None

在前端开发中，响应式编程可以用于处理用户界面的事件流和数据流，使得界面能够动态地响应用户的操作。在使用 Spring Boot 的 WebClient 时，当我们使用 bodyToFlux 方法将响应体转换为 Flux 对象时，如果响应体是一个流式数据，那么当流式数据传输完毕后，会自动发送一个 onComplete 信号来通知订阅者流已经结束。同样，WebClient也可以与Reactor的Flux一起使用，通过bodyToFlux()方法将响应转换为Flux流，从而实现对响应的处理和操作。

题外话，最近很火的生成个人写真的小程序很火，妙鸭，网上大多推测它使用了LoRA模型训练，如果真是这样的话，说明它还不够先进，国外有基于DreamBooth训练个人形象：只需要花费3美元，就可以在一个月内无限迭代生成自己的专属形象，据报告最早做这个网站的人已经赚了2500万美金。Dreambooth由Google提出，使用Dreambooth，一旦系统捕获了对象，就可以合成该对象的任何图像，也就是梦有多远，就能带你走多远。这是没办法中的办法，尽管如此，我们还是能够在不违法法理的情况下得到了一致性的人物形象。

在Stable Diffusion中，不管是V1，V2，还是其他基础模型，如果本身对图像质量没有苛刻要求，其实是不需要额外部署VAE模型的，因为现在很多模型中都已经集成了VAE，比如 Anything VAE 已经集成到 Anything 模型了，再额外增加模型也没有效果。但是通过使用额外的VAE能够胜过默认提供的内置模型。在latent空间中生成后的图像再经解码还原到像素空间，即人类看见的图像，这个过程中，图像会有信息损失，而VAE就充当了上述编解码器的角色，好的VAE模型能够较好的保证图像质量。

基础模型是使用神经网络通过海量的无标签数据集上训练得来的，模型强大的能力带来了诸如ChatGPT和BERT这样的产品。系统先使用Grounding DINO 根据输入的文本进行对象检测，然后将对象检测结果作为输入 传递给 Segment Everything 得到图像掩码（Mask），这些掩码结合文本prompts 作为Stable Diffusion的输入，由SD来进行图像的重绘。这么重要的基础模型，我们怎么用呢？再举个outpainting的例子，现在我们的目标变成这样的：狐狸不变，背景换掉。

OpenPose有专门提取脸部特征，手部特征，关节，膝盖，脚踝以及以上特征的组合等多种模型。相比img2img，Depth2img 不仅能够利用 文本prompt，原来的图像，还可以使用原来图像的深度信息来控制图像的生成，也就是说，相比前者，他有3维参考信息。从上面示例，大家能够看到边缘检测器和OpenPose的一些区别，前者勾勒人物轮廓，目标图像会保留原图中的头发，衣服等轮廓，适合于一些富含边缘信息的主题和背景迁移，而后者更自由，它关注人物的关键姿势特征，但是不会保留那些衣服，头发等的轮廓信息。

看完这篇文章，你还会用sd webui吗？果是我，果断回去rm 它，如果上述理由还不够强的话，可以再回去试验下，前者是如何使用SDXL的两阶段模型的，而在新的ui中，两阶段模型是如此丝滑地集成到一起，方便得让人欲罢不能。

Midjourney虽然出图精美，使用方便，但是出图的灵活性方面是一大硬伤，Stable Diffusion 作为Midjourney的开源替代品，由于其丰富的插件，灵活可控，受到社区的热捧，一直被寄予厚望，这次Stable Diffusion发布了 XL 1.0版本，让它又大火了一把。在SDXL之前，通过Stable Diffusion生成绘画，经常会出现恐怖片场景，SD基础模型特别不擅长进行真人绘制，所绘制的人物要么多头，要么少胳膊，要么多手指，要么少腿，总之人物经常会发生变形。

好了，以上就是比较常用且有效的方法，另外，在实战中，还有一些小技巧，比如通过种子法，角色命名法，风格命名法等，图像比例控制，参数控制等以及多角度图像垫图，换脸，PS 等方法。总之，生成完全一致的角色的图像是一个综合运用多种方法的系统工程，这篇文章我用一种最难的真人图像为例介绍，实际上真人图像也要看图像本身的辨识度，该方法不一定对所有角色人物都有效，需要结合实际情况来操作。另外，对于非真人场景，比如动漫角色等，操作难度相对降低。首先我们先来生成一张人像，但是为了获得好的效果，人像尽量简单，背景也不要复杂。

Midjourney的一大核心优势是提供创意设计，这个功能也可以用在网站主页设计上，使用Midjourney prompt 应尽量简单，只需要以"web design for..." or "modern web design for..."开头即可。以上图像都可以在这个平台使用，20元生成100张图像，赠送ChatGPT3.5，可实现中文输入。“创建插画风格的主页能够给用户一直独特的感受，并且能够比真实照片传递更多复杂信息，越来越多的品牌开始使用这种风格的网站“

要实现从近到远观看景物，相当于镜头后拉，或者人后退，视野逐渐开阔，对于真实摄影机来讲，没有问题。但是对于计算机，后退的过程中原来的景物比例逐渐缩小，视野逐步放大，从而能够看到更多的景物，但是计算机该看到什么，是未知的，完全靠想象，可是计算机可没有这种想象能力，怎么处理呢？通过这样5步，实现了演示中的视频的主体内容，但是仅仅这5张图象还不足以构成视频，我们必须让它从上一张图像渐变到下一张图像，为了达到对人类视网膜成像非常好的“欺骗”效果，这个渐变过程至少要提供30张图象，这样我们看起来才比较连续。

前段时间 Flink table store 更名为 Apache Pimon ，并重新进入Apache incubator。截止目前，incubator-paimon项目已经在github上收获了600+ Star（https://github.com/apache/incubator-paimon）：之前虽然了解到Fink table store，但是没空去了解它，趁此机会，我也花了2天时间来...

目前对多Catalog的支持俨然成为计算引擎的标配，因为在OLAP场景，跨数据源的联合查询是一大刚需。但是，传统的计算引擎如Hive、Spark2对多Catalog支持能力很弱，也许是受Flink、Presto（Trino）的步步紧逼，Hive3也开始支持多Catalog，但是仅限于存储层面和API层面，还没有推进到SQL层。Spark相比Hive要进展好得多，在多Catalog的实现方式上甚至成...

曾使用Flink API创建Hive表，然后查询时碰到过这个问题：hive>select * from test_db.test_flink_hive_table;FAILED: SemanticException Line 0:-1 Invalid column reference 'TOK_ALLCOLREF'但是如果使用Flink SQL去查询却是正常的。切换其他引擎，比如使用Tr...

元数据在数据湖上的重要性不言而喻，借用阿里云官方社区的一张图：这幅图描绘了数据湖分析平台的总体构架，它主要包括五个模块：数据源：原始数据存储模块，包括结构化数据(Database等)、半结构化(File、日志等)、非结构化(音视频等)数据集成：为了将数据统一到数据湖存储及管理，目前数据集成主要分为三种形态。第一种为直接通过外表的方式关联元数据；第二种为基于ETL、集成工具、流式写入模式，这种方式直...

本文首发微信公众号：码上观世界在大数据架构中，从数据生产、加工到数据消费，每个环节都涉及到元数据的共享和交换，比如数据库，数据表，表结构、存储格式、ETL任务配置、运行记录、操作日志等，由于这些信息分布在不同的系统，既有OLTP系统，又有OLAP系统，这些系统之间并没有统一的企业标准，导致IT在进行系统集成时面临较大挑战，甚至用户自己也无法寻找需要的数据，并对数据的来源、含义、质量、可信度等给出解...

本文首发微信公众号：码上观世界说起Hive这个曾经叱咤风云的大数据数仓分析平台（好像现在依然老骥伏枥） ，可谓无人不晓，但是如果现在让你们重新选择一项数据仓库分析平台，恐怕无人再去选择它她，毕竟Spark、Impala、Kylingence、Presto、Trino、Clickhouse、Starrocks等才是当红明星，谁还会正眼看她一眼呢？回头看当时的Hadoop、Hive生态现在被新兴技术挖...

本文首发微信公众号：码上观世界要回答如何设计大数据平台，首先要回答为什么要设计大数据平台。设计大数据平台无非是满足企业的数据查询和分析需求，最终为企业的运营服务。最终交到运营手里的大数据产品可以是报表、看板以及其他高级BI工具。实际上，从大数据运营平台沿着数据链路的产生方向往上游推，还存在着大数据采集与存储平台、大数据开发与计算平台、大数据治理平台等。他们分别服务者不同的用户，比如大数据采集与存储...

Flink、Iceberg和Hive都提供了丰富的SQL 数据类型，但是在具体使用上，还是存在一些差异和不兼容的情况，当将三套引擎放在一起使用时候，经常会碰到将几种引擎的类型之间来回转换。问题是，这几套独立的数据类型是否支持互相转换，以及如何才能减轻转换的复杂性？为此，首先需要仔细地调研几种引擎对数据类型的支持情况，现将三种引擎支持的数据类型和对应关系罗列如下：FlinkIcebergHiveCH...

本文首发微信公众号：码上观世界中国“红武士”——刘粹刚东方古国，炎黄子孙，五千余载，历史文明;。诗礼传承，世界同钦，仁爱与人，道德长青。濒江近海，有我南京，十朝都会，物阜文丰。秦淮灯火，玄武清风，紫金绮丽，幕府山雄。岁逢丁丑，噩耗惊逢，东瀛倭鬼，炮火加城。屋坍梁折，百镇荡平，千乡闻哭，遍地哀鸣。刀亡枪杀，不论军民，奸淫掳掠，丧尽良心。朗朗书声，为之顿绝，哀哀母号，泪有血痕。夫妻骤离，邻家同死，妇孺...

本文首发微信公众号：码上观世界Hive MetaStore 在版本2.x和3.x中有较大改变，包括常用接口类的参数，比如这个对外使用的HiveMetaStoreClient，其构造方法参数类型由之前的HiveConf类型改成了Configuration，由此出现了不同版本的兼容问题。#HiveMetaStoreClient.classpublic HiveMetaStoreClient(Conf...