数据科学家的技术栈分享:大数据高并发采集微服务引擎

运筹学与量化分析:用算法思维构建人生决策系统 运筹学和量化分析是解决复杂系统优化问题的核心科学方法。运筹学通过数学建模与优化算法,在资源约束下寻求最优决策方案;量化分析则依赖数据驱动,将模糊现象转化为可度量的指标,揭示变量间的内在关系。这两项技术的核心价值在于为高不确定性的决策场景提供结构化、可计算的分析框架,广泛应用于金融交易、供应链管理、互联网产品运营等领域。本文以“命运学”为切入点,探讨如何将运筹学的优化思想与量化分析的数据能力相结合,构建一套用于个人职业与人生规划的决策支持系统,通过系统思维、概率建模与持续迭代,实现从被动应对到主动设计的思维跃 阅读详情

学习并总结:清华出版社发行的《大数据架构之道和项目实战》第一章 常耀斌著

  • 学习目标
  1. 掌握Spring是什么,它解决了什么问题
  2. 掌握Spring,Spring MVC和Spring Boot的联系,区别
  3. 掌握基于Spring Boot和Spring MVC的高并发采集微服务的构建
  4. 掌握Maven与Eclipse的集成配置

5、掌握Mina框架的工作原理和实战技巧

6、掌握组合、迭代、策略、状态模式的工作原理和实战技巧

7、掌握C3P0技术原理和高可靠入库方法

8、掌握设备和服务之间的信息交互方式和原理(设备协议规范制定及数据包设计)

9、掌握数据在此微服务引擎的走向及其数据类型

10、掌握业务树在业务的高可扩展性下的构建和实现

  • 知识技能
  1. Spring框架
  1. Spring MVC构建

  Spring MVC是Spring的一部分,主要用于开发WEB应用和网络接口,它是Spring的一个模块,通过Dispatcher Servlet ,ModelAndView和View Resolver,让开发变的很容易

  1. Spring Boot构建

     Spring Boot实现了自动配置,降低了项目搭建的复杂度

  1. 总结

     Spring MVC和Spring Boot都属于Spring,Spring MVC 是基于Spring的一个 MVC 框架,而Spring Boot 是基于Spring的一套快速开发整合包

  1. Maven
  1. Maven的作用

 统一开发规范与工具, 统一管理jar包

  1. Maven的环境配置
  1. Java IO与Java NIO

   Java NIO和JavaIO的主要区别

NIO和IO如何影响应用程序的设计

(1)Api调用,NIO的Api调用与IO的Api调用有所不同

(2)数据处理,JavaIO:从一个阻塞的的流中获取数据,JavaNIO:从一个通道里读取数据,直到所以的数据都读到缓冲区里

(3)用来处理数据的线程数,JavaNIO:单线程管理多个连接,JavaIO:一个典型的IO服务器设计,一个连接通过一个线程处理

   4、JavaSocket

     Sokect套接字,网络上具有唯一标识的IP地址和端口组合在一起才能构成唯一能识别的标识符套接字

     Sokect原理机制:通信的两端都有Sokect,网络通信其实就是Sokect间的通信,数据在两个Sokect之间通过IO传输

   5、Java线程和并发库高级应用线程池

6、Mina框架

  1. 概述

       Apache Mina Server 是一个网络通信应用框架,它主要是对基于TCP/IP、UDP/IP协议栈的通信框架(当然,也可以提供JAVA 对象的序列化服务、虚拟机管道通信服务等),Mina 可以帮助我们快速开发高性能、高扩展性的网络通信应用,Mina 提供了事件驱动、异步(Mina 的异步IO 默认使用的是JAVA NIO 作为底层支持)操作的编程模型。Mina 同时提供了网络通信的Server 端、Client 端的封装。Mina 的API 将真正的网络通信与我们的应用程序隔离开来,你只需要关心你要发送、接收的数据以及你的业务逻辑即可。

  1. 流程
  2. IoService:这个接口在一个线程上负责套接字的建立,拥有自己的Selector,监听是否有连接被建立。这个接口是服务端IoAcceptor、客户端IoConnetor的抽象,提供I/O服务和管理IoSession的功能

     IoProcessor:这个接口在另一个线程上,负责检查是否有数据在通道上读写和IO的处理,它拥有自己的Selector,它与我们使用JavaNIO编码的不同之处在于,通常在JavaNIO编码中,我们都是使用一个Selector,也就是不区分IoService和IoProcessor两个功能接口。IoProcessor负责调用注册在IOService上的过滤器,并在过滤器链之后调用IoHandler,对于一个IoAcceptor或IoConnector线程对应一个IoProcessor线程。

      IoFilter:过滤器链,这些接口通常成组存在并且按照一定顺序组成

      IoHandler:这个接口负责编写业务逻辑,也就是接收、发送数据的处理中心

  1. 数据包设计

     设计采用字节流,可以节省设备的存储成本,考虑到数据完整性和交互可靠性采用TCP协议。

例如登录包的设计:消息头Heaher,占用4字节,消息长度Length占用4字节,数据包类型Type占用2字节,设备id占用16字节,密码password占用16字节

  1. 业务树构建
  1.   迭代器模式

     迭代器角色(Iterator),具体迭代器角色(concrete Iterator),容器角色(Container),具体容器角色(concrete Container)

应用场景:

  1. 访问一个容器的内容无需暴露它的内部表示
  2. 支持对容器对象的多种遍历
  3. 为遍历不同的容器结构提供一个统一的接口(多态迭代)
  1. 组合模式

抽象构件角色(Commponet)树叶构件角色(leaf)树枝构件角色(Compostite)

应用场景:

  1. 使客户端调用更简单,客户端可以一致的使用组合结构或其中单个对象,用户不用关心自己处理的是单个队形还是整个组合结构,这就简化了代码
  2. 在组合体内假如对象部件时,客户端不必因为加入了新的对象部件而更改代码,这一点符合开闭原则的要求,对系统的二次开发和功能扩展很有利
  3. 组合模式不容易限制组合中的构件
  4. 按照设备的数据包状态进行解析
  5.   策略模式:

算法使用环境(Context),抽象策略(Strategy),具体策略(Concrete Strategy)

应用场景:

  1. 系统需要能够在几种算法中快速切换
  2. 系统中有一些类他们仅行为不用时,可以考虑采用策略模式来进行重构
  3. 系统中存在多重条件选择语句时,可以考虑用策略模式来重构
  1. 状态模式:

使用环境(context) 状态(state) 具体状态(Concrete State)

应用场景:

  1. 一个对象的行为取决于它的状态,并且它必须在运行时刻根据状态改变它的行为
  2. 一个操作中含有庞大的多分支的条件语句,且这些分支依赖于该对象的状态

状态模式和策略模式的最大区别是:各个具体的状态是有前后发生关系的,可能需要依次执行

  1. 数据库连接池技术

   基本思想:为数据库连接建立一个“缓冲池”,预先在缓冲池放入一定数量的连接,当需要建立数据库连接时,只需从“缓冲池”中取出一个连接,使用完毕之后再放回去。数据库连接池负责分配、管理、和释放数据库连接。

    优点:

  1. 资源可重用
  2. 系统可加速
  3. 连接数可共享
  4. 连接可管理
  1. 性能调优
  1. 对于短连接,比如数据发送完毕后就应该及时关闭连接,可以减少服务器的压力。Mina的IoSession就是用来管理session的,它有个方法session.close(false)来关闭session,当模拟器传上退出登录包时,需要关闭session,另外当读写通道在一段时候内无任何操作时也需要关闭session,此时通过acceptor.getSessionConfig().setIdleTime(IdleStatus.BOTH_IDLE,40)设置读写通道空闲来关闭session。
  2. 对于Mina线程数,Mina是一个多线程高并发数据处理框架,在设置Mina服务端是,需要用到 new NioSokectAcceptor(int precessorcount)方法开启需要开启线程的个数。默认开启线程数是计算机cpu核数+1,这个参数可能不是最优,具体还要由计算机的性能觉得,需要自己测试。

  12、数据库表的创建

  • 技术难点
  1. 理清Mina框架流程与代码的对应关系,写代码或者创建包的时候要理清思路,因为接口、类、包比较多,所以该是什么地方就创建就在地方创建,不然非常容易弄混。
  2. 在Mina框架接收到数据时首先会把数据传入过滤器链,因为包传入时是字节流,在数据到达IoService时会调用底层Io接口读取数据封装成IoBuffer,IoBuffer是MINA内部使用的一个byte buffer,MINA并没有直接使用NIO 的ByteBuffer。不过IoBuffer 是对 ByteBuffer 的一个封装。IoBuffer 中的很多方法都是对 ByteBuffer 的直接继承。只是对 ByteBuffer 添加了一些扩展了更加实用的方法。
  3. 在实现过滤器链上,首先要将传入的IoBuffer转换成java对象data。在Mina的IoFilter自定义扩展类ComponentIOFilter类中继承IoFileterAapter类重写数据转换方法核心方法messageReceived(),如果判断传入的message instanceof IoBuffer(是否是IoBuffer的实例),是则调用解码器组件接口Compoent的PackageData.getDataFromBuffer抽象方法,PackageData由反射得到。messageReceived()有一个参数NextFilter,所以这个方法时递归调用直至过滤器链完。
  4. 对于传入的IoBuffer需要先进行解码看里面的数据是否符合要求,不符合的要求的数据直接抛弃,避免浪费资源。解码器的抽象父类PacketFilterCompoent实现comopent接口,用迭代器模式,叠加递归算法进行编码,具体类重写check()
  5. 不同的厂家就是不同的策略,当数据包进入过滤器链后已经转换为了不同的PacketData,StrategyFactroyHandler继承IoHandlerAdapter定义messageReceived(),先判断传入的数据不为空且是PacketData的实例,在根据包名调用具体设备处理。处理完毕后在把此PacketData转发出去。
  6. 不同数据类型的数据包采用状态模式的实现,例如在处理A公司的运动包时,先根据反射得到运动包的类型,再调用处理相应状态的相关类。
  7. 需注意当IoBuffer被传进来时经历了抽象解码器父类PacketFilterComopent->业务解码器根类MHRootCompoentd->A公司的运动解码器,这一次解码只是检验包数据是否合格。是则转为PacketData对象,第二次是对不同的PacketData进行处理(自定义Handler)
  8. 如何判断相应的包对应的状态处理类,是在调用时运用反射机制。例如在StrategyFactoryHandle中的messageReceived()中通过传过来的数据包的名字来获得包名并转化为A公司业务策略接口,通过提前定义静态 的HashMap来匹配,在根据类名调用相应的hanlde()
  9. 根据Spring Cloud消息转发模板,来进行消息转发

10、对需要把数据存入数据库的包在状态的处理上要验证并且入库。(登录包和退出包不需要入库)

  • 案例总结经验
  1. 在写代码的时候不要把配置写的太死,不然以后要改的话很麻烦,比如数据库的配置参数可以单独写到一个配置文件中
  2. 要会分清楚各个类,接口的职责关系,把相关的类、接口分层次放在一起,方便自己遇到问题的时候浏览
  3. 对各个模式的应该场景要熟悉,如果采用模式设计的话不仅能让更好理清思路,也能简化代码
  4. 在写项目的时候不要一上来就开始写,先把整个项目的架构想清楚在一步一步写
  5. 接口的抽象类的使用,当你只想实现接口中的个别方法(不是所有方法)时,你可以先写一个抽象类来实现该接口,并实现除了你想要的方法之外的所有方法(方法体为空)。接着再用你的类继承这个抽象类,这个类中就只用实现你需要的方法了,这样就可以达到你的需要了。但是,如果你直接实现接口的话,你就需要实现接口的所有方法。、
  6. 在测试的时候可以在很多关键的打印日志,方便在出错的时候判断错误的位置
  7. 工具类的使用在很多地方可以减少代码的重复性,比如各个运动包处理的时候只要调用事先定义好的处理方法就可以了
  8. Mina框架也提供了很多方法,如IoHandlerAdapter和IoFilterAdapter中的MessageReceived()
  9. 构建过滤器业务树保证了业务的扩展性,如采用List集合的方式在存储解码器的层级关系
  10. 在存储部分数据时把数据转换成JSON格式

 

大数据(三)大数据技术栈发展史 常见开源CDC方案比较如下:如上图,如果需要做全量+增量同步,FlinkCDC是一个不错的选择。(支持的下游生态更丰富、操作更简单Flink SQL) 阅读详情

相关推荐

【信息科学与工程学】【数据科学】第五十一篇 数据仓库00 基础设计01

数据仓库设计的系统性解决方案,涵盖架构模式、分层设计、百万级访问支撑、海量数据配置及与数据库/数据湖的对接策略: ​​ODS(操作数据层)​​:原始数据镜像,保留历史快照 ​​DWD(明细数据层)​​:清洗、标准化、维度退化 ​​DWS(汇总数据层)​​:主题宽表、轻度聚合 ​​ADS(应用数据层)​​:高度聚合,面向报表/API ​​二、百万用户访问架构设计​​ ​​1. 核心架构组件​​ ​​2. 关键配置参数(以Snowflake为例)​​ ​​3. 性能优化措

weixin_49199313的博客 1209

数据中台的深入思考

阿里巴巴的数据处理经历了四个阶段,分别是: 数据库阶段,主要是OLTP(联机事务处理)的需求; 数据仓库阶段,OLAP(联机分析处理)成为主要需求; 数据平台阶段,主要解决BI和报表需求的技术问题; 数据中台阶段,通过系统来对接OLTP(事务处理)和OLAP(报表分析)的需求,强调数据业务化的能力。 第一个阶段是数据库阶段。 淘宝还只是一个简单的网站,淘宝的整个结构就是前端的一些页...

Peter_Changyb的博客 2105

【信息科学与工程学】【数据中心】 第十五篇 智算中心DaaS数据消费场景02

智算中心DaaS数据共享场景的分级分类是一个复杂的系统工程,需要从技术、安全、合规、治理、运营等多个维度进行综合考虑。本分级分类体系为不同场景下的数据共享提供了详细的指导,包括安全分级、共享模式、技术架构、合规治理等方面。在实施数据共享平台时,应结合自身业务需求、技术能力和资源情况,选择适合的共享模式和实施路径。同时,要高度重视数据安全和隐私保护,采用先进的技术和管理手段,确保数据共享的安全可控。

weixin_49199313的博客 1万+

【数据开发】大数据岗位,通用必备技术栈(数据分析、数据工程、数据科学)

【数据开发】大数据岗位,通用必备技术栈(数据分析、数据工程、数据科学) 文章目录 1、岗位与技术要求 1.1 常见岗位介绍 1.2 行业发展方向 1.3 附部分JD 2、数据开发技术栈 2.1 数据处理流程 2.2 学习路线与框架 3、数据分析技术栈 3.1 基础知识 3.2 进阶知识 1、岗位与技术要求 1.1 常见岗位介绍

小哈里的博客 1万+

告别实车测试:手把手教你用Vector VT平台搭建OBC/DCDC的HIL测试台架

本文详细介绍了如何利用Vector VT平台搭建新能源汽车OBC/DCDC的HIL测试台架,涵盖硬件选型、模型部署到自动化测试的全流程。通过HIL仿真测试技术,工程师可以高效验证动力域关键部件,大幅缩短开发周期并降低成本,特别适合新能源汽车三电系统的开发验证。

weixin_42659194的博客 341

实战分享:如何用Java调用Doris FE接口实现高效Stream Load数据导入(附完整代码)

本文详细介绍了如何通过Java调用Doris FE接口实现高效的Stream Load数据导入,包含完整代码示例和性能优化技巧。Stream Load作为Doris的高效数据导入方式,相比传统JDBC提升5-10倍速度,适用于大规模数据处理场景,帮助开发者解决高吞吐量数据导入挑战。

weixin_29304985的博客 419

SpringBoot 实战系列之三:SpringBoot+RabbitMQ集成

第一步:需要下载安装erlong环境。地址是:http://www.erlang.org/downloads 里面有windows和linux我本人测试环境是windows所以下载的是OTP 20.2 Windows 64-bit Binary File 第二步:下载安装rabbitMQ 同理下载windows版本的。下载地址:http://www.rabbitmq.com/download.html,选择window installer 安装完成后,进入C:\Program Files\Rabbi

Peter_Changyb的博客 805

Cadence Allegro 17.2 PCB设计避坑指南:从焊盘制作到封装绘制的完整流程

本文详细解析了Cadence Allegro 17.2在PCB设计中的关键操作技巧,从焊盘制作到封装绘制的完整流程。通过0402电阻和2.54mm排针的实例,揭示新手常见错误及解决方案,包括焊盘参数设置、层类型区分和坐标输入规范,帮助工程师避免设计返工和生产事故。

weixin_28683391的博客 409

常耀斌:深度学习和大模型原理与实战(深度好文)

深度神经网络通常需要对输入数据进行预处理和特征提取,以便网络能够更好地学习数据的表示。而在Transformer中,输入数据被转换为多头注意力机制的查询、键和值,这些查询、键和值可以被用来计算自注意力权重。

Peter_Changyb的博客 1770

【Unity3D优化】优化内置shader的内存占用

在打AB包的过程中,并不会把这些Built-in的shader单独打包,并与材质球和预设体做好依赖,因此打AB包时,Unity会自行在材质球和预制体的AB包内每一个都包含进去用到的Built-in的Shader,而且运行时,由于加载的是不同的AB包,shader也是不同的实例,占用的也是多份内存。结合项目特点可以分析,由于项目里使用了大量的粒子特效,一些特殊的效果,会给特效师写定制的shader,但是这些常见的效果,特效师直接使用了Unity Built-in的shader。继续优化内存占用。

a310989583的专栏 2313

拉曼光谱仪的原理与应用——TFN 7G F660手持式拉曼光谱识别仪

拉曼光谱仪的原理与应用——TFN 7G F660手持式拉曼光谱识别仪

TFN_yzgd的博客 929

常耀斌:AI赋能企业数字化转型(清华社发行)

数字化转型就是用科技驱动业务模式变革,敢于啃硬骨头,做难而正确的事。

Peter_Changyb的博客 1647

TDR阻抗会爬坡? 别担心,不是你的错,你只是不够了解TDR!

TDR除了可以单靠一个Port就得到通道的阻抗外,其实也可以拿来计算传输线的Delay,或是两两对象之间的距离,甚至是拿来求得等效介电常数!

jkh920184196的博客 2159

Hbase的Region的三次定位分析

 

Peter_Changyb的博客 911

ESP32+HC-SR04超声波测距:5分钟搞定智能避障小车核心功能(附完整代码)

本文详细介绍了如何使用ESP32开发板和HC-SR04超声波测距模块快速构建智能避障小车的核心功能。通过优化的接线方案、核心代码实现及调试技巧,帮助开发者5分钟内完成硬件连接与软件编程,实现高效的避障功能。附完整代码,适合创客教育和机器人开发。

weixin_29185199的博客 386

解读(DivideMix)DIVIDEMIX: LEARNING WITH NOISY LABELS AS SEMI-SUPERVISED LEARNING

这是Salesforce在今年年初出的一篇关于半监督学习的文章被ICLR 2020收录,目前还保持在SOTA状态。 文章主要做了两点工作: • 提出了一个co-divide方法。 • 利用label co-refinement 和co-guessing 改善之前的谷歌提出的MixMatch方法 1.co-divide方法 大概思路:同时训练两个网络,让每个网络在样本损失分布上去拟合GMM模型,并利用GMM模型,将训练数据分为标签数据和未标签数据,co-divide 使前面分的标签与未标签数据分别在

so 5042

李开复《人工智能》读后感

  放假之前,从学校图书馆找资料的时候无意间看到了这本书,觉得可以看看,无聊的时候当个消遣,就借了回来。   《人工智能》这本书其实就是告诉我们:个人应该做些什么,才能避免被AI取代?企业应该如何升级,才能在新的商业变局到来前抓住先机?本书不太适合作为人工智能入门书籍,因为里面专业知识很少,可以作为科普书籍,能够了解人工智能的一些术语。   人工智能已经来了,而且它就在我们身边,几乎无处不...

Quanfita的博客 8995

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

卷积神经网络

为什么要用神经网络? 特征提取的高效性。大家可能会疑惑,对于同一个分类任务,我们可以用机器学习的算法来做,为什么要用神经网络呢?大家回顾一下,一个分类任务,我们在用机器学习算法来做时,首先要明确feature和label,然后把这个数据"灌"到算法里去训练,最后保存模型,再来预测分类的准确性。但是这就有个问题,即我们需要实现确定好特征,每一个特征即为一个维度,特征数目过少,我们可能无法精确的分类出...

sinat_42841921的博客 397

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

深度讲解LLM:《2025 世界人工智能大会》谈AI未来

呼吁全球建立由各国人工智能安全研究所与国内研究网络组成的国际社群,培养不会从人类手中夺权的 “好AI”。已无法消除,它能大幅提升几乎所有行业的效率,即便有国家想消除,其他国家也不会认同。

Peter_Changyb的博客 906

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

常耀斌:AI 赋能企业数字化转型

内容特色:包含 20 个标杆案例与 20 余种前沿 AI 理念,覆盖从战略设计到执行的全流程指导。书中案例横跨制造、零售、金融、服务等多个行业,既有大型企业的转型实践,也有中小企业的成功经验;既有技术驱动的转型路径,也有业务引领的变革模式,为不同类型企业提供全方位参考。

Peter_Changyb的博客 998

大数据技术栈列表

Flink是一个开源的流式数据处理和批处理框架,旨在处理大规模的实时数据和离线数据。它提供了一个统一的系统,能够高效地处理连续的数据流,并具备容错性和低延迟的特点。Flink的设计目标是在一个系统中同时支持流式数据处理和批处理,以满足不同类型的数据处理需求。它的核心概念是有向无环图(DAG),通过将数据处理作业表示为一系列操作符和数据流的有向图,实现了灵活的数据处理流程。Flink支持各种数据源和数据接收器,包括消息队列(如Apache Kafka)、文件系统(如HDFS)、数据库和套接字等。

lydms的博客 2712

大数据技术栈简要介绍

大数据(Big Data)是IT行业中的一个重要术语,它指的是那些无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。这些数据集合具有海量的数据规模、快速的数据流转、多样的数据类型以及相对较低的价值密度等特征。大数据需要新的处理模式来增强其决策力、洞察发现力和流程优化能力,从而成为具有战略意义的信息资产。数据量角度:大数据首先体现在“大”上,即数据量巨大,通常达到数十TB甚至数百PB的规模,远远超出了传统数据处理软件的能力范围。数据处理角度。

wendao76的专栏 2851

01大数据家族

Hadoop Hive Zookeeper HBase Kafka Storm Flume

qq_39049011的博客 727

史上最全的大数据技术栈,有种冲动学习的既视感,你是否感受到了自己的不足?

互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取!” />[外链图片转存中…(img-AMDK34uK-1713582239369)][外链图片转存中…(img-69WWKt48-1713582239369)]《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取!

2401_84048542的博客 1600

【大数据】大数据技术栈详尽解析

数据采集是大数据旅程的起点,涉及从不同源头获取数据的过程,包括传感器、日志文件、以及APIs等。这一环节的高效运作对于后续的数据处理和分析至关重要。如MapReduce,MapReduce工作流程分为Map阶段(将输入数据切分成独立块并应用映射函数提取键值对)、Shuffle阶段(对Map输出进行排序、分区和合并)和Reduce阶段(对相同键的值进行归约操作)。这种模型将复杂的计算任务分解,易于在大量普通硬件上并行执行

weixin_43298211的博客 2261

大数据必备的技术栈有哪些?

岗位都需要什么技能呢?Spark,Hadoop,数据仓库,Python,SQL,Mapreduce,Hbase等等大数据的方向的切入是全方位的,基础语言的学习只是很小的一个方面,编程落实到最后到编程思想,有了指导思想学习起来就能方便很多。随着互联网大潮走向低谷,同时传统企业纷纷进行数字化转型,基本各个公司都在考虑如何进一步挖掘数据价值,提高企业的运营效率。在这种趋势下,大数据技术越来越重要。所以说,未来大数据是我们打工人的必备技能之一。

weixin_51689029的博客 1826
上一篇: 人工智能专家:开发必备知识的技术栈总结
下一篇: 资深技术专家分享:大数据实时计算微服务引擎总结
常耀斌
常耀斌 领域专家: 后端开发技术领域 领域专家: 后端开发技术领域
博客等级 码龄8年 1812粉丝 611原创
评论 2
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