这5点措施,将手淘 Crash 率最高下降40%

【腾讯优测干货】Crash率从2.2%降至0.2%,这个团队是怎么做到的? 天天P图作为图像处理类APP,内部集成了很多功能,包括滤镜、人脸检测、美白、磨皮、美妆、拼图、相机等,而且这些功能多是用底层算法依靠GPU实现,如何保证这些功能在众厂商生产的Android手机上正常高效运行,对于测试来说是一项极具挑战的任务。本文主要针对Android天天P图业务介绍我们在降低Crash率方面所做的工作,当然这里也离不开开发同学们的大力支持。 阅读详情

点击“开发者技术前线”,选择“星标????”

在看|星标|留言

来自:手淘客户端团队

大促一直是技术和产品的练兵场,每到大促,各种丰富的富媒体,如直播,视频,3D,游戏互动,AR等竞相上线,在淘宝的大航母战略下,都集中在万千宠爱于一身的淘宝App上,在这样的大促场景下,开始触碰到端侧系统资源上限的天花板。在17年双11大促期间,端侧的内存问题尤为突显,OOM的高居所有问题的榜首。内存问题成为了这几年大促端侧稳定性最大的挑战。

17年双11 Crash问题分类

 17年双11 Crash走势与业务上线关系

放飞业务


两年后的今天,通过我们持续的技术挖掘与治理,内存问题不再是影响大促稳定性的最主要的因素,本次618大促前所未有的支持了猜你喜欢无限坑位,支持了丰富的直播和小视频玩法,支持了会场上百个运营坑位,支持了互动业务的不降级策略,各种业务花式上线的同时,我们的端侧稳定性还进一步提升,crash率远好于去年同期。

 

618期间今年与去年对比crash走势

 

迎难而上,各显神通


面对内存带来的挑战,我们2年以来,一直在摸索中前行,沉淀一套内存治理的经验。

面向大促,当出现了问题后,我们要去思考当前的机制与规范,于是我们制定了内存标准与业务的上线验收。同时,提供了内存分析的一套工具,方便很快很准找到问题。同时,我们制定了三套内存优化策略:

1. 精打细算,提升内存的使用率

2. 兜底容灾,尽量让应用延长生命

3. 提升内存上限,突破系统的天花板

 

验收标准-----一夫当关


由于内存天花板的存在,从稳定性角度综合考虑,引入了大促的验收标准。标准的制定过程中,我们统计了发生OOM时的水位内位,分析出了高危,危险,正常水位线,以此为内存标准的制定指引。

内存问题之所以复杂,是因为内存是一个全局共享池子,当出现溢出问题时,在没有明显问题时,很难去界定哪个业务存在问题,因此,在考虑标准的时候,我们定义了两种场景。单页面及链路。

单页面场景主要是为了减少单个业务过多的占用内存引发的风险。前面提到内存池子是全局且有限的,当单页面占据内存过多,就会导致系统整体可用的内存大幅减少,在浏览相同页面次数的情况,增加整体内存风险。

链路场景是对常见浏览链路的内存检测,比如从首页-会场-互动-店铺-详情-下单这样的常规玩法进行多页面叠加检测,判断用户正常场景下的内存风险。

同时,在制度内存标准时,也考虑了不同技术栈之间的差异。比如H5,weex,native,包括多tab的会场形式及直播,3D等。

测试同学研发的TMQ自动化测试工具 

内存优化三板斧


前面提到内存优化主要有三种策略,这里分开详述。

▐  精打细算-提升内存的利用率

在业务屡屡触及内存天花板的情况下,每1KB的内存,都显得非常珍贵。

在实际对内存占用的分析中,我们偶尔会发现有些场景加载的图片远大于视图的大小,造成内存的浪费。或者在某些场景下,图片在内存中持有过久,比如在后台或是压栈很久后,图片所持有的空间仍不能释放出来给当前界面使用,面对这样的场景,我们在高可用体系中引用了对应的功能,能够检测出这些case,以便把内存交给用户正在使用的组件,以此来提升内存的利用率。

从图片库的数据流转以及View生命周期出发,来设计图片自动回收和恢复的实现,即当View不可见的时候,自动释放图片到图片库缓存,只保留图片的key值;当View可见的时候,又通过key恢复图片。图片片自带三级缓存策略,回收后的图片如果还在缓存,能立马恢复,对体验几乎无损。

同时,针对一些内存大户,也和各业务方约定一些实例数限制,比如详情页,有大图,还带视频,webview等,内存使用相对较大,这种情况下会对实例数做要求。目前有限制包括详情页,播放器实例等。

为了更好的体验,在降级策略上我们也做了一些优化,不再一刀切,而是根据各设备自身的能力,有选择的进行降级。要更好的达成目标,我们首先对设备进行分级,依赖于创建的智能分级。

统一降级在设备评分的基础上,提供默认的高中低端机型的设备分级能力,增加了配置化能力,为每个核心业务分配一个orange,支持业务对系统、品牌、机型、设备分、应用版本、生效时间等多个维度进行配置化降级。

依赖于统一降级,可以做到精准的体验分级,高端机型,可以采用各种特效和高清图片,能保障最优体验。中端机型,降级掉一部分特效,可以获得较好效果,低端机型,保障稳定性和基础体验。实现 “高端设备最炫体验,低端设备流畅优先,紧急问题快速降级”

统一降级后的效果

▐  兜底容灾--尽量延长生命周期

在应用内存最危险的时候,也许下一次的内存申请即面临崩溃,在这最危险的时候,我们是否有能力缓解一下,让用户多下一单呢,为此我们设计了内存容灾SDK。

具体原理是基于gc和lowmemorykiller原理实现(Android的OOM要区分jvm heap内存不足和native的内存不足),通过监听系统的gc和lowmemorykiller,去计算系统当前所处的内存状态,当内存不足的时候,销毁掉优先级较低的Activity,从而保障用户可见面Activity能尽可能多的使用内存而不出现稳定性问题。

内存容灾基本原理

▐  扩充上限-突破系统天花板

手淘的战略一直是航母战略,前面的打法只能缓解当前的稳定性问题,只能治标,不能治本。业务技术对内存的需求有增无减,无限坑位,会场上的直播视频等,都带来进一步的压力。只有提升端内的内存容量,才是解决内存问题的最终解法。

多进程

多进程的使用是突破系统天花板的方法之一。由于大促态的变化新增以H5的页面居多,所以我们重点希望在webview上能有一些突破。这时苹果的WKWebivew被纳入到研究范围,关于WKWebview在内存的优势,经过我们的分析结论如下:

WKWebView的内存并不计算在主应用的内存中,而是作为独立进程单独进行计算,因此对于应用来说使用WKWebView相比UIWebView,应用整体可以使用更多的内存,因为Web的内存都在WKWewbView的Web进程中,并不影响主应用的内存上限。

对于Android来说,平台本身则支持的多进程方式,因此,我们最初的设计中,是依赖于Activity的独立进程方式,即使BrowserActivity独立出来。

在99大促的AB实验中,对比对照组,在访问过淘金币/互动的用户中,主进程native crash率下降15%-18%,Crash计数(主+子) 下降1万次以上。在所有用户中,下降3%-5%,对内存的优化效果还是比较明显。

但是考虑到很多基础SDK在设计之初并没有考虑到多进程的方式,且多进程下应用的生命周期也有一些变化,整体方案不确认的风险较大。最终采用的是UC内核的多进程方案,它将整个H5页面的解析、排版、js执行等实现抽离封装到一个独立的进程中,分担了主进程一部分内存压力,从而实现突破单进程内存容量天花板的目标。

UC多进程示意图

uc多进程对crash率的影响

根据严格AB实验的结果评估,手淘开启UC多进程之后,Crash率能有30-40%的下降收益。

64位升级

一般说来,现在使用的程序,都是在32位的指令集下编译出来的结果,在32位子系统下,内存地址的大小只有4个字节,理论上的最大寻址空间只有4G。前面提到,在当前手淘的业务容量下,4G的内存地址已经不能满足,在今年开始力推手淘andorid架构从32位升级到64位。

说到64位,在硬件上,arm v8及以后的cpu都升级到了64位的架构,在软件上,android 5.0以后的系统开始支持了64位子系统。我们做过比较准确统计埋点,在市面上的手机,约有95%是支持64位运算的,也就是说64位升级带来的收益可以覆盖到绝大多数的用户。另一方面,我们也要看到64位升级带来的风险,所有的C/C++代码都需要重新编译到64位指令集,可能的风险点包括:

  • 指针长度是从32位升到64位,对一些HardCode的写法可能计算出错,产生稳定性问题。

  • 自定义so的加载逻辑(如服务端远程下载)可能没有考虑多cpu abi的情况,加载错误so,产生稳定性问题。

  • 储存的数据,看看有没有因为64位和32位不同导致不兼容,特别是一些二进制数据,导致覆盖安装或升级后原数据不可用

为了应对这些风险,自3月份起就开始针对手淘中的120多个so进行回归,包括看32位与64位相互覆盖的升级场景,另一方面,针对so的加载逻辑,进行全手淘代码扫描,分析和查看自定义加载so的场景确认是否支持多cpuabi。经过几个月的灰度和迭代,最终在618版本前,完成了64位的上线。

在本次的618大促中,可以明显看到,以往大促中,OOM的占比,最高的时候,可以占到近40%,经过64位升级与多进程手段叠加后,可以看到看大促态的OOM占比,已经降到了10%左右。这里面还包括了5%的32位用户,对OOM的治理效果非常显著。

 

展望


  • 新技术形态的挑战

内存问题一直是大促端侧稳定性最大的挑战,在今天已经得到比较好的解决,当然,系统资源终归是有限的,我们仍然需要有效合理的使用系统资源。更重要的是,面向未来,新的技术形态像flutter等入淘,多个虚似机的并存,对系统资源仍然会有较大的挑战。

  • 从稳定性到流畅体验

对用户来说,稳定性只是最基础要求,后续我们会在体验上持续优化,带给手淘用户真正的如丝般顺滑的体验。

END

前线推出学习交流群,加群一定要备注:

研究/工作方向+地点+学校/公司+昵称(如移动端+上海+上交+可可)

根据格式备注,可更快被通过且邀请进群,领取一份专属学习礼包

扫码进群,免费大厂内推、高质量技术交流

END

点个在看吧

MoE模型推理实战:路由机制、激活率与显存优化深度解析 混合专家(MoE)是一种关键的大模型稀疏化架构,其核心在于通过动态路由机制实现参数高效利用。原理上,每个token经门控网络(gating network)计算后,仅激活少数专家(如top-2),从而在保持大容量知识的同时降低单次计算开销。该技术显著提升单位算力下的知识密度与推理吞吐,广泛应用于DeepSeek-R1、GPT-4等千B级模型。然而实际落地中,‘总参数量’不等于运行负载,真正决定能否部署的是专家激活率、KV Cache管理及路由稳定性。本文聚焦MoE路由机制与专家激活率两大热词,结合H100集 阅读详情

相关推荐

Kimi K2.5本地部署实战:ExLlamaV2+自研Tokenizer方案

大模型本地部署是构建私有AI能力的核心基建,涉及模型加载、Tokenizer适配、量化推理与服务封装等关键技术环节。其原理依赖于对模型架构、权重格式和分词逻辑的深度解析,技术价值在于保障数据安全、降低延迟、支持token级调试与RAG优化。典型应用场景包括金融合规推理、多模型对比实验及边缘知识库客户端。本文聚焦非标准闭源模型Kimi K2.5的落地挑战,详解如何绕过缺失config/tokenizer/开源权重等限制,基于ExLlamaV2实现稳定推理,并通过自研SentencePiece Tokenize

weixin_30432579的博客 649

货拉拉Android稳定性治理

App Crash对于用户来讲是一种最糟糕的体验,它会导致流程中断、app口碑变差、app卸载、用户流失、订单流失等。相关数据显示,当Android App的崩溃率超过0.4%的时候,活跃用户有明显下降态势。根据统计2021年初我们的Crash率为5%,大量的研发时间用于定位和解决用户反馈、用户投诉,crash治理刻不容缓。通过去年的大量实践治理,我们app的Crash率降低并且稳定在0.02%,在此做一些总结和分享,希望能为其他团队提供经验和启发。根据《2020移动应用性能管理白皮书 | 基调听云》我们对

chuyouyinghe的专栏 727

Enscape 4.5.0适配SketchUp 2025安装与渲染全指南

实时渲染是建筑可视化工作流的核心环节,其本质依赖插件与宿主软件间的底层通信协议、GPU加速机制及许可证验证体系。随着SketchUp 2025升级为WebAssembly沙箱架构,传统DLL注入式插件面临API断层风险,亟需支持新指令集、双缓冲数据流和材质ID映射的渲染引擎。Enscape 4.5.0正是为此重构的兼容性桥接版本,它不仅适配NVIDIA RTX 40系与AMD RX 7000显卡,更通过HTTP代理通信、硬件指纹校验与物理相机模拟,实现稳定低延迟的实时渲染体验。该方案广泛应用于方案汇报、教学

410

定位程序Crash常用工具和方法

一、引言   任何程序正确则只有一种结果,但是错误却有千万种,而众多的错误有些是可容忍,有些则是致命的,如除零错误、堆栈溢出、内存越界等导致程序Crash。由于很多错误并不是发生在开发工作者调试阶段,而是在用户或测试工作者使用阶段;这就需要相关代码维护工作者对于程序异常捕获收集现场信息。   当收集相关信息后,如何定位这些错误是的极为讲究的过程,工具和方法使用得当则可事半功倍,反之事倍

阿草 1881

GPT-5.5 Instant:程序员工作流操作系统的范式革命

编程工作流本质上是一系列跨工具、跨上下文、跨时间的原子操作组合;其核心瓶颈并非算力或语法,而是频繁的上下文切换与状态丢失。GPT-5.5 Instant 通过长程推理锚定、工具链原生嵌入和因果建模三大能力,首次实现对开发全链路(编码、调试、测试、部署、归档)的意图驱动闭环执行。它不再辅助写代码,而是重构‘写代码’的定义——将工程师从操作员升维为指挥官。这一演进标志着AI从Copilot走向Workflow OS,正深刻重塑软件工程实践范式。

weixin_34095889的博客 435

Qwen3.5-27B实测:24K上下文稳定性与INT4量化鲁棒性深度解析

大语言模型的上下文长度与量化精度是影响中文长文本生成质量与部署可行性的两大核心指标。Qwen3.5-27B作为面向中文场景优化的270亿参数模型,其标称32K上下文在实际应用中存在RoPE插值导致的语义漂移现象,实测证实24K为业务可用上限;同时,INT4量化并非单纯显存优化手段,不同方案(Marlin/GPTQ/AWQ)对SwiGLU架构的适配差异显著,直接影响法律、金融等高容错场景的关键要件召回率。本文基于多硬件平台(RTX 4090/A100/EPYC)的17轮压力测试,揭示推理延迟、显存占用与生成稳

weixin_34357928的博客 1243

客户端稳定性优化实战,Crash率最高下降40%

大促一直是技术和产品的练兵场,每到大促,各种丰富的富媒体,如直播,视频,3D,游戏互动,AR等竞相上线,在淘宝的大航母战略下,都集中在万千宠爱于一身的淘宝App上,在这样的大促场景下,开...

淘系技术 1234

Qwen3.5-35B-A3B专用推理引擎:从vLLM失效到Triton内核重写

MoE大模型推理引擎是支撑稀疏专家混合架构高效服务的核心运行时系统,其本质是将动态路由、异构专家计算与自适应注意力等复杂逻辑转化为低延迟、高吞吐的GPU张量运算。传统框架如vLLM依赖静态拓扑假设,难以应对Qwen3.5-35B-A3B特有的动态Top-K路由和专家异构性,导致显存碎片率飙升、延迟抖动严重。Triton作为可编程GPU内核工具,通过细粒度内存布局控制与runtime-aware kernel设计,成为突破A3B架构工程瓶颈的关键路径。本文聚焦于在真实生产场景中构建高性能MoE推理引擎的技术实

weixin_33910137的博客 370

客户端Crash一般原因小结

客户端Crash一般原因小结

wanyang1203的专栏 804

GPT-5 nano实战指南:轻量大模型的端侧部署与工程落地

大语言模型正从参数竞赛转向真实场景可用性,轻量化、端侧运行与即插即用成为新焦点。GPT-5 nano并非简单压缩版,而是基于MoE专家架构、动态路由与INT4量化等核心技术重构的工程化产物,兼顾推理速度、内存占用与任务精度。其技术价值在于将百亿级能力下沉至手机、MacBook等边缘设备,在教育辅导、本地开发、小微客服等低算力、高隐私、强交互场景中实现‘开箱即用’。本文聚焦GPT-5 nano的架构原理、API调用实践、人格化配置与离线部署方案,为开发者与一线应用者提供可复用的轻量AI落地路径。

weixin_34343000的博客 6828

NLP产品化落地:意图识别、实体抽取与语义匹配的实战锚点

自然语言处理(NLP)作为人机交互的核心技术,其本质是将非结构化文本转化为可执行的产品动作。它并非孤立模块,而是依托意图识别、实体抽取和语义匹配三大基础能力,驱动用户行为路径优化——从提升客服工单分类准确率,到压缩搜索响应延迟,再到支撑需求优先级决策。这些能力的价值不在于模型参数或F1分数,而在于能否稳定降低关键指标:如人工复核耗时减少23秒、转化率提升41%、有效匹配率跃升至79%。在电商、SaaS、教育等真实产品场景中,NLP的成功落地往往取决于对业务上下文的理解深度与工程可用性的平衡取舍。本文聚焦这三

weixin_34195546的博客 403

客户端稳定性优化实战,Crash率最高下降40%,java面试逻辑思维题

一次偶然,从朋友那里得到一份“java高分面试指南”,里面涵盖了25个分类的面试题以及详细的解析:JavaOOP、Java集合/泛型、Java中的IO与NIO、Java反射、Java序列化、Java注解、多线程&并发、JVM、Mysql、Redis、Memcached、MongoDB、Spring、Spring Boot、Spring Cloud、RabbitMQ、Dubbo 、MyBatis 、ZooKeeper 、数据结构、算法、Elasticsearch 、Kafka 、微服务、Linux。

2401_83946570的博客 579

在昇腾910B服务上部署搭建适配PDF解析工具Mineru2.5开源项目

本文介绍了在昇腾910B服务器上部署开源PDF解析工具Mineru2.5的过程。首先从昇腾社区下载mindie镜像并运行容器,安装系统依赖。针对部署过程中遇到的多个报错问题(如torchvision与torch版本不匹配、昇腾软件栈与NumPy 2.0不兼容等),提供了具体解决方案和兼容版本。通过设置环境变量、安装指定版本的Python依赖包,成功部署Mineru项目并下载模型。最后运行测试,验证了在NPU设备上运行pipeline的可行性。整个过程详细记录了版本适配和错误处理方法,为类似部署场景提供了参考

一起加油吧 2165

得物 Android Crash 治理实践

经过架构以及各团队的共同努力下,崩溃率已从最高的万2降至目前的万1.1到万1.5,其中疑难问题占比约90%、因系统bug导致的Crash占比约40%,在本文中将简要介绍一些较典型的系统Crash的治理过程。

SmartCodeTech的博客 2042

FOC电机控制实战:增量式编码器零位校准的5个关键步骤(附STM32代码)

本文详细解析了FOC电机控制中增量式编码器零位校准的5个关键步骤,包括电角度锁定、定时器计数清零、机械偏移角补偿等,并提供了STM32平台的实战代码。通过精准的零位校准,可显著提升电机控制系统的精度和稳定性,适用于工业伺服和机器人关节等高精度场景。

rum55的博客 619

YOLOv8改进策略【卷积层】| DEConv: 强度信息与梯度特征融合的细节增强 适用于小目标与细节目标检测任务

本文记录的是利用 模块优化 的目标检测网络模型。(Detail-Enhanced Convolution,细节增强卷积)的设计旨在,解决 目标检测网络中传统普通卷积缺乏目标细节相关先验、对小目标边缘、目标与背景边界等关键细节捕捉能力不足的问题,同时避免引入额外参数量与计算开销,以适配 对实时推理性能与检测精度的双重需求。DEA-Net: Single image dehazing based on detail-enhanced convolution and content-guided atte

Limiiiing的博客 349

阿里测试技术最高奖,又被他们拿了!!!

爱迪生奖是阿里测试技术领域的最高奖项,奖励在测试领域有卓越表现和突出贡献的技术团队。去年第四届爱迪生大奖中,淘系技术部——技术质量团队斩获了大赛冠军。今年的5月21日,第五届阿里巴巴测试...

淘系技术 918

【25届数字IC秋招总结】面试经验10——紫光同芯

25届数字ic面试记录——紫光同芯

lalala0635的博客 865

GPT-4 Turbo响应质量下降的5大技术动因与应对方案

大语言模型的响应质量受知识截止、上下文处理、采样参数、安全过滤和微调机制等底层策略共同影响。当模型在事实准确率、逻辑连贯性或创意表达上出现明显退化,往往并非能力衰减,而是服务端为平衡吞吐效率、成本控制与内容安全所作的系统性权衡。例如,知识截止日期偏移会导致时效性错误,上下文压缩会削弱长文本尾部信息感知,温度参数失效则抑制高熵输出。这些现象在GPT-4 Turbo等面向生产的API模型中尤为典型,广泛影响内容生成、代码辅助、客服自动化及教育产品等工程场景。本文基于实测数据与API级分析,揭示可验证的技术根因并

weixin_33802505的博客 406

【WRF湿度调整策略】WRF/ERA5湿度数据对比

【WRF湿度调整策略】WRF/ERA5湿度数据对比

WW、forever的博客 121

【自适应调制】自适应调制解调通信链路误码率matlab仿真与分析

BPSK中的B是“Binary”的意思,也就是有两个变化状态,比如说相位上的“+90°(代表1)、-90°(代表0)”,一个状态代表的就是一个比特。QPSK的“Q”是“Quadrature”的意思,有四个变化状态,如相位上的“+45°(代表00)、-45°(代表11)、+135°(代表10)、-135°(代表01)”,那么一个状态就代表两个比特的信息,如图2所示。同理8PSK的一个状态代表三个比特。但是功率资源并不是无限的,基站总的发射功率是一定的,为了充分利用所有的功率,采用的就是AMC技术。

FPGA/MATLAB学习教程/源码/项目合作开发 1835

大崩溃-正在降临的危机与金融风暴史(The Great Crash) 第四章 大 崩溃:不仅仅是股市

恐怖性崩盘,黑色星期四 1929年9月5日,著名的金融统计学家罗杰.巴布森扮演了最后一个空头的角色,他也因此名垂青史:“一场大崩溃即将来临,而且可能是令人恐惧的” 金融体系的崩溃,以及跟它互为因果的经济大萧条,渗透到德国所有的生活领域,自杀人数急剧上升 1929年9月3日,道琼斯工业指数达到了386.10点,全天成交量为444万肌,与1921年8月24日的最低点上升了504%,这一天

jince007的专栏 1778

简谈基于FPGA的千兆以太网设计

简谈基于FPGA的千兆以太网设计 今天给大侠带来简谈基于FPGA的千兆以太网设计,话不多说,上货。 今天我们来简单的聊一聊以太网,以太网在FPGA学习中属于比较高级的内容了,有些大侠肯定会感觉以太网学习起来非常不容易。其实,我可以告诉大家,前期学习的基础打扎实了,后期的学习也没那么难。总之就是说难没那么难,说容易也不是那么容易。那么,言归正传,下面让我们一起来聊一聊以太网的学习。 说起以太网,大家可能就会想到百兆以太网、千兆以太网以及万兆以太网等等。局域以太网从10M开始发展,经历几多的变迁,发展到现

3622

如何将Minecraft帧率提升300%:Fabulously Optimized终极优化指南

Fabulously Optimized是一款专注于性能和视觉增强的Minecraft模组包,专为追求极致游戏体验的玩家设计。这个开源项目通过精心挑选和配置超过60个优化模组,显著提升游戏帧率,同时保持视觉效果的华丽升级。无论你是使用老旧电脑的玩家,还是希望在多人服务器中获得流畅体验的用户,Fabulously Optimized都能让你的Minecraft世界焕然一新。 ## 🚀 为什么需要

gitblog_00409的博客 436

【BlueZ】编译产物详解:可执行文件/库文件/工具的生成路径与用途

BlueZ二次开发编译产物机制解析 摘要:在BlueZ蓝牙协议栈二次开发中,90%的报错源于对编译产物类型和路径的混淆。本文系统剖析BlueZ的三阶段编译机制:1)配置阶段生成Makefile;2)编译阶段在.libs目录下产生临时库和可执行文件(不可直接运行);3)安装阶段将产物部署到系统标准路径。重点解析守护进程、命令行工具、动态库的核心路径差异,并针对五大高频问题(如临时库运行崩溃、动态库不匹配、系统覆盖等)给出解决方案。

byte轻骑兵的技术小窝 1万+

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

车机系统适配:将应用移植到鸿蒙车机系统(149)

将应用移植到鸿蒙车机系统(HarmonyOS 智能座舱),是鸿蒙全场景生态中技术壁垒最高、工程要求最严密的环节之一。这不仅涉及 UI 的跨端适配,更需要遵循严格的“车规级”标准,确保在复杂的车载环境下的绝对稳定与安全。

Davina_yu的博客 579

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

上一篇: 2020,中国大学本科毕业生质量排行榜公布,北大落选Top2(附前152名),
下一篇: 好消息!Python 和 Excel 终于可以互通了!
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