- 综合排序
- 最热优先
- 最新优先
- 来自专栏johnhuster
使用zipkin追踪mysql8
zipkin是一种分布式调用追踪系统，通过该工具，我们可以清晰快速的定位问题，zipkin监控基础搭建过程可以参考笔者的另一篇博文https://blog.csdn.net/john1337/article /details/104178559，这篇文章主要集中mysql8.0的监控，之所以写这篇文章，一部分原因是现在搜索到的很多文章都是基于mysql-connector-java 8.x以前的老版本，现在开发使用的 mysql java驱动版本一般都是mysql-connector-java 8.x了，其实实现对mysql的追踪很简单，只需两步即可： 1、引入依赖 <dependency> > <groupId>io.zipkin.brave</groupId> <artifactId>brave-instrumentation-mysql8< TracingQueryInterceptor&zipkinServiceName=database 其中zipkinServiceName名字可以任意定义，做到见名知意即可，即知道用的哪个数据库，尤其是多数据源的情况下
66910编辑于 2022-03-29 - 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。 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 MySQL mysql -u root --password='dettRoot$123' 创建Zipkin数据库 create database zipkin 切换数据库 use zipkin 初始化表及索引 }); 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 - 来自专栏Edward的专栏
基于 opencv+yolov8+easyocr的车牌追踪识别
实现效果 车牌识别 学习视频 使用 Python、Yolov8 和 EasyOCR 自动识别车牌 计算机视觉教程_哔哩哔哩_bilibili 大致思路 通过 opencv 将视频转换为帧 ，对帧应用车辆识别模型，并使用 model.track 或者 sort 追踪器进行追踪，给每个车辆一个唯一的 id ，然后进行车牌识别，对每一帧识别到的车牌，通过几何判断是否位于某个车辆中，是则将该车牌分配给该车辆 Sort() 这里由于我的环境问题，下载不了使用 sort 的库，即这几个： filterpy==1.4.5 scikit-image==0.17.2 lap==0.4.0 所以只能使用 yolo 自带的追踪器进行追踪 ret, frame = cap.read() # print(frame) if ret and count < 10: # 创建帧编号空字典，方便后面存储数据 # 创建帧编号空字典，方便后面存储数据 results[count] = {} # detections = coco_model(frame)[0]
1.1K10编辑于 2025-07-13 基于yolov8+deepsort+gradio实现目标追踪演示
torch==1.9.0+cu111 理论上支持最新ultralytics版本 【实现部分代码】 with gr.Blocks() as demo: with gr.Tab("追踪 介绍界面的功能 gr.Markdown( """ # 目标检测与跟踪 基于yolov8+ deepsort实现目标追踪 """ ) # 行容器，水平排列元素 with gr.Row():
36500编辑于 2025-07-22- 来自专栏石开之旅
图像处理笔记（8）---- OpenCV 获取追踪对象的HSV值
分享一种获取追踪对象HSV值得办法： import cv2 as cv import numpy as np green = np.uint8([[[0,255,0]]]) hsv_green = cv.cvtColor
1.9K00发布于 2020-09-21 - 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 server.port=9411 到此为止ZipKin的服务就创建好了, 启动后访问 http://localhost:9411/zipkin/ 就可以看到管理页面了 下面就是需要集成需要监控的服务，然后把数据发送到 配置zipKin Server的地址 spring.zipkin.base-url=http://127.0.0.1:9411 每个服务都是这样配置，然后访问服务接口，就能在ZipKin的web端看到数据了
1.2K90发布于 2018-04-03 - 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- 来自专栏智能时刻
Envoy架构概览(8):统计,运行时配置,追踪和TCP代理
来自整个网格的统计数据给出了每一跳和整体网络健康状况的非常详细的图片。所发出的统计数据在操作指南中详细记录。 特使使用statsd作为统计输出格式，虽然插入不同的统计数据汇并不难。 追踪 概览 分布式跟踪使开发人员可以在大型面向服务的体系结构中获得调用流的可视化。在理解序列化，并行性和延迟来源方面，这是非常宝贵的。 每个跟踪包含哪些数据 端到端跟踪由一个或多个跨度组成。跨度表示具有开始时间和持续时间的逻辑工作单元，并且可以包含与其关联的元数据。 跟踪系统特定的元数据。 范围还包括一个名称（或操作），默认情况下被定义为被调用的服务的主机。但是，这可以使用路线上的装饰器进行定制。 特使自动发送跨度追踪收藏家。根据跟踪收集器的不同，使用通用信息（如全局唯一请求标识x-request-id（LightStep）或跟踪标识配置（Zipkin））将多个跨度拼接在一起。
2.8K50发布于 2018-04-09 用 YOLOv8 + DeepSORT 实现目标检测、追踪与速度估算
今天我们将带你一步步实现一个完整的项目，使用YOLOv8 + DeepSORT实现目标检测、追踪与速度估算。 技术选型：YOLOv8：最新一代 YOLO 模型，速度快、精度高；DeepSORT：强化版追踪算法，结合深度特征提高 ID 保持能力。 无需写代码：上传数据集、选择模型、配置参数、启动训练，全部可视化操作！训练过程实时可视：准确率、损失曲线、预测图像一目了然，结果即训即看，助你快速验证算法性能！ YOLOv8；集成多摄像头系统：实现多视角追踪与分析；接入可视化大屏/控制后台：用于城市级交通监控、智慧安防系统等。 总结我们通过本项目实现了一个高效的目标检测 + 多目标追踪 + 速度估算系统，技术组合为：YOLOv8 → 高效检测；DeepSORT → 高精度追踪；简洁清晰的速度统计与车辆计数。
2K11编辑于 2025-07-02- 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 - 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。 作者一些其他容器化、微服务化方面的文章： 微服务调用链追踪中心搭建 利用K8S技术栈打造个人私有云连载文章 Docker容器可视化监控中心搭建 利用ELK搭建Docker容器化应用日志中心 Spring
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- 来自专栏微言码道
走马观花云原生技术（8）：分布式链路追踪Jaeger
而可观测性又主要分为日志，度量以及链路追踪三个方面的工作。 今天我要讲的就属于可测试性的其中一个方面，也就是链路追踪技术Jaeger。 链路追踪要解决什么问题，在架构中的作用 2. 支持不同的存储实现，包括Cassandra与Elasticsearch，还有一个提供给测试环境使用的内存实现 • 内置了对度量工具Prometheus的支持 如上所示，上图我的一个项目中使用jaeger的查询UI数据 OpenTelemetry是遵守了OpenTracing技术中立的链路追踪标准的实现。 所以，我们通常会在服务中，使用OpenTracing来做链路追踪的收集，然后收集的数据会汇报给jaeger。 事实上，OpenTelemetry不仅仅能做链路追踪，它还能做metric度量，度量的数据可能与另一个CNCF技术prometheus搭配使用，来实现分布式度量。
2K20编辑于 2022-11-18 - 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。 COLLATE utf8_general_ci; ALTER TABLE zipkin_dependencies ADD UNIQUE KEY(`day`, `parent`, `child`); 这里创建了三个数据表 ---- 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 数据智能平台选型指南：谁真正具备数据血缘追踪能力？
数据血缘追踪功能正是解决这些痛点的关键利器。本文将为您解析哪些数据智能平台真正具备这一能力，并重点推荐腾讯云数据仓库TCHouse-X。 一、数据血缘追踪：企业数据治理的"导航系统" 数据血缘追踪（Data Lineage Tracking）是追溯数据从源头到目标的所有流转、加工、变更路径的技术。 、互联网企业 金证股份DIDA 智能数据血缘管理工具 支持立体数据血缘探查，3分钟定位异常字段源头 金融行业数据治理与运维 三、腾讯云TCHouse-X：一站式数据智能平台的卓越表现 在众多具备数据血缘追踪功能的数据智能平台中 这种设计不仅提高了资源利用率，还为数据血缘追踪提供了统一的数据基础。 在数据成为核心资产的今天，选择具备完善数据血缘追踪功能的数据智能平台，不仅是技术决策，更是战略投资。
45010编辑于 2026-04-07
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