首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏艾体宝

    洞察 | CRA 合规冲刺指南: ONEKEY 独家报告首发,洞察全球企业合规进度!

    18% 的企业将 CRA 合规性分配给产品经理,17% 分配给合规经理,15%分配给首席信息安全官(CISO),11% 分配给网络安全分析师,8% 分配给软件开发主管。

    26910编辑于 2025-10-24
  • 产品丨Redis 8 向量搜索实测:轻松扩展至 10 亿向量

    面对生成式 AI 带来的超大规模向量需求,Redis 8 向量搜索实测轻松支持 10 亿向量,依旧保持低延迟与高吞吐表现。 无论是 AI 检索、推荐系统还是多模态生成应用,Redis 8 都是你构建高效向量服务的可靠选择。 将向量搜索扩展到 10 亿个向量并非易事,但 Redis 8 的发布让这一过程显得轻松。 使用数据集的 100 个最近邻的真实值来评估每个回复的准确性(召回率),并且我们对 M 在 4、8、16 和 32 个出边之间,EF_CONSTRUCTION 在 4、8、16 和 32 之间,以及 EF_RUNTIME Redis 8 证明了实时向量搜索不仅适用于数百万个向量,还能扩展到数十亿个向量,同时保持高性能。

    58110编辑于 2025-05-22
  • 来自专栏艾体宝

    案例丨Transavia如何借助LambdaTest测试平台高效起飞?

    Transavia是隶属于法荷航空集团(Air France-KLM)的低成本航空公司,总部位于阿姆斯特丹史基浦机场,员工约2500人,航线覆盖整个欧洲及多个度假胜地。

    18810编辑于 2025-06-17
  • 洞察 | 流程≠决策:企业数字化的常见误区

    此外,Decisions 内置流程设计、表单设计、报表分析等辅助功能,可构建“决策 + 流程”一化的自动化技术架构,既实现了二者的解耦,又保障了业务执行与决策判断的协同效率,为企业数字化架构的优化提供了完整的技术支撑

    10010编辑于 2026-03-26
  • 来自专栏艾体宝

    案例 | Domo智能决策:餐饮战略定价告别“人肉采集”时代

    “四、Domo的定位:餐饮行业的“定价智囊团”图表联动效率骤增:多维度钻取与动态筛选,助力快速定位价格敏感点;零代码操作门槛低:无需IT支持,业务人员可自主搭建分析模型;数据协作一化:集成多部门数据与观点

    29810编辑于 2025-09-16
  • 来自专栏艾体宝

    洞察丨5分钟读懂商业智能:企业决策别再“摸黑”了!

    当海底捞能精准预测你的火锅喜好,当星巴克知道每个社区的咖啡消费规律,这背后都藏着一个神秘推手——商业智能(BI)。商业智能就像企业的"数据炼金师",把散落的原始数据变成决策黄金。举个栗子🌰:

    24910编辑于 2025-06-03
  • 来自专栏艾体宝

    洞察丨受众触达难、成本高?GWI 深度洞察为精准营销添砖加瓦

    如今的营销活动渠道更多、隐私规则更严、成本上升,而消费者的期望却比以往任何时候都高。要触达受众变得越来越难,但与此同时,做好这一点也变得前所未有的重要。

    19910编辑于 2025-08-06
  • 来自专栏艾体宝

    干货丨跨境合规解决方案:Lepide构建高效、安全的合规管理体系

    合规报告指企业通过提交切实证据,证明其合规与安全状况符合内外部审计标准的过程。这种报告是企业遵循相关公司或法律准则及指令的证明文件,通常由审计人员持续更新并作为佐证材料提交,用以确认合规状态的水平与质量。

    58110编辑于 2025-06-03
  • 来自专栏艾体宝

    干货 | 从33.1%到4.1%:KnowBe4如何通过培训将钓鱼易中率降低86%?

    安全从意识开始,治理从员工行为入手想进一步了解各行业数据,或申请 KnowBe4 《2025 年网络钓鱼行业基准报告》报告和演示,请联系团队。 KnowBe4 将“人的因素”加入企业安全体系,利用持续的安全意识培训和真实钓鱼模拟,帮助员工建立主动防范意识,降低因人为失误带来的风险,全面提升网络安全水平。

    25810编辑于 2025-10-15
  • 来自专栏大数据文摘

    为何伦·图灵想让AI智能故意犯错

    1950年,数字时代初期,伦·图灵发表了他最著名的文章“计算机器与智能”,并提出了一个问题,“机器可以思考吗?” 图灵并没有试图定义“机器”和“思考”,他描述了另一种来回答这个问题的防范。 “不是无休止地争论思维的终极本质和要义,” Dennett写道,“我们无法否认,无论智能的本质如何,任何可以通过测试的东西就是智能” 但仔细阅读图灵的论文会发现一个小细节,测试中引入了模糊性,这表明也许图灵更多想用它引发哲学讨论 答:(暂停15秒后)R到R8,将军。 在对话中,计算机其实犯了一个算术错误,数字的总和应该是105721,而不是105621。图灵,一位出色的数学家,不太可能犯这种错误。

    67620发布于 2019-05-15
  • 来自专栏艾体宝

    方案丨金融系统再升级:Redis企业版如何为银行构建高性能、稳定可靠的实时数据引擎

    数字化变革正在重塑整个金融行业。无论是银行、保险还是证券,客户对于“随时随地”的服务、秒级响应的操作体验、以及无缝跨渠道的交互体验提出了前所未有的高标准。然而,许多传统金融机构在架构升级、性能扩展、安全保障等方面仍面临巨大挑战。

    62710编辑于 2025-06-17
  • 来自专栏自动化、性能测试

    FastAPI(8)- 请求 Request Body

    前言 接口传参方式之一:通过发送请求(Request Body)来传递请求数据 在 FastAPI,提倡使用 Pydantic 模型来定义请求 这篇文章会详细讲不使用 Pydantic 和 使用 Pydantic 发送请求的栗子 注意 请求并不是只有 POST 请求有,只不过 POST 更常见 在 PUT、DELETE、PATCH 请求中都可以使用请求 其实,在 GET 请求中也可以用请求,不过仅适用于非常极端的情况下 ,而且 Swagger API 并不会显示 GET 请求的请求 不使用 Pydantic的栗子 from fastapi import FastAPI import uvicorn app = FastAPI ,字段数量也可以任意个 错误传参的请求结果 选了 text 之后,因为不是 JSON 字符串,FastAPI 无法正确解析请求为 dict,所以会报类型错误的提示 查看请求头 类型是 text 用 app.put("/items/{item_id}") async def create_item( # 路径参数 item_id: int, # 请求

    4.6K20发布于 2021-09-27
  • 集中化、实时化、合规化:企业AD审计的三大转型方向

    用户账户生命周期报告 Lepide能够自动发现并聚合所有域控制器上关于用户账户的创建、删除、启用/禁用、锁定及密码重置等事件。 Lepide的优势在于能够持续扫描并建立权限基线,任何偏离基线的更改都会被记录。 Lepide监控OU的创建、移动、删除及关键属性修改。报告会记录OU的完整移动路径(从何处移至何处),以及OU内对象的批量变更。 身份验证活动报告 Lepide集成了强大的异常检测引擎来分析登录活动。 Lepide的核心价值在于将这些独立的报告需求整合在一个统一的自动化合规框架内。

    14510编辑于 2026-02-13
  • 来自专栏艾编程

    编程arry老师课堂笔记:kubernetes K8S基于Docker安装部署

    kubernetes K8S,就是基于容器的集群管理平台 一. K8S是它的缩写,用“8”字替代了“ubernete”这8个字符。和Docker不同,K8S的创造者,是众人皆知的行业巨头——Google。然而,K8S并不是一件全新的发明。 K8S 集群 K8S的架构,略微有一点复杂,我们简单来看一下。 一个K8S系统,通常称为一个K8S集群(Cluster)。 管理大量的容器带来了新的挑战 容器编排调度引擎 —— k8s 的好处 简化应用部署 提高硬件资源利用率 健康检查和自修复 自动扩容缩容 服务发现和负载均衡 四. k8s 的集群架构 主节点,承载 k8s 192.168.23.36 k8s-node1 192.168.23.37 k8s-node2 将桥接的IPv4流量传递到iptables的链: $ cat > /etc/sysctl.d/k8s.conf

    1.3K10发布于 2020-06-12
  • 来自专栏ApacheHudi

    科技基于Apache Hudi的流批一架构实践

    前言 当前公司的大数据实时链路如下图,数据源是MySQL数据库,然后通过Binlog Query的方式消费或者直接客户端采集到Kafka,最终通过基于Spark/Flink实现的批流一计算引擎处理,最后输出到下游对应的存储 不可控的小文件、空文件问题•数据格式单一,只支持json格式•用户使用成本较高,特征抽取需要不断的Coding•整个架构扩展性较差 为解决上述问题,我们对第一代架构进行了演进和改善,构建了第二代批流一架构 2.2 第二代架构 2.2.1 批流一平台的构建 首先将数据链路改造为实时架构,将Spark Structured Streaming(下文统一简称SS)与Flink SQL语法统一,同时实现与Flink SQL语法大体上一致的批流一架构,并且做了一些功能上的增强与优化。 有些用户对从Spark迁移到Flink没有多大诉求•SS Micro Batch引擎的抽象做批流统一更加丝滑•相比Flink纯内存的计算模型,在延迟不敏感的场景Spark更友好 这里举一个例子,比如批流一引擎

    1.5K21发布于 2021-07-05
  • 来自专栏脑洞前端

    揭秘:支付小程序 V8 Worker 技术演进

    阿里妹导读:本文分享支付小程序 V8 Worker 相关工作沉淀和总结,包括技术演进、基础架构、基础功能、以及 JS 引擎能力输出,以及一些优化方案等。欢迎同学们共同探讨,指正。 从 Service Worker 到 V8 Worker 本节简要介绍支付小程序从 Service Worker 到 V8 Worker 的技术演进过程。 V8 Worker 基础架构 本节主要介绍了支付小程序的 V8 Worker 工程结构、基于 V8 Worker 的小程序架构;同时如果对 V8 引擎不是很熟悉,这里给出了 V8 的简要介绍和学习资料链接 V8 Worker 接入 JSI 背景 ? 随着支付端以及整个集团使用V8引擎的业务越来越多,对 V8 引擎的升级维护工作就越来越复杂和重要。 拷贝 JSI 采用支付和 UC 共建的形式,JSI 接入层下沉到 Ariver 工程,通过 Ariver 输出到集团各业务 基于 JSI 的 V8 Worker 下图是基于 JSI 的 V8 Worker

    2K31发布于 2020-07-10
  • 来自专栏咸鱼的进阶学习之路

    【初识Go】| Day8 结构、方法、接口

    结构 结构是一种聚合的数据类型,是由零个或多个任意类型的值聚合成的实体。每个值称为结构的成员。Go 语言中没有“类”的概念,也不支持像继承这种面向对象的概念。 但是Go 语言的结构与“类”都是复合结构,而且Go 语言中结构的组合方式比面向对象具有更高的扩展性和灵活性。 声明完结构之后可以直接按如下方式操作结构。 ,此时我们称其为内嵌结构,下面这段代码中我们将结构A嵌入到结构B中。 还记得我们之前说过的内嵌结构么,如果嵌入的结构实现了某个接口那么对于外部的结构有什么影响吗?

    73700发布于 2020-12-23
  • 来自专栏Go语言学习专栏

    8 - AI 服务化 - AI 超级智能项目教程

    通过本节学习,⁠你将掌握如何将 AI 智能转变为可供他人调用的服务 具体内容包括: AI 应用接口开发 AI 智能接口开发 在开始之前,先给大家提个醒,Spring AI 版本更新飞快,有些代码的写法随时可能失效 点击接口旁边的绿豆就能自动生成测试代码: 二、AI 智能接口开发 由于智能执行过程通常包含多个步骤,执行时间较长,使用同步方法会导⁠致用户体验不佳。 因此,我们采用 SSE 技术将智能的推理过程实时分步输出给用户。 } catch (Exception e) { state = AgentState.ERROR; log.error("执行智能失败 Resourceprivate ToolCallback[] allTools; @Resourceprivate ChatModel dashscopeChatModel; /** * 流式调用 Manus 超级智能

    14910编辑于 2026-03-17
  • 来自专栏我的知识小屋

    七、结构《2022 solidity8.+ 版本教程到实战》

    结构 结构是一种可以自行定义的数据类型,其结构体内是复合的数据类型结构,当单一数据类型不能满足时可以使用创建所需结构。 结构定义使用 struct,例如以下示例: struct Human{ uint age; string name; uint height; } 以上代码中使用 struct 定义结构,在此不必使用 public 进行修饰,因为 Human 这个结构是一种数据类型的抽象,使用 public 毫无意义。 其结构体内包含 uint 的 age 和 height 变量数据,以及一个 string 类型的 name 数据,这意味着,在之后的使用中,Human 这个类型的结构变量可使用其中的数据,例如 age 接着可以创建对应的结构 Human 类型的变量,就像创建一个 uint 变量一样简单: Human public XiaoMing; Human public XiaoHong; 此时直接将创建的结构

    29910编辑于 2022-12-09
  • 腾讯智慧零售宠物行业增长方案:数据驱动精准营销与降本增效技术体系

    第一章:宠物行业面临渗透率与单用户价值双重挑战 市场规模与增长落差: 2023年中国宠物市场规模达5,928亿元(媒数据中心),年增速~23%,但仅为美国市场的59% 渗透率差距:中国宠物家庭渗透率 未充分释放 技术基建薄弱:73.3%企业缺乏用户数据资产沉淀能力(行业抽样数据) 第二章:基于腾讯生态的精准增长解决方案 精准拉新模块(公域触达) 二方数据补充洞察 应用CaaS方略洞察标签体系(8类基础画像 7.62%(2023年1767万次扫描统计) 覆盖锂电面板质检、货架商品识别等20+工业场景 第四章:某头部饮料品牌小程序优化全案 初始痛点: 启动耗时>2.4s(行业均值≤1.8s),包16MB 白屏率↓40% | 打开率↑至90%+ 第五章:腾讯云技术底座的核心优势 全域生态规模支撑 连接能力:直连13亿微信用户(小程序日活6亿+) 商业验证:已诞生20+十亿级GMV零售企业(万达/龙等案例 市场规模数据-媒数据中心/欧睿国际undefined2. 技术指标-腾讯云2023年度运维报告undefined3. 客户案例-屈臣氏/某头部银行公开合作成果

    14010编辑于 2026-03-31
领券