- 综合排序
- 最热优先
- 最新优先
- 来自专栏瞎说开发那些事
搭建数据追踪系统
环境说明 操作系统：CentOS 7.2 64位 1Zipkin简介 zipkin是一款开源的分布式实时数据追踪系统（Distributed Tracking System），基于 Google Dapper 其主要功能是聚集来自各个异构系统的实时监控数据。 服务可用性 通过分析各个环节的平均时延，QPS等信息，可以找到系统的薄弱环节，对一些模块做调整，例如数据冗余、链路可用等。 3安装JDK 安装数据追踪软件Zipkin所需要的JDK环境 执行以下命令安装JDK yum install java-1.8.0-openjdk* -y 安装完成之后，检查是否安装成功 java -version }); 启动服务 node app.js 8部署完成 查看采集到的追踪数据 使用浏览器访问 http://IP:9411，即可看到刚才访问产生的追踪数据。
1.6K40发布于 2018-06-19 yolov11+deepsort+pyqt5实现目标追踪
【算法介绍】 YOLOv11、DeepSORT和PyQt5的组合为实现高效目标追踪提供了一个强大的解决方案。 YOLOv11是YOLO系列的最新版本，它在保持高检测速度的同时，通过改进网络结构、优化损失函数等方式，提高了检测精度，能够同时处理多个尺度的目标，并有效应对复杂场景中的遮挡、形变等问题。 在目标追踪任务中，PyQt5可用于构建用户交互界面，展示实时视频流、检测结果和追踪轨迹等信息。 将这三者整合起来，可以构建一个功能强大的目标追踪系统。 首先，使用YOLOv11对视频流进行实时目标检测，获取每一帧中的目标边界框信息。然后，利用DeepSORT算法将这些边界框关联起来，形成目标的运动轨迹。 【效果展示】 【测试环境】 anaconda3+python3.8 torch==1.9.0 numpy==1.24.4 ultralytics==8.3.3 【视频演示】 yolo11+deepsort
87510编辑于 2025-07-22yolov11+bytetrack+pyqt5实现目标追踪
【算法介绍】 YOLOv11、ByteTrack和PyQt5的组合为实现高效目标追踪提供了一个强大的解决方案。 YOLOv11是YOLO系列的最新版本，它在保持高检测速度的同时，通过改进网络结构、优化损失函数等方式，提高了检测精度，能够同时处理多个尺度的目标，并有效应对复杂场景中的遮挡、形变等问题。 首先，使用YOLOv11对视频流进行实时目标检测，获取每一帧中的目标边界框信息。然后，利用ByteTrack算法将这些边界框关联起来，形成目标的运动轨迹。 【视频演示】 yolo11+bytetrack+pyqt5实现目标追踪结果演示_哔哩哔哩_bilibili【测试环境】anaconda3+python3.8torch==1.9.0numpy==1.24.4ultralytics ar, 视频播放量 1、弹幕量 0、点赞数 0、投硬币枚数 0、收藏人数 0、转发人数 0, 视频作者 未来自主研究中心, 作者简介 未来自主研究中心，相关视频：C++使用纯opencv部署yolov11
91210编辑于 2025-07-2211款最佳习惯追踪养成式祝你实现目标
数据跟踪与分析：详细记录用户的习惯养成数据，如每天的完成情况、坚持天数等，并通过图表等形式直观展示。用户可以通过分析这些数据，了解自己的习惯养成趋势，发现自己的优点和不足，从而有针对性地进行调整。 三、习惯追踪工具在学习习惯养成中的重要性（一）明确学习进度习惯追踪工具可以详细记录学习任务的完成情况，如每天阅读的页数、做练习题的数量等。 例如，一个学生使用习惯追踪软件记录每天背诵单词的数量，一段时间后发现自己的单词量稳步上升，这会增强他的学习信心。（二）发现学习问题通过对学习习惯数据的分析，学生可以发现自己在学习过程中存在的问题。 比如，如果发现自己做数学题总是出错，通过查看习惯追踪记录，可能会发现是因为做题时间不够、知识点掌握不牢等原因。及时发现问题才能有针对性地调整学习方法，提高学习效率。 （三）培养自律能力学习习惯的养成需要自律，而习惯追踪工具可以起到监督和激励的作用。当学生看到自己每天坚持学习任务并记录下来时，会有一种成就感，从而更有动力坚持下去。
2K10编辑于 2025-06-26基于易语言实现yolov11+bytetrack目标追踪演示
测试环境： 易语言5.7.3 opencv4.7.0 源码： .版本 2 .支持库 spec .程序集 窗口程序集_启动窗口 .程序集变量 YOLO11, YOLO11推理器 .程序集变量 json, ＝ YOLO11.加载模型_从文件 (“yolo11n.onnx”, 假) 调试输出 (“加载结果” ＋ 到文本 (加载状态)) 文本 ＝ 到文本 (读入文件 (“classes.txt”)) 类别名数组 图片字节集 ＝ 指针到字节集 (图像指针, 图像大小) ' 画板1.底图 ＝ 图片字节集 ' 调试输出 (“开始推理”) 推理结果 ＝ YOLO11 ＝ FIRC_获取图像 () 图像大小 ＝ FIRC_获取图像大小 () 图片字节集 ＝ 指针到字节集 (图像指针, 图像大小) 推理结果 ＝ YOLO11 释放资源 () .子程序 _按钮6_被单击 .局部变量 推理结果, 文本型 .局部变量 图片字节集, 字节集 图片字节集 ＝ 读入文件 (“E:\person2.jpg”) 推理结果 ＝ YOLO11
73310编辑于 2025-07-22- 来自专栏娜姐聊前端
VUE2.0如何追踪数据变化？
我们知道Vue.js和angular(特指vue 2.0和angular 1)，都实现了数据双向绑定。而为了支持双向绑定，就必须时刻追踪数据变化并及时响应到UI上，反之亦然。 Vue采用更加优雅的方式来解决：数据劫持+发布订阅者模式。 1. 数据劫持 Vue通过Object.defineProperty()设置对象的存储器属性，即set和get。 这样可以拦截数据，做一些额外的事情。比如设置/更新时，添加对该属性感兴趣的订阅者；读取属性时，通知关系该属性的订阅者更新数据。 2. Watcher：某个属性数据的监听者/订阅者，一旦数据有变化，它会通知指令(directive)重新编译模板并渲染UI。 ()的存储性属性set和get实现了数据劫持，并采用发布-订阅者设计模式，利用一系列watcher对象监听数据变化并通知DOM更新。
1.7K20编辑于 2022-05-13 - 来自专栏cwl_Java
数据库PostrageSQL-动态追踪
动态追踪 PostgreSQL提供了功能来支持数据库服务器的动态追踪。这样就允许在代码中的特 定点上调用外部工具来追踪执行过程。 一些探针或追踪点已经被插入在源代码中。 这些探针的目的是被数据库开发者和管理员使用。默认情况下，探针不被编译到PostgreSQL中；用户需要显式地告诉配置脚本使得探针可用。 下面是插入新探针的步骤： 决定探针名称以及探针可用的数据 把该探针定义加入到src/backend/utils/probes.d 如果pg_trace.h还不存在于包含该探针点的模块中，包括它，并且在源代码中期望的位置插入 ，有一些事情需要注意： 要小心的是，为探针参数指定的数据类型要匹配宏中使用的变量的数据类型，否则会发生编译错误。 在大多数平台上，如果用–enable-dtrace编译了PostgreSQL，无论何时当控制经过一个追踪宏时，都会评估该宏的参数，即使没有进行追踪也会这样做。
1.4K30发布于 2021-01-04 - 来自专栏猿天地
Spring Cloud Sleuth Zipkin 展示追踪数据
上篇文章我们介绍了Spring Cloud Sleuth 链路追踪, 可以在输出的log中增加唯一请求的标识以及spanid, 然后可以采用ELK来对数据做集中管理，但是无法提供直观的调用链的展示，本章将介绍使用 ZipKin来对数据进行展示。 首先我们需要创建一个ZipKin的项目，集成ZipKin的ui用于数据的展示和收集, pom.xml配置如下： <dependency> <groupId>io.zipkin.java</groupId zipkin-autoconfigure-ui</artifactId> </dependency> 创建启动类 /** * ZipKin Server * * @author yinjihuan * @create 2017-11 -28 11:18 **/ @SpringBootApplication @EnableZipkinServer public class ZipKinServerApplication {
1.2K90发布于 2018-04-03 - 来自专栏深度学习和计算机视觉
使用YOLO11和霍夫变换追踪站台黄线穿越者
这篇文章，咱们分三步走： 第一步：聊聊怎么用YOLO11来检测和跟踪站台上的行人。 第二步：看看怎么用Hough变换和OpenCV技术找出站台边的黄线，并找到它的方程。 使用YOLO11检测和跟踪行人 目标检测模型，就是帮我们找出图像或视频里的对象在哪儿，是啥。结果就是一堆框框，把检测到的对象框起来，还标上类别和置信度。 YOLO11有五个预训练模型，专门干这个的。下面的脚本，咱们就用最小的那个yolo11n.pt，来识别图像里的人，给他们画框。用ultralytics库的plot()函数，直接在图像上画框，特别方便。 YOLO11就有一套预训练模型，专门干这个的。这些模型会输出一系列关键点，代表图像里人的关键部位。每个人身上，YOLO11能找到17个关键点。下面的脚本，我展示了怎么在图像里提取这些关键点。 YOLO11有五个预训练的姿态估计模型。这次，因为有些人可能离相机比较远，我用了更强的模型yolo11m-pose.pt。用这些关键点，我们还能画个框，把人框起来。
1.1K10编辑于 2024-12-06 - 来自专栏互联网-小阿宇
CentOS搭建基于ZIPKIN的数据追踪系统
参考：腾讯云手动实验https://cloud.tencent.com/developer/labs/lab/10195 ZipKin入门介绍 Zipkin是一款开源的分布式实时数据追踪系统（Distributed ，这些工具完成了追踪数据的生成与上报功能，架构如下： Zipkin Server主要包括四个模块： （1）Collector 接收或收集各应用传输的数据 （2）Storage 存储接受或收集过来的数据 （3）API（Query） 负责查询Storage中存储的数据，提供简单的JSON API获取数据，主要提供给web UI使用 （4）Web 提供简单的web界面 服务追踪流程如下： ┌──────── ──────────────────────────────┘ Instrumented client和server是分别使用了ZipKin Client的服务，Zipkin Client会根据配置将追踪数据发送到 ZipKin几个概念 在追踪日志中，有几个基本概念spanId、traceId、parentId traceId：用来确定一个追踪链的16字符长度的字符串，在某个追踪链中保持不变。
62720编辑于 2022-11-21 疫情追踪技术解析与数据科学应用
疫情追踪的数据科学基础卡内基梅隆大学统计学与机器学习副教授、某机构学者Ryan Tibshirani是Delphi研究组的联合首席研究员。 该团队于2020年3月启动了COVIDcast项目——美国最大的新冠肺炎活动实时指标数据库，包含多维度地理细粒度数据。技术架构与数据管道疫情爆发前团队专注于季节性流感预测。 疫情后转向新冠肺炎研究，核心工作是构建和维护COVIDcast的完整数据管道：整合多元实时数据源（部分数据源依赖团队开发才得以公开）开发即时预测(nowcasting)和 Forecasting 模型数据被公共卫生官员 、政府机构及金融机构常态化使用机器学习与公共卫生协作团队与某公共卫生中心合作开发集合模型(ensemble model)，整合COVID预测中心提交的多源数据。 技术实践表明：疫情数据分辨率远超传统流感数据数据治理存在重大挑战与机遇并存计算科学家在疫情防控中扮演关键角色流行病预测的未来发展全球对疫情追踪的关注度空前提升，未来重点包括：建立永久性流行病应对基础设施将流行病预测打造为与天气预报同等重要的公共服务扩展技术应用范围至其他快速传播的流行病领域
32410编辑于 2025-09-05- 来自专栏开源项目
【码云周刊第 11 期】追踪代码大仓库？ Git 的拿手好戏！
1、Git 如何处理大仓库 Git 是追踪代码库演进的最佳选择，并且它能让你与你的同事间高效协作。 当你想要追踪的库非常巨大时会发生什么？如何来恰当地处理不同种类的大仓库？ 2、如果只有一个月的时间学 iOS 开发，我们该做些什么？ 非常推荐 Android 开发者学习开发 iOS 应用。 /duanqimiao/biji 6、项目名称：基于 libevent 的高性能网络服务器 项目简介：evpp 是一个基于 libevent 开发的现代化 C++11 高性能网络服务器，自带 TCP/UDP 特性： 现代版的C++11接口 非阻塞异步接口都是C++11的functional/bind形式的回调仿函数（不是libevent中的C风格的函数指针） 非阻塞纯异步多线程TCP服务器/客户端 非阻塞纯异步多线程 通过分布式爬虫进行数据抓取，构建了响应式的数据清洗和行情推送引擎。搭建了支持多语言的开放式回测框架，并构建了交互可视化的客户端和网站。
1.7K90发布于 2018-03-29 使用yolov11的onnx模型结合opencv和bytetrack实现目标追踪
/ByteTrack 【算法介绍】 Yolov11与ByTetrack：目标追踪的强大组合 Yolov11和ByTetrack是两种在目标追踪领域具有显著影响力的技术。 当它们结合使用时，可以显著提高目标追踪的准确性和实时性。 Yolov11是Yolov系列算法的最新版本，它在目标检测方面具有出色的性能。 相较于之前的版本，Yolov11在精度和速度上都进行了优化，使其成为实时目标检测的理想选择。通过结合ByTetrack，Yolov11可以更有效地应用于目标追踪任务。 这种结合方式既发挥了Yolov11的高检测精度，又利用了ByTetrack的高追踪精度，使得整体目标追踪效果显著提升。 综上所述，Yolov11与ByTetrack的结合为解决复杂场景下的目标追踪问题提供了新的解决方案。随着人工智能技术的不断进步，这种结合方式有望成为目标追踪领域的研究热点和发展趋势。
85310编辑于 2025-07-22- 来自专栏玩转全栈
Java 数据追踪神器 FlowTracker， 轻松掌握 Java 数据流动
调试 Java 代码时，数据的流动路径让你头疼不已。尤其是当代码复杂时，变量从一个函数传递到另一个，数据从一个对象变换到另一个，追踪这些变化就像是在迷宫中找出口。 今天我要给你介绍一个神器——FlowTracker，它能够帮你轻松追踪 Java 程序中的数据流动，就像为你的代码加上了 GPS 导航。1. FlowTracker 到底是什么？ 简单来说，FlowTracker 是一个工具，专门用来追踪 Java 程序中数据的流动。它能告诉你某个变量从哪里来，又流向了哪里。 而 FlowTracker 提供了自动化的解决方案，你无需手动插入断点或者大量的 System.out.println，它直接帮你追踪数据流。 • 定制化追踪：你可以定制追踪条件，只追踪特定的函数或类中的数据流动，这样能够避免不必要的干扰，专注于你关心的部分。• 历史记录：FlowTracker 可以记录你每次追踪的结果，方便后续回溯查看。
97810编辑于 2024-09-14 11数据库
//设置数据库名称 DB.open(); QSqlTableModel *tabModel=new QSqlTableModel(this,DB);//数据模型 tabModel->setTable ("employee"); //设置数据表 tabModel->setEditStrategy(QSqlTableModel::OnManualSubmit);//数据保存方式 tabModel->setSort /排序 tabModel->setHeaderData(tabModel->fieldIndex("empNo"),Qt::Horizontal,"工号");//只是设置表头为工号 //创建界面组件与数据模型的字段之间的数据映射 QDataWidgetMapper* dataMapper=new QDataWidgetMapper(); //数据映射 dataMapper->setModel(tabModel);//设置数据模型 3列的关联数据 p1：关联哪个表 p2:外键 p3:显示关联表中的那个列
25010编辑于 2026-06-17- 来自专栏CodeSheep的技术分享
利用Zipkin追踪Mysql数据库调用链
本文将讲述如何利用Zipkin对Mysql数据库的调用进行追踪，这里同样借助OpenZipkin库Brave来完成。 ? 本文将讲述如何利用Zipkin对Mysql数据库的调用进行追踪，这里同样借助OpenZipkin库Brave来完成。 ---- 扩展ZipkinTool组件 ZipkinTool是在《微服务调用链追踪中心搭建》一文中编写的与Zipkin通信的工具组件，利用其追踪微服务调用链的，现在我们想追踪Mysql数据库调用链的话， ：《微服务调用链追踪中心搭建》，我们改造一下文中的ServiceC这个微服务，在其中添加与Mysql数据库的交互。 ---- Zipkin追踪数据库调用实际实验 浏览器输入：http://localhost:9411/zipkin/ 打开Zipkin Web UI，点击服务名下拉列表能看见已经成功识别了Mysql数据库调用服务
2.7K120发布于 2018-05-22 - 来自专栏邮件营销
邮件营销需要追踪的5类关键数据
不过，如果你只是认为邮件发送出去，任务就结束了，那邮件的效果可能达不到你预期的结果，需要你对Email反馈数据进行追踪，并及时改进，才能让营销效果最大化。 本文讲解了弹回率、未弹回率、打开率、点击率、转化率等需要追踪的数据，需要的朋友可以参考下： 1. 请注意：没有任何链接或图片的纯文本邮件是不可追踪的。 2. 弹回率（Bounce Rate） 弹回率是被弹回E-mail数目占发送总数的百分比。 ： 第一步：计算点击链接的目标受众人数，一个订阅者可以进行多个点击，计算时不可重复 第二步：用点击链接的目标受众人数处以送达总数，算出Email的点击率，转化为百分比 在E-mail中点击一个链接会在追踪中显示为一个打开 大多数邮件追踪报告显示了每个人的点击总数，也显示了哪些链接被点击。 上面所介绍的数据都是非常直观、从系统报表中能够清晰获得的数据，而一个邮件营销活动是否成功，仅仅关注这些数据还是不够的。
4.9K00发布于 2019-01-24 - 来自专栏云深之无迹
眼动追踪中的坐标+追踪原理
目前的追踪方案都是基于CV的，使用红外灯光打亮眼底，使用高帧率的相机来捕获光源在角膜上面的位置。 开源眼动pupil 开源眼动追踪：GazeTracking（上：效果） 开源眼动追踪：GazeTracking（下：实现） 眼动书籍免费看！ EyeLoop基于Python的眼动仪（超棒） 开源眼动 所有注视数据都映射到与活动显示区域对齐的 2D 坐标系中。将眼动仪与监视器一起使用时，活动显示区域是不包括监视器框架的显示区域。 主动显示坐标系 (ADCS) 大多数描述 3D 空间坐标的数据，来自 Tobii 的基于屏幕的眼动仪，都在所谓的用户坐标系或简称 UCS 中给出。 在眼动追踪会话期间记录瞳孔大小的变化。瞳孔直径数据分别为左眼和右眼提供，是对瞳孔大小的估计，以毫米为单位。 眼睛张开度定义为上下眼睑之间可以安装的最大球体的直径（以毫米为单位）。
3.1K50编辑于 2022-11-29 利用YashanDB实现企业级LINEAGE数据追踪
数据追踪（LINEAGE）的实施，对于确保数据管理的透明度、可追溯性和合规性具有重要作用。 YashanDB作为一款高性能的数据库解决方案，提供了强大的数据存储和管理能力，能够有效地支持企业在数据追踪方面的需求。 LINEAGE数据追踪的实现技术实现企业级LINEAGE数据追踪的关键在于如何对数据的生命周期进行详细的记录和管理。YashanDB则提供了一系列技术构件来支持这一功能。1. 问询与报告YashanDB的SQL引擎能够对已经记录的数据线进行复杂的查询，从而生成数据追踪报告。用户可以直接查询某一数据的完整追踪信息，轻松实现数据来源的查询和变更历史的回溯。4. 实施方案与建议为了实现企业级LINEAGE数据追踪，以下是一些具体和可操作的技术建议：1. 建立统一的数据管理标准：- 制定清晰的数据保护与追踪政策，以确保所有数据操作都有完整记录。2.
28210编辑于 2025-09-11- 来自专栏网站那些事
利用 Zipkin 追踪 Mysql 数据库调用链
本文将讲述如何利用 Zipkin 对 Mysql 数据库的调用进行追踪，这里同样借助 OpenZipkin 库 Brave 来完成。 ---- 扩展 ZipkinTool 组件 ZipkinTool 是在《微服务调用链追踪中心搭建》一文中编写的与 Zipkin 通信的工具组件，利用其追踪微服务调用链的，现在我们想追踪 Mysql 数据库调用链的话 依然继承前文：《微服务调用链追踪中心搭建》，我们改造一下文中的 ServiceC 这个微服务，在其中添加与 Mysql 数据库的交互。 test：用作测试数据库 CREATE DATABASE `test` CREATE TABLE `user` ( `id` int(11) unsigned NOT NULL auto_increment ---- Zipkin 追踪数据库调用实际实验 **浏览器输入：**http://localhost:9411/zipkin/ 打开 Zipkin Web UI，点击服务名下拉列表能看见已经成功识别了
3.8K130发布于 2018-05-07
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