- 综合排序
- 最热优先
- 最新优先
@Async异步失效的9种场景
void async(String value) { log.info("async:" + value); }}这个问题还是比较有意思的，今天这篇文章总结了@Async注解失效的9种场景 9 Spring无法扫描异步类我们在Spring项目中可以使用@ComponentScan注解指定项目中扫描的包路径，例如：@ComponentScan({"com.susan.demo.service1
2.2K20编辑于 2024-05-09@Async异步失效的9种场景
9 Spring无法扫描异步类我们在Spring项目中可以使用@ComponentScan注解指定项目中扫描的包路径，例如：less复制代码@ComponentScan({"com.susan.demo.service1
67510编辑于 2024-05-28- 来自专栏EdisonTalk
MongoDB入门实战教程（9）
name:'jarry',age:26}] }] ) -- 创建多键索引 db.classes.createIndex({"students.age":1}) 地理位置索引 物联网场景下的监控数据存储是 MongoDB的一大重要应用场景之一，因此也就催生了一种独特的索引类型：地理位置索引。 本系列教程目录： MongoDB入门实战教程（1） MongoDB入门实战教程（2） MongoDB入门实战教程（3） MongoDB入门实战教程（4） MongoDB入门实战教程（5） MongoDB 入门实战教程（6） MongoDB入门实战教程（7） MongoDB入门实战教程（8） 参考资料 唐建法，《MongoDB高手课》（极客时间） 郭远威，《MongoDB实战指南》（图书） 作者：周旭龙
2K30发布于 2021-07-01 - 来自专栏龙台的技术笔记
聊聊动态线程池的9个场景
在 高并发以及大批量 的任务处理场景，线程池的使用是必不可少的。 如果有在项目中实际使用线程池，相信你可能会遇到以下痛点： 线程池随便定义，线程资源过多，造成服务器高负载。 什么场景适合用 hippo4j 1. 线程池随意定义，造成服务器高负载 在系统开发的过程中，因为涉及到多人协作，难免会出现信息不互通的情况。在同一个系统，对于线程池来说，常见的是线程池随意定义。 9. 动态线程池对性能有无影响 这可能是很多开发者担心的一个点，在这里统一回复下。 hippo4j 仅对线程池做部分核心功能增强，没有修改任务执行源代码流程，可以保证绝对的安全。
95220编辑于 2022-08-29 - 来自专栏MongoDB中文社区
MongoDB Aggregate 业务场景实战
同样的，MongoDB 2.2版本也新增了聚合管道功能，虽然功能发布已久，但是社区的复杂场景的实践并不多，给大家造成了聚合管道“不好用”的错觉。 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 ?
2.5K40发布于 2018-12-27 - 来自专栏机器学习
AIGC 办公场景实战教程
这里有几个适用于 办公场景 的 AIGC 练习项目，适合普通程序员掌握 AIGC 相关技术，并快速提升办公效率。1. AI 助理：智能邮件回复生成技术点：GPT（文本生成）、OpenAI API、Streamlit 适用场景：自动生成邮件回复，提高工作效率。 AI 会议纪要自动整理技术点：Whisper（语音识别）、GPT（摘要生成）、Python 适用场景：将会议录音自动转换为文本，并生成会议摘要。 AI 文档整理与智能搜索技术点：GPT、FAISS（向量检索）、LangChain 适用场景：自动整理公司文档，并支持智能搜索。 总结这些 AIGC 练习项目都能 直接应用到办公场景，帮助程序员掌握 AI 生成技术并提升效率：项目主要技术适用场景进阶方向AI 邮件助手GPT + Streamlit生成邮件回复语音输入、自动发送邮件
87000编辑于 2025-03-25 - 来自专栏Python3爬虫100例教程
⛳️ 易 实战场景 车
@ 目录 ⛳️ 易 实战场景 车 ⛳️ 易 实战编码 车 ⛳️ 易 实战场景 车 本次字体反爬案例对应的是【易车】点评频道，该站点使用了字体反爬技术，并且是中文字符反爬，可以重点研究下。 ⛳️ 易 实战编码 车 有了多篇字体反爬的经验，我们很容易发现本次的目标站点使用了固定的字体文件，名称为 yc-ft.woff，其中包含了 473 个特殊汉字。
52820编辑于 2022-06-12 - 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 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。
46610编辑于 2024-06-06 - 来自专栏xingoo, 一个梦想做发明家的程序员
【Spring实战】—— 9 AOP环绕通知
假如有这么一个场景，需要统计某个方法执行的时间，如何做呢？ 典型的会想到在方法执行前记录时间，方法执行后再次记录，得出运行的时间。
73550发布于 2018-01-18 - 来自专栏前端食堂
文件下载，搞懂这9种场景就够了
一般在我们工作中，主要会涉及到 9 种文件下载的场景，每一种场景背后都使用不同的技术，其中也有很多细节需要我们额外注意。今天阿宝哥就来带大家总结一下这 9 种场景，让大家能够轻松地应对各种下载场景。 在浏览器端文件下载的场景中，比如我们今天要讲到的 a 标签下载、showSaveFilePicker API 下载、Zip 下载 等场景中，都会使用到 Blob ，所以我们有必要在学习具体应用前，先掌握它的相关知识 ：big-file https://github.com/semlinker/file-download-demos/tree/main/big-file 十一、总结 本文阿宝哥详细介绍了文件下载的 9 种场景，希望阅读完本文后，你对 9 种场景背后使用的技术有一定的了解。 有了文件下载的场景，怎么能缺少文件上传的场景呢？如果你还没阅读过 文件上传，搞懂这 8 种场景就够了 这篇文章，建议你有空的时候，可以一起了解一下。
3.9K10发布于 2021-08-20 - 来自专栏Python3爬虫100例教程
⛳️ Python 爬虫实战场景，人
⛳️ Python 爬虫实战场景，人 本次要采集的站点是 double 人车，目标站点如下所示： www.renrenche.com/cn/dazhong/? ⛳️ 实战编码，人 随机下载一个字体文件到本地，然后打开之后，查看编码，使用的工具是 FontCreator，打开之后，可以看到索引和文字的对应关系如下。
55650编辑于 2022-05-18 - 来自专栏高级开发进阶
【Zookeeper典型使用场景实战】
Zookeeper典型使用场景实战 Zookeeper分布式锁实战 Zookeeper 分布式锁加锁原理 如上实现方式在并发问题比较严重的情况下，性能会下降的比较厉害，主要原因是，所有的连接都在对同一个节点进行监听 举个例子 1、读写并发不一致 2、双写不一致情况 Zookeeper 共享锁实现原理 注册中心实战 注册中心场景分析： 在分布式服务体系结构比较简单的场景下，我们的服务可能是这样的 现在 Order-Service 需要调用外部服务的 User-Service ,对于外部的服务依赖，我们直接配置在我们的服务配置文件中,在服务调用关系比较简单的场景，是完全OK的。 当然我们可以再前面加一个服务代理，比如nginx做反向代理， 如下: 如果我们是如下场景呢？ Spring Cloud 生态也提供了Zookeeper注册中心的实现，这个项目叫 Spring Cloud Zookeeper 下面我们来进行实战。
35320编辑于 2022-09-29 oodAgent 场景引擎 招聘系统实战
一、为什么选择场景开发？构建一个招聘管理系统，传统方式需要10-15周，而使用场景技能开发，只需1周内即可完成。 让我们看看两者的对比：❌ 传统开发需求分析2-3周系统设计2-3周编码开发4-6周测试上线2-3周总计10-15周✅ 场景开发场景定义1-2天技能组装2-3天配置调试1-2天上线运行1天总计1周内二、场景技能是什么 场景技能（Scene Skill）是 Ooder SceneEngine 的核心概念，它将业务场景封装为可复用的能力单元： 场景技能 = 业务场景 + 能力集合 + 知识库 + 智能决策业务场景：招聘、 DECISION决策规则意图路由、能力选择TRANSFORM转换规则数据格式化、字段映射VALIDATION验证规则参数校验、权限检查ROUTING路由规则多分支决策FALLBACK降级规则异常处理四、实战 ⚠️ LLM使用策略优先规则：简单场景优先使用规则引擎LLM增强：复杂场景使用LLM增强体验降级保障：始终配置离线降级方案成本控制：缓存常用结果，减少LLM调用 安全注意事项规则沙箱：限制危险操作，如exit
18010编辑于 2026-03-07- 来自专栏前端精读评论
可视化搭建 - 场景实战
接下来用实战来说明该可视化搭建框架是否好用，以下几条原则需要始终贯穿在下面每个实战场景中： 复杂的业务场景，背后使用的框架 API 是简单的。 底层 API 并不为业务场景特殊编写，而是具有很强的抽象性，很容易挖掘出其他业务场景的用法。 所有场景都是基于有限的几条基础规则实现，即背后实现的复杂度不随着业务场景复杂度提升而提升。 实现任意协议 我们也许为了进一步抽象，或对指定业务场景降低配置门槛，在组件树拓展一些额外的 json 结构协议做一些特定功能。 总结 本文我们总结了三个场景实战： 利用 treeLike 结构在组件内渲染任意数量的子组件实例，如 tabs 或富文本。 利用组件联动的 API，实现筛选、联动以及上卷下钻。 讨论地址是：精读《可视化搭建 - 场景实战》· Issue #485 · dt-fe/weekly
42360编辑于 2023-09-01 - 来自专栏高级开发进阶
【Zookeeper典型使用场景实战】
Zookeeper典型使用场景实战 Zookeeper分布式锁实战 Zookeeper 分布式锁加锁原理 如上实现方式在并发问题比较严重的情况下，性能会下降的比较厉害，主要原因是，所有的连接都在对同一个节点进行监听 举个例子 1、读写并发不一致 2、双写不一致情况 Zookeeper 共享锁实现原理 注册中心实战 注册中心场景分析： 在分布式服务体系结构比较简单的场景下，我们的服务可能是这样的 现在 Order-Service 需要调用外部服务的 User-Service ,对于外部的服务依赖，我们直接配置在我们的服务配置文件中,在服务调用关系比较简单的场景，是完全OK的。 当然我们可以再前面加一个服务代理，比如nginx做反向代理， 如下: 如果我们是如下场景呢？ Spring Cloud 生态也提供了Zookeeper注册中心的实现，这个项目叫 Spring Cloud Zookeeper 下面我们来进行实战。
43280编辑于 2022-03-07 - 来自专栏老司机的技术博客
docker实战(9)docker快速安装hbase
下载镜像 docker pull harisekhon/hbase 运行容器 docker run -ti harisekhon/hbase当你执行成功之后直接进入hbase shell，慢慢享用吧 使用hbase 退出容器后，下次再进入可以使用 docker exec -ti hbase1 /hbase/bin/hbase shell 创建表,第一个参数是表名，第二个参数是列簇名 create 'table1' , 'cf1' 1）查看有哪些表 hbase(main)> list 2）创建表 # 语法
1.3K70发布于 2018-04-16 - 来自专栏远哥制造
基于 AlmaLinux 9 部署 GitLab Runner 实战
前言本文是一个系列，本篇为系列文章的第五篇：基于 AlmaLinux 9 部署 GitLab Runner 实战第一篇：基于 AlmaLinux 9 安装 GitLab 社区版实战第二篇：基于 AlmaLinux 9 配置 GitLab 社区版实战第三篇：基于 AlmaLinux 9 备份 GitLab 社区版实战第四篇：记一次跨 6 个大版本通宵升级 17 次 GitLab 社区版的经历本文仍基于在腾讯云购买的轻量机 cn-tx-bj7-a9 上安装，AlmaLinux 9.4 版本，配置为 4C4G60G上一篇文章记一次跨 6 个大版本通宵升级 17 次 GitLab 社区版的经历中介绍了一次公司内部使用的 GitLab PEP8跑构建：生成镜像用的是 docker build跑质检：查看代码质量报告用的是 SonarQube实测一台机子上安装一个 Runner 就可以了，因为它可以启动多个进程，跑多个任务也因为有些特殊场景 script.rpm.sh[root@cn-tx-bj7-a9 ~]# sh script.rpm.shDetected operating system as almalinux/9.Checking
43910编辑于 2024-11-08 - 来自专栏vivo互联网技术
密集计算场景下的 JNI 实战
在笔者经过艰难的踩坑之后，终于将 JNI 运用到了项目实战，本文笔者将简单介绍 JNI 技术，并介绍简单的原理和性能分析。通过分享我们的实践过程，带各位读者体验 JNI 技术的应用。 或许还有别的场景，可以使用到 JNI，可以看到 JNI 技术有着非常好的应用潜力。 三、JNI 实战：探究踩坑的全过程 我们的业务中存在一个计算密集型场景，需要从本地加载数据文件进行模型推理。 3.1 场景准备 实战就不从 Hello world 开始了，我们直接敲定场景，思考该让 C++ 实现哪部分逻辑。 当然，这个建议只适用于需要 lib 执行时将部分数据缓存在内存中的场景，只使用 native 方法进行计算，无需考虑这种情况。 resources # 存放 lib 的资源目录 -/test --/java ----ModelComputerTest.java # 测试类 pom.xml # maven pom 3.3 实战过程
89820编辑于 2022-08-23 - 来自专栏Python3爬虫100例教程
⛳️ 黄页 字体反爬 实战场景
目录 ⛳️ 黄页 字体反爬 实战场景 ⛳️ 实战编码 ⛳️ 黄页 字体反爬 实战场景 本次采集的目标站点为 https://huangye88.com ，首页截图如下所示。 ⛳️ 实战编码 通过开发者工具可以找到字体文件在网页源码中，所以我们编写一下相关提取代码。
90520编辑于 2022-08-30 - 来自专栏AILearning
【机器学习实战】第9章 树回归
第9章 树回归 <script type="text/javascript" src="http://cdn.mathjax.org/mathjax/latest/MathJax.js? 树回归 <em>场景</em> 我们在第 8 章中介绍了线性回归的一些强大的方法，但这些方法创建的模型需要拟合所有的样本点（局部加权线性回归除外）。 ops) return retTree 完整代码地址: https://github.com/apachecn/MachineLearning/blob/master/src/python/<em>9</em>. 我们看一下图 <em>9</em>-4 中的数据，如果使用两条直线拟合是否比使用一组常数来建模好呢？答案显而易见。可以设计两条分别从 0.00.3、从 0.31.0 的直线，于是就可以得到两个线性模型。 其中一个能同时支持数据呈现和用户交互的方式就是构建一个图形用户界面(GUI，Graphical User Interface)，如图<em>9</em>-7所示。
1.5K51发布于 2018-01-05
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