前言 之前寫SpringBoot時，有簡單介紹過分散式定時器的一些思路（ SpringBoot | 第二十二章：定時任務的使用 ）。原來的專案本身使用dubbo實現了一個簡單的實現，目前專案遷移至Spri

前言 我們都知道資料庫的事務滿足"ACID"特性，A是指事務的原子性，C是指事務的一致性，I指事務的隔離性，D指永續性。 最開始我們的資料量都很小，所有的資料都落在一個數據庫中。My

←←←←←←←←←←←← 快！點關注 在面試大型網際網路公司的時候，很可能會被問到訊息佇列的問題： 在何種場景下使用了訊息中介軟體？ 為什麼要在系統裡引入訊息中介軟體？ 如何實現冪等

廣告和推薦系統是機器學習是最成熟的應用領域。那麼廣告和推薦系統是怎麼在線上部署機器學習模型的呢？ 1.預測函式上線 剛剛學習機器學習時候，我認為廣告和推薦系統過程如下圖所示： 1）線下部分，從使

1、hashcode相等兩個類一定相等嗎?equals呢?相反呢? 2、介紹一下集合框架? 3、hashmap hastable 底層實現什麼區別?hashtable和concurrenthashtab

本文首發於我的公眾號 CloudDeveloper(ID: cloud_dev) ，專注於乾貨分享，號內有大量書籍和視訊資源，後臺回覆 「1024」 即可領取，歡迎大家關注，二維碼文末可以掃。 在孫悟空

谷歌人工智慧研究團隊昨天宣佈開源GPipe，這是一個分散式機器學習庫，用於在Lingvo框架下有效地訓練大規模深度神經網路模型。 GPipe利用同步隨機梯度下降和管道並行性進行訓練。它將網路層劃分為加速器和

序言 達觀資料是一家基於文字語義理解為企業提供自動抽取、稽核、糾錯、推薦、搜尋、寫作等系統服務的人工智慧企業，其中在推薦場景上我們也服務了很多客戶企業， 客戶在要求推薦服務穩定、需求響應及時

攻擊者可以在沒有通知macOS的情況下對檔案進行更改。 谷歌安全研究團隊 Project Zero 今天發現並報告 macOS 的檔案系統核心存在高危漏洞。該漏洞允許惡意者修改使用者安裝的檔

未來的新零售競爭是供應鏈的競爭，供應鏈將決定企業的核心競爭力。 隨著電商的不斷髮展，如今電商基本已經觸及到了零售的各個領域。當市場逐漸開始飽和，模式被不斷複製，線上流量增速遲緩，未來的零售競爭力就轉移到了消

進入2019年，賦能經銷商成了多家家居上市公司接連上演的“一出好戲”。 農曆年伊始，曾在去年10月率先提出“代理商的盈利保溫比天大”的歐派，2月份在廣州舉辦了2019歐派家居經銷商營銷峰會，口號是

3月4日下午，一加創始人兼執行長劉作虎在微博首次透露了一加7的訊息。劉作虎表示，看到大家最近都在催一加7，我想說做機5年的經驗告訴我，好東西不著急那一時半會。 劉作虎強調， 專注打磨驍龍800系列旗艦晶片

作者簡介 Black，一個喜歡電子和機械的軟體工程師，陰差陽錯的走上了程式猿這條道路。上道之後發現寫程式碼原來那麼有意思，就是頭冷！(￣▽￣)~ 前言 說到分散式系統，不得不說集中式系統。傳統集中式

對於分散式系統而言，整個叢集處理請求的效率和儲存容量，往往取決於叢集中響應最慢或儲存增長最快的節點。所以在系統設計和容量規劃時，我們儘量保障叢集中各節點的“資料和請求分佈均衡“。但在實際生產系統中，出現數據容量

如果第二次看到我的文章，歡迎訂閱z哥的公眾號（跨界架構師）哦~ 本文長度為 5389字 ，建議閱讀 14 分鐘。 堅持原創，每一篇都是用心之作～ 沒想到這篇文章寫了這麼長，一時半會沒消化完的