周杰伦一发新歌,服务器为什就挂掉了?

私人FM接口优化实战:从缓存、推荐到容错的全链路架构设计 在构建高并发、高可用的在线音乐服务时,接口性能优化与个性化推荐是后端开发的核心挑战。其原理在于通过多级缓存、异步处理和智能调度,有效降低延迟、提升吞吐量。技术价值体现在保障服务稳定性的同时,显著改善用户体验,尤其在流媒体等实时交互场景中至关重要。应用场景广泛覆盖音乐、视频、资讯等个性化内容推送平台。本文以私人FM接口为例,深入探讨了如何针对第三方API的固有瓶颈,设计并实现一套包含高性能代理、混合推荐算法和全链路容错机制的增强方案,其中涉及Nginx缓存策略与Redis分布式会话管理等关键技术实践。 阅读详情

点击上方“开发者技术前线”,选择“星标”

13:21 在看 真爱


640?wx_fmt=png

吃瓜群众准备好小板凳

瓜有多大

640?wx_fmt=png

昨日(9月16日)晚间23点,周杰伦新歌《说好不哭》正式上线发售。据QQ音乐数据显示,新单曲上线6分钟,销售额达到500万元;上线100分钟,突破1000万元,成为该平台历史销售额最高的数字单曲(我凑热闹,也买了一张?,怎么能不支持我的偶像呢?)。

由于该单曲的上线,同时涌入用户过多,QQ音乐甚至出现短暂的崩溃。朋友圈被疯狂刷屏、微博热搜前十名挤进5个相关话题…周杰伦“夕阳红粉丝团”正在迎来继超话登顶以来第二个高光时刻。截至截止9月17号18:00,该单曲已经销售620万张铭牌*3元(微信支付2.91元,亲测?)=1890万元。

QQ音乐是大家熟知道的互联网巨头,大家都听说微博经常遇到明星一条突发新闻服务器直接崩溃,却很少听到腾讯旗下的APP出现异常崩溃。

640?wx_fmt=png

Top5热评

•如果有一天 我带你去看周杰伦的演唱会 那么你一定对我很重要 因为我带你去看的 是我一整个青春•见过让一个软件崩服务器的人吗?他就是周杰伦!出道19年发一个曲子依旧火爆的周杰伦,音乐皇帝!•满怀期待等候多时并且重新下回了qq音乐就是为了此时此刻第一时间来听我伦新歌!!!•等了这么久,终于等到了今天,虽然不是新专但我也一样心满意足,是鸽鸽让我爱上音乐,让我也想和他一样弹钢琴,也是鸽鸽教我要听妈妈的话。我从三岁开始听杰伦的歌,如果说人生中的老师有三个,那么我人生中的老师就是爸妈和杰伦以及让我变得更好的老师们!•“世界上最浪漫的事情是什么呀?”,“当然是带上你的那个她(他)去看一次周杰伦的演唱会啊!毕竟那是自己的整个青春

为什么会挂(个人猜测,非官方)

如何优化的甩锅,又能能升值加薪

    •流量突然激增,超出预设请求的阀值(机器没有准备好,为了节省预算,一般互联网都是部署机器的数量跟流量峰值成正比的,高峰会加机器,低峰会线下机器,节省成本,行业内很常见,临时申请机器资源,用完就换回去,节省业务成本,这次估计没有想到杰伦新歌的威力,下次应该不会出现类似问题了。)•流量太大,处理突然激增的方案一直是行业难题,不好弹性伸缩。•系统挂对技术人员是一个好事,说明他们面对的问题很有难度,容易引起引起领导的重视,晋升答辩很有优势,出去技术分享别人也觉着牛,大家提起高并发,肯定第一时间想到的是微博?因为他经常遇到明星出轨,官宣,生子等突发新闻而挂掉,下面拿微博举例子,微博为什么会经常挂

刷微博时,思考这两个问题:

•假如我有1k个粉丝,如果我发一条微博状态,我的1k粉丝如何在一定时间内都收到呢?•假如我关注了1k个用户,那么我如何收到这1k个用户的更新呢?放大这两个问题看看,微博上热门明星的粉丝动辄千万甚至上亿,这样看来,问题开始变得有意思起来。

基本的概念


先来看看Feed的流的基本概念:

•Feed流中的每一条状态或者消息都是Feed,比如微博中的一条微博就是一个Feed。•Feed流持续更新并呈现给用户内容的信息流。每个人微博关注页等等都是一个Feed流。•Timeline其实是一种Feed流的类型,微博,朋友圈都是Timeline类型的Feed流。•关注页Timeline:展示其他人Feed消息的页面,比如微博的首页等。•个人页Timeline:展示自己发送过的Feed消息的页面,比如微博的个人页等。Feed流的主要模式:•推(Push)•拉(Pull)•推拉结合(Hybrid)

推模式

又称写扩散。该方式为每个用户维护一个订阅列表,记录该用户订阅的消息索引(一般为消息ID、类型、发表时间等元数据)。每当用户发布消息时,都会去更新其关注者的订阅列表。

优点:存储空间可能不是很大,用户查询自己关注的所有人Feed时,速度快,性能非常高。 

缺点:

1.推送量会非常大。比如微博红人何炅(粉丝1亿+)发一篇微博,如果采用推模式,就会产生一亿+条数据。2.资源浪费。试想,一个大量用户的微博系统如果使用推模式,是不是会产生非常巨大的数据呢?更何况活跃用户只有几千万,剩下几个亿的用户他们可能是半年来一次,或者说更短如两周过来一次;这些数据推给他可能根本没有机会看到,存在很大的资源浪费。

拉模式

又称读扩散。该方式为每个用户维护一个Feed列表,记录该用户所有关注的动态索引。只需要用户发表微博时,存储一条微博数据到Feed表中。用户每次查询Feed时都会去查询Feed表,产生:

SELECT id FROM feeds where uid in(following uid list) ORDER BY id DESC LIMIT n

优点:

这种模式实现起来比较简单,只是在查询的时候需要多考虑下缓存的结构;

缺点:

1.当用户登陆时,必须很快返回数据的时候,运算量非常大。Feeds表会产生很大的压力,对于一个大系统,Feed表会产生比较大的数据,如果粉丝人数比较多,数据库的压力就会非常大。2.一般在线的用户,客户端都会定期扫描,又会增加很大的压力,这在查询性能上没有推模式的效率高。

共性问题:不管推模式还是拉模式都存在如果关注数量或者粉丝数量过多,会导致遍历时间太长的问题。综合所有考虑,因为我们要做的是一个要求实时度很高的系统,把不必要系统开销去掉。

怎么去解决 ?

推拉结合模式

这是一种折中的解决方案:在线推、离线拉。用户发布状态时,即便微博大V,同时在线的粉丝可能只有几万甚至几千。推拉模式只推给在线的粉丝,离线的粉丝上线后手动拉取状态即可同步内容。同时,每个用户都会维护一个类似发件箱与收件箱的东西,来保存自己发过的状态和Feed状态,以完成推和拉。猜想下微信朋友圈,微信每个人的好友有上限,群聊的人数也有上限,所以这就限制了微信朋友圈的设计复杂度应该没有新浪微博那样复杂。

实现

当用户发了一条动态后,后台会有如下这些操作。

在线推:异步遍历在线的粉丝,将动态ID,添加到粉丝的Feed中。

离线拉:离线用户打开APP后,请求一个公共的入口接口,做一些初始化操作。同时开一个异步线程,对用户进行Feed更新操作,防止用户进入APP后等待拉取Feed时间过长,毕竟关注成千上万的人也是有的。

离线拉取过程是把自己最后一条Feed的时间戳取出,去遍历关注、人的Feed,将大于该时间的ID全部拉取回来。用户进入APP后,刷新即可看到最新操作。另外,需全局维护一个在线用户列表,为了防止用户挂后台导致与服务端为离线状态,所以最好是1~3小时未操作或者离线时间不大于3小时的,都当做在线处理,视情况定。

进入关键部分:如何实现一个千万级Feed流系统。要设计一个Feed流系统,最关键的两个核心:存储与推送。

存储

先来看存储,Feed流系统中需要存储的内容分为两部分,一个是账户关系(比如关注列表),一种是Feed消息内容。

考虑维度

•如何能支持100TB,甚至PB级数据量?•数据量大了后成本就很关键,成本如何能更便宜?•如何保证账号关系和Feed不丢失?

分析特点[账户关系存储]

•是一系列的变长链表,长度可达亿级别•数据量大,但关系简单•性能敏感,直接影响关注、取关的响应速度


由于用户关系数据量极大,关系简单不依赖RDBMS的额外特性 (如列数据类型, 第二索引, 高级查询语言等),性能要求还高,因此最适合存账号关系的系统应该是有序性的分布式NoSQL数据库——使用开源HBase存储账号关系。

HBase

如果有上亿或上千亿行数据,HBase是很好的备选。HBase基于HDFS且提供大表记录的高速查找(和更新),存储文件位于 HDFS中。

物理视图如下,它是区分列族存储的。

640?wx_fmt=jpeg

Row Key

Rowkey和mysql中的主键是完全一样的,HBase使用Rowkey来唯一区分某一行的数据。

HBase只支持三种查询方式:

•基于Rowkey的单行查询•基于Rowkey的范围扫描•全表扫描

因此,Rowkey对HBase的性能影响非常大,Rowkey的设计就显得尤为的重要。

Time Stamp

在HBase中使用不同的TimeStamp来标识相同Rowkey行对应不同版本的数据,它是实现HBase多版本的关键。HBase 中通过 Rowkey 和 Columns来确定一个存储单元称为 cell,每个 cell 都保存着同一份 数据的多个版本,版本通过时间戳来索引。为了避免数据存在过多版本造成的的管理 负担,HBase提供了两种数据版本回收方式:

•保存数据的最后 n 个版本•保存最近一段时间内的版本(设置数据的生命周期 TTL)

Column Family

列族是HBase引入的概念,HBase通过列族划分数据的存储,列族下面可以包含任意多的列,实现灵活的数据存取。列可理解成MySQL列,不需要建表时定义,可灵活添加。

分析特点—Feed消息内容:

•数据量大(特别在推模式下数据量会再膨胀几个数量级),数据量很容易达到PB级别•数据不能丢失,可靠性要求高•数据格式简单

根据上述这些特征,最佳的系统应该是具有主键自增的分布式NoSQL数据,常用做法是采用关系型数据库 + 分库分表来实现。

推送

推送系统需要实现的功能有两个:发布Feed和读取Feed流。

考虑维度:

•如何才能提供千万的TPS和QPS?•如何保证读写延迟在10ms,甚至2ms以下?•如何保证Feed的必达性?

分析Feed流特点:

•多账号内容流:Feed流系统中存在成千上万的账号,账号之间可以关注,取关,加好友和拉黑等操作•非稳定的账号关系:由于存在关注,取关等操作,所以系统中的用户之间的关系就会一直在变化,是一种非稳定的状态•读写比例100:1:读写严重不平衡,读多写少,一般读写比例在10:1,甚至100:1以上•消息必达性要求高:比如发送了一条微博后,结果部分朋友看到了,部分朋友没看到,后果很严重

方案考虑:

如果要实现一个千万量级的Feed流产品,那么推送系统需要具备一些特点:

•具备千万TPS/QPS的能力•必达性要求很高•最好能为用户存储Timeline中所有的Feed•主键自增功能,仍然是保证用户收件箱中的Feed ID是严格递增的,保证可以通过查询(上次读取的最大ID --->MAX)读取到最新未读消息

(SELECT id FROM feeds where uid in(following uid list) ORDER BY id DESC LIMIT n)

因此,推送系统最好是一个性能极佳、可靠、有自增功能的NoSQL系统,所以业内一般如果选择开源系统的话,会在选择了关系型数据库作为存储系统的基础上,选择开源Redis,这样就能覆盖上述的几个特征,也能保证Feed流系统正常运行起来。

640?wx_fmt=jpeg

如用户A关注了用户B,用户B发布动态则将动态推送到用户A的feed,这里可以使用Redis的zset实现。

•sort为time,以毫秒为时间戳•value为具体的动态+ID,动态的内容可以进行缓存•用户A维护一个zset保存用户B发布的动态,一个zset保存用户B的Feed动态,过期时间3~7天看情况而定

过期时间设置,有个很有意思的产品设计在里面。

一个用户3-7天不打开APP,一方面可能是已经对APP失去兴趣了,打开几率很小,或者已经被卸载了,没有存在的意义了。另一方面,3-7天未登陆APP,关注的人发的动态也不少了,Feed未拉取回来的数据肯定也很多,那么这时候去遍历其实拉取量很大,那么还不如直接全部重新拉一边或者拉取用户最后登陆时间后产出的数据。

由于系统中的所有用户不可能全部在线,更不可能同时刷新和发布Feed,那么一个能支撑千万量级Feed流的系统,在产品上应该可以支撑上亿的用户。

一点感悟

•就像电影特效是为剧情服务,技术永远是为产品服务的,产品需要应对多大的请求量,技术去实现。•不同的业务场景,适合的技术是不一样的。而针对不同的业务难题,并不是一昧地堆机器或挑战更难的技术手段,更应该在产品设计层面深思熟虑。随着产品设计的调整和业务规模的扩大,相应的技术都会做进化和调整。•目的都是一样,那就是留住用户,保障用户体验。

参考

•slideshare.net/iso1600/•新浪微博架构和FEED架构分析--人人架构 - u013790419的专栏 - 优快云博客•如何打造千万级Feed流系统-博客-云栖社区-阿里云

---END---

选择”开发者技术前线 “星标?,内容一触即达。点击原文更多惊喜!

开发者技术前线 汇集技术前线快讯和关注行业趋势,大厂干货,是开发者经历和成长的优秀指南。

历史推荐





点个在看,月薪几万!

天猫精灵自定义语音技能开发实战:从环境搭建到批量任务 语音交互正在成为智能家居与个人助手的重要入口,而自定义语音技能则让开发者能够将这一入口接入自己的服务。其核心原理并不复杂:设备端接收语音指令,平台完成意图识别后,通过HTTPS回调将结构化请求发送到开发者的后端服务,服务端解析意图和槽位信息后返回可播报文本或动作指令。这一模式不仅适用于天气查询、待办提醒、快递播报等常见场景,还能通过批量任务设计实现定时信息推送,将音箱变成主动播报的信息终端。对于智能家居玩家和独立开发者而言,掌握自定义语音技能开发意味着能用较低成本打造专属的语音控制面板。本文以天猫精灵开放平 阅读详情

相关推荐

多内容聚合站改造复盘:六类内容四端统一架构实践

在构建内容聚合平台时,核心挑战并非单一功能开发,而是如何将影视、直播、小说、短视频、音乐等异构内容源进行统一建模,并同时服务PC、WAP、App和小程序四个入口。内容聚合的本质是建立清晰的类型模型,将不同数据的消费方式、更新频率和缓存维度差异化处理。通过一套标准的API设计,配合端侧适配层,可有效降低多端开发成本。播放地址防盗链、内容源巡检、缓存策略及版权合规是工程落地的关键环节,而搜索聚合与进度同步则显著提升用户体验。合理的架构设计能大幅减少接口数量,缩短新类型接入周期,为同类聚合站建设提供可复用的技术路

weixin_34122810的博客 346

用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计研究(Matlab代码实现)

内容概要:本文围绕用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计展开研究,深入探讨了卡尔曼滤波在动态系统状态估计中的核心作用。文章系统阐述了卡尔曼滤波的数学基础,包括状态空间模型的建立、先验与后验状态估计、协方差矩阵的递推更新,以及最优增益矩阵的推导过程,确保在高斯白噪声环境下实现对系统状态的最小均方误差估计。结合Matlab代码实现,完整展示了算法从理论建模到仿真实验的全流程,涵盖系统建模、噪声设置、滤波迭代、状态更新与误差分析等环节,并通过仿真实验验证了算法在噪声干扰下对系统真实状态的高精度跟踪能力。该研究为控制工程、导航系统、信号处理及自动化领域中的状态估计问题提供了坚实的理论依据与高效的数值实现方案。; 适合人群:具备一定控制理论、概率统计基础和Matlab编程能力,从事自动化、电子信息、航空航天、机器人、导航定位等相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标:①掌握卡尔曼滤波的基本原理及其在状态估计中的数学推导过程;②学习如何利用Matlab实现卡尔曼滤波算法并进行系统仿真与性能评估;③应用于目标跟踪、传感器融合、惯性导航、故障诊断、时间序列预测等实际工程中的动态状态估计问题。; 阅读建议:建议读者结合文中提供的Matlab代码进行动手实践,通过调整系统模型参数、过程噪声与观测噪声强度,观察滤波效果的变化,深入理解卡尔曼增益的自适应调节机制与MMSE估计的收敛特性。同时可进一步拓展学习扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)等非线性滤波方法,以应对更复杂的非线性系统状态估计挑战。

纯前端实现仿网易云年度听歌报告:HTML/CSS/JS完整源码解析

在移动端H5开发中,年度报告类页面往往融合数据可视化与交互叙事,是体现前端综合能力的典型场景。通过HTML构建信息层级,CSS实现视觉动效,JavaScript驱动数据渲染与翻页逻辑,无需依赖任何框架即可完成可交互的滚动故事页面。其核心价值在于结构解耦:数据与视图分离,通过配置对象即可快速替换内容,实现零成本复用。这类页面广泛适用于听歌报告、年终总结、活动盘点等场景,也是前端学习者理解原生三件套协同工作的良好实践。本文基于一套完整的原生源码包,详细拆解页面结构、数据渲染、动效实现及常见问题排查,助力开发者快

weixin_29001423的博客 339

高校技术转移办公室人员如何提升成果转化服务效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

数量1倍数特性.pdf

数量1倍数特性.pdf

__EF550.zip

__EF550.zip

国央企创新负责人如何利用平台实现技术需求的精准挖掘与匹配?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

【高速互连技术】合规性测试规范:物理层信号完整性与链路均衡验证系统设计

内容概要:本文档介绍了分析工具进行实践对照,并关注后续规范版本更新以确保符合最终发布标准。

自适应多机器人编队规划,以包围和跟踪具有运动和可见性约束的目标(Matlab代码实现)

内容概要:本文提出了一种自适应多机器人编队规划方法,旨在实现对具有运动能力和可见性约束目标的高效包围与持续跟踪,采用Matlab进行算法实现与仿真验证。该方法综合考虑了多机器人系统在动态环境中的协同控制、编队形态生成与保持、障碍物规避以及目标可见性维护等关键问题,通过设计分布式控制律使编队能够根据目标行为和环境变化自适应调整队形与运动轨迹,确保稳定包围并最大化目标观测质量。文中详细阐述了系统的数学建模过程、控制策略设计原理及约束处理机制,并提供了多场景下的仿真实验结果,验证了所提方法在复杂条件下的鲁棒性、灵活性与有效性。; 适合人群:具备自动化、机器人学、控制理论或人工智能等相关领域基础知识的科研人员及研究生,熟悉Matlab编程环境并致力于多智能体系统、协同控制、路径规划或智能无人系统研究的专业人士。; 使用场景及目标:①应用于多机器人系统在监视、围捕、搜救等任务中对移动目标的协同包围与跟踪控制;②为研究分布式编队控制、可见性优化、动态避障与多智能体协同决策等核心技术提供可复现的算法实例与理论支撑; 阅读建议:建议读者结合提供的Matlab代码逐模块分析算法实现细节,重点关注控制律设计、约束建模与仿真结果对比部分,宜在仿真环境中调整参数配置以深入理解系统性能边界与优化潜力。

万人睡眠健康与生活方式调查数据集

成年人群睡眠健康与生活方式研究数据集,合成模拟10000行20列单CSV文件,睡眠障碍标记人群占比约四分之一。设置双预测目标:睡眠障碍二分类字段与日间疲劳得分回归字段,可分别开展分类与回归建模。特征字段涵盖年龄、性别、十一种职业类别、每周工作时长、轮班工作标记、自我压力评分、身体质量指数BMI、吸烟状态、每周饮酒量、每日咖啡因摄入毫克数、睡前一小时屏幕使用时间、每周运动分钟数、日均步行数、静息心率、习惯就寝时间点、平均睡眠时长、睡眠质量自评等二十项。数据完整无缺失,结果列与特征列分离清晰,便于目标泄漏防范练习。适用场景:睡眠障碍预测建模、日间疲劳程度回归分析、咖啡因与睡前屏幕对睡眠时长的影响量化、不同职业群体睡眠质量对比研究、逻辑回归与梯度提升模型对比实战等。合成数据不含真实个人信息,适合健康数据分析教学、特征工程练习与机器学习课程实训项目使用。

FANUC-R2000iC165F-六轴机械臂码垛仿真

FANUC_R2000iC165F_六轴机械臂码垛仿真

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)内容概要:本文介绍了基于NSGA-II多目标优化算法对包含风能、光伏、火电、储能系统、需求响应及电转气(P2G)等多种能源形式的综合能源系统进行优化调度的研究,采用Matlab进行代码实现。研究综合考虑了系统运行成本、碳排放、能源利用率等多个优化目标,通过建立精确的数学模型,结合可再生能源出力不确定性、负荷波动以及需求响应机制,实现多能源协同调度的帕累托最优解集求解,旨在提升能源系统的经济性与环保性,并验证所提方法的有效性和实用性。; 适合人群:具备一定电力系统、优化算法及Matlab编程基础的研究生、科研人员以及从事能源系统规划与运行相关工作的工程技术人员。; 使用场景及目标:①应用于多能源互补的综合能源系统优化调度研究;②为实现低碳、高效、可靠的能源供应提供决策支持;③学习和掌握NSGA-II算法在复杂多目标优化问题中的实际应用方法。; 阅读建议:建议读者结合Matlab代码与文中模型描述逐步理解算法实现流程,重点关注目标函数构建、约束处理及Pareto解集的生成与分析,有条件者可进一步修改参数或扩展模型以深化理解。

frontend-design skills

frontend-design skills

16周全【Harness&Hermes】多智能体开发特训营

2026年的AI开发者圈子里,几乎没有人再怀疑多智能体的价值。Gartner预测年底40%的企业应用将内置智能体,LangChain、AutoGen、CrewAI等框架轮番登场,演示视频里的AI团队分工明确、配合流畅。然而,一个尴尬的现实是:大多数开发者手里跑通的多智能体项目,停留在Jupyter Notebook的最后一行。一旦试图把它塞进真实业务环境,问题便如潮水般涌来——长任务跑到一半崩了要重来,智能体之间的消息黑盒般不可追溯,换个场景就得推倒重写,上线之后连“刚才那次调用为什么花了三倍的钱”都查不出来。 这正是【Harness&Hermes】多智能体开发特训营试图回应的命题。它的切入点不在“再教你写一个Demo”,而在于一个更朴素却更稀缺的能力:让多智能体系统从演示玩具变成可交付、可运维、可演进的生产资产。 要理解这门课的价值,得先看清多智能体开发当前的断层在哪里。单Agent时代,提示词写得好、API调得通,基本就能交差。但多Agent协作的本质是编排:谁负责拆解需求,谁负责执行,谁负责校验,上下文如何在角色之间传递而不丢失,某个环节出错时整条链路如何回退。这些问题的难度不在模型能力,而在工程控制。市面上不缺讲LangGraph节点怎么连、RAG检索怎么做的教程,缺的是把“多个智能体在真实业务压力下稳定协作”这件事讲透的人。 Harness与Hermes的分工,恰好对应了工程控制的左右手。根据课程的设计逻辑,Harness管“流程”,Hermes管“记忆与进化”。Harness 负责长任务的流程治理:一个面试模拟流程跑了二十分钟,中途用户关掉页面,下次打开能不能接着上次的进度继续?某个Agent调用工具超时了,整条链路是崩溃还是优雅降级?线上出了问题,日志能不能精确到“第几轮对话、哪个Agent、调了什么工具、花了多少token”。这些听起来不性感,但任何一

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?.docx

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?

国企央企如何实现技术成果的精准对接与快速落地?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

产业园区运营负责人如何利用数据智能化提升科技资源配置效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

(详细总结)python爬取 163收件箱邮件内容,收件箱列表的几种方法(urllib, requests, selenium)

需求:最近有一个需求,需要将163邮箱收件箱里面的所有邮件的内容全部copy下来,整理到一个word里面,不多也就28页的邮件(不要问我为什么有这需求,不告诉你),自己手动去ctrl+ cv 的话,估计要搞吐。然后就想能不能用python的爬虫来实现,虽然过程比较苦(后期改bug改的要吐了)。但是会后还是将需求实现了。这基本也算是入门了 urllib、requests、selenium这几个py...

man_tou_22 1万+
上一篇: 面试鹅厂,我被虐的体无完肤
下一篇: 程序员涨薪为何这样慢?我太难了
DevolperFront
博客等级 码龄8年 465粉丝 81原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值