- 综合排序
- 最热优先
- 最新优先
- 来自专栏前端Q
大型 3D 互动项目开发和优化实践
第二个 3D 渲染层— 渲染层分为 3D 场景层和 HUD 层带来了一个问题，需要在 HUD 层上再渲染 3D 内容时，例如展示 3D 模型，则不得不再增加一层 3D渲染层。 而 3D 渲染层不停地在调用渲染方法，以响应用户操作和播放动画，这耗费了大量 CPU 和 GPU 的计算资源，还占用了存储模型顶点信息和贴图纹理的内存空间，因此在多个 3D 渲染层共存的情况下，需进行一定的管理以优化性能 我们采用以下策略管理多个 3D 渲染层： 在展示另外的 3D 渲染层时再实例化，并暂停原来 3D 渲染层的渲染 在不需要展示的时候销毁，恢复原 3D 渲染层的渲染方法调用 以尽量减少资源的占用，提高项目的渲染性能 以上两个策略都是现在较大型的 3D 游戏会使用的加载策略，能减少同一屏幕中绘制的面数量，减轻渲染压力。 为解决这个痛点，我们团队开发了一个 3D 场景的搭建工具，用户可通过上传 gltf 文件搭建 3D 场景，实时预览渲染效果。 并加入了在项目中沉淀的互动组件，快速生成 3D 场景项目。
1.3K20编辑于 2023-08-23 - 来自专栏王清培的专栏
大型直播平台应用架构浅谈
我们以一个普通的C端用户的视角，来看下这几个核心功能背后的大概应用架构。 观看直播 当我们进入直播间首先就是观看直播内容。 公有云厂商砸了巨额资金建设物理链路，作为应用型企业只需要使用云产品能力即可，一切即服务。 当我们愉快的看着直播时，会好奇这些直播内容源头在哪里，这些画面是如何被采集的，数据又如何传输的。 一般应用企业，做弹幕功能技术含量并不高，而且现在云厂商、开源sdk，稍微组合下架构基本就搭能起来。 反而是，安全、舆情管控才是最关键和重点投入的地方。 第一个重点是我们大多数比较熟悉的应用系统常规的抗高并发，这里包括一系列的中间件、DB、缓存、微服务套件等。
2K30编辑于 2022-03-14 - 来自专栏爬蜥的学习之旅
大型系统应用架构实践 - 路由服务
新注册用户首先归属默认机房，然后进行多机房探测，必要时进行增量更新，方案与存量更新一致 参考 《大型系统应用架构实践》
56320编辑于 2022-03-09 - 来自专栏媒矿工厂
CVPR 2024 | VastGaussian：用于大型场景重建的3D高斯
，难以扩展到大型场景。 为此，作者提出了 Vast-Gaussian ，一种基于 3D 高斯的大型场景重建和实时渲染的方法。 而现有基于3D高斯的方法由于训练内存大、优化时间长和外观变化剧烈，难以扩展到大型场景。 为解决 3D 高斯应用于大型场景的问题，作者提出了基于 3D Gaussian Splatting 的大型场景重建 (Vast 3D Gaussian)。 对几个大型场景的实验证实了该方法相对于基于 NeRF 的方法和原 3D Gaussian Splatting 方法的优越性。 方法 渐进式分区策略 图1.
2.6K10编辑于 2024-04-12 - 来自专栏Kirito的技术分享
应用JMH测试大型HashMap的性能
现在一般Java世界里面的主流Benchmark就是应用的JMH。 Scala这边，我们所熟悉的Ktoso大佬包了一个sbt-jmh插件，使得我们可以方便地利用SBT来运行JMH测试。
1.7K30发布于 2019-11-05 - 来自专栏架构师之旅
Mysql在大型网站的应用架构演变
常用的扩展手段有以下两种 Scale-up : 纵向扩展，通过替换为更好的机器和资源来实现伸缩，提升服务能力 Scale-out : 横向扩展, 通过加节点（机器）来实现伸缩，提升服务能力 对于互联网的高并发应用来说 架构的演变 V1.0 简单网站架构 一个简单的小型网站或者应用背后的架构可以非常简单, 数据存储只需要一个mysql instance就能满足数据读取和写入需求（这里忽略掉了数据备份的实例），处于这个时间段的网站 从此我们可以看出，事实上对于很多小公司小应用，这种架构已经足够满足他们的需求了，初期数据量的准确评估是杜绝过度设计很重要的一环，毕竟没有人愿意为不可能发生的事情而浪费自己的经历。 这里简单举个我的例子，对于用户信息这类表 （3个索引），16G内存能放下大概2000W行数据的索引，简单的读和写混合访问量3000/s左右没有问题，你的应用场景是否 V2.0 垂直拆分 一般当V1.0 主从架构 此类架构主要解决V2.0架构下的读问题，通过给Instance挂数据实时备份的思路来迁移读取的压力，在Mysql的场景下就是通过主从结构，主库抗写压力，通过从库来分担读压力，对于写少读多的应用
1.2K80发布于 2018-01-30 - 来自专栏斑斓
大型系统应用边界设计原则与实践
甲方客户作为一家大型央企，必然重视流程管理与合同履约，该交付项目规模庞大，属于甲方客户极为重视的战略项目，客户的IT部门必须重度参与到管理流程中，通过跟踪项目计划的制订与执行来跟踪进度。 因此，要与微服务的应用架构相对应，就应该建立如下所示的团队组织： 遵循前后端分离的原则，通常需要为前端和后端建立不同的团队。 应用边界设计原则 应用架构的边界受到业务边界、数据边界、团队边界、技术边界多个方面的影响，必须控制边界，否则会带来设计与开发的混乱，影响团队之间的协作。 应用边界设计原则 为了避免大量类似问题的重复出现，也为了减少不必要的工作纠纷，我根据微服务的设计原则与团队的组建原则，结合项目的实际情况，确定了如下应用边界设计原则。 开发团队在确定业务功能的应用边界时，应遵循以上原则，保证各个开发团队能够各司其职，以良好协作的方式完成业务功能的开发。
1.4K31编辑于 2023-03-23 - 来自专栏程序员成长指北
大型 web 应用公共组件架构思考
实际上，公共组件，例如，权限，分享，通知等功能，具备独立应用的功能，它们应该更像是一个可拔插的插件，品类不应该关心插件的内部细节，插件也不应该有权限影响和破坏外部主进程。 这种插件需要复杂的 UI 交互，我们可以通过 chrome 的 site-isolation 特性(参考第三方 web 应用进程隔离)，用不同域的域名动态创建 iframe，对应的 iframe 内容区域会和主进程进行隔离
1.5K20发布于 2020-10-10 - 来自专栏AustinDatabases
“偶遇” 爱可生 与 MYSQL 大型应用
今天“偶遇” 爱可生的技术人员，经过了两个小时的交流，又重塑的我对大型系统中对MYSQL 的应用， 这绝对不是广告，这绝对不是广告，这绝对不是广告，重要的还的说几遍。 问题是一个小体积的应用和一个大型金融机构使用 MYSQL 系统，就要有本质的区别。尤其到了银行级别的应用，各种使用的方式就有更多的发挥的地方和要求的地方。一个简单的MYSQL 就变得越发的不简单。 在技术交流过程中，关于高可用中的切换，对于大型系统的应用，需要做的更细，考虑的问题更多。数据强一致性，与脱离传统数据FAILOVER后的切换，都从更底层的MYSQL数据库系统信息的收集做起。 以前一直认为ORACLE TO MYSQL （不考虑开发的问题），虽然在系统额扩展性上MYSQL 是有优势的，但稳定性和大型系统的可靠性上，都是ORACLE 可以吐槽的。 MYSQL 至始至终都在用我很小，但我可以人多力量大的思路来将系统难题化解，配以开发的微服架构的流行，大型系统的拆分。配角变主角的逆袭，还能被阻挡？
2.7K30发布于 2019-06-21 - 来自专栏自动化、性能测试
FastAPI（40）- 大型应用程序的项目拆分
背景 假设要搭建一个测试平台，那么整个项目的 API 数量肯定很多个，他们不可能放在同一个文件中 FastAPI 提供了一个方便的工具来构建应用程序，同时保持所有的灵活性 项目架构 假设结构如下 . ├ ── items.py │ │ └── users.py │ └── internal │ ├── __init__.py │ └── admin.py main：应用程序的主入口 ，会添加所有子路由 dependencies：存放应用程序要用到的依赖项 routers：子路由，根据模块划分，比如 users 存放用户信息相关的路由，items 存放其他内容的路由 internal 127.0.0.1", port=8080, debug=True, reload=True) 重点 使用 app.include_router() 可以将每个 APIRouter 添加到主 FastAPI 应用程序中 ，它将包括来自该路由器的所有路由作为它的一部分 它实际上会在内部为 APIRouter 中声明的每个路径操作创建一个路径操作，因此，在幕后，它实际上会像所有东西都是同一个应用程序一样工作 使用 app.include_router
1.9K10发布于 2021-10-09 - 来自专栏liulun
大型Electron应用本地数据库技术选型
开发一个大型Electron的应用，或许需要在客户端存储大量的数据，比如聊天应用或邮件客户端 可选的客户端数据库方案看似很多，但一一对比下来，最优解只有一个 接下来我们就一起来经历一下这个技术选型的过程 PS： 如果你的应用操作的数据量不多， 你可以选择类似lowdb（https://github.com/typicode/lowdb）这样的工具， 在一定程度上环节这些困难 排除：LocalStorage 也没有关联查询、条件查询的机制 LocalStorage存储容量也很小，大概不会超过10M，它是以键值对形式保存数据的，同样也没有关联查询、条件查询的机制 SessionStorage最大的问题是，每次关闭应用程序 Electron工程下完成此对比，所以Js经Electron转到Node.js再转到SQLite的Node module最后才转到SQLite的C代码，这个过程可能是性能损耗的一大主要原因 最后： 综合对比下来，大型 Electron应用更推荐使用IndexedDB来存储业务数据 （由于有Dexie的加持，IndexedDB操作也足够简单，所有中小型应用也是不错的选择） 如果你需要加密客户端数据，SQLite还需要外套
7.6K40发布于 2020-06-09 - 来自专栏跨平台全栈俱乐部
如何优化你的超大型React应用
React为了大型应用而生，Electron和React-native赋予了它构建移动端跨平台App和桌面应用的能力，Taro则赋予了它一次编写，生成多种平台小程序和React-native应用的能力 原生浏览器环境中使用React框架，比较常见的是制作单页面SPA应用: 原生的SPA应用，分以下几种： 纯CSR渲染（客户端渲染） 纯SSR渲染（服务端渲染） 混合渲染（预渲染，webpack的插件预渲染 纯CSR的应用，如何精细化渲染呢？ 单页面采取CSR形式，大都依赖框架，Vue和React之类。 往往纯CSR的单页面应用一般不会太复杂，所以这里不引入PWA和web work等等，在后面复杂的跨平台应用中我会将那些技术一拥而上。 单一数据来源决定组件是否刷新是精细化最重要的方向。 构建Electron极度复杂，超大数据的应用。
2.6K50发布于 2019-08-02 - 来自专栏林德熙的博客
dotnet 为大型应用接入 ApplicationStartupManager 启动流程框架
对于大型的应用软件，特别是客户端应用软件，应用启动过程中，需要执行大量的逻辑，包括各个模块的初始化和注册等等逻辑。 大型应用软件的启动过程都是非常复杂的，而客户端应用软件是对应用的启动性能有所要求的，不同于服务端的应用软件。设想，用户双击了桌面图标，然而等待几分钟，应用才启动完毕，那用户下一步会不会就是点击卸载了。 为了权衡大型应用软件在启动过程，既需要执行复杂的启动逻辑，又需要关注启动性能，为此过程造一个框架是一个完全合理的事情。 当然，这是一个玩笑的话，本来的意思是，在 VisualStudio 应用启动的时候，应该充分压榨计算机的性能。刚好，我所在的团队也有很多个大型的应用，代码的 MergeRequest 数都破万的应用。 好在启动流程框架只有在大型项目或者预期能做到大型的项目才适用，相比于大型应用的其他逻辑，对接启动流程框架的代码量基本可以忽略。
50220编辑于 2022-08-12 - 来自专栏前端劝退师
ESLint 在中大型团队的应用实践
随着前端应用的大型化和复杂化，越来越多的前端工程师和团队开始重视 JavaScript 代码规范。 但对于数十人的大型前端团队来说，面向数百个前端工程，规模化地应用统一的 JavaScript 代码规范，问题就会变得较为复杂。如果直接利用现有的开源配置方案，可能会使工作事倍功半。 问题分析 规模化应用统一的 ESLint 代码规范，会涌现各类问题，根源在于大型团队和小团队（或独立开发者）的差异性： 技术层面上： 技术场景更加广泛：对于大型团队，其开发场景一般不会局限在传统 Web 如何降低应用成本？ 在工程数量增加、工程方案离散化的情况，降低方案的接入、升级和执行成本能节约大量的人力，同时也有利于方案落地推进。 如何及时了解规范应用状况和效果？ 具体的分析会在方案应用效果中一并进行介绍。
1.4K31发布于 2019-09-16 - 来自专栏跟着阿笨一起玩NET
数据库大型应用解决方案总结(转)
本人转载：http://www.cnblogs.com/ejiyuan/archive/2010/10/29/1796292.html 随着互联网应用的广泛普及，海量数据的存储和访问成为了系统设计的瓶颈问题 对于一个大型的互联网应用，每天百万级甚至上亿的PV无疑对数据库造成了相当高的负载。对于系统的稳定性和扩展性造成了极大的问题。 此种情况应用在对表结构进行调整或者批量更改数据的时候非常有用。 3、优缺点 (1) 扩展性强：当系统要更高数据库处理速度时，只要简单地增加数据库服务器就 可以得到扩展。 (4) 易用性：对应用来说完全透明，集群暴露出来的就是一个IP (1) 不能够按照Web服务器的处理能力分配负载。 (2) 负载均衡器(控制端)故障，会导致整个数据库系统瘫痪。 （横向拆分） 1，实现原理：使用垂直拆分，主要要看应用类型是否合适这种拆分方式，如系统可以分为，订单系统，商品管理系统，用户管理系统业务系统比较明的，垂直拆分能很好的起到分散数据库压力的作用。
70020发布于 2018-09-18 - 来自专栏MixLab科技+设计实验室
大型语言模型应用十大安全风险
40多页LLM应用的十大风险 这是一份关于LLM应用的十大风险（2025版），有一定的参考价值。 敏感信息泄露 描述：大型语言模型（LLM）及其应用可能在其输出中暴露敏感数据。 示例：由于数据清理不足，用户在与LLM互动时，可能会收到包含其他用户个人数据的响应。 示例：攻击者利用LLM应用开发中使用的易受攻击的Python库，可能导致系统受到威胁，例如攻击PyTorch依赖项注入恶意软件。 示例：一个拥有发送邮件功能（超出读取邮件所需功能）的LLM个人助理应用被欺骗，扫描用户收件箱中的敏感信息并转发给攻击者。 无限消耗 描述：大型语言模型（LLM）应用允许用户进行过度且不受控制的推理，导致拒绝服务、经济损失或模型窃取等风险。
19710编辑于 2026-03-24 - 来自专栏云开发
基于 CODING CD + Nocalhost 在大型应用的 ChatOps 实践
并不是所有的场景都需要 ChatOps，这里重点强调“复杂应用”，是因为应用复杂度提高后，会面临配置复杂、制品复杂、流程复杂的局面，因此需要 ChatOps 工具来降低开发测试过程中的部署难度。 而对于简单的应用，例如项目初始阶段的单体应用，则不必大费周折折腾复杂的工具流程，在 CI 中集成小部分自动更新测试环境的流程就很高效。 应用定义选型 在应用定义的选择上，经历了最初的 PaaS 平台自定义应用模型、代码仓库存储静态 Manifest 文件后，最终选择了 Helm 作为应用定义的工具，主要基于一下几个方面考虑： 部署方式简单 应用部署工具选型 在应用部署工具上选择使用了 CODING CD，主要基于以下的内容进行考虑： 应用定义及组件版本分离。 基于环境加载公共配置。 发布启动参数定制。 将 Helm chart 及容器镜像作为制品输入，通过制品绑定，将 Helm chart 版本与 image 版本进行分离，实现应用定义和应用组件版本的独立配置。
1.3K30编辑于 2023-03-30 - 来自专栏CODING DevOps
基于 CODING CD + Nocalhost 在大型应用的 ChatOps 实践
并不是所有的场景都需要 ChatOps，这里重点强调“复杂应用”，是因为应用复杂度提高后，会面临配置复杂、制品复杂、流程复杂的局面，因此需要 ChatOps 工具来降低开发测试过程中的部署难度。 而对于简单的应用，例如项目初始阶段的单体应用，则不必大费周折折腾复杂的工具流程，在 CI 中集成小部分自动更新测试环境的流程就很高效。 应用定义选型 在应用定义的选择上，经历了最初的 PaaS 平台自定义应用模型、代码仓库存储静态 Manifest 文件后，最终选择了 Helm 作为应用定义的工具，主要基于一下几个方面考虑： 部署方式简单 应用部署工具选型 在应用部署工具上选择上使用了 CODING CD，主要基于以下的内容进行考虑： 应用定义及组件版本分离。 基于环境加载公共配置。 发布启动参数定制。 将 Helm chart 及容器镜像作为制品输入，通过制品绑定，将 Helm chart 版本与 image 版本进行分离，实现应用定义和应用组件版本的独立配置。
1.9K271发布于 2021-08-19 【人工智能】在大型活动中的应用
目录关闭人工智能在娱乐大型活动中的应用引言智能票务与入场管理智能观众互动与个性化体验智能内容制作与创意表达智能安防与人群管理数据分析与决策支持智能物流与供应链管理环境监测与节能管理智能应急响应与突发事件管理未来展望结论人工智能在娱乐大型活动中的应用 本文将探讨AI在娱乐大型活动中的多方面应用，分析具体的案例，展示其在提升观众体验、优化运营流程和保障安全等方面的巨大潜力。2. 智能票务与入场管理2.1 动态定价与票务预测动态定价和票务预测是AI在娱乐大型活动中最为直接和明显的应用之一。 未来展望AI在娱乐大型活动中的应用前景广阔。随着技术的进一步发展，未来的娱乐活动将更加智能化、个性化和沉浸式。 结论人工智能在娱乐大型活动中的应用，不仅改变了观众的参与体验，也大幅提升了活动的管理效率和安全性。从票务管理到安防监控，从内容创作到环境节能，AI技术的多层次应用正在重塑娱乐活动的未来。
2.2K10编辑于 2024-09-22- 来自专栏Nodejs技术栈
如何用函数框架快速开发大型 Web 应用 | 实战
从前年开始，集团一共有约 2000+的 Node.js 应用，有非常多的中后台系统，大多日常CPU 低于 5%，甚至有 0.5%的，每个应用都会配多台机器，这给集团造成很大的资源浪费。 借用友商的一些图来表示，在社区上做得最多的有静态网站的托管，我会去 GDP 的 Epik High 以及把这些组合起来用来替代传统应用的这种全栈模型。 7. 阿里用来做什么？ ? 当前的应用上函数有两种，分别有不同的人在推进，直接把大应用迁移（老应用），或者直接重写（新应用），刚才嘉宾光毅介绍的是我们把整个原 egg 应用部署到函数体系中，而另一块，也是我们在主导的，使用一个复用大部分传统能力的新的框架来支持函数 Midway FaaS 体系结构 整个 Midway FaaS 体系包括三个部分，CLI 部分，本地多云开发，调试，以及社区的多平台发布，第二块是传统框架的能力，依赖注入，应用分环境配置，以及组件复用， 后面，我们也会考虑将单体应用和 FaaS 的互转，甚至是协同，在 IoC 体系是可以做到的。 另外，也会开始支持其他的平台，比如 aws，以及腾讯的 Component。
1.3K20发布于 2020-07-24
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