- 综合排序
- 最热优先
- 最新优先
- 来自专栏编程一生
系统架构的11条原则
原则三：分治原则 解析： 做架构时不要想着一次性把所有的功能都做好，要拥抱 MVP（Minimal Viable Product），最小可运行版本。 如果不能降低人力成本，反而需要更多的人，那么这个架构设计一定是失败的。 稳定性原则 原则八：依赖最简 解释： 依赖原则是去除依赖、弱化依赖、控制依赖。多一个依赖多一分风险。 实在不能弱依赖的，比如必须要调用加密存储来获取数据库的密码，不然无法连接数据库，可以控制获取密码在服务启动时进行，如果获取不到则服务启动失败，因为现在都是集群部署，一台无法启动不影响整体提供服务。 如果一件事情有可能发生则在生产环境中一定会发生，架构中要做好容错设计。 原则十一：用成熟的技术 解析： 不要给别人的技术当小白鼠，不要因技术本身的问题影响系统的稳定。 在技术选型上，千万不要被——“你看某个公司也在用这个技术”，或是一些在论坛上看到的一些程序员吐槽技术的观点（没有任何的数据，只有自己的喜好）来决定自己的技术，还是看看主流大多数公司实际在用的技术栈，会更靠谱一些
69320编辑于 2022-05-06 - 来自专栏闲余说
架构设计 11-可扩展架构之微内核架构
导读：《架构设计》系列为极客时间李运华老师《从0开始学架构》课程笔记。本文为第十一部分。主要介绍了如何面向功能拆分架构，首先介绍了微内核架构的基本架构设计，以及几种常见架构的实现与特点。 核心系统提供插件注册表（可以是配置文件，也可以是代码，还可以是数据库），插件注册表含有每个插件模块的信息，包括它的名字、位置、加载时机（启动就加载，还是按需加载）等。 实现 插件管理 规则引擎中的规则就是微内核架构的插件，引擎就是微内核架构的内核。规则可以被引擎加载和执行。 规则引擎架构中，规则一般保存在规则库中，通常使用数据库来存储。 插件通信 规则引擎的规则之间进行通信的方式就是数据流和事件流，由于单个规则并不需要依赖其他规则，因此规则之间没有主动的通信，规则只需要输出数据或者事件，由引擎将数据或者事件传递到下一个规则。 那么这种微内核架构就比较合适，将核心的处理逻辑抽象出来，场景插件化，然后通过统一数据层将多端接入引入的协议差异打平，能够快速支持新端、新场景。
1.1K20编辑于 2022-08-19 - 来自专栏深度学习和计算机视觉
YOLOv11 架构改进 & 常见指令
在之前的 YOLO 版本基础上，YOLO11 在架构和训练上提供了显著的改进。在保持速度的同时提高性能的最重要的架构变化是增加了 C3K2 块、SPFF 模块和 C2PSA 块。 这种结构使得在复杂场景中更精确的检测成为可能，并提高了 YOLOv11 的准确性。 除了这些架构变化，YOLOv11 像 YOLOv8 一样具有多模型能力。 得益于其优化的架构和高效的处理能力，它可以部署在边缘设备、云平台和支持 NVIDIA GPU 的系统上。 由于这些优化和创新，YOLOv11 在实时应用中提供了性能提升。 随着模型设计的改进，YOLO11m 在使用比 YOLOv8m 少 22% 参数的情况下，在 COCO 数据集上实现了更高的平均精度均值（mAP），使其在不牺牲准确性的情况下具有计算效率。 它将验证数据从训练数据本身中分离出来，对于测试，你只需要提供你想要测试的图像的路径。
2.2K10编辑于 2024-10-30 - 来自专栏超级架构师
「数据架构」数据架构的未来
对数据架构师的业务理解已经变得越来越重要，Algmin说，现在它对数据架构师的成功至关重要。 在数据架构师的角色包含更多商业智慧的同时，挖掘和承担技术实现的愿望和能力仍然很重要。 数据架构的扩展作用是他继续看到的。 最近的数据体系结构的未觉察 阿尔格明接着研究了最近的预测，结果并没有如预期的那样： “数据仓库死了！ 数据架构与企业架构的融合 “数据架构师的热度指数正在上升，但企业架构热度指数非常非常冷，而且已经有一段时间了。” 数据架构的含义 数据架构创新在相关技术领域正经历着类似的模式，这些领域的用例潜力尚处于初级阶段，例如区块链和图形数据库，并且数据架构的角色正在发生变化以适应。 在地平线上：未来的热门数据架构主题 Algmin预测了ML和AI在元数据管理和数据治理中的扩展，比如区块链和分布式账本。“我们将开始看到，作为数据架构师，我们可以做一些真正阻碍我们的组织的事情。”
65920发布于 2020-07-20 - 来自专栏超级架构师
【PostgreSQL 架构】PostgreSQL 11和即时编译查询
此处使用的完整架构在tpch-schema.sql上可用，而索引在tpch-pkeys.sql和tpch-index.sql上。 这是一个简单的应用程序，可以自动在动态的AWS EC2基础架构中运行TPCH。 这个想法是，在创建几个配置文件后，可以在多个系统上并行驱动一个完整的基准测试，并在合并的数据库中检索结果以供以后分析。 /924 讨论:请加入知识星球或者微信圈子【首席架构师圈】 微信公众号如果喜欢仙翁的分享，请关注微信公众号【首席架构师智库】 仙翁小号如果想进一步讨论，请加仙翁小号【intelligenttimes】， 注明你希望加入的群：架构，云计算，大数据，数据科学，物联网，人工智能，安全，全栈开发，DevOps，数字化，产品转型。 微信圈子如果想和志趣相投的同好交流，请关注仙翁的微信圈子【首席架构师圈】。 如果想向大咖提问，近距离接触，或者获得私密分享，请加入知识星球【首席架构师圈】
2.3K20发布于 2020-07-20 - 来自专栏超级架构师
【数据架构】数据网格架构模式
但是，唉，没有单一的产品可以为您带来数据网格。相反，企业的数据网格由许多常用组件组成（请参阅下一节数据网格架构回顾）。 但成功的关键是了解这些组件如何相互作用。 在本文中，我将使用架构模式来描述这些交互。 数据网格架构回顾 企业数据网格由许多组件组成（更多详细信息可在此处、此处和此处获得）。 】公众号 【jiagoushipro】 【超级架构师】 精彩图文详解架构方法论，架构实践，技术原理，技术趋势。 QQ群 【792862318】深度交流企业架构，业务架构，应用架构，数据架构，技术架构，集成架构，安全架构。以及大数据，云计算，物联网，人工智能等各种新兴技术。 知识星球【职场和技术】微博【智能时刻】智能时刻哔哩哔哩【超级架构师】抖音【cea_cio】超级架构师快手【cea_cio_cto】超级架构师 小红书【cea_csa_cto】超级架构师 谢谢大家关注
78020编辑于 2022-04-06 - 来自专栏GreatSQL出品技术文章
11. MGR技术架构及数据同步、认证机制 | 深入浅出MGR
11. MGR技术架构及数据同步、认证机制 | 深入浅出MGR 1. MGR架构 2. 小结 参考资料、文档 深入浅出MGR专栏 免责声明 本文简单介绍下MGR的整体技术架构概况，事务同步过程，事务认证机制等关键知识点。 1. MGR架构 再来看一遍MGR的架构图： image.png 从上图可知，MGR工作时，主要涉及到以下三层： Server层：负责处理用户请求，接收用户事务，返回结果等。 在上面的架构图中，可以看到有以下几个模块： Capture，负责跟踪本节点的事务。 Applier，负责执行远程事务（在其他节点产生的事务）。 小结 本文介绍了MGR的整体技术架构概况，事务同步过程，事务认证机制等内容，使用MGR时需要注意的一些约束条件以及关键点。
82120编辑于 2022-05-23 - 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）
我们之前的方式每次设计一张表，表里设计了很多个参数，每次过业务方法其实都需要读一遍数据库，因为很慢后来换成了redis，但是更改了值后，需要删除redis内的内容。这种方法也不是最好的。
39320发布于 2019-03-08 - 来自专栏GreatSQL出品技术文章
11. MGR技术架构及数据同步、认证机制 | 深入浅出MGR
MGR架构 2. 事务数据同步、认证过程 2.1 事务处理合法性判断 2.2 事务消息中都包含哪些信息 2.3 事务认证流程几个关键点 2.4 事务认证数据库清理 3. 多数派原则 4. 小结 参考资料、文档 免责声明 加入团队 本文简单介绍下MGR的整体技术架构概况，事务同步过程，事务认证机制等关键知识点。 1. MGR架构 再来看一遍MGR的架构图： 从上图可知，MGR工作时，主要涉及到以下三层： Server层：负责处理用户请求，接收用户事务，返回结果等。 在上面的架构图中，可以看到有以下几个模块： Capture，负责跟踪本节点的事务。 Applier，负责执行远程事务（在其他节点产生的事务）。 小结 本文介绍了MGR的整体技术架构概况，事务同步过程，事务认证机制等内容，使用MGR时需要注意的一些约束条件以及关键点。
1.8K20编辑于 2023-02-24 - 来自专栏卯金刀GG
淘宝应对双11的技术架构分析
双“11”最热门的话题是TB ，最近正好和阿里的一个朋友聊淘宝的技术架构，发现很多有意思的地方，分享一下他们的解析资料： 淘宝海量数据产品技术架构 数据产品的一个最大特点是数据的非实时写入，正因为如此 图1 淘宝海量数据产品技术架构 按照数据的流向来划分，我们把淘宝数据产品的技术架构分为五层（如图1所示），分别是数据源、计算层、存储层、查询层和产品层。 位于架构顶端的是我们的数据来源层，这里有淘宝主站的用户、店铺、商品和交易等数据库，还有用户的浏览、搜索等行为日志等。这一系列的数据是数据产品最原始的生命力所在。 以上是淘宝海量数据产品在技术架构方面的一个概括性的介绍，接下来我将重点从四个方面阐述数据魔方设计上的特点。 所以说，一个良好的架构固然能够在很大程度上降低开发和维护的成本，但它自身一定是随着数据量和流量的变化而不断变化的。我相信，过不了几年，淘宝数据产品的技术架构一定会是另外的样子。
3.2K20发布于 2019-07-26 - 来自专栏张善友的专栏
.NET 11 Preview 2 架构演进、技术深度解析
硬件加速与基础类库（BCL）的深度优化 不断从现代 CPU 架构中压榨极致性能，并缩小应用程序的物理占用空间，是.NET 11 开发周期的另一大核心支柱。 对于 ARM64 架构，.NET 11 优化了 stackalloc 的内存清零机制，通过更高效地利用 STORE_BLK 指令，大幅减少了栈内存分配时的总指令数 6。 在数据序列化与压缩方面，.NET 11 同样带来了实质性的现代化升级。 虽然该特性原计划在较晚的预览版中推出，但社区代码库追踪显示，早期的 Unions 特性代码已被合并至.NET 11 Preview 3 的分支中，并在 Preview 2 发布期间引发了极其广泛的架构审视 TempData 作为一种在 MVC 和 Razor Pages 时代被广泛使用的数据结构，主要用于在跨越单个后续请求的生命周期内持久化临时数据。
40110编辑于 2026-03-14 - 来自专栏云计算linux
前端架构师之11_JavaScript事件
1.7K10编辑于 2024-12-13 - 来自专栏攻城狮Chovas
微服务架构Day11-SpringBoot之检索
ElasticSearch ElasticSearch是开源的全文搜索引擎,可以快速的存储,搜索,分析海量数据.SpringBoot通过整合Spring Data ElasticSearch提供检索功能支持 ElasticSearch是分布式搜索服务,提供RESTful API,底层基于Lucene,采用多shard(分片) 的方式保证数据安全,并且提供 自动resharding的功能 ElasticSearch
49820编辑于 2022-01-22 - 来自专栏java_python
java架构之路-（11）JVM的对象和堆
上次博客，我们说了jvm运行时的内存模型，堆，栈，程序计数器，元空间和本地方法栈。我们主要说了堆和栈，栈的流程大致也说了一遍，同时我们知道堆是用来存对象的，分别年轻代和老年代。但是具体的堆是怎么来存放对象的呢？什么时候可以将对象放置在老年代呢。下面我来看一下。
62340发布于 2019-09-18 - 来自专栏大魏分享（微信公众号：david-share）
实战：Bean的数据完整性验证方法| 从开发角度看应用架构11
二、Bean验证 Java应用程序将数据存储在Java对象中。这些Java对象通过网络，作为参数传递给方法，并存在于Java EE应用程序的不同层中。 为了保持数据完整性，数据验证是应用程序逻辑的主要要求。开发人员需要在应用程序的不同层中编写数据验证代码以进行数据验证，这容易出错并且非常耗时。 提供bean验证API规范是为了避免代码重复并简化数据验证。 Bean验证是一种通过使用可以应用预定义约束的内置和自定义注释来验证Java对象中的数据的模型。 在创建实体的实例时，如果呈现的数据不符合验证约束，在这种情况下，String的大小至少为四个字符，则返回错误。在将实体持久保存到数据库之前，应用程序服务器和验证器框架会自动检查约束。 ... 魏新宇 红帽资深解决方案架构师 专注开源云计算、容器及自动化运维在金融行业的推广 拥有MBA、ITIL V3、Cobit5、C-STAR、TOGAF9.1（鉴定级）等管理认证。
1.4K30发布于 2018-07-30 - 来自专栏DevOps
大数据架构：全网最全大数据架构生态
简介 随着大数据行业的发展，大数据生态圈中相关的技术也在一直迭代进步，作者有幸亲身经历了国内大数据行业从零到一的发展历程，通过本文希望能够帮助大家快速构建大数据生态圈完整知识体系。 目前大数据生态圈中的核心技术总结下来如图1所示，分为以下9类，下面分别介绍。 1、数据采集技术框架 数据采集也被称为数据同步。 随着互联网、移动互联网、物联网等技术的兴起，产生了海量数据。 这些数据散落在各个地方，我们需要将这些数据融合到一起，然后从这些海量数据中计算出一些有价值的内容。此时第一步需要做的是把数据采集过来。数据采集是大数据的基础，没有数据采集，何谈大数据！ （2）实时数据计算 业内最典型的实时数据计算场景是天猫“双十一”的数据大屏。 数据大屏中展现的成交总金额、订单总量等数据指标，都是实时计算出来的。 9、大数据集群安装管理框架 企业如果想从传统的数据处理转型到大数据处理，首先要做就是搭建一个稳定可靠的大数据平台。
1.6K10编辑于 2024-03-29 - 来自专栏程序那些事
架构之:数据流架构
在日常的工作中，我们会经常遇到这种数据处理的任务，那么对于这样的任务我们就可以采用数据流架构。 数据流架构 在实际工作中的流有很多种，最常见的就是I/O流，I / O缓冲区，管道等。 数据的流向可以是带有循环的拓扑图，没有循环的线性结构或者树形结构等。 数据流架构的主要目的是实现重用和方便的修改。 它适用于在顺序定义的输入和输出上进行一系列定义明确的独立数据转换或计算，例如编译器和业务数据处理应用程序。一般来说有三种基本的数据流结构。 顺序批处理 顺序批处理是最常见也是最基础的数据流架构。 这种架构的主要优点在于它的并发和增量执行。 这种模式下，最重要的组件就是过滤器，过滤器是独立的数据流转换器。它转换输入数据流的数据，对其进行处理，并将转换后的数据流写入管道以供下一个过滤器处理。 总结 上面我们介绍了几种数据流的架构方式，希望大家能够喜欢。
1K51发布于 2021-07-15 - 来自专栏Ryan Miao
现代企业架构框架-数据架构
应用架构：https://mp.weixin.qq.com/s/HGRcbtq9E4j8ZuSpw3LFrQ 数据架构描述的是企业经营过程中所需数据的结构及其管理方法，其目标是将业务需要转换为数据需求 值得一提的是，数据架构不等于数据中台，数据中台是一种企业架构设计的整体结果，包含了不同视角（业务、应用，数据、技术），而数据架构是数据视角。 5.1 数据架构元模型综述 数据架构的内容元模型包括“结构”、“端口”两个部分，如下图所示： 结构部分用来对数据模型、数据处理建模，其中包括数据对象、数据组件 端口部分用来对数据模型的边界建模，其中包括数据服务 5.2 数据架构元模型应用 5.2.1 平台化趋势对数据架构提出的新挑战 长久以来，业界对数据架构的通用做法是：对于运行类（Operational）场景和分析类（Analytical）场景， 应该使用不同的设计方法和技术支撑 运行类场景的数据架构设计，目前的关注点在于分 布式架构下，如何建立企业级一致的数据标准体系、 数据所有权定义以及数据自描述能力，为企业级的 数据治理以及对于分析类场景的支持奠定基础。
1K20编辑于 2022-09-23 - 来自专栏程序那些事
架构之:数据流架构
文章目录 简介 数据流架构 顺序批处理 管道和过滤器 流程控制 总结 简介 有时候我们的系统主要是对输入的数据进行处理和转换，这些处理和转换是互相独立的，在这种情况下，输入的数据经过转换之后被放到指定的输出中去 在日常的工作中，我们会经常遇到这种数据处理的任务，那么对于这样的任务我们就可以采用数据流架构。 数据流架构 在实际工作中的流有很多种，最常见的就是I/O流，I / O缓冲区，管道等。 数据的流向可以是带有循环的拓扑图，没有循环的线性结构或者树形结构等。 数据流架构的主要目的是实现重用和方便的修改。 它适用于在顺序定义的输入和输出上进行一系列定义明确的独立数据转换或计算，例如编译器和业务数据处理应用程序。 一般来说有三种基本的数据流结构。 顺序批处理 顺序批处理是最常见也是最基础的数据流架构。 总结 上面我们介绍了几种数据流的架构方式，希望大家能够喜欢。
1.2K20发布于 2021-06-18 - 来自专栏JavaEdge
Tomcat架构解析之2 connector BIOHTTP11ProtocolMapperCoyoteAdapter
它主要是接收，解析HTTP请求，然后调用本service下的相关Servlet Tomcat从架构上采用的是一个分层结构，因此根据解析过的HTTP请求，定位到相应的Servlet也是一个相对比较复杂的过程 整个Connector实现了从接收Socket到调用Servlet的全部过程 先看Connector的执行逻辑 接收socket 从socket获取数据包，并解析成HttpServletRequest 相对来说，Tomcat在处理静态页面方面一直有一些瓶颈，因此通常的服务架构都是前端类似Nginx的web服务器，后端挂上Tomcat作为应用服务器(当然还有些其他原因，例如负载均衡等) Tomcat在 协议实现默认支持BIO的 无论BIO/NIO都是实现一个org.apache.coyote.ProtocolHandler接口，因此如果需要定制，也必须实现这个接口 来看看默认状态下HTTP connector的架构及其消息流 ); connector的容器就是StandardEngine，代码的可读性很强，获取StandardEngine的pipeline，然后从第一个valve开始调用逻辑，相应的过程请参照tomcat架构分析
1K50发布于 2018-05-16
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