架构

Dr.kangder11 分钟前
软件测试·测试工具·架构·嵌入式·静态分析
嵌入式软件测试(十五)——模型检查技术原理与应用在嵌入式系统开发中,软件的正确性、实时性和可靠性至关重要。传统的测试方法(如单元测试、集成测试)虽然能发现部分缺陷,但难以穷尽所有可能的系统状态和并发交互场景,尤其对于安全关键系统(如航空航天、汽车电子、医疗设备),任何微小的错误都可能导致灾难性后果。
一次旅行1 小时前
人工智能·算法·架构
ViT/CLIP/LLaVA/GPT-4V/VideoLLM多模态架构全解:原理仿真+工业落地选型+完整推理代码多模态大模型统一图文、视频语义表征,是当前AI落地核心底座。本文基于ICML/ICLR/NeurIPS顶会原始论文,逐层拆解ViT图像分块、CLIP对比学习、LLaVA视觉投影、视频时序编码底层数学原理;配套纯PyTorch可复现仿真实验验证跨模态对齐逻辑;横向对比五大架构训练成本、推理显存、业务适配能力,补充LLaVA本地完整推理/微调工程代码,汇总高分辨率OOM、图文对齐失效、视频时序丢失7类生产故障根治方案,提炼「静态图文/动态视频/端侧轻量化」三层落地选型标准,适合计算机视觉、大模型微调、私有化A
郭涤生5 小时前
arm开发·架构·rk3588
ARM大小核架构调度原理与RK3588嵌入式配置复习ARM big.LITTLE 架构通过两类指令集完全兼容但性能/功耗特性差异巨大的CPU核心,实现「峰值性能」与「待机能效」的动态平衡:
badhope3 小时前
后端·架构
MCP协议:号称要统一AI工具调用,但大多数人连第一步都走不对最近MCP(Model Context Protocol)在技术圈的热度居高不下。我翻了翻掘金上的文章,清一色的套路——先科普MCP是什么,再贴个架构图,然后演示一个Hello World,最后总结"MCP是未来"。
小林ixn3 小时前
react.js·架构·前端框架
从混乱到清晰:项目架构与自定义 Hook 的双重实践告别“胖组件”,拥抱高内聚、可复用的工程化思维你是否也经历过这样的场景:一个看似简单的 Todo 应用,其状态逻辑却像一团乱麻,分散在组件的各个生命周期和事件处理函数中?useState、useEffect 和复杂的 JSX 逻辑交织在一起,让组件变得臃肿且难以维护。
@insist1234 小时前
架构·系统架构·软考·系统集成项目管理工程师·软考中项·软件水平考试
系统集成项目管理工程师-架构基础与系统架构信息系统架构是指体现信息系统相关的组件、关系以及系统的设计和演化原则的基本概念或特性。信息系统集成项目涉及的架构通常有:系统架构、数据架构、技术架构、应用架构、网络架构、安全架构等类型。组织级的信息系统集成架构向上承载组织的发展战略和业务架构,向下指导信息系统具体方案的实现,发挥承上启下的中坚作用。
Dr.kangder5 小时前
嵌入式硬件·架构·嵌入式·虚拟化·仿真
嵌入式处理器虚拟化仿真技术(九)——SimpleScalar原理与应用在嵌入式系统开发、计算机体系结构教学以及处理器设计验证等领域,处理器仿真器扮演着至关重要的角色。它允许开发者在无需物理硬件的情况下,运行、调试和分析目标处理器的软件行为,从而大幅降低硬件依赖成本、加速设计迭代周期。SimpleScalar 工具集便是其中一款经典且广泛使用的处理器仿真与建模框架,自 1997 年发布以来,已成为学术界和工业界进行微架构探索、性能评估和教学实验的重要平台。
星火跨境XINGHUOS5 小时前
架构
独立站建站技术栈全景拆解:从小白到能自己建站需要学什么?很多技术背景的读者问我:"独立站到底需要学哪些技术?" 本文从技术角度拆解独立站建站的完整技术栈,帮你判断自己需要补哪些技能,哪些可以跳过。
Dr.kangder8 小时前
fpga开发·架构·嵌入式
嵌入式处理器架构解析(十)——DSP+FPGA在万物互联、智能感知的时代,嵌入式系统正面临前所未有的性能挑战:既要处理海量的传感器数据流,又要运行复杂的智能算法,同时还需满足极致的实时响应与严苛的功耗约束。传统的通用处理器(CPU)在此多维需求下往往顾此失彼,力不从心。
ltl13 小时前
架构
高可用设计模式:冗余、故障转移与仲裁原文发布于 quant67.com,转载请保留出处。一个支付系统的数据库主节点在凌晨 3:17 发生磁盘故障,备节点检测到心跳超时并在 8 秒内完成切换,对外服务中断时间控制在 10 秒以内。另一个电商平台的数据库也发生了类似故障,但因为备节点和主节点同时认为自己是主——脑裂(Split-Brain)——两个节点各自接受写入,导致订单数据出现不可调和的冲突,恢复用了 6 小时。
Dawson Zhu15 小时前
人工智能·语言模型·架构·制造·agi
基于Palantir Foundry构建半导体制造AI友好型数据中台:从良率分析场景谈起标签:#数据中台 #半导体制造 #Palantir #数据架构 #工业智能 #MLOps半导体制造是典型的数据密集型行业。一座12英寸晶圆厂每天产生的数据量在TB级别,涵盖MES工单、FDC设备参数、YMS良率数据、QMS缺陷记录等多个系统。近年来,业界尝试引入大语言模型(LLM)和AI Agent辅助良率分析和设备调优,但实际推进时往往遇到一个共性瓶颈:数据基础设施与AI的交互方式不匹配。
其实防守也摸鱼1 天前
数据库·git·安全·oracle·架构·自动化
VS Code Git 工作树:解锁多分支并行开发新体验想象一下这些熟悉的场景:传统的应对方式——git stash 暂存、或是为每个分支克隆一份仓库——不仅笨重低效,更隐藏着丢失改动、环境冲突的风险。你的开发节奏,就这样被分支切换生生打断。
2401_8432537020 小时前
架构
Agent消息降级矩阵:当告警卡片遇到纯文本SMS渠道Agent系统通常对接多个消息渠道:飞书卡片、企业企微图文、Web Console、SMS短信。每个渠道的消息格式能力差异巨大:
王琦03181 天前
mysql·adb·架构
第二章 MySQL集群高可用架构MySQL Group Replication(简称 MGR )是 MySQL 官方于 2016 年 12 月推出的一个全新的高可用与高扩展的解决方案。 组复制是 MySQL 5.7.17 版本出现的新特性,它提供了高可用、高扩展、高可靠的 MySQL 集群服务。 MySQL 组复制分单主模式和多主模式,传统的mysql复制技术仅解决了数据同步的问题,MGR 对属于同一组的服务器自动进行协调。对于要提交的事务,组成员必须就全局事务序列中给定事务的顺序达成一致,提交或回滚事务由每个服务器单独完成,但所有服务
奈斯先生Vector21 小时前
人工智能·架构·开源·aigc·midjourney
AI 辅助线上排障工作台:从故障证据、Codex 协作到可回放修复线上服务出问题时,开发者最需要的通常不是一段看起来聪明的答案,而是一个能够回答四个问题的排障过程:故障到底发生在哪一层,哪些用户受到影响,已经执行过哪些操作,下一步怎样验证不会扩大损失。大模型进入 IT 运维后,很多团队把日志、Trace、配置和代码交给 Agent,希望它自动定位并修复 Bug,但新的风险也随之出现:模型把相关日志当成因果证据,把临时缓解误判为根因,把一次失败的重试写进建议,甚至在没有审批的情况下修改生产文件。
代码方舟21 小时前
人工智能·python·架构·自动化
零信任架构实战:基于天远柠檬查出险-登记证API构建自动化车辆履约评估网关在二手车交易、汽车金融租凭、车辆抵押评估以及车险履约等业务场景中,快速确认目标车辆的历史出险状况与登记证一致性,是防范车辆资信隐患、保障交易顺畅运行的关键环节。传统核查模式往往依赖人工收集纸质登记证照片并前往线下机构窗口核验,这种人工盲审模式不仅流转周期长、影响买卖双方交易体验,且信息传递存在滞后风险,难以满足高频汽车金融业务的在线及时性要求。
程序员讲BPM工作流21 小时前
架构
基于Petri网建模原理:原生自研信创BPM流程引擎工作流模式架构解析随着政企数字化流程复杂度持续提升,传统固定规则、硬编码配置、开源二开的流程调度模式,越来越难以适配国内复杂审批、动态流转、多级嵌套、信创合规的业务场景。业界43种标准工作流模式,是全球流程建模领域通用的权威规范。整套体系的理论原型源自Petri网网状拓扑建模思想,凭借其对并发、分支、互斥、状态流转的抽象描述能力,成为现代化BPM引擎架构设计的重要参考依据。
明源云1 天前
大数据·人工智能·架构
租赁管理系统软件推荐:如何选到真正好用的不动产租赁管理软件搜索"租赁管理系统软件推荐"时,你会发现一个有趣的现象:大量文章把汽车租赁、手机租赁、玩具租赁和不动产租赁混为一谈,推荐的产品与你的实际需求风马牛不相及。对于管理写字楼、产业园区、保障房、厂房等不动产资产的运营方来说,真正需要的是一套能打通"招商—签约—收缴—服务—决策"全链路的不动产租赁管理系统,而不是一个通用的订单管理工具。
头茬韭菜1 天前
架构·fluss
第 2 篇:「Fluss 架构深入」—— CoordinatorServer、TabletServer 与存储引擎阅读本文你将了解: Fluss 集群的完整架构、CoordinatorServer 和 TabletServer 的职责分工、LogStore 和 KvStore 的存储机制、Tablet/Bucket 如何组织数据、以及远程存储和 ZooKeeper 的角色。
无忧智库1 天前
大数据·架构
企业数字化底座与数字化转型方案拆解:从贴源数据区到管理分析平台的完整落地路径(PPT)很多集团做大数据平台,最后都变成了"建了个Hadoop集群,数据倒是存进去了,但业务部门还是看不懂、用不上"。表面上大数据平台建成了,实际上贴源数据、主题数据、集市数据混在一起,ETL跑批经常出错,元数据没人管,业务人员想看个客户360度视图还得靠人工拉数据拼表格。这种"有平台没有用"的困境,几乎是所有大数据平台建设项目绕不开的坎。