- 综合排序
- 最热优先
- 最新优先
- 来自专栏CodeTime
SpringCloudAlibaba入门系列(6) - 链路追踪Sleuth
注意：SpringCloud alibaba技术栈中并没有提供自己的链路追踪技术的，我们可以采用Sleuth +Zinkin来做链路追踪解决方案 6.2 Sleuth入门 6.2.1 Sleuth介绍 6.4 ZipKin数据持久化 Zipkin Server默认会将追踪数据信息保存到内存，但这种方式不适合生产环境。Zipkin支持将追踪数据持久化到mysql数据库或elasticsearch中。 zipkin_spans.timestamp',`endpoint_ipv4` INT COMMENT 'Null when Binary/Annotation.endpoint isnull',`endpoint_ipv6` BINARY(16) COMMENT 'Null when Binary/Annotation.endpointis null, or no IPv6 address',`endpoint_port` elasticsearch实现数据持久化 第1步: 下载elasticsearch 下载地址：https://www.elastic.co/cn/downloads/past-releases/elasticsearch-6-
1.3K30编辑于 2023-03-08 - 来自专栏小白晋级大师
分布式系统架构6：链路追踪
这是小卷对分布式系统架构学习的第6篇文章，关于链路追踪，之前写过traceId的相关内容：https://juejin.cn/post/7135611432808218661，不过之前写的太浅了，且不成系统 链路追踪的用途就是为了知道请求在系统中的流转路径，定位性能瓶颈，诊断故障等。2.追踪与跨度要理解链路追踪的原理，先理解Trace追踪 和 Span跨度两个概念。 5.3基于边车代理的追踪·基于边车代理的追踪是服务网格的专属方案，也是最理想的分布式追踪模型，对应用完全透明，无论是日志还是服务本身，都不会有任何变化；边车代理本身对应用透明的工作原理，决定了它只能实现服务调用层面的追踪 6.链路追踪协议链路追踪协议的发展历史，2016 年 11 月，CNCF 技术委员会接受了 OpenTracing 作为基金会的第三个项目。 总结：今天讲了链路追踪的理论知识，包括：追踪与跨度的概念，一个追踪系统的模块划分，数据收集的3种方式，以及链路追踪协议的发展。了解这些概念后再更容易去理解开源的链路追踪框架。
68010编辑于 2025-01-01 - 来自专栏大大的小数据
行车数据分析2020.11.11
2、上午上班8点27停车，中午12点30回到家，下午2点31上班，晚上6点52回到家。 3、晚上回家受下班不匆忙和下班晚高峰影响，回到家时间相对不集中。 4、 5、 6、上午上班停车时间波峰尾，8点33，应该提早5分钟。 7、 8、下午上班停车时间波峰尾，2点36，应该提早10分钟。 9、 10、每天开车时间（时分）折线图。
53300编辑于 2022-09-21 - 来自专栏大数据文摘
自行车赛2.0——大数据如何再造环法自行车赛
自行车赛这些年日子不好过。高科技能否拯救它？ 自行车这个运动正在发生一些非同寻常的变化。著名的环法自行车赛将于这周末开始，历时三周。它，正处于这些变化的核心。 新的环法自行车赛中心的门户网站可以(其制造商保证)接收反馈可靠的GPS数据，使粉丝们可以得到非常精确的答案。 在幕后，支持环法自行车赛2.0的大数据是由高科技公司Dimension Data开发的。其核心是一辆大卡车，外面印着公司的绿色标志，里面有约6-8名软件工程师。 作为一名自行车运动的发烧友，为全世界最大最好的自行车赛管理一个野心勃勃的大数据项目，这要么是世界上最好的工作，要么是压力山大乏善可陈的。 相比之下，数据导向的比赛则同时追踪每个人。 Foster说，Dimension Data公司去年还是个数家公司的拼凑品，而今年它提升了数据传输距离，现在成为承接所有数据的唯一枢纽。
92030发布于 2018-05-24 - 来自专栏芋道源码1024
链路追踪 SkyWalking 6.x 源码分析 —— 调试环境搭建
摘要: 原创出处 http://www.iocoder.cn/SkyWalking/6/build-debugging-environment/ 「芋道源码」欢迎转载，保留摘要，谢谢！ 1. 启动 SkyWalking UI 6. 启动 SkyWalking Agent 666. 彩蛋 ---- 1. 启动 SkyWalking OAP Server 安装 ElasticSearch 6.x 因为 SkyWalking 的 Tracing 的数据存储在它上面。 具体的安全过程，胖友看看 《ElasticSearch 6.x 学习笔记：1.下载安装与配置》 。 6. 启动 SkyWalking Agent 在 skywalking-agent 目录下，我们可以看到编译出来的 skywalking-agent.jar ： ?
1.6K10发布于 2020-02-20 XR交互技术趋势：6DoF追踪、手势识别、眼动跟踪……
XR交互技术通过6DoF追踪、手势追踪、眼动追踪等手段，提供更自然、精准的用户交互方式；而实时云渲染则利用云端计算能力，为终端设备呈现高质量、低延迟的复杂图形内容。 目前，头部和手部的6DoF交互已成为主流虚拟现实头显的标配，未来的重点发展领域将集中在头部和手部的交互技术上。手势追踪和眼动追踪技术将在中短期内得到广泛应用，成为企业的重点突破领域。 6DoF追踪定位在XR沉浸体验中，6DoF追踪定位技术是关键的技术之一。该技术可以跟踪六个自由度的旋转和位移运动，从而实现更加真实、精准的空间定位和移动追踪，提高用户的沉浸感。 目前，6DoF追踪定位技术主要应用于头部和手部的交互，成为实现高质量XR体验的关键。XR交互技术的发展涉及多个方向。 6DoF追踪定位技术是实现沉浸体验的关键技术，它可以跟踪六个自由度的旋转和位移运动，目前主要用于头部和手部的交互。手势追踪技术通过感应用户手势的动作来实现交互控制，包括裸手识别和数据手套等交互方案。
99210编辑于 2025-01-16- 来自专栏Linyb极客之路
工作流引擎之activiti6实时流程图追踪
前言 有接触过activiti的朋友可能知道，在activiti5.x的追踪流程节点查找，可以用 ActivityImpl这个类来实现，可惜在activiti6版本，pvm包整个类包都被删除，再也没有ActivityImpl 这给流程图追踪造成一定的麻烦，不过没关系，本章节就是教大家如何用activiti6来生成实时流程图追踪。 下面就重点介绍在 activiti6如何获取这两个字段 activiti6获取highLightedActivities核心代码片段 // 获取历史流程实例 HistoricProcessInstance highLightedActivitiIds.add(historicActivityInstance.getActivityId()); } activiti6获取 highLightedFlowIds = getHighLightedFlows(bpmnModel, historicActivityInstances); // 使用默认配置获得流程图表生成器，并生成追踪图片字符流
13.8K31发布于 2018-07-26 - 来自专栏嵌入式Linux系统开发
行车记录仪主要方案公司
那么音视频技术应用较多的地方有安防行业、行车记录仪、运动相机等。今天就给大家介绍一下，行车记录仪主要的方案提供商。 但记录仪市场对这种大鳄来说太小了，前期投入力度不大，在经历了14年行车记录大暴发之后，现在正发力行车记录仪市场。 80%中高的行车记录仪市场,是行车记录仪品牌客户首选的行车记录仪方案。 在14年6月份以前所以世面上看到的双录行车记录仪基本上都是全志的主控芯片。期待全志在其芯片稳定、视频效果上加大投入，在现在互联网，车联网概念横飞的时代，其发展前景应该会非常好。 6、补充： 常见音视频技术：可以参考CSDN“雷霄骅”的博客，讲的很详细。
3.6K30发布于 2021-05-28 - 来自专栏PyQt5
python3GUI--基于YOLOv8的行车追踪与可视化分析系统 By:PyQt5（详细分享、配套文档）
一．前言本篇将详细地向大家展示我开发的“基于YOLOv8的行车追踪与可视化分析系统”，这个系统包含了目标检测、目标分割、数据可视化等功能，是您学习、应用的不二之选！ 6.车辆追踪与统计通过对用户上传上来的视频文件里面运动的物体进行追踪，动态标记出目标物体的轨迹，分析结束后会产生一份分析结果数据，包括：track ID、X坐标、Y坐标、目标物体ID，我们可以将这份数据导出到本地支持 下图为一张长图本模块一共包括6个图表，分别是：1.Track ID数量条形图2.Track ID类别数量条形图3.Track ID类别数量占比饼图4.Track ID占比饼图5.轨迹散点图6.Track <font size=6 color='blue' padding=3>本项目代码量约为4千！ 五．总结本次和大家分享了我使用PyQt5开发的一款基于YOLOv8的行车追踪与可视化分析系统，写这篇博客用了一个多小时，因为我的读者的能力水平参差不一，我要照顾到所有水平的读者，本篇写的由浅入深，有简单的基础知识
56210编辑于 2025-07-23 - 来自专栏用户8386678的专栏
探索链路追踪在.NET6工业物联网项目的应用
ExploringIoTDistributedTracingNet6 如果觉得有用，请留言学到了.已经会了的老哥，请留言就这? 通常包括：Metrics 指标如CPU、内存、磁盘I/O、网络I/O等 Logs 日志通常程序输出的不同等级日志Debug、Info、Error等 Traces 分布式追踪包含请求中每个子操作的调用链路 ; }); app.Run(); Jaeger Jaeger是开源的分布式追踪系统，OpenTelemetry可以将收集到的数据导入到这个里面进行存储和查询。 postgres、seq docker-compose up -d VisualStudio启动多个项目 [启动多个项目] 访问Web,输入设定温度，回车确认 [Web] 访问Jaeger，查看链路追踪 源码 在这里ExploringIoTDistributedTracingNet6
68500编辑于 2022-05-07 - 来自专栏深度学习和计算机视觉
基于Python使用OpenCV进行车牌检测
# Estimations of character contours sizes of cropped license plates dimensions = [LP_WIDTH/6, 步骤6 创建机器学习模型并训练模型 数据是干净和准备好的，现在是时候创建一个神经网络，它将足够智能，在训练后识别字符。 对于建模，我们将使用具有3层的卷积神经网络。
2.3K20编辑于 2022-02-14 - 来自专栏数据科学和人工智能
数据集 | 自行车租赁数据集
下载数据集请登录爱数科(www.idatascience.cn) 自行车出租计划是主要城市减少污染和碳排放的一种方式，同时鼓励锻炼。 该数据集记录了华盛顿特区的一个自行车出租计划两年来每天每小时的数据。每小时都记录了天气状况，以及临时用户和注册用户租用自行车的数量。 1. 字段描述 2. 数据预览 3.
1K10编辑于 2022-03-30 - 来自专栏高速公路那点事儿
解决方案 | 雾天行车安全难题多，智能行车安全诱导系统能破局吗？
随着技术创新与行业应用发展，2016年交通运输部发布了《雾天公路行车安全诱导装置》（JTT 1032）交通行业标准，极大得促进了公路雾区行车安全智能诱导及防撞预警系统（以下简称：行车安全智能诱导系统）的发展 行车安全智能诱导系统利用设置在公路两侧的行车安全智能诱导设施（也称为智能诱导边缘标）为在途车辆提供安全引导，在控制系统的集中智能控制下，行车安全智能诱导设施会根据不同的能见度与车流情况，采用不同的发光亮度 具体目标如下： (1)根据系统实时采集的能见度、雨、雪等行车环境数据，自动控制路侧智能诱导边缘标，以不同的亮度、颜色、闪烁频率等组合进行针对性行车引导，实现雨雪雾霾等复杂气象环境下的高速公路自适应安全诱导 ，不论环境照度条件，系统都将开发行车主动诱导功能，随着能见度条件的进一步降低，系统将自动切换至防止追尾警示模式，该模式下，无车辆通过时仍采用行车主动诱导工作模式。 05-设备构成 公路行车安全智能诱导系统主要由交通气象环境感知设备、行车安全智能诱导装置（智能诱导边缘标）、现场控制主机设备（数据预处理器）三大核心设备组成。
76500编辑于 2025-07-03 - 来自专栏大大的小数据
采集行车记录GPS轨迹并推送邮件2020.11.13
1、登录行车PGS记录页面。 2、跳转到轨迹页面。 3、把轨迹页面截图。 4、把截图发送到邮箱。
1K20编辑于 2022-09-22 - 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！ 追踪区域和前面的眼动有些不一样 HMD Tracking Area 是一个标准化的二维坐标系，其原点 (0, 0) 在右上角（从佩戴者的角度来看），而 (1, 1) 在左下角。 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）。 结合上面的一些坐标空间的概念就可以看到这个东西的意思啦 我之前写过一个pupill的眼动仪，这个是单眼追踪的方案 （A）当以球形坐标表示地面真实注视方向dgt时，可以将其可视化为球体上的一个点（参见上下面板中的蓝色圆盘
3K50编辑于 2022-11-29 - 来自专栏燧机科技-视频AI智能分析
行车作业区域人员闯入检测系统
： 行车轨道沿线：立杆安装（高度6-8m，俯角30°），覆盖“轨道两侧5m警戒区”，支持ROI动态聚焦（当人员进入警戒区时自动放大跟踪）； 行车驾驶室视角盲区：壁装补盲摄像机（广角120°），结合激光测距模块 引入特征金字塔网络（FPN）（实测数据：50m外人员（像素＜32×32）检出率从58%提升至85%）； 多目标重叠分离：基于DeepSORT算法（结合外观特征与运动模型），实测数据：5人重叠场景闯入目标追踪准确率 行车作业区域人员闯入检测系统基于LSTM和Transformer架构深度学习算法，行车作业区域人员闯入检测系统通过集成AI大模型，采用AI智能分析预警摄像机设备嵌入AI人体识别深度算法，对人员的精确检测 ，实现对人体检测分析识别，实时预警行车作业区域内人员闯入事件。 当有人员进入行车作业监测范围内可对其自动识别联动语音告警器报警和输出开关量信号联动行车停止工作，也可以对其抓拍并将当时图像传输到管理中心，在管理中心管理软件输出报警弹窗和语音提示。
50110编辑于 2026-01-15 - 来自专栏机器学习AI算法工程
行车环境实时语义分割与深度估计
本项目旨在实现车辆前方行车环境的实时解析。具体通过对行车记录仪的图像、视频数据的语义分割和深度估计实现。要实现的目标如下图所示： ? 2. 模型 本项目在实现行车环境场景语义分割和深度估计实时解析的过程中，尝试使用了不同的模型，有复现文献中提出的网络框架TRL、也有在语义分割ICNet的基础上增加深度分支，最后自己搭建了一个轻量化的模型。
97720发布于 2019-10-28 - 来自专栏数控编程社区
如何对不同材质的工件进行车削
6、车削淬硬钢 车削硬度通常为 55–65 HRC 的钢件被称为硬零件车削，是一种经济高效的磨削替代方案。硬零件车削具有更高的灵活性、更好的交货时间和更高的质量。
1.8K10编辑于 2024-06-12 - 来自专栏深度学习入门与实践
【深度学习】用PaddlePaddle进行车牌识别（二）
os.path.exists(outputPath)): 4 os.mkdir(outputPath) 5 outfile = open('label.txt','w') 6 fc5 = paddle.layer.fc(input = fc5_drop,size = 65,act = paddle.activation.Linear()) 42 43 fc6_ drop = paddle.layer.dropout(input = fc,dropout_rate = 0.5) 44 fc6 = paddle.layer.fc(input = fc6_drop drop = paddle.layer.dropout(input = fc,dropout_rate = 0.5) 51 fc6 = paddle.layer.fc(input = 传统的方法需要对图片灰度化，字符进行切分等，需要很多数据预处理的过程，端到端的方法可以直接将原始的图片灌进去进行训练，最后出来预测的车牌字符的结果，这个方法在构建了两层卷积-池化网络结构后，并行训练了7个全连接层来进行车牌的字符识别
1.8K80发布于 2018-04-04 - 来自专栏钱塘小甲子的博客
PyQt利用百度API绘制行车路径
任务不太难，基本要求就是能够在Qt界面上根据车辆的起始经纬度，绘制出实际地图上的行车轨迹。 1.构建Qwebview控件。 ? 首先，我们qt的界面中插入QWebView控件。
2.2K30发布于 2019-01-28
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