- 博客(880)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 一张图看懂DDD所有核心概念
本文的内容呢，你只需要先了解，你不需要背，也不需要记，因为当你看完这个专栏的时候，你再回过头来，就会深刻的理解这些概念了。
2026-09-27 17:30:00
12
原创 为什么需要DDD？——从三个真实的“拆分灾难”说起
某平台建订单中台的时候，业务方说“订单”包含商品、支付、物流信息。开发说“订单”只包含订单头数据，商品在商品服务、支付在支付服务、物流在物流服务。两边说的都是“订单”，但理解完全不一样。需求文档写得再多，做出来的东西就是对不上。问题不是沟通能力，而是**没有统一语言**——同一个词在不同角色中含义不同，却没有人意识到。
2026-09-26 22:46:12
14
原创 DDD 实战专栏：从业务到代码——导读
软件行业里，DDD 被谈论了很多年，但真正能把它落到代码里的团队并不多。不少团队尝试过 DDD。战略设计阶段通常还算顺利——限界上下文、聚合这些概念能理解，画出来的领域模型也有模有样。但一进入战术设计，问题就来了：实体该放哪些方法？仓储接口定义在哪一层？业务规则由谁执行？事务边界怎么控制？书上的案例太简单，真实项目又太复杂。中间缺了一条可操作的路径——从领域模型到可运行代码之间的路。这个专栏就是想补上这条路。
2026-09-26 21:57:50
10
原创 高级软件架构师学习笔记——质量属性分析真题
在前面的课程中，我们学习了质量属性和质量效用树,下面我们来做几个真题，如果你可以把下面的每个内容列举的质量属性都能够识别出来，那么案例的第一题你就稳了。这里要和大家说一个非常牛掰的技巧，就是你做下面的题，你一定要看分，比如8分，那么填4个，或者8个，如果是12分，那么填6个或者12个，就是你答题的时候一定要看这个题值多少分，它决定了你要选出多少来，不要多选。
2026-09-26 14:32:19
222
原创 高级软件架构师学习笔记——质量属性分析真题
在前面的课程中，我们学习了质量属性和质量效用树,下面我们来做几个真题，如果你可以把下面的每个内容列举的质量属性都能够识别出来，那么案例的第一题你就稳了。这里要和大家说一个非常牛掰的技巧，就是你做下面的题，你一定要看分，比如8分，那么填4个，或者8个，如果是12分，那么填6个或者12个，就是你答题的时候一定要看这个题值多少分，它决定了你要选出多少来，不要多选。
2026-09-26 14:30:30
273
原创 高级软件架构师学习笔记----质量属性和质量效用树
对于这篇文章的内容，我只想说，它绝对是重中之重，因为这个章节中的内容往往存在于案例课程的第一题，如果这道题你要是不能拿到22分以上，我觉得你案例就危险了。在这篇文章中，我将把我的诀窍告诉你，个人感觉这个章节太简单了。下面我们先来学知识，再来学技巧。
2026-09-04 22:08:19
214
原创 高级软件架构师学习笔记----案例分析总览
如果你看到了这里，那我相信你一定是真的想要考软考，而不是随便说说而已了，那么接下来好好学习，我希望我的经验可以帮助到你。前面我们把综合知识学习完了，综合知识就是选择题，考45分就好了，我个人觉得，如果你把我整理的看一遍，然后你结合者刷题，搞出你自己的知识框架，那么这个没问题，所以没有什么可担心的，但是案例不一样，这玩意不太好说，所以我希望把经验分享给你，让你可以少走一些弯路。
2026-08-28 20:41:40
200
原创 软考：高级软件架构师学习笔记----数据库
这里的模式是集中数据库的模式对于用户或者程序员来说，是外模式，它对应用户视图概念模式简称为模式，数据的逻辑结构，存储的基本表结构内模式是存储文件外模式-概念模式映射实现了逻辑独立性，外模式是根据概念模式来的概念模式-内模式映射实现了物理独立性，概念模式是根据内模式来的概念模式下有概念级数据库内模式下有物理级数据库。
2026-08-21 21:42:24
197
原创 软考：高级软件架构师学习笔记----软件架构设计
软件架构在需求分析和软件设计范围之间，是软件设计能力强的人负责，用户将需求和软件设计链接起来，比如哪个需求放到哪个某块等等D不是，软件架构不仅是功能性需求还有非功能性需求（比如服务扩展性等等），而且更加关注的是功能性需求。
2026-07-11 21:06:52
420
原创 软考：高级软件架构师学习笔记----系统工程与信息系统基础
这里是对系统工程的定义，看起来其实是很好理解的。考试的时候可能会挖空选填。所以核心需要关注：1、对系统的组成要素、组织结构、信息流、控制机构2、计算机为工具3、对系统的结构、元素、信息和反馈进行分析4、最优规划、最优设计、最优管理、最优控制。
2026-07-11 20:32:38
256
原创 软考：高级软件架构师学习笔记----软件工程
需求已经分析了，已经输出需求文档了。此时就需要需求评审需求测试就是根据需求设计一些假设性场景，验证需求是否可以跑通。
2026-07-06 22:07:32
423
原创 软考：高级软件架构师学习笔记----未来信息综合技术
这个都是一些非常前言的技术，而且我发现现在软考也会考很多前言的技术，2026年5月就考了一些transformer、大模型之类的东西，这些东西大家还是要有一些积累的，总的来说，你看这个这个章节，我总感觉没啥用，因为出的都是前沿的一些东西。
2026-07-05 21:24:06
335
原创 软考：高级软件架构师学习笔记----信息安全技术基础知识
信息摘要具有单向性：比如希赛网...对应a3e...，但是你不能通过e3e算出希赛网抗弱碰撞性：除了希赛网。。。很难有其它文本对应a3e...，重复几率很低这些常用的信息摘要算法，无论多长都可以压缩到固定长度很多网站可以通过e3e映射出原文的原理是，它有大量的数据去md5好了，然后做映射，理论上数据无限，可以通过e3e映射出原文，但这个量无限，所以基本是不可能的。信息摘要不是加密算法，主要是为了防止解决篡改问题，保证完整性。
2026-07-05 21:13:51
249
原创 软考：高级软件架构师学习笔记----嵌入式技术
硬件抽象层是为了解耦操作系统和硬件层之间的关系，抽象硬件层中间件层：屏蔽底层操作系统层板级支持包：易抑制还有一个特点就是固化，可裁剪、可配置是说可定制化没有明确在什么时间内处理完成。
2026-07-04 17:48:17
294
原创 软考：高级软件架构师学习笔记----计算机基础
操作系统主要有：进程管理、存储管理、文件管理、作业管理、设备管理这几个主要功能就把计算机正在执行的任务想象成一场热闹的舞台剧，每个上台表演的角色就相当于一个进程。而PCB呢，就是这个角色的专属小档案。这个档案里记录了关于这个角色（进程）的各种各样重要信息。比如，角色的身份编号（进程标识符），让计算机能清楚区分不同的进程；角色现在处于表演的哪个状态，是在台上激情表演（运行状态）、在后台候场（就绪状态），还是因为一些原因暂时不能上台（阻塞状态），这些状态信息都在档案里；
2026-07-03 21:47:54
263
原创 软考：高级软件架构师学习笔记----学习日记
大概两年前，同事问我要不要一起准备软考，我看着那本厚厚的书心里直打鼓，平时工作那么忙，哪有时间啊，果断拒绝。偶然机会，突然决定要考试了，考啥也不知道，但是就是决定要考了。今天来图书馆学习，人真是太多了，没有买纸质书，太厚了，真的看不下去，网络找个了视频教程，先看看吧，我也不太懂这东西谁讲的好，让我付费报班是不可能的。一口气看了65个视频，脑袋要被塞爆了，但是图书馆学习的效率是真的高，看来学习还是得来图书馆。不幸的是，水撒电脑上了。。。。。
2026-07-03 21:14:35
2232
6
原创 人工智能之数学基础：Nesterov梯度下降法
在前面的课程中我们了解了动量梯度下降算法，但是我们发现动量梯度下降算法也有一些问题，比如它在下降过程中积攒的能量越来越大，那么我们就会发现随着从最高点下降到最低点过程中，当达到最优值（最低点）的时候，它积攒的能力反而最大，最终导致它不能最低点就停下来，所以我们可以想一个办法，这个办法就是如果它有预测能力那么就好了，通俗来说它能够提前知道快到了最低点了，那么它就提前减慢这个能量，使得在到最低点的时候能够缓慢的停下来，不至于冲过最低点太多。
2026-04-20 23:09:25
189
原创 人工智能之数学基础：动量梯度下降法
我们前面学习了梯度下降算法，本文我们将学习动量梯度下降算法，我们可以看到前面的梯度下降算法存在一些问题，它的上下波动很大，收敛的速度很慢。因此根据这些问题，我们将学习动量梯度下降算法。如上所示，我们可以看到采用动量的SGD会更快的收敛，下面我们看一下二者的区别。
2026-04-19 23:21:50
62
原创 人工智能之数学基础：最速梯度下降算法
本文我们学习了最快梯度下降算法，和梯度下降算法不同的是，下降步长需要根据实际情况进行求解，同时和梯度下降算法一样，最快梯度下降算法也有批量最快梯度下降和随机最快梯度下降，但这里我们就不进行详细的介绍了。
2026-04-16 23:19:01
740
原创 人工智能之数学基础：求解非线性约束
使用乘子法的好处在于可以使用非常少的迭代次数就求解。这里我们介绍的乘子法的约束条件是等式约束，如果要是不等式约束，我们需要引入松弛因子，将不等式约束转变为等式约束，这里我们就不再详细的介绍了。
2026-04-16 23:17:07
284
原创 人工智能之数学基础：求解约束非线性规划问题之内点法
在前面的课程中我们学习了求解约束非线性规划问题的外点法，本文我们将学习内点法，内点法和外点法是对应的，只要理解了外点法，那么内点法也非常的简单。从名字角度可以看出二者的区别，内点法是从内部（可行域）逐渐逼近边界，而外点法是从外部（不在可行域）逐渐逼近边界。
2026-04-13 23:10:32
117
原创 人工智能之数学基础：求解约束非线性规划问题之外点法
这个就是约束的非线性规划问题，那么我们如何才可以使用外点法来求解呢？首先我们需要构造一个新的函数Φk(x),这个函数叫做增广函数，其中k是迭代次数的意思，k=1表示第一次迭代，k=2表示第二次迭代，不断地迭代，每次迭代Φk(x)的值都不相等,这两种情况的意思是说只要x属于可行域D中，那么就满足约束g(x)，就不会产生惩罚，也就是惩罚函数p(k)=0，那么Φk(x)就是f(x)。但是当x不在可行域D中，那么g(x)就不满足这个约束条件，就会产生惩罚p(k)，使得Φk(x)＞f(x)。
2026-04-13 23:09:34
188
1
原创 人工智能之数学基础：二分法求解非线性方程的根
在前面的课程中，我们介绍了如何判断非线性方程的有根区间，但是如何不断缩小这个有根区间呢？本文我们将学习二分法。
2026-04-10 21:45:11
77
原创 人工智能之数学基础：逐步搜索法求解非线性方程的根
这就是逐步搜索法求解非线性方程的根的方法，步长h可以我们自己安排，如果想要精确一些，就弄小一些。
2026-04-09 22:44:31
378
原创 人工智能之数学基础：求解非线性多项式方程的根
我们通过定义的应用确定了(0,3)中有根，在(3,+∞)中也有根，但是我们发现这个范围太大了，就拿(0,3)来说，这个范围就比较大，那么如何才可以不断缩减这个范围，从而令区间不断逼近根呢？逐步搜索法 (增值寻根法)二分法黄金分割法。
2026-04-09 22:43:33
203
原创 人工智能之数学基础：KTT条件
在前面的课程中我们学习了三种约束规划问题，我们知道了前面两种方式的求解方式，但是我们并没有介绍第三种约束规划问题的求解方式，本文将对这个问题进行介绍，我们使用KTT条件来处理，总的来说KKT条件是将Lagrange乘数法(Lagrange multipliers)所处理涉及等式的约束优化问题推广至不等式。
2026-04-08 22:40:27
423
原创 人工智能之数学基础：三种常见的凸优化问题
以上就是三种常见的凸优化问题，其中第三种很接近KTT条件了，下文我们将总结出KTT条件，并通过它来解决实际问题。
2026-04-08 22:37:35
60
原创 人工智能之数学基础：非线性规划的可行方向和下降方向
如上所示就是下降方向的定义，这个定义的含义就是说有一个点x拔，然后朝着d的方向走了t大小的步伐，然后函数值就变小了，那么我们就可以认为这个向量d就是函数f(x)在x拔的下降方向。
2026-04-07 23:16:41
172
原创 人工智能之数学基础：什么是非线性规划？
如上所示就是非线性规划的定义，其中f(x)是目标函数，ci(x)是约束，约束分为等式约束和不等式约束，只要f(x)，ci(x)中有一个是非线性函数，那么这个约束问题就是非线性规划问题。如果我们将非线性规划通过向量的方式进行表示，那么我们可以得到：这里我们使用g(x)来表示不等式的约束条件，而使用h(x)来表示等式的约束条件，g(x)、h(x)是一个向量，向量中的每一个元素表示一个约束。
2026-04-07 23:14:07
69
原创 人工智能之数学基础：机器学习中的凸优化问题
前面我们介绍了凸优化，在机器学习中，很多机器学习模型的优化本质上就是一个凸优化问题，对于这些模型，一旦模型学习到局部优化点，那么就意味这找到了整个模型的全局最优点。
2026-04-06 23:37:11
211
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人