin 五年的时间了，作为 Kylin4 最早的一批使用用户 ，亲自参与见证了 Kylin4 的逐渐成熟，同时 Kylin4 在 2021 年在有赞正式落地，并且将所有的线上业务都迁移到了 Kylin4。 目前 Kylin 在有赞的应用几乎覆盖了有赞的所有的业务板块，Kylin 在有赞的多模块应用场景如下图： 重点的应用场景主要包括商家后台，客户增长分析等场景：下图为有赞商家后台功能，右侧是有赞商家后台 二、目前业务场景下存在的一些痛点 Kylin4是基于Spark构建的，相比之前版本在查询性能和稳定性方面都有了很大的提升。然而，在有赞的一些场景下，仍然存在一些稳定性问题。 3.2.4 Classloader 类加载优化 在有赞的业务场景下，发现在线上高并发场景下经常会出现毛刺以及查询积压的情况，特别是在周一和月初的一些高并发场景出现查询积压问题。
61430编辑于 2023-09-06 - 来自专栏DotNet程序园
多场景抢红包业务引发.NETCore下使用适配器模式实现业务接口分离
事情的起因 我们公司现有一块业务叫做抢红包，最初的想法只是实现了一个初代版本，就是给指定的好友单发红包，随着业务的发展，发红包和抢红包的场景也越来越多，目前主要应用的场景有：单聊发红包、群聊发红包、名片发红包 、直播场景中的主播发红包/观众给主播发红包/定时抢红包，接下来，如果出现其它产品的业务，也将大概率的出现抢红包的需求。 大同小异的抢红包业务 红包的场景无论怎么变化，其核心算法不变，这部分是可以抽象的内容，随着迭代发展，我们之前通常都是通过增加红包的类型（业务）来扩展，但是随着肉眼可见的发展，部分业务的改动如果需要对红包业务进行调整和优化对话 ，正好也是一个比较好的应用场景，我就简单实现一下他做的适配器模式，彻底的将各个红包业务类型分离，很好的实现了设计模式的开闭原则，加入某天某个场景的抢红包业务下线了，这种做法是非常有利于业务的扩展和维护。 result = rp.Put(model.Org_Id, model.Money, model.Count, model.Reason); return result; } 为了演示方便，我们构造4中不同的业务实体去调用发红包的接口
59520发布于 2019-09-19 - 来自专栏程序人生小记
多场景学习
1 背景大型推荐系统存在多场景，而多场景的训练数据存在分布差异。比如：不同媒体的用户存在差异，不同资源位的用户存在差异。 对于多场景建模，如果采用各场景独立的方式，会忽视场景共性，导致长尾小场景难以学好，同时每个场景维护一个模型极大地增加系统资源开销和人力成本；如果直接将样本混合，训练共享模型，整个模型会被数据丰富的场景主导 和多场景建模很相似的任务是多任务学习，但这二者关注点不同。多任务学习解决相同场景/分布下的不同任务，而多场景建模解决不同场景/分布下的相同任务。 例如：推荐场景下的多任务学习通常是单个样本对于 CTR，CVR 等目标同时预估，而多场景建模是对不同场景样本预估相同的 CTR 目标。直接采用多任务学习的方法解决多场景建模也会存在一些问题。? 元注意力模块位于较低位置以捕获不同的场景间相关性，元残差塔模块位于较高位置以增强捕获特定场景特征表征的能力，如图 4 所示。
1.8K30编辑于 2022-06-09 - 来自专栏PingCAP的专栏
TiDB 7.1 LTS 发版：为关键业务提供业务稳定性和多租户场景支持
TiDB 7.1 是 2023 年度发布的首个 LTS（Long Term Support） 版本，汇集了来自 20+ 个真实场景带来的功能增强，累计优化和修复 140+ 功能，旨在提升关键业务的稳定性和性能 已经过去了整半年，在这期间，我们对产品的关键能力做了大量的增强和优化，其中最重要的特性有： ● TiDB 7.0 提供了基于资源组的资源管控（Resource Control） ：这使得 TiDB 在针对多租户场景有了很好的应对 事实上，经常有用户希望借助 TiDB 的可伸缩特性将多套业务系统归一到一个集群中，从而使得集群管理、资源利用都能得到有效的改进。资源管控特性提供了对多租户的支持，并解决了不同租户间资源争抢的问题。 这半年中，TiDB 在一些关键场景的性能也得到长足提升： ● 数据导入 Lightning 性能提升近 30% ； ● 真实业务测试下，Analyze Table 性能提升 42%+ ； ● 标准测试 TiDB 7.1 为您带来： ● 更稳定地支持关键业务负载 ，为 DBA 提供多工作负载稳定性控制，并显著改善尾部延迟； ● 以更少的资源提供更佳的性能 ，通过架构增强实现更高的吞吐以及更快的在线 DDL
55410编辑于 2023-06-13 - 来自专栏MongoDB中文社区
MongoDB Aggregate 业务场景实战
实际在业务场景中，适当的运用聚合往往会带来事半功倍的效果。 通过三个基本对象我们可以衍生出很多聚合业务场景，基础架构图如下所示: ? 基础架构图 如上图所示，我们业务场景中经常会出现筛选数据的需求，如条件筛选和自定义字段查询等需求，根据特定的条件筛选出我们想要的数据。 针对不同的业务需求，我们一般会涉及到以下场景: 基础对象查询 表 join 查询 分类统计 嵌套对象排序 ... 说到了常⻅的应用场景，下面也介绍一下我们的系统业务数据模型: 机会数据模型 ? 4 优 化 1. 策略优化 将 $mat ch 和 $sort 放到管道的前面,可以给集合建立索引,来提高处理数据的效率。
2.5K40发布于 2018-12-27 选对热修复方案：掌握其在多业务场景中的关键优势
随着多平台产品矩阵普及与用户期望提升，行业需求由单一版本迭代转向全场景、全生命周期的动态化管理，Shiply的全场景解决方案承接这一转折，为下文深度解析奠定基调。 3.2版本更新滞后与多平台挑战多端构建差异与依赖管理复杂度让跨平台迭代成本高企，不同平台的工具链、API差异及系统版本碎片化增加了测试与维护难度。 RNFlutterKuikly动态加载支持支持支持支持跨端一致性低中高高热更新能力强强中强性能一般较好优优生态成熟度高高快速增长快速成长并可规模化商用（截至2026年行业评估）Shiply可整合多种框架优势，依据业务场景选择最佳组合 五、重点能力详解——应用热修复5.1适用场景Shiply安卓热修复方案适用于紧急Bug修复、线上容错提升、轻量版本升级等情境。在电商、社交、游戏等高可用场景中，可快速止血并维持业务连续性。 答：支持，Shiply提供全链路监控与多环节指标覆盖，可在发现问题后通过独立流程控制实现快速回滚，确保发布过程可观测与风险可控。
8510编辑于 2026-04-15复杂业务场景下多源信息处理与辅助决策机制实现
在业务逻辑复杂、信息来源多样的场景中，系统往往需要同时处理来自不同渠道的数据，并在此基础上形成可执行的判断结果。 当信息维度不断增加、数据结构差异较大时，如何对多源信息进行有效处理，并构建稳定的辅助决策机制，成为系统设计中的关键问题。 本文从工程实现角度，讨论复杂业务场景下多源信息处理与辅助决策机制的设计思路，重点关注数据结构、处理流程与工程约束。 一、多源信息处理的工程特点在复杂业务场景中，常见的信息特征包括： 数据来源多，结构差异明显 信息更新频率不一致 单一信息维度难以支撑完整判断 不同信息之间存在关联关系 这些特点决定了，多源信息处理不能依赖单一数据流 六、小结复杂业务场景下的多源信息处理与辅助决策，本质上是一个信息管理与规则分析相结合的工程问题。 通过统一接入、合理规则设计以及工程约束控制，可以在多源信息环境中构建稳定、可维护的辅助决策机制。
15810编辑于 2025-12-22- 来自专栏对线JAVA面试
策略模式-短信模板业务场景
短信模板是一个独立的服务，其他模块在调用短信发送接口时，需要指定短信模板code以及要对占位符进行替换的占位符参数；因为调用短信发送的业务场景比较多，如果某次调用传入的占位符替换参数与对应短信模板占位符不匹配 目前定下来的需求是短信模板与传入的占位符替换参数必须完全对应才能发送短信，最简单的方法就是在发送短信时加上判断，如果不满足条件则拒绝发送，但是考虑到后续的拓展性（例如按照业务场景设定不同的拒绝策略），这一个判断过程最好是使用策略模式实现 对于从事JAVA开发的CRUD工程师们而言，实际项目开发中更多都是写业务逻辑，算法可以泛化成各种不同的业务场景，在同一个业务场景里，根据条件的不同需要提供多种不同的业务处理逻辑，这些业务处理逻辑的增加或减少是客户端无需关注的 业务代码 本文主要是介绍策略模式，重点就只在于短信发送时拒绝策略逻辑的处理，不相关的代码就不介绍了。 if-else，使用设计模式能够使代码更易维护、更易拓展，并且代码的阅读性更强；虽然不使用设计模式照样能够实现业务，不过就是多套几层if-else而已，但是人活着总归要有点追求，只有做到不止于业务、不止于代码
2.2K10编辑于 2022-10-27 - 来自专栏QQ大数据团队的专栏
合合信息携手腾讯云升级智能决策平台，多业务场景查询效率提升45%
目前，新平台已稳定支撑每日百亿级数据的实时分析与读写任务，在具体应用场景中，数据查询效率提升45%，为合合信息在A/B测试、指标分析、智能报告等核心场景中提供了强劲的数据决策能力。 随着业务规模的持续扩张，合合信息内部积累了千亿级文件与PB级数据，对数据分析、实时洞察和自动化决策提出了更高要求。传统IDC架构在性能、扩展性和运维成本上的瓶颈，为业务创新带来了一定的阻碍。 得益于TCHouse-C的存算分离架构，合合信息在应对业务高峰时能自动扩展算力，在低负载时自动收缩资源，既保证了性能稳定，又避免了资源浪费。 新的系统让合合信息能够更快完成实验分析、业务归因与决策优化，真正实现了“以数据驱动增长”的业务模式。 在运营层面，腾讯云的智能化资源调度让平台扩缩容过程从以往的一周人工操作，缩短至约十分钟自动完成。 在大数据能力合作之外，合合信息还与腾讯云进行多项协同工作，加速智能化应用在产品与业务场景中的落地，为用户提供更高效、智能的服务体验。 Tencent BigDat
31310编辑于 2025-12-01 以深度场景适配推动业务增长：多模态增强检索生成应用解决方案
多模态增强检索生成应用解决方案聚焦上述社会需求，将大模型与企业业务流程相结合，让大模型从泛化通用转向垂直精耕，精准实现业务场景赋能。 方案概述多模态增强检索生成应用解决方案整合企业业务数据资源，以多种成熟开源大模型为基座，引接专项任务模型，从业务需求角度出发，针对特定类型视频、图像等模态，完成检测、跟踪、对象识别、场景识别、关键信息抽取等增量训练 ，由通过轻量化部署接入企业现有业务流程，使企业借助多模态语义知识库系统、跨模态解析等复合能力获取场景级解决方案。 理解方案所调用的大模型可借助独创的多模态理解算法，支持对空间关系、对象、场景及抽象概念建立更全面理解。可控所有内容均来自企业置信资源，根据业务场景对基础模型进行优化，降低训练成本和部署难度。 多模态增强检索生成应用解决方案从业务场景出发，通过模型选型、微调训练、功能部署等方式，让AI技术嵌入业务链条，实现了技术赋能到价值创造的跨越。
19510编辑于 2026-01-05同一业务场景下，只用 ChatGPT Agent 和多模型协同的实际差异
下面结合一个真实业务场景，说说我们在项目中看到的差异。 业务场景：企业内部智能工单系统这是一个并不复杂，但非常典型的场景： 用户提交文本工单 系统需要自动完成： 问题理解 分类与摘要 推荐处理方向 生成回复草稿（可选） 从直觉上看，这几乎是为 AI ，但在高频使用场景下，会不断放大。 关于多模型协同的落地方式在后续实践中，我们开始引入统一的模型接入与调度层，用来屏蔽不同模型之间的接口差异，并根据任务类型选择合适的模型能力。 这也是我们在实践中，逐步走向多模型协同的原因。
12210编辑于 2026-02-02- 来自专栏xiaosen
机器学习多场景实战
从智能推荐系统个性化推送你可能喜爱的电影和商品，到金融风控领域精准识别欺诈交易；每一个应用场景都是机器学习技术多维度、深层次实战的精彩演绎，我们通过一些小案例对业务进行了解~ 什么是数据指标 数据指标概念 数据指标的作用：当我们确定下来一套指标，就可以用指标来衡量业务，判断业务好坏 常用的业务指标 活跃用户指标 一个产品是否成功，如果只看一个指标，那么这个指标一定是活跃用户数 日活（DAU）：一天内日均活跃设备数 转化率：计算方法与具体业务场景有关 淘宝店铺，转化率=购买产品的人数／所有到达店铺的人数 在广告业务中，广告转化率=点击广告进入推广网站的人数／看到广告的人数。 根据目前的业务重点，找到北极星指标，在实际业务中，北极星指标一旦确定，可以像天空中的北极星一样，指引着全公司向着同一个方向努力。 当月与上月都有购买的用户数/上月购买的用户数 应用Pandas合并数据集 - 组合数据的一种方法是使用“连接”（concatenation) - 连接是指把某行或某列追加到数据中 - 数据被分成了多份可以使用连接把数据拼接起来
46910编辑于 2024-06-06 - 来自专栏IT码农
定义多场景的表单
定义多场景的表单 下面是一个带有添加/编辑的文章表单示例： namespace app\forms; use Yii; use app\models\Article; class ArticleForm return [ [['id', 'title', 'categoryId', 'content'], 'required'], ['title', 'string', 'length' => [4, ，edit方法是编辑文章咯，可是两个业务要验证的用户端输入参数都包含了title和content，所以要通过scenarios方法来声明两个场景要校验的属性名称 当执行validate的时候，底层会自动在 接收参数失败'; } if($form->edit()){ return '保存完毕'; }else{ return $form->firstError[0]; } } 如果表单定义了多场景 ，执行add或edit这些业务处理方法前（其实是validate被执行之前），一定要先设定scenario属性（属性值就是场景的标识） 最终其实就是为了告诉validate要对哪些属性进行validate
66341发布于 2019-09-02 - 来自专栏多学一点
redis 基础数据 sets 业务场景分析
redis 基础数据 sets 业务场景分析 针对常见的业务场景，只使用 redis 的 sets 命令来分析。 sets 介绍 sets 是唯一字符串的无序集合，集合不允许重复键数据。 业务场景分析 sinter、sinterstore 图如下： inter.png 作用：计算集合成员的交集。 运用：社交、推荐系统、分类系统 举例： 以我们熟悉的微信、QQ为例。 "group2" 2) "group4" 3) "group3" 4) "group1" 127.0.0.1:6379> sadd user2 group2 group3 group4 group5 ( integer) 4 127.0.0.1:6379> smembers user2 1) "group5" 2) "group2" 3) "group4" 4) "group3" 现在我们建立了两个用户 总结 本文章是 redis 应用第一篇，后续应该会基础所有基础的类型结构，针对其特点分析一下业务场景。
61220发布于 2020-11-28 - 来自专栏SAP供应链
SAP MM 进口采购业务中供应商多送或者少送场景的处理
SAP MM 进口采购业务中供应商多送或者少送场景的处理 进口采购业务实践中，会出现供应商多送或者少送的场景。比如采购订单100个，供应商送货过来105个或者97个。 那么问题来了，对于这种场景的收货，在SAP系统上该怎么做？ 对于此种场景，仓库部门收货的时候，一些企业的做法就是不管供应商多送还是少送了，都是按照采购订单上的数量来收，然后使用事务代码MIGO+701/702移动类型去做库存调整，后续的发票校验也是先按订单数量和价格来做
76030编辑于 2022-07-25 - 来自专栏网络爬虫
爬虫代理适合的业务和场景
爬虫代理是网络爬虫不可缺少的一部分，那爬虫代理适合什么业务或者什么场景呢？ 理服务器的作用便是协助互联网客户代理获得网络信息，就网络信息的转运站。 爬虫虫代理适合的业务类型：数据采集、seo优化、游戏注册、刷量、点击、投票等各种业务和场景 互联网许多情况下都可以应用到 代理ip ，非常是一些互联网营销有关的工作中，代理ip是十分必需的，挑选付钱的高品质代理
67000发布于 2020-10-16 - 来自专栏数据库相关
【业务场景】短信日志表的设计
uniq_1` (`message_id`,`task_id`,`phone_number`)) ENGINE=InnoDB AUTO_INCREMENT=8 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci;这里演示对表结构做了一些简化，实际上还应该有一些其它字段（例如发送失败的原因等）。 | 0 | || 3 | 1111 | 22222 | 13141516888 | 0 | || 4 但是默认情况下是逐条的UPDATE（即使使用 ON DUPLICATE KEY UPDATE），在高并发场景下仍然可能成为瓶颈。 2025-08-06 16:11:29 || 3 | 1111 | 22222 | 13141516888 | 1 | 2025-08-06 16:11:29 || 4
25410编辑于 2025-08-06 YashanDB多租户环境部署方案，满足多业务需求
在多业务环境下，充分利用数据库资源，降低企业的运营成本，提升数据访问性能，已然成为必然需求。 YashanDB作为一款高效、灵活的数据库解决方案，在多租户环境部署上展现出独特优势，满足多业务需求的同时，还能确保系统稳定运行。本文将对此进行深入分析。 在多租户环境中，可以根据业务需求选择不同的部署模式，从而实现资源的高效利用和灵活扩展。1. 单机部署单机部署适用于小型业务或初始阶段的企业，通过主备复制实现数据安全。 在多租户环境中，单机部署可以通过逻辑隔离来实现租户之间的安全访问。每个租户的数据被放置在不同的Schema内，从而实现逻辑上的分离。同时，单机的成本相对较低，适合需求不高的场景。2. 事务管理与一致性YashanDB实现了先进的多版本并发控制（MVCC），即使在高并发情况下，仍能保障数据的一致性和完整性，并通过灵活的事务模型支持复杂业务场景。
12900编辑于 2025-06-28
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