- 综合排序
- 最热优先
- 最新优先
- 来自专栏TSINGSEE青犀视频
行人检测集成票务系统读取票务系统数据库为空，如何解决？
前段时间我们已经将TSINGSEE青犀视频开发的行人检测功能集成到景区的系统里进行测试，同时我们也将景区现有的票务系统与行人检测功能相结合，实现了景区人、证、票的统一。 在对TSINGSEE青犀视频行人检测进行测试时，发现在读取一天的时间的行人入园数量和票务的时候，票务系统的数据库为空： type TDatabase struct { Id int64 Ordernum 1141下站 Peoplecount int64//人数 InparkSystemdate string //插入时间 } 以上两个数据是读景区数据库的结构，但是这样读会出现读出来的数据为空数据的情况，票务系统没有数据 在之前只按照时间段读取票务系统的数据库是没有什么问题的，但在进行读取数据库优化的时候，读整个一天的票务数据库，就会出现读取的票务系统数据不正常情况。 image.png 以下是读一整天的票务数据库（部分代码）： image.png 首先我们想到是上面的结构体中和数据库的是不是结构的数量一致，于是进数据库检查，果然发现第二个结构体和数据库结构不一致，少了几个数据
86040发布于 2021-11-05 - 来自专栏【腾讯云开发者】
《锋运票务系统——基于微信云托管的锋运票务管理系统》上线啦！
腾讯云与千锋联合推出精品项目课程《锋运票务系统——基于微信云托管的锋运票务管理系统》已上线“腾讯云开发者社区”，帮你了解完整的微信云托管部署流程，学习实战级的小程序开发。
61430编辑于 2022-05-19 - 来自专栏韦东山嵌入式
鸿蒙系统开发教程_韦东山 2-2必备基础知识
1.2 Linux操作相关的知识 Linux常用命令 简单的脚本：脚本就是把命令写在一个文件里 GCC编译命令 Kconfig和Makefile 1.3 芯片相关知识 能阅读芯片手册(英文) 移植最小系统时 ，涉及的手册内容不多 能看懂硬件原理图 移植最小系统时，涉及的原理图内容不多 2.
65120编辑于 2022-05-05 - 来自专栏IT技术圈
习题2-2 阶梯电价 (15分)
为了提倡居民节约用电，某省电力公司执行“阶梯电价”，安装一户一表的居民用户电价分为两个“阶梯”：月用电量50千瓦时（含50千瓦时）以内的，电价为0.53元/千瓦时；超过50千瓦时的，超出部分的用电量，电价上调0.05元/千瓦时。请编写程序计算电费。
3.3K10发布于 2021-04-01 - 来自专栏AI机器学习与深度学习算法
学习分类 2-2 内积
对于分类问题，我们不再像回归问题那样，找出直线的斜率和截距。为了方便理解，将拥有一个特征的回归问题所绘制的图示和拥有两个特征的分类问题绘制的图示进行对比。
61710编辑于 2022-11-08 2025年铁路系统信创实践：票务管理+调度工具链替代Oracle
二、票务管理系统的替代与创新1.原有票务管理系统的问题 在过去使用 Oracle 系统进行票务管理的过程中，逐渐暴露出一些问题。 其次，Oracle系统的功能和性能在某些方面无法满足铁路票务管理的实际需求，例如在高峰期的票务处理能力和对多样化票务需求的支持方面存在不足。 2.新票务管理系统的特点与优势 为了解决原有票务管理系统存在的问题，铁路部门自主研发了新一代票务管理系统。 功能强大：系统具备更强大的票务处理能力，能够满足高峰期的票务需求，同时支持多种票务类型和销售渠道，为旅客提供更加便捷的购票体验。 3.票务管理系统替代的实施过程 票务管理系统的替代是一个复杂的系统工程，需要经过精心的策划和实施。在实施过程中，铁路部门采取了逐步推进的策略，先在部分线路和车站进行试点，然后逐步推广到全国范围。
58810编辑于 2025-03-06- 来自专栏Hank’s Blog
2-2 R语言基础 向量
> x <- vector("character",length=10) > x1 <- 1:4 > x2 <- c(1,2,3,4) > x3 <- c(TRUE,10,"a") #如果给向量赋值时元素类型不一致，R就会强制转换，将他们变为同一类型 > x4 <- c("a","b","c","d")
81110发布于 2020-09-16 轻量化AI落地：用WorkBuddy解决智慧景区票务系统运维繁琐问题
我深耕景区信息化落地运维多年，发现一个普遍的行业痛点：市面上的智慧景区票务系统功能已经足够成熟，但配套的运维办公流程依旧传统低效。 很多技术团队将工作重心放在系统部署、硬件调试、功能迭代上，却忽略了日常票务数据汇总、权限台账整理、故障复盘、运营方案优化等细碎工作。 针对这一行业痛点，我在多个景区数字化运维项目中，尝试将WorkBuddyAI办公智能体与千里达智慧景区系统搭配使用，以轻量化AI工具补足传统票务系统运维短板，无需开发改造系统源码，零基础即可落地，极大提升了景区票务运维的整体效率 一、传统智慧景区票务运维的核心瓶颈目前多数景区使用的智慧票务系统，核心能力聚焦于前端售票核销、中端客流管控、后端数据统计，千里达智慧景区系统作为适配多场景的文旅数字化系统，更是覆盖了全域景区联票、离线核销 1、自动化票务数据复盘，统一报表规范千里达智慧景区系统支持一键导出全维度票务原始数据，包含订单量、核销量、退改量、各渠道营收、客流时段分布等核心数据，但原始表格字段繁杂，非专业人员难以快速读取，人工整理报表耗时良久
12600编辑于 2026-08-01- 来自专栏FreeBuf
Townscript票务平台的任意账户劫持
本文讲述了印度票务平台Townscript缺乏速率限制，以及密码重置缺陷导致的任意账户劫持漏洞。 漏洞发现 Townscript是一家印度在线活动票务公司，主要提供研讨会、展览、马拉松和冒险活动等项目的登记、注册和售票服务，只要用户发布活动项目，注册和购票页面就会自动生成，其于2017年被印度另一家在线票务平台
80740发布于 2020-06-03 腾讯天御风控引擎拦截95%黄牛流量，保障文旅票务系统稳定
黄牛自动化脚本导致票务平台崩溃与品牌声誉受损 文旅行业复苏带来游客量激增，但黄牛群体利用自动化脚本发起海量恶意请求，对票务系统构成两大核心挑战： 系统稳定性冲击：黄牛刷票产生的高并发流量导致业务平台负载过高 定制化策略引擎：根据票务场景配置规则，如同IP关联设备数过多、短时间内请求数异常等策略，动态调整风险阈值。 有效拦截95%以上黄牛请求并延长售票窗口期 天御风控在真实场景中实现关键指标突破： 拦截效率：在某主题乐园，系统拦截超过95%的黄牛流量，订单验证命中率接近100%（来源：客户业务数据，2023年1月） 系统负载优化：通过前端流量清洗，有效降低业务平台QPS压力，避免因黄牛请求导致的系统崩溃。 某国家级博物馆通过风控体系重建票务秩序 该博物馆面临95%流量为黄牛请求的挑战，平台频繁崩溃引发负面口碑。 业务恢复：售票窗口期从秒级延长至半小时级，系统负载回归正常水平，未再出现因流量冲击导致的崩溃事件。
24810编辑于 2026-05-30- 来自专栏TSINGSEE青犀视频
AI行人检测对接景区票务系统请求数据库时长如何优化？
TSINGSEE青犀视频开发的行人检测功能目前已经进入与票务系统结合测试的阶段，测试期间，票务系统数据库每次请求都需要3~4秒左右，分析人数会出现程序过慢的情况。 将开始时间和结束时间保存在临时的变量中，再使用该变量进行票务系统数据库查找（会导致程序出现3~4秒钟慢的情况）。 3、查找到票务数据库，进行人数检测。人数检测小于的情况，进行记录一个标志。 4、最后还要查找历史票务系统的数据库（已开始时间和结束时间来查找，这样也会出现3~4秒慢的情况）。 注：此查找票务数据库需要链表查询，而且票务数据库的大小是几个G的数据，导致查找数据库慢也是正常的情况。 解决此问题，需要做到不要频繁地查找数据库。 我们想到的解决办法是用内存来解决时间慢的问题。 所以以下代码，在循环前面加上读一天的票务数据库，下面循环只要处理数据就可以了，这样时间会快很多。 image.png
64630发布于 2021-10-29 - 来自专栏波波烤鸭
2-2 SPU和SKU详解及MyBatisPlus自动生成
2-2 SPU和SKU详解 商城系统中的商品信息肯定避免不了SPU和SKU这两个概念，本节就给大家详细介绍下这块的内容 1、掌握SKU和SPU关系 SPU = Standard Product Unit
3.3K41发布于 2021-01-21 - 来自专栏刷题笔记
2-2 学生成绩链表处理 (20 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/101169860 2-2 学生成绩链表处理 (20 分) 本题要求实现两个函数，一个将输入的学生成绩组织成单向链表
1.7K20发布于 2019-11-08 WorkBuddy实战：AI智能体如何提升智慧景区票务系统项目运维效率
一个成熟的景区票务系统上线，并不代表工作结束。日常需要整理票种配置文档、节假日客流分析报表、多渠道OTA对账清单、景区运营优化方案、项目会议纪要。 3、会议纪要自动化，提炼票务系统优化需求景区项目常会组织多方沟通：景区运营方、硬件厂商、系统实施团队。一场沟通会产生大量零散需求：调整分时预约时段、新增临时通道手持核验权限、优化退票规则。 三、实操过程里需要注意的边界问题这里也客观聊下局限性，避免同行抱有过高期待：WorkBuddy定位是办公提效智能体，不能直接对接票务系统API读写业务数据，无法直接操控千里达智慧景区系统后台，更多作用于业务数据导出后的办公流程 四、总结：AI工具与智慧票务系统的协同思路智慧景区数字化分为两层：一层是面向游客、景区现场的业务底座，也就是千里达智慧景区系统这类票务管理平台，解决售票、检票、客流管控、财务核销等核心业务；另一层是服务于实施 后续我也会持续测试更多AI智能体在文旅信息化场景的用法，欢迎从事智慧景区、票务系统开发运维的同行在评论区交流落地经验。FAQ1、WorkBuddy可以直接对接景区票务系统自动拉取数据吗？
13310编辑于 2026-07-25- 来自专栏mysql
hhdb数据库介绍(2-2)
HHDB Server在计算节点、数据节点、配置库等层次提供全面的高可用保障。提供完善的心跳检测、故障切换对存储节点同步追平判断、全局自增序列在故障时自动跳号、客户端连接Hold等机制，保障数据服务的可用性与数据的一致性。
24110编辑于 2024-11-28 - 来自专栏区块链大本营
如何用区块链技术重构票务行业？
我了解还有人想尝试会议票务，但市场太小，没有确实痛点，这块可以由票务垂直平台轻易实现。 5. 例如很多人以为解决票务痛点在于“去黄牛”，然而黄牛若能带来高质量观众，便自有其价值，从这个意义上来说，系统需要剔除扰乱秩序的黄牛，而将另一些人，转化为正规的分销商。 2. 刘进治：当下的技术难点，包括区块链本身的性能（当然，区块链目前并非定位为一个业务管理系统），跨链技术，以及挖矿机制。其中最有待解决的是跨链问题，比如多个子平台，之间的资产交换等。 不论以太坊，抑或未来的EOS，本质还是分布式账本，其定位均不是类似ERP或电商平台那种能解决高并发量的业务系统。那么面对既需要解决部分业务问题，又缺少高并发量支持的矛盾，应当如何解决？ 传统票务系统 以StoneTicket为代表的区块链票务系统 优势 中心化票库 去中心化票库 任何人都可以依靠自身资源，成为分销者 人工结算 智能合约 可实现更合理的结算逻辑 赠票 “挖”票 公平，并对整个系统有利
2.1K20发布于 2018-07-25 腾讯天御风控：拦截95%+黄牛请求，保障文旅票务系统高可用
黄牛通过以下手段对票务平台造成实质性损害： 恶意自动化工具： 利用自动注册机、撞库工具、秒杀工具（如按键精灵、ADSL拨号上网）及OCR技术绕过验证码，实现毫秒级自动化抢票。 企业面临的业务瓶颈： 系统稳定性受损： 海量黄牛请求导致票务系统异常流量暴增，造成平台崩溃、卡顿。 系统负载优化 风险请求量占比从高位降至 20% (某文博馆第三阶段) 降低票务系统网络负荷，避免平台过载崩溃。 业务可用性 支持健康码最大 QPS近20万 确保高并发抢票场景下系统不崩、不卡、不宕机。 真实用户转化率 拦截后真实游客购票时长明显增加 修复票务预约政策漏洞，确保门票流向真实游客。 第四章：头部文博与主题乐园的实战验证 案例一：某文博馆 痛点： 票务系统面临黄牛“一秒抢空库存”的困境，游客怨声载道。 实施过程： 部署天御风控方案，分阶段进行流量清洗与风险判定。
34610编辑于 2026-05-31腾讯云天御文旅票务风控：识别率95%+应对20万QPS峰值，守住景区票务库存
第一章：黄牛机刷冲击票务系统，景区面临库存丢失与舆论压力 近年来国内旅游市场持续升温，文旅行业票务压力剧增，“黄牛党”抢票手段层出不穷，成为全行业共同面对的运营难题。 当前景区及票务平台主要面临三重核心瓶颈： 资金与库存损失： 黄牛利用退票漏洞抢票，若过期未售出便全部退回，直接造成景区库存作废与资金承压。 系统稳定性危机： 票务平台承载大量黄牛抢票请求，对平台网络负荷及安全造成极大压力，导致系统时常崩溃。 系统稳定性： 支持最大 QPS近20万，保障丝滑放票体验，做到不卡、不崩、不宕机。 部署效率： 采用标准SaaS化部署，1-2周即可完成接入改造和联调。 数据来源：腾讯云、腾讯安全、腾讯文旅（Tencent Culture and Tourism）官方材料《腾讯云天御业务风控 - 文旅票务“防黄牛”解决方案》
31410编辑于 2026-05-30- 来自专栏悟道
2-2 二分&前缀和模板
二分模板 int mid=0; while(left<right){ mid=(left+right)/2; if(check(mid)<K) r=mid; else l=mid+1; } 前缀和模板 : 前缀呢 无非就是 从left->right的和: ( s[right] - s[left-1]) import java.util.Scanner; public class Main { public static void main(Stri
39430发布于 2021-03-11 - 来自专栏育种数据分析之放飞自我
笔记 | GWAS 操作流程2-2：性别质控
「原理：」检查性别差异。先验信息，女性的受试者的F值必须小于0.2，男性的受试者的F值必须大于0.8。这个F值是基于X染色体近交（纯合子）估计。不符合这些要求的受试者被PLINK标记为“PROBLEM”。
1.7K31发布于 2020-05-18
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