- 博客(14)
- 收藏
- 关注
RSS订阅原创 VonaJS AOP编程：魔术方法
为了让 IOC 容器的使用更加简洁和直观，VonaJS 推荐优先使用依赖查找策略，从而使用更少的装饰器函数，使用更少的类型标注。系统自动从 method name getById中解析出参数id，然后调用实际的 CRUD 方法，这里就是: get({ id })this.scope.model.xxx: 通过魔术方法动态获取当前模块中的 model 实例。魔术方法，允许我们在 Class 内部通过__get__和__set__切入动态属性或方法。然后，通过__set__实现颜色值的设置。
2025-12-21 14:51:48
235
原创 @Autowired 的Bug让我们白忙三天
当其他服务（比如我们的 PaymentController）通过 @Autowired 注入 PaymentProcessor 时，Spring 注入的不是每次都创建的新实例，而是一个代理（proxy）。错的是它们的组合——只在生产、只在某些代码路径、只在两个 PR 都合并之后才显现的问题。原型 Bean 与代理、构造器注入中的环状依赖、@Transactional 的内部方法调用等等。我们以为字段注入和构造器注入是等价的。FraudDetector 的 Bean 存在、已注册，其他服务用它也都没问题。
2025-12-21 14:51:04
685
原创 .NET 10 社区SDK（Loongarch 和 RISC-V）
目标：把源码编译成跨平台的 SDK 二进制/安装包（zip/tar、pkg/dmg、msi/deb/rpm 等），做签名、生成校验和、上传到发布位置（GitHub Release、Azure Blob/Storage、官方 feed 或镜像站），并更新安装脚本/渠道（例如 dotnet-install 脚本或网站上的版本清单）。GitHub Actions 作为自动化引擎：触发（tag/release、手动/dispatch、定时）→ 构建 → 测试 → 打包/签名 → 发布 → 后置更新/通知。
2025-12-17 19:33:47
600
原创 Cloudera CDH迁移到 华为MRS使用场景分析与思考，是国内大数据行业的踌躇不前的原因？
从 Cloudera CDH（Cloudera’s Distribution Including Apache Hadoop）迁移到华为云 MRS（MapReduce Service）时，虽然整体架构相似，但由于组件版本差异、存储模型变更、安全体系重构、生态工具替换等因素，某些特定场景需要特别关注和提前规划。⚠️ 注：根据华为文档，CDM 迁移 HBase 到 MRS 2.x 及以上版本时，无法使用 HBase 修复命令，需采用其他方式（如 Snapshot 或 BulkLoad）。
2025-12-17 19:32:58
348
原创 NGD-SLAM(一)
到最近几年，动态场景的处理才变成可能，这也是本文的一个亮点之一，当然你要说这篇论文有多创新那也算不上，估计这样的论文放到CVPR大概率不会被收纳，因为从学术研究的角度看，这篇论文还不够新颖，那这里为什么着重介绍这篇论文那？论文主要通过两个方面实现上述目的：第一，关于动态场景部分遮罩的生成，因为论文使用YOLO模型进行动态物体的识别，这是个相对比较耗时的操作，所以这里使用上一帧生成的动态物体的包围盒，避免每一帧都进行YOLO计算带来的资源消耗。对于上一帧没出现而当前帧出现的动态人物，ORB不能正确的识别。
2025-12-15 13:05:55
301
原创 智能体标准化纪元：Agentic AI基金会（AAIF）成立与全球AI基础设施重构
通过对现有超过10,000个MCP服务器生态的剖析，本文认为，AAIF正在重现“集装箱化”对物流业或“Kubernetes”对云计算所起到的标准化革命作用，预示着一个机器与机器自主协作的新经济时代的到来。通过汇聚Anthropic的MCP、Block的Goose和OpenAI的AGENTS.md，以及Bloomberg、Google、Microsoft等巨头的支持，AAIF成功地将“互操作性”确立为智能体发展的核心原则。然而，随着企业应用深度的增加，单纯的对话能力已无法满足复杂的业务需求。
2025-12-15 13:05:19
319
原创 结项报告完整版 | Apache SeaTunnel支持metalake开发
读取env中是否开启metalake标识，在source和sink中增加sourceId作为查询metalake的唯一标识，获取数据 源信息并替换source/sink配置项中的占位符。定义metalake接口，支持根据唯一ID查询数据源配置信息，并实现Apache Gravitino数据源信息转换为 SeaTunnel配置项占位符的功能。
2025-12-14 11:02:32
887
原创 K3s-基础：基础概念、单机部署、集群化部署-Docker-运行配置与安装笔记
k3s kubectl expose deployment <部署名> --type=NodePort --port=80 --target-port=80 --name=<Service名> 从 Deployment 创建 NodePort 类型的 Service（暴露端口供外部访问）k3s 中：容器仍是应用运行载体，但不允许直接管理，必须封装到“Pod”中才能部署（类比：Docker 直接指挥“快递员”，k3s 先把“快递员”编为“小组”再指挥）。k3s 可通过 Deployment 全自动管理。
2025-12-14 11:01:51
303
原创 为什么要手搓一个自己的数据库迁移工具
另外一个原因是SOD实体类的设计与市面上绝大部分ORM都不同，SOD实体类采用值数组的方式存储从数据库读取的原始值，这些值可能携带了数据驱动程序特定的类型信息，而这种类型可能与目标数据库的类型是不兼容的，比如日期类型，MySQl驱动程序有自己的日期子类型，金仓数据库驱动程序也有自己的日期子类型，甚至不同版本的金仓数据库日期子类型还有微小的差异，所以数据迁移的时候最好消除源数据库读取字段的特定的类型信息，直接使用.NET的数据类型，然后让数据库驱动程序根据.NET数据类型转换到目标数据库支持的数据类型。
2025-12-13 18:04:41
889
原创 alembic使用指南
它与 SQLAlchemy（一个流行的 Python ORM 库）紧密集成，共同为 Python 应用程序提供数据库管理和迁移支持。--autogenerate: 自动检测你的 SQLAlchemy 模型与数据库当前状态的差异，并生成相应的升级/降级 SQL 语句。│ (Alembic 读取迁移文件, 更新 MySQL 数据库结构, 并更新 alembic_version 表)后续按照现有的文件格式创建新的迁移即可，版本号使用基于时间戳的uuid即可，上一个版本的版本号记得填。
2025-12-13 18:03:59
288
原创 深入理解Java内存模型与volatile关键字：从理论到实践
StoreLoad 确保前面的写完成再执行后面的读 先生产完产品再质量检查 volatile写之后。LoadLoad 确保前面的读完成再执行后面的读 先读完第一章再读第二章 volatile读之后。LoadStore 确保前面的读完成再执行后面的写 先诊断病情再开药方 volatile读之后。// 初始状态：主内存和所有本地内存中 sharedVariable = 0。if (messageReady) { // volatile读：检查新消息。// 保证看到x=1, y=2。
2025-12-12 11:38:10
736
原创 .NET 10中GC（垃圾收集器）默认启用DATAS
设计目标：DATAS旨在根据应用程序的实际大小动态调整堆大小，特别适用于内存受限环境下的突发性工作负载和小型工作负载使用Server GC的场景。吞吐量：对于某些场景，特别是那些对吞吐量有极高要求且不能容忍任何性能下降的场景，DATAS可能不是最佳选择，因为它可能会在某些情况下降低吞吐量。堆大小变化：使用DATAS时，堆大小可能会根据应用程序的需求动态变化，这在不同核心数的机器上表现更为一致。突发性工作负载：在内存受限的环境中，DATAS能在工作负载减轻时收缩堆大小，在工作负载增加时扩展堆大小。
2025-12-12 11:37:21
366
原创 Powershell管理远程计算机(四)
SessionOption Enter-PSSession, Invoke-Command 接受一个由 New-PSSessionOption 创建的对象，用于精细控制会话的各种超时和连接行为 需要调整会话空闲超时(-IdleTimeout)、操作超时(-OperationTimeout) 或跳过证书检查等高级场景。-Port Enter-PSSession, Invoke-Command 指定连接的TCP端口 连接非默认端口（5985/5986）的远程主机，常用于端口转发或特殊安全配置。
2025-12-11 10:30:08
526
原创 了解DeepSeek V3.2和Claude Sonnet 4.5
此过程始于一个已能处理128K上下文长度的DeepSeek-V3.1-Terminus模型检查点，包含精心设计的持续预训练方案以及一个特意保持与 predecessor 模型完全一致的后训练流程，以确保评估的公*性和可控性。这些凝聚了专家模型精髓的蒸馏数据，随后被用于训练最终的通用模型。后训练：此阶段完全沿用DeepSeek-V3.1-Terminus的后训练流程、算法和数据配置，通过专家蒸馏与混合强化学习等技术进一步优化模型，确保在引入稀疏注意力的同时，模型性能与 predecessor 保持严格可比。
2025-12-11 10:29:04
711
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人