- 相关博文
- 最新资讯
-
消息队列技术选型分析：RabbitMQ、RocketMQ与Kafka对比 本文从实战角度对三大主流消息队列进行多维度对比分析。RabbitMQ基于AMQP协议，提供灵活路由和图形化管理，适合中小型系统；RocketMQ由阿里开发，具备金融级高可靠性和高吞吐特性；Kafka则专为高吞吐流处理设计，与大数据生态深度集成。三者各具特色：RabbitMQ路由灵活但吞吐有限，RocketMQ在事务消息和顺序消息方面表现优异，Kafka则在大规模数据处理上优势明显。文章通过架构图、性能指标表和典型场景分析，为开发者提供
-
- Jinkxs
- 前天
-
-
本文深入解析Git核心概念与工作流程，重点阐述三个关键区域（工作区、暂存区、本地仓库）的运作机制和相互关系。通过真实开发场景，详解git add/commit/fetch/pull/push等命令的实际作用，澄清"origin/分支名"的本质是远端分支的本地快照而非真实分支。特别说明VSCode状态提示反映的是本地与远端跟踪分支的差异，而非push状态。文章还对比了git diff系列命令，并提供了分支管理、代码回滚等实用场景的操作方案，帮助开发者建立清晰的Git心智模型，避免常见协作问
-
- BestOrNothing_2015
- 15小时前
-
-
Elasticsearch 默认能保证单次查询返回的前 N 条结果是最相关的，但需满足特定条件。关键影响因素包括排序方式（默认按 _score 降序）和分片机制（各分片先返回本地 Top N 再合并）。破坏相关性的常见场景包括：使用 terminate_after 提前终止查询、多字段排序导致权重失衡，以及分片间数据分布不均。解决方案包括：1）使用 dfs_query_then_fetch 模式获取全局统计信息；2）优化分片策略（如单分片）；3）通过 function_score 自定义评分脚本。
-
- 大数据与AI实验室
- 16小时前
-
-
随着大模型从「单轮对话」走向「长期任务 + 多 Agent 协作」，记忆（Memory）正在成为 LLM 应用的基础设施能力之一。面向大模型应用的、可插拔的记忆工程抽象层它屏蔽底层存储差异，让开发者可以用统一的方式管理、检索、更新“记忆”，并在需要时自由切换 Redis、Elasticsearch、Milvus、Qdrant 等后端。在SCHEMAhash TAGrun_id TAGDIM 1536📌要点PREFIX决定哪些 key 会被索引TAG用于精确过滤支持时间排序VECTOR。
-
- curd_boy
- 18小时前
-
-
网络爬虫是一种自动爬取的程序，它为搜索引擎搜索在万维网搜素网页，是搜索引擎的重要组成部分。简述 Hadoop三种安装模式。单机配置，文件存储在本地文件系统上。在本地机器运行伪分布式安装 文件存储在hdfs文件系统，namenode和datanode在一台机器上分布式安装 文件存储在分布式系统 ，namenode和datanode在不同节点上简述数据清洗的基本流程。数据定义 ，搜索的数据存在质量不达标准的，质量没达到标准的需要认为或通过计算机程序进行处理。
-
- chang yy
- 15小时前
-
-
hdfs-site.xml：HDFS相关进程的配置项，包括 NameNode、SecondaryNameNode、DataNode等。--配置NodeManager执行MapReduce任务的方式为Shuffle混洗-->--配置hdfs NameNode的地址，9000是RPC通信的端口-->--配置namenode节点存储fsimage的目录位置-->--配置datanode 节点存储block的目录位置-->--指定运行mapreduce的环境为YARN-->
-
- Python程小可
- 15小时前
-
-
TDengine 专为物联网IoT平台、工业大数据平台设计。其中，TDengine TSDB 是一款高性能、分布式的时序数据库（Time Series Database），同时它还带有内建的缓存、流式计算、数据订阅等系统功能；TDengine IDMP 是一款AI原生工业数据管理平台，它通过树状层次结构建立数据目录，对数据进行标准化、情景化，并通过 AI 提供实时分析、可视化、事件管理与报警等功能。
-
Django作为高性能Python框架，提供快速开发能力与清晰的项目结构，结合Spark的分布式计算优势，可解决传统Web系统在数据处理上的瓶颈。系统采用Spark SQL进行数据清洗、特征工程，利用随机森林或梯度提升树算法实现房价趋势预测，技术整合具有示范性。传统数据分析方法受限于处理能力和实时性，难以应对海量房产数据（如交易记录、区域特征、政策影响等多维度信息）的挖掘需求。分析结果可揭示政策（如限购）与房价的关联性，突破传统定性分析局限，推动基于实证的住房政策制定。
-
- Q3115413028
- 昨天
-
-
本文介绍了一个基于大数据的化妆品推荐系统毕业设计项目。系统采用Java+SpringBoot+MyBatis技术栈，包含用户注册、肤质问卷、商品推荐等核心功能。数据采集通过Python爬取天猫商品及评论（初始3万商品+30万评论），推荐算法采用协同过滤与TF-IDF加权混合方案。系统设计考虑了肤质季节差异、实时推荐（延迟<5分钟）及防刷单机制。开发周期5个月，分需求分析、核心功能开发、联调测试等阶段。项目选题切合实际需求，技术方案可行，适合作为本科毕业设计课题。
-
- 毕设源码-钟学长
- 昨天
-
-
本文摘要：该文档详细记录了大数据环境配置流程，包括用户登录、工具安装（nano/unzip）、环境变量配置（sbt/kafka）、文件解压部署（Hadoop/HBase/Spark）、权限修改、Hadoop免密登录设置（SSH密钥生成）、以及三大组件启动流程（HDFS格式化、start-all.sh启动Hadoop、spark-shell验证、HBase启动）。关键步骤涉及系统路径修改（/etc/profile）、目录所有权变更（chown）和SSH认证配置，为后续大数据实验搭建了完整的基础运行环境。
-
- Xue 的冰箱
- 昨天
-
-
本文分享了Elastic工程师开发GZIP压缩日志摄取功能的性能优化过程。最初预计该功能会降低ElasticAgent和Filebeat的日志处理性能，但基准测试结果出人意料：在4150个小文件场景中，GZIP文件处理反而略快于纯文本文件，而在48GB大文件场景中两者性能相当。分析发现，虽然filestream读取GZIP文件确实更慢，但由于Pipeline队列成为瓶颈，整体性能未受影响。内存方面，每个GZIP文件会多消耗约100KB内存，但在大文件场景中可忽略不计。文章强调性能优化应全面测量，局部性能变化
-
本文总结了2025年Java与AI技术融合的深度实践。作者从构建企业级RAG知识库入手，通过MinIO存储、Apache Tika解析和Kafka消息队列实现工程化数据处理，并创新采用语义分块策略提升检索质量。在AI Agent开发中，利用Java 21虚拟线程和ReAct范式构建高性能智能体，解决了"复读机"等关键问题。同时分享了AI辅助编程经验，包括Cursor工具的高效使用和MCP协议的实践应用。作者认为AI正在重塑开发范式，使开发者能更专注于架构设计而非代码细节。这些实践展现了J
-
- bblb
- 前天
-
-
本文详细介绍了使用LocalAI部署Qwen3-32B大模型并构建RAG应用的完整流程。主要内容包括：1) 安装Elasticsearch和Kibana 9.0.1；2) 配置加密密钥和白金版试用功能；3) 部署Elasticsearch自带的.multilingual-e5-small向量模型；4) 通过Docker或brew安装LocalAI服务；5) 下载并验证Qwen3-32B模型；6) 创建Elasticsearch连接器。特别指出在macOS M3 Pro上使用Metal加速后，推理速度从0.1
-
本文详细介绍了在Windows系统下启动HBase的完整流程。首先需要配置JDK 8环境并设置JAVA_HOME变量，建议安装适配Windows的Hadoop版本。核心步骤包括：修改hbase-env.cmd和hbase-site.xml配置文件（区分单机/分布式模式），以管理员权限运行start-hbase.cmd启动服务。启动后可通过jps命令、HBase Shell和Web UI(16010端口)三种方式验证服务状态。文中还提供了常见问题的解决方案，如缺少系统依赖、环境变量配置错误等。特别强调Wind
-
- 郑泰科技
- 昨天
-
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