- 相关博文
- 最新资讯
-
3.29: On hardware security bug code fixes by prompting large language models（基于提示大语言模型的硬件安全漏洞代码修复研究）
论文证明了：硬件安全 RTL repair 可以被有效建模为“prompt 引导的代码生成 + 自动验证筛选”问题，而不是只能依赖传统搜索式修复。-
- CaiGuoHui1
- 15小时前
-
-
KRaft（Kafka Raft）是Kafka基于Raft共识算法实现的内置元数据管理机制。它将原本存储在ZooKeeper中的元数据（主题、分区、ISR、配置等）迁移到Kafka自身的一个特殊日志主题中。fill:#333;important;important;fill:none;color:#333;color:#333;important;fill:none;fill:#333;height:1em;KRaft架构（Kafka 4.0+）拉取元数据拉取元数据拉取元数据控制器仲裁。
-
- Seal^_^
- 16小时前
-
-
本文深入解析了Elasticsearch中倒排索引的工作原理。通过对比传统数据库的正排索引，倒排索引采用"关键词->文档ID"的映射方式实现高效查询。核心结构包括词典和倒排列表，构建过程涉及文档收集、分词、词汇规范化等步骤。查询时通过查找倒排列表、合并结果和评分排序实现快速检索。文章还介绍了有限状态转换器、跳跃表和roaringbitmap等优化技术，显著提升了海量数据下的查询性能。倒排索引以牺牲部分写入性能为代价，为Elasticsearch提供了卓越的搜索速度。
-
- 缴鸿剑Jackson
- 8小时前
-
-
本文介绍了Elasticsearch（ES）的核心概念与应用场景。ES是基于Lucene的分布式搜索引擎，擅长非结构化文本检索，具有近实时性、全文检索和RESTful API等特点。与关系型数据库不同，ES采用倒排索引结构，支持水平扩展，适合处理海量数据搜索和分析。文章详细解析了7个核心概念（集群、索引、文档、字段等），并解释了ES快速检索的原理。最后提供了Docker快速部署ES的方法，指出ES在搜索推荐、日志分析和AI检索等领域的重要价值。
-
- 缴鸿剑Jackson
- 8小时前
-
-
腾讯作为国内互联网巨头，拥有深厚的技术积累、完善的研发体系和广阔的业务场景，尤其在社交、云计算、企业服务等领域对我有很强的吸引力；我希望未来能进入其中一家，从事后端开发、大数据或智慧交通相关方向的研发工作，将我的交通工程背景与计算机技术深度融合，做出有实际价值的产品。虽然我的主修专业是交通工程，但随着对信息技术和数字化时代的理解加深，我逐渐意识到编程和计算机技术在各行各业中的重要性，尤其是在智慧交通、自动驾驶、交通大数据等前沿方向中，编程能力已经成为不可或缺的核心技能。我的编程目标分为短期和长期两个层面。
-
- 暴走的尼
- 16小时前
-
-
国产ARM环境下SQLite管理工具适配困难，SQLiteGo在银河麒麟aarch64架构中表现优异，部署简单且运行稳定。该工具针对数据分析需求优化，支持多格式数据导入导出、复杂查询、存储过程复用等功能，大数据处理流畅高效。界面简洁直观，操作便捷，能有效提升国产环境下的数据分析效率。适合有国产ARM环境需求的开发者与数据分析师测试使用。
-
- Quincy_Freak
- 昨天
-
-
大数据系统（如Hadoop、Kafka、Flink）依赖成百上千个节点协作，就像“蚂蚁搬家”需要明确分工。但如何防止“坏蚂蚁”偷数据？如何保证所有蚂蚁搬的“米粒数量”一致？这就是分布式系统的安全挑战。本文聚焦Zookeeper这一“分布式协调专家”，讲解它如何解决大数据系统的权限管理、数据一致性、故障检测三大核心安全问题。本文从“生活中的安全管家”故事切入，拆解Zookeeper的核心概念（Znode、ACL、Watcher、Session），用“小区门禁系统”类比解释它们的协作关系；
-
- AI实战架构笔记
- 前天
-
-
企业每天产生海量数据：用户点击记录、供应链库存、市场推广效果……“为了阻止销量下降，我应该做什么？调整定价？增加促销？还是优化库存？本文将聚焦“规范性分析”（Prescriptive Analytics），这是大数据分析的最高阶段，目标是从数据中直接推导出“最优行动方案”，帮助企业从“被动看数据”转向“主动用数据做决策”。用“咖啡店老板的故事”引出三大分析类型的区别；拆解规范性分析的核心逻辑（优化模型、约束条件、目标函数）；通过Python代码实战演示“如何用规范性分析优化库存”；
-
- 操作系统内核探秘
- 前天
-
-
1Panel 是一款开源、现代化的 Linux 服务器运维管理面板，通过 Web 图形化界面，为用户提供简单高效的服务器管理能力，无需复杂命令行操作，新手也能快速上手。不仅支持可视化管理本地及远程服务器，还内置应用商店，囊括建站工具、大数据模型、数据库等各类主流应用，可实现应用的一键安装、升级与卸载，同时具备高效的资源调度能力，在高并发场景下仍能保持服务器稳定运行，赋能企业生产运维效率提升。官方文档：https://1panel.cn/
-
- 生产队的驴.
- 昨天
-
-
电商商品搜索技术方案解析 本文基于Elasticsearch构建电商商品搜索系统，核心内容包括： 业务需求分析：支持关键词搜索、多条件筛选、排序、聚合统计、高亮显示和分页查询六大功能，对标京东搜索体验。 ES文档建模： 采用ik_max_word分词器处理中文文本 使用keyword类型存储精确匹配字段 通过nested类型维护商品属性的关联性 明确定义数值、布尔和日期等字段类型 技术实现： 设计完整的商品索引结构和mapping 提供DSL查询示例，涵盖多字段搜索、过滤、排序等功能 强调filter子句的
-
- 尽兴-
- 8小时前
-
-
0 额外服务器部署，0 运维成本，极少的 Java 配置代码。应用内所有核心依赖组件（DB池、RPC、Web容器）全方位透明化。过去需要专家级经验才能排查的中间件假死、线程耗尽问题，现在辅以趋势图和 AI 分析，初中级开发也能一眼望穿。有了这套基于 Micrometer 打造的“SLF4J 式”监控防线，单体应用内部的层层迷雾被彻底拨开。你的系统，真正变成了让别人无法碰瓷甩锅的“铁桶一块”。
-
- 夫礼者
- 昨天
-
-
随着互联网应用规模持续扩张与微服务架构普及，服务器、中间件、应用层产生的日志数据呈爆炸式增长。传统单机ELK（Elasticsearch+Logstash+Kibana）栈在PB级日志场景下面临吞吐瓶颈、存储成本高、实时性不足及横向扩展受限等挑战。本文针对大规模分布式日志分析需求，设计并实现了一套基于Hadoop生态的离线+近实时混合日志数据分析系统。系统以HDFS为统一存储底座，采用Flume+Kafka构建高吞吐日志采集管道，利用MapReduce与Spark SQL双引擎协同处理：M...
-
- 人工智能毕设
- 昨天
-
-
Skills、MCP、Rules、Agent 四个概念全面解析，帮你彻底搞懂 AI Agent 系统的基本架构
-
- LaughingZhu
- 8小时前
-
加载中...
-
在本文中，我们将开始开发自己的Kubernetes控制器。 技术栈可以是Python、NodeJS或Ruby。因为这个博客被命名为为“ Java极客”，因此选择Java是很正常的。 作为一个用例，我们将实现sidecar模式：每当一个pod被调度时，sidecar pod也会随之被调度。如果将前者删除，则后者也必须删除。
-
如今，Python真是无处不在。尽管许多看门人争辩说，如果他们不使用比Python更难的语言编写代码，那么一个人是否真是软件开发人员，但它仍然无处不在。
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