- 相关博文
- 最新资讯
-
摘要： 随着物联网、工业互联网等领域数据激增，时序数据库（TSDB）成为处理高写入、高查询时序数据的关键。Apache IoTDB凭借卓越性能（百万级写入/秒、10-20:1压缩比）、完整SQL兼容性及分层存储架构，成为企业优选。对比InfluxDB、Prometheus等，IoTDB在中文支持、生态集成（Hadoop/Spark/Grafana）及企业级高可用方面优势突出，提供从数据采集到分析的全链路解决方案，适合国内复杂业务场景。其开源特性（Apache 2.0协议）进一步降低企业成本，是大数据时代时序
-
- 云边有个稻草人
- 21小时前
-
-
本文系统介绍了Apache IoTDB时序数据库的两种核心建模方法：树模型和表模型。树模型采用层级路径结构，适合设备监控等灵活场景；表模型基于标准SQL，便于数据分析与集成。文章通过工业风机监控和车联网两个典型场景，展示了如何设计高效的数据模型：树模型通过路径表达设备关系，表模型则利用标签列实现快速筛选。针对大数据环境，文中提供了具体代码示例和优化建议，如设备层扩充、批量写入等，帮助用户在物联网等时序数据场景中实现高性能存储与查询。两种模型各具优势，可根据业务需求灵活选择或组合使用。
-
- 杰西笔记
- 22小时前
-
-
摘要： 自然语言生成（NLG）技术在AI领域广泛应用，但存在可控性差、生成内容不稳定等问题。Java大数据与机器学习结合，通过分布式计算（如Apache Spark）高效处理PB级文本数据，并利用条件注入、强化学习等技术提升模型可控性。实战案例显示，网易新闻和蚂蚁集团通过Java+TensorFlow方案，分别实现新闻生成效率提升40倍和金融文案合规率达99.2%。未来需突破多模态控制、实时交互等挑战，进一步优化生成精准度与伦理约束。
-
- 青云交
- 昨天
-
-
Java大数据破解教育冷启动困境 摘要：本文探讨了Java大数据技术在智能教育个性化推荐系统中的冷启动解决方案。针对新用户"数据荒漠"和新资源"曝光黑洞"问题，提出基于Java的多维度数据处理方案：1)通过Spark整合注册信息、设备数据和社交标签构建用户画像；2)利用Neo4j构建教育知识图谱实现语义关联；3)采用Lucene实现TF-IDF内容推荐算法。测试数据显示，该方案可将冷启动阶段的推荐准确率从23%提升至68%，有效解决教育平台新用户留存率低(18%)和新
-
- 青云交
- 昨天
-
-
本文探讨了Java大数据技术在智能物流仓储领域的应用，重点解决传统仓储面临的货位管理混乱和库存周转率低下问题。通过构建仓储数字孪生体实现全链路数据采集，利用强化学习、遗传算法等智能优化技术，实现仓储空间利用率提升至89%，拣货效率提高3倍。同时整合多维度数据建立精准预测模型，显著降低库存失衡风险。Java大数据技术正推动物流仓储从经验驱动向数据智能驱动的深刻变革，为行业带来显著经济效益和运营效率提升。
-
- 青云交
- 17小时前
-
-
摘要：本文系统介绍了NVIDIA Jetson嵌入式AI平台的核心概念与产品选型。首先解析Jetson三大系列：Orin Nano（入门级/5-15W）、Orin NX（主流级/10-25W）和AGX Orin（旗舰级/15-60W），通过性能参数对比表明确各型号适用场景。其次揭示Jetson本质是"嵌入式SoM+加速计算模块"，其优势在于TensorRT加速和完整的GPU生态。最后对比市场同类产品，指出Jetson在AI性能和视频处理方面具备明显优势，适合工业应用；而RK3588和树莓
-
- 嵌入式Jerry
- 18小时前
-
-
本文为系列文章第一篇，完整项目包含三部分：· 本篇：架构设计与环境搭建 ✅· 第二篇：Spark实时处理与预警（即将发布）· 第三篇：前后端实现与可视化（即将发布）关注我，不错过后续更新！本文所有代码均可直接运行，欢迎学习交流！🎯 项目背景大家好，我是静思009，一名26届大数据专业的专科生，来自新疆和田。目前在实习阶段，虽然因为地域限制还没找到专业对口工作，但我相信技术能力才是硬道理！今天开始分享一个完整的农业实时监控大数据平台项目，专门针对和田地区的农业场景设计。
-
- 静思009
- 昨天
-
-
本文详细介绍了在CDH 6.3.2集群中部署Apache Paimon的完整流程。主要内容包括：1）在所有节点创建auxlib目录并添加Paimon Hive连接器JAR包；2）配置Hive的辅助JAR目录路径并重启服务；3）升级zstd-jni版本至1.5.5-11，包括替换Hive和YARN相关目录中的旧版本JAR；4）在beeline中执行Paimon表创建和数据操作。完成部署后，成功创建了Paimon表并验证了数据插入与查询功能。整个过程涉及文件操作、权限修改和集群配置调整，最后需重启集群使配置生效
-
- wangyutian5u
- 21小时前
-
-
消息队列选型指南：RabbitMQ、RocketMQ、Kafka与ActiveMQ深度对比。RabbitMQ适合企业级解耦场景，提供灵活路由但吞吐量有限；RocketMQ在金融交易场景表现优异，支持事务消息和严格顺序；Kafka以百万级吞吐量成为大数据处理首选；ActiveMQ则主要适用于传统JMS项目。选型需综合考虑吞吐量、延迟、可靠性等核心指标，根据电商交易、日志处理、企业应用等不同场景选择最适合的解决方案。
-
- IT 刘工
- 昨天
-
-
英超"无弱旅，平局要警惕"的说法经数据分析被证实错误。winner12 AI的研究团队分析了2015-2025赛季3800场英超比赛发现：平局仅占23.32%，是三种结果中最低的；强队主场对弱队胜率达78.89%；保级队胜率仅17.84%。数据显示英超强弱分明，主场优势明显，平局才是最少出现的结果。正确的结论应是"英超强弱分明，主场优势明显"。
-
- 足球winner12
- 昨天
-
-
编写程序实现“数字猜大小”入门版——让用户输入1-100之间的一个数字，程序先打印“收到你的数字啦！”，再计算这个数字的2倍+5的结果，最后输出“你的数字经过魔法变换后是：XXX”。模拟手机解锁验证——程序预设一个密码（比如123456），让用户输入密码，若输入正确，打印“验证通过！若输入错误，打印“密码错误！经典猜数字游戏——程序随机生成1-100之间的一个秘密数字，让用户反复猜，直到猜对为止。拓展：如果想让密码支持字符串（比如“abc123”），该怎么修改？
-
- Michelle8023
- 昨天
-
-
技术解决方案摘要：基于WechatAPI的智能私域运营系统 本方案针对企业私域运营中规模化与个性化矛盾、人力效率瓶颈及数据孤岛问题，构建以WechatAPI为核心的智能私域基础设施。通过四层技术架构（基础设施层、数据层、平台层、应用层），实现四大核心能力：1）智能客户关系管理（动态画像+全生命周期SOP）；2）精准互动与服务自动化（情景感知触达+AI助手）；3）矩阵式社群运营（标准化SOP+舆情监控）；4）内容分发网络（跨平台同步+视频号集成）。方案可提升运营效率300%+，客户满意度45%+，销售转化率2
-
- iPad协议说
- 17小时前
-
-
摘要 本文系统探讨了消息队列在分布式系统中的核心作用与Spring Boot集成方案。重点分析了RabbitMQ和Kafka两大主流消息中间件的特性差异，并提供了详细的Spring Boot集成示例。文章涵盖生产者/消费者模型实现、消息可靠性保障机制（ACK/死信队列）、并发控制等关键话题。通过配置示例和代码片段，展示了如何在Spring Boot中高效集成消息队列，解决系统解耦、异步处理等实际问题。此外，还对比了两种消息中间件在吞吐量、延迟等方面的性能差异，为技术选型提供参考依据。
-
- 刘一说
- 前天
-
-
可以直接点击Eclipse工作界面上部的运行程序的快捷按钮，当把鼠标移动到该按钮上时，在弹出的菜单中选择“Run as”，继续在弹出来的菜单中选择“Java Application”，如下图所示。4.打开eclipse,因为之前实验创建过workspace,因为在下面的界面点击我们之前创建的workspace即可。1.首先创建twosortfile1.txt,并在此文件中输入内容。9.将TwoSort.java文件按照下面图片的操作打包成jar包。编写twosortfile2.txt的内容。
-
- 小菜学大数据
- 昨天
-
-
摘要：数字化转型背景下，AI技术正重塑项目管理中的人员资源管理方式。维普时代依托VisualRM和Visual-ALM平台，通过智能人岗匹配、跨部门协同提效、动态资源管控及知识沉淀四大核心能力，解决传统管理模式下资源错配（误差率从18%降至3%）、协作低效（需求复用率提升200%）等痛点。实践显示，某银行需求开发周期缩短50%，资源利用率提升25%。该方案助力企业实现从经验驱动到AI驱动的转型，推动人员资源从成本中心向价值引擎跃升。（150字）
加载中...
-
SQL中有一类函数叫聚合函数，比如count、sum、avg、min、max等，这些函数的可以将多行数据按照规整聚集为一行，一般聚集前的数据行要大于聚集后的数据行。而有时候我们不仅想要聚集前的数据，又想要聚集后的数据，这时候便引入了窗口函数。
活动
-
2021-11-10
-
2021-03-09
-
2020-12-16
独家定制
-
-
3500人的专业安全团队与你同在
-
-
CSDN云计算在线公开课
-
-
IaaS市场高速增长，历久弥新
精品推荐
关于我们
关注「云计算」
转载 & 投稿：songhui@csdn.net
商务合作：zhangjing@csdn.net