详解领域事件与CQRS模式:Java中实现最终一致性的关键路径

第一章:详解领域事件与CQRS模式:Java中实现最终一致性的关键路径

在现代分布式系统架构中,数据一致性与系统可扩展性之间的平衡成为核心挑战。领域事件(Domain Events)与命令查询职责分离(CQRS, Command Query Responsibility Segregation)模式的结合,为实现最终一致性提供了高效且灵活的技术路径。

领域事件的核心机制

领域事件代表业务中已经发生的重要状态变更,通常以异步方式发布。在Java应用中,可通过Spring的事件机制或自定义事件总线实现:

// 定义领域事件
public class OrderCreatedEvent {
    private final String orderId;
    private final BigDecimal amount;

    public OrderCreatedEvent(String orderId, BigDecimal amount) {
        this.orderId = orderId;
        this.amount = amount;
    }
    // getter方法...
}

// 发布事件
applicationEventPublisher.publishEvent(new OrderCreatedEvent("ORD-1001", new BigDecimal("99.9")));
事件发布后,由监听器异步处理,如更新读模型、触发通知等,确保主流程不受阻塞。

CQRS模式的结构设计

CQRS将写模型与读模型分离,写模型负责处理命令并产生事件,读模型则根据事件更新优化后的查询视图。
  • 命令端:接收用户操作请求,执行业务逻辑并发布领域事件
  • 事件存储:持久化事件流,保障可追溯性
  • 查询端:订阅事件并更新专用于查询的数据结构(如数据库视图、缓存)
该模式通过解耦读写路径,提升系统性能与可维护性。

实现最终一致性的流程

步骤操作
1用户提交订单,命令处理器验证并保存聚合根
2聚合根生成OrderCreatedEvent并放入事件队列
3事件消费者异步更新订单查询表和库存服务
4查询服务返回最新(最终一致)数据
graph LR A[客户端] --> B[命令处理器] B --> C[发布领域事件] C --> D[事件总线] D --> E[更新读模型] D --> F[调用外部服务] E --> G[查询服务响应]

第二章:领域事件的核心机制与Java实现

2.1 领域事件的基本概念与生命周期

领域事件是领域驱动设计(DDD)中用于表达业务状态变更的关键构造,代表在领域中发生的重要事实。它通常不可变,一旦触发便不可撤销。
事件的典型结构
一个领域事件通常包含事件类型、发生时间及上下文数据:
type OrderShipped struct {
    OrderID   string    `json:"order_id"`
    ShippedAt time.Time `json:"shipped_at"`
}
上述代码定义了一个 OrderShipped 事件,包含订单标识和发货时间。该结构确保事件携带足够的语义信息供后续处理。
事件的生命周期阶段
  • 产生:由聚合根在业务操作后发布;
  • 传输:通过事件总线或消息队列异步传递;
  • 处理:由一个或多个事件监听器消费;
  • 持久化:存储于事件日志或事件溯源存储中。

2.2 使用Spring ApplicationEvent实现领域事件发布

在Spring应用中,ApplicationEvent为领域事件的发布与监听提供了轻量级解耦机制。通过继承ApplicationEvent,可定义业务相关的领域事件。
定义自定义事件
public class OrderCreatedEvent extends ApplicationEvent {
    private final String orderId;

    public OrderCreatedEvent(Object source, String orderId) {
        super(source);
        this.orderId = orderId;
    }

    public String getOrderId() {
        return orderId;
    }
}
该事件在订单创建后触发,source表示事件源,orderId为关键业务数据。
发布与监听事件
服务类中注入ApplicationEventPublisher并发布事件:
  • 使用publishEvent()方法异步通知所有监听者
  • 监听器通过@EventListener注解响应事件
此机制有效分离核心逻辑与副作用操作,提升系统模块化程度。

2.3 基于Kafka的分布式领域事件异步通知

在微服务架构中,服务间解耦与数据一致性是核心挑战。基于Kafka的领域事件异步通知机制,通过发布/订阅模型实现跨服务的数据同步。
事件发布流程
服务在完成本地事务后,将领域事件发送至Kafka主题。以下为Go语言示例:
// 发布订单创建事件
producer.Publish(&Event{
    Topic: "order.created",
    Body:  OrderEvent{ID: "1001", Status: "PAID"},
})
该代码将订单支付成功事件推送到指定主题,Kafka确保消息持久化与高吞吐传输。
消费者处理逻辑
其他服务通过消费者组监听对应主题,实现事件驱动更新。
  • 消费者从Kafka拉取事件
  • 反序列化并校验事件内容
  • 执行本地业务逻辑(如库存扣减)
此模式提升系统响应性与可扩展性,同时借助Kafka的副本机制保障事件不丢失。

2.4 事件存储设计与事件溯源初步实践

在构建响应式与可追溯的系统架构时,事件存储成为核心组件。它以不可变的方式持久化所有状态变更事件,支持完整的业务行为回溯。
事件存储基本结构
典型的事件存储包含流(Stream)、事件类型(Type)和版本(Version)等关键字段。每个事件记录系统中发生的动作,如订单创建、支付完成等。
字段说明
event_id全局唯一标识符
event_type表示事件语义类型,如OrderCreated
data序列化的事件负载
timestamp发生时间戳
Go 示例:事件写入逻辑
type EventStore struct {
    db *sql.DB
}

func (es *EventStore) Append(stream string, eventType string, data []byte) error {
    stmt := `INSERT INTO events(stream, event_type, data, timestamp) 
             VALUES(?, ?, ?, ?)`
    _, err := es.db.Exec(stmt, stream, eventType, data, time.Now())
    return err // 写入不可变事件记录
}
上述代码将事件追加至数据库,利用关系型表模拟流式存储,确保每次状态变更都被持久化且有序。

2.5 保证事件可靠投递与幂等性处理策略

在分布式系统中,事件驱动架构依赖消息中间件实现服务解耦,但网络抖动或节点故障可能导致消息丢失或重复投递。为此,需结合确认机制与幂等设计保障数据一致性。
可靠投递机制
采用发布确认(Publisher Confirm)与消息持久化策略,确保消息写入磁盘并被消费者成功处理。Broker 应启用持久化队列,生产者开启 confirm 模式:

// RabbitMQ 开启 confirm 模式
channel.Confirm(false)
for {
    select {
    case ack := <-ackChan:
        if !ack.DeliveryTag {
            // 重发失败消息
            retryPublish(msg)
        }
    }
}
该逻辑确保每条消息收到 Broker 的 ACK 后才视为发送成功,否则触发重试。
幂等性处理
消费者需基于唯一业务标识(如订单号)校验处理状态,避免重复消费导致数据错乱。常见方案包括:
  • 数据库唯一索引约束
  • Redis 记录已处理 ID 并设置 TTL
  • 状态机控制流转路径

第三章:CQRS模式原理与架构拆分

3.1 CQRS基本架构与读写职责分离思想

CQRS(Command Query Responsibility Segregation)将数据的修改操作(命令)与查询操作(查询)在逻辑或物理层面分离,提升系统可维护性与性能。
核心设计原则
  • 命令模型负责业务写入,包含完整校验与领域逻辑
  • 查询模型专注高效读取,可直接对接视图需求
  • 读写模型使用独立的数据存储,避免耦合
典型代码结构

public class CreateOrderCommandHandler : ICommandHandler
{
    public async Task Handle(CreateOrderCommand command)
    {
        // 写模型处理:构建聚合根、执行业务规则
        var order = new Order(command.OrderId, command.Items);
        await _repository.Save(order);
    }
}
上述处理器仅处理订单创建,不返回查询数据,确保写操作的纯粹性。
数据同步机制
命令 → 写模型 → 领域事件 → 消息队列 → 查询模型更新
通过事件驱动实现读写模型最终一致性,保障系统伸缩性。

3.2 命令模型与查询模型在Java中的实现方式

在Java应用中,命令模型(Command Model)与查询模型(Query Model)通常通过CQRS(Command Query Responsibility Segregation)模式分离。命令模型负责处理写操作,强调数据一致性;查询模型则优化读取性能,常使用去规范化数据结构。
命令模型实现
命令模型通常由聚合根、命令处理器和事件发布机制构成。以下是一个简单的命令处理示例:

public class CreateOrderCommand {
    private String orderId;
    private String productId;

    // 构造函数、getter/setter省略
}

public class OrderCommandHandler {
    public void handle(CreateOrderCommand command) {
        Order order = new Order(command.getOrderId());
        order.create(command.getProductId());
        // 保存聚合根并发布事件
    }
}
该代码定义了创建订单的命令及其处理器。Order作为聚合根,封装了业务规则,确保状态变更的原子性。
查询模型实现
查询模型可基于数据库视图或独立的数据存储构建,常配合Spring Data JPA使用:

@Repository
public interface OrderQueryRepository extends JpaRepository {
    List findByStatus(String status);
}
OrderView为只读视图实体,专为高效查询设计,避免复杂JOIN操作,提升响应速度。

3.3 CQRS在微服务环境下的应用场景分析

在微服务架构中,不同服务间的数据一致性与高性能访问需求日益突出。CQRS(命令查询职责分离)通过将写操作与读操作解耦,显著提升了系统的可扩展性与响应效率。
典型应用场景
  • 订单管理系统:写模型处理下单逻辑,读模型优化订单查询性能
  • 用户行为分析平台:命令端记录事件,查询端聚合分析数据
  • 金融交易系统:保障写入强一致性,同时支持高并发报表查询
数据同步机制
采用事件驱动方式实现读写模型同步。例如,写模型触发领域事件:
// 领域事件示例
type OrderCreatedEvent struct {
    OrderID string
    Amount  float64
    Timestamp time.Time
}

// 事件发布逻辑
eventBus.Publish(&OrderCreatedEvent{
    OrderID: "ORD-1001",
    Amount:  99.5,
    Timestamp: time.Now(),
})
该事件由消息中间件投递给读模型服务,异步更新只读数据库,确保查询视图最终一致。此机制降低主库压力,提升系统整体吞吐能力。

第四章:构建最终一致性系统的关键实践

4.1 利用事件驱动实现跨聚合数据同步

在微服务架构中,跨聚合根的数据一致性是常见挑战。事件驱动架构通过发布-订阅机制,有效解耦服务间的直接依赖。
数据同步机制
当一个聚合根状态变更时,领域事件被发布到事件总线。其他服务监听相关事件,异步更新本地副本数据,确保最终一致性。
  • 事件发布:状态变更后立即触发
  • 消息中间件:如Kafka保障可靠传递
  • 事件消费:下游服务异步处理并更新本地视图
// 示例:订单创建后发布事件
type OrderCreatedEvent struct {
    OrderID string
    UserID  string
    Amount  float64
}

func (s *OrderService) CreateOrder(order Order) {
    // 业务逻辑...
    event := OrderCreatedEvent{
        OrderID: order.ID,
        UserID:  order.UserID,
        Amount:  order.Total,
    }
    eventBus.Publish(&event)
}
上述代码中,OrderCreatedEvent封装关键数据,通过eventBus.Publish广播。消费者接收到事件后可更新用户积分、库存等跨聚合状态,实现松耦合的数据同步。

4.2 异常补偿机制与Saga模式的Java实现

在分布式事务中,Saga模式通过将长事务拆分为多个本地事务,并为每个操作定义对应的补偿动作来保证最终一致性。
基本执行流程
  • 每个服务执行本地事务并触发下一个服务
  • 若任一环节失败,反向执行已成功步骤的补偿操作
  • 确保所有子事务要么全部提交,要么全部回滚
Java代码示例

public class OrderSaga {
    public void execute() {
        try {
            reserveInventory();     // 步骤1:扣减库存
            chargePayment();        // 步骤2:支付
        } catch (Exception e) {
            compensate(); // 触发补偿
        }
    }

    private void compensate() {
        reversePayment();   // 补偿:退款
        releaseInventory(); // 补偿:释放库存
    }
}
上述代码展示了典型的命令-补偿结构。reserveInventory 和 chargePayment 是正向操作,一旦异常发生,compensate 方法将按逆序执行补偿逻辑,防止状态不一致。该模式无需全局锁,适合高并发场景。

4.3 查询侧缓存更新策略与性能优化

在高并发查询场景中,缓存的更新策略直接影响系统响应速度与数据一致性。采用“先更新数据库,再失效缓存”(Cache-Aside)是最常见的模式,可有效避免脏读。
缓存更新流程示例
// 更新用户信息并失效缓存
func UpdateUser(userId int, user User) {
    db.Save(user)                    // 1. 持久化到数据库
    redis.Del("user:" + userId)      // 2. 删除缓存键,触发下次读取时重建
}
该代码逻辑确保数据源为数据库,缓存仅作为加速层。删除操作优于直接写入,避免缓存状态滞后。
性能优化手段
  • 使用批量删除(UNLINK异步删除)降低缓存抖动
  • 引入布隆过滤器防止缓存穿透
  • 设置多级缓存架构(本地+分布式)减少网络开销
合理配置过期时间与预热机制,能显著提升查询吞吐量。

4.4 结合Axon框架简化CQRS与事件流管理

Axon框架为CQRS与事件溯源提供了标准化实现,显著降低架构复杂性。通过注解驱动模型,开发者可专注业务逻辑而非基础设施。
命令处理与聚合根设计

@Aggregate
public class AccountAggregate {
    @AggregateIdentifier
    private String accountId;

    @CommandHandler
    public AccountAggregate(CreateAccountCommand command) {
        // 聚合创建时发布账户创建事件
        AggregateLifecycle.apply(new AccountCreatedEvent(command.getAccountId(), command.getInitialBalance()));
    }
}
上述代码定义了一个聚合根,@Aggregate 注解标识其为聚合,AggregateLifecycle.apply() 用于提交领域事件,Axon自动持久化至事件存储。
事件监听与查询端更新
  • 使用 @EventHandler 注解处理事件,更新读模型
  • 支持异步事件分发,提升系统响应能力
  • 事件总线(Event Bus)确保消息可靠传递

第五章:总结与展望

技术演进的持续驱动
现代软件架构正朝着更轻量、高可用的方向发展。以 Kubernetes 为例,其声明式 API 和控制器模式已成为云原生基础设施的核心。在实际生产环境中,通过自定义资源(CRD)扩展集群能力已成常态:
apiVersion: apiextensions.k8s.io/v1
kind: CustomResourceDefinition
metadata:
  name: databases.example.com
spec:
  group: example.com
  versions:
    - name: v1
      served: true
      storage: true
  scope: Namespaced
  names:
    plural: databases
    singular: database
    kind: Database
可观测性体系构建
真实案例显示,某金融级应用通过集成 OpenTelemetry 实现全链路追踪,将平均故障定位时间从 45 分钟缩短至 6 分钟。关键组件需统一接入指标、日志与追踪三大支柱:
  • Prometheus 负责采集服务性能指标
  • Loki 集中存储结构化日志
  • Jaeger 提供分布式调用链分析
  • Grafana 统一展示多维度数据面板
未来架构趋势预判
趋势方向典型技术适用场景
ServerlessAWS Lambda, Knative事件驱动型任务处理
边缘计算KubeEdge, OpenYurt低延迟物联网网关
AI 工程化Kubeflow, Seldon Core模型训练与推理部署
[用户请求] → API 网关 → 认证服务 → → 微服务 A (数据库) → 微服务 B (消息队列) → 缓存层 ← 监控代理 → 可观测性平台
别再搞混了!一张图看懂DDD中DTO、VO、PO的区别与联系(附代码对比) 本文深入解析DDD架构中DTO、VO、PO的核心区别与应用场景,通过代码示例展示各数据模型的设计原则和转换策略。帮助开发者清晰理解分层架构中的数据流动,提升系统可维护性,特别适合解决初学者常见的概念混淆问题。 阅读详情

相关推荐

架构师六大核心能力解析与技术实践指南

架构设计作为软件工程的核心环节,需要平衡技术深度与业务需求。从技术原理层面,架构师需掌握JVM调优、分布式系统设计等关键技术栈;在工程实践角度,要熟练运用微服务、事件驱动等架构模式。优秀的架构方案需要具备可扩展性、高可用等技术价值,在电商、金融等高并发场景尤为重要。通过领域驱动设计进行业务建模,结合AHP决策框架评估技术商业价值,是架构师实现技术业务融合的关键能力。本文通过物流系统微服务拆分、支付系统灰度发布等真实案例,详解架构师必备的系统思维与工程实践方法论。

weixin_33326218的博客 233

Java领域架构设计知识点之CQRS

💡 亲爱的技术伙伴们:你是否正在为这些问题焦虑——✅ 简历投出去杳无音信,明明技术不差却总卡在面试?✅ 每次终面都紧张不已,不知道面试官到底想要什么答案?✅ 技术知识点零零散散,遇到系统设计题就头脑一片空白?🎯这不是普通的面试题汇总,而是凝聚多年面试官经验的。我不仅告诉你答案,更帮你建立面试官的思维模式。🔗🎯 精准人群定位🔥 《》(完整技术体系)🚀⚡🌊🛠️🔒🔄👥🏗️🚀 立即行动,改变从现在开始!🔗不要再让面试成为你职业发展的绊脚石!用时间系统准备,轻松应对各种技术面试场景。💪。

我是Java程序员廖志伟,感谢朋友们的支持!不定期贡献一篇高品质、过万文字、图文并茂且附有视频解说、满载代码示例注释的良心之作,坚决杜绝粗制乱造。 606

软考高级-系统分析师-案例分析:从单体到微服务的架构演进实战

本文详细解析了从单体架构到微服务架构的演进过程,重点探讨了系统分析师在架构转型中的实战经验。通过电商平台案例,分析了单体架构的三大痛点及微服务拆分的三步方法论,包括领域模型划界、数据库解耦和服务通信设计,为软考高级系统分析师考试提供了宝贵的案例分析素材。

weixin_27219587的博客 174

软件架构中的 CQRS 设计模式解析与适用场景

综上所述,CQRS 是一种强大且灵活的软件架构设计模式,特别适用于那些面临高并发、多样化需求以及复杂业务逻辑的场景。然而,在决定是否采用 CQRS 前,开发人员应当充分评估自身项目的具体情况,权衡利弊后再做出选择。希望本文能够为你理解并应用 CQRS 提供有价值的参考!```

2501_90728616的博客 522

【信息科学与工程学】计算机科学与自动化——第八十一篇 Java分布式软件高并发/高可用算法01

4. 消息队列(如Kafka的Topic分区,本质是范围)。3. 若是ACCEPT事件,bossGroup线程接受连接,创建SocketChannel,并将其注册到workerGroup的一个EventLoop的Selector上,关注READ事件。1. 分布式缓存分片(如Redis Cluster)。4. 分布式文件存储(如Ceph CRUSH)。6. 调用栈的模拟(如协程)。3. 服务网格(如Istio)的基础。2. 本地缓存与集中式缓存(如Redis)的一致性维护。3. 静态数据(如配置)缓存。

weixin_49199313的博客 1242

【信息科学与工程学】【数据科学】数据科学领域-第十一篇 数据集成算法01

​​降低维护成本​​:通过抽象通用流程(如),当需要修改故障注入逻辑(如更换混沌工具)时,只需修改一处代码,无需修改所有测试用例;​​提升扩展性​​:通过参数化故障场景(如),可快速生成新的故障用例(如针对新服务的延迟故障),适应系统迭代需求;​​增强场景真实性​​:通过组合混沌操作(如),模拟真实生产环境中的复杂故障链(如“网络延迟+服务宕机”),更准确地验证系统韧性;​​提高分析效率​​:通过自动化结果分析(如),快速获取MTTR、错误率等关键指标,减少人工分析时间。

weixin_49199313的博客 957

MateCloud DDD架构深度解析:如何用领域驱动设计解决微服务复杂性问题

在当今微服务架构盛行的时代,许多开发者面临着一个共同的困境:随着业务增长,代码库变得越来越难以维护,业务逻辑分散在各个角落,技术实现与业务需求纠缠不清。你是否也曾遇到过这样的问题——当需要修改一个简单的业务规则时,却不得不在多个服务、多个层次中寻找相关代码? MateCloud的DDD四层架构正是为了解决这些痛点而生的。作为一个基于Spring Cloud Alibaba的企业级微服务框架,Ma

gitblog_00166的博客 712

【信息科学与工程学】【数据科学】数据科学领域 第十二篇 大数据主要算法07 任务工序(2)

工序类别工序名称工序描述处理时序输入输出控制点质量指标异常处理数据接入工序​流数据源连接连接到外部流数据源初始阶段流数据源配置流数据连接连接参数配置连接成功率重连机制,失败告警数据拉取从数据源拉取数据持续实时数据源连接原始数据流拉取频率,批大小数据延迟,吞吐量超时重试,流量控制反序列化将二进制数据反序列化数据到达时二进制数据结构化数据记录序列化格式反序列化成功率格式异常处理数据预处理工序​数据验证验证数据完整性和格式反序列化后原始数据记录验证后数据验证规则数据质量合格率丢弃无效数据,异常记录数据清洗清洗脏数

weixin_49199313的博客 784

《Java-EE驱动的企业级微服务架构与云原生实践创新》

早期Java EE应用服务器如GlassFish与WebLogic,虽提供了成熟的EJB容器、JMS消息中间件以及JTA分布式事务管理体系,但其重型化的单体架构设计与共享状态的耦合特性,导致系统扩展性与容错能力难以满足云环境下的弹性需求。这一背景下,Java EE生态通过持续的技术进化与功能重构,正逐步完成向云原生平台的转型,在保留其技术优势的同时,通过微服务组件化架构实现了对容器化部署、Service Mesh治理、无状态服务模式等云原生实践的技术适配。挑战与突破并存是云原生转型的典型特征。

ANYsCCUq的博客 418

具身智能端到端大模型VLA (Vision Language Action)

在语言为条件的机器人任务中,策略必须具备理解语言指令、视觉感知环境并生成适当动作的能力,这就需要VLA的。例如,在自动驾驶领域,传统的做法是将感知、预测、规划等步骤分开处理,而VLA则试图用一个统一的框架来替代这种分立的方法。另外,VLA的模型对于算力的需求很大,单片AI算力1000Tops的Thor大概率会延期发布,加上英伟达芯片的量产时间与成本挑战,以及在国内的应用情况,对车企而言是个大问题。以谷歌DeepMind推出的RT-2为例,该模型可以在新的物体、背景和环境中表现出显著改善的性能。

具身智能机器人 1万+

Halcon实战:5分钟搞定工业零件中的圆孔检测(附完整代码)

本文详细解析了如何利用Halcon的hough_circle算法在5分钟内高效完成工业零件中的圆孔检测。通过优化图像采集、智能预处理和参数化边缘检测,解决了金属反光、油污干扰等工业场景常见问题,并提供了完整的代码示例和实战案例,显著提升检测精度和效率。

weixin_29061997的博客 243

《Java高并发场景下的响应式编程实践与微服务架构优化方案》

通过响应式编程与微服务架构的深度融合,系统具备了应对指数级增长流量的弹性能力。这种技术范式不仅提升了单节点处理效能,更重要的是塑造了可持续演进的架构韧性。在探索云原生道路的过程中,持续的技术创新与工程实践结合,将推动高并发场景下的系统稳定性达到新高度。

CwHPRxCp的博客 567

海外跨境电商商城源码-进出口电商平台网站-多语言多商户平台

我们的海外跨境电商系统源码还包括各种功能模块,如用户管理、商品管理、订单管理等。支付管理:与主流支付平台(如Stripe、PayPal等)的集成,支持多种支付方式;订单管理:创建订单、支付订单、取消订单等操作,以及订单状态查询和历史记录;购物车管理:添加商品到购物车、查看购物车、修改购物车中的商品数量等操作;商品管理:商品信息录入、编辑、删除等操作,以及商品分类和搜索功能。客服管理:在线咨询、投诉处理等功能,提供更好的用户服务。用户管理:注册、登录、忘记密码、个人资料。# 检查电子邮件地址是否有效。

柏诣科技的博客 2664

《Java引擎驱动数字化未来的代码重构与创新之道》

基于此数据定制的“防御性重构策略”,将异常处理模块的代码行扩增15%的同时,系统错误率实现了81%的下降。重构过程中动态代理技术与故障注入测试框架(如Resilience4J)的结合,验证了性能-可靠性的帕累托最优解存在。(P)基于内核的自我进化的雏形正在形成:Oracle GraalVM通过编译器即服务(CaaS)模型,在运行时根据CPU架构动态生成最优代码;(P)某遗留系统文档缺失的模块在重构过程中暴露出“图腾代码”现象:资深工程师手写的分治算法蕴含着关键业务逻辑,却缺乏任何注释说明。

Snsgiyax的博客 273

使用MLP解决OCR问题(OpenCV)(下)

分类模型:        分类模型涉及的一个比较关键的问题就是输出的10维向量是如何与具体的类别挂钩的。实际上:10维向量的每一位都代表一类,在对于训练集的表达中,如果输入数据是0,则10维向量的第一位赋值为1,其余均为0。即0对应[1,0,0,0,0,0,0,0,0,0]。MLP模型训练完成后,就需要对用户输入的数据所属类别进行判定。这时得到的输出数据基本不可能是正好的所属类为1,其他位置为0

qq_18515405的专栏 1907

matlab 点云均值、中值、高斯滤波【2024最新版】

点云均值滤波、中值滤波、高斯滤波的matlab自带函数实现。博客长期更新,本文最近一次更新时间为:2024年11月9日。

点云侠的博客 5261

模式悖论:当设计模式反噬系统架构

设计模式本为应对软件复杂性而生,其核心原理在于抽象共性、隔离变化、提升可维护性;但实践中常因抽象泄漏、组合爆炸与元模式固化,导致架构柔性下降、认知成本攀升、故障响应迟滞。技术价值不仅在于复用与解耦,更在于支撑业务快速迭代与高可用保障;典型应用场景涵盖微服务治理、事件驱动架构、多租户SaaS平台及IoT设备状态同步等中大型分布式系统。本文聚焦‘Pattern Paradox’这一被广泛忽视的负向演化现象,结合抽象泄漏、模式债务、饥饿测试等实战方法论,揭示模式如何从工具蜕变为约束,并提供可落地的诊断与破局路径。

weixin_30530339的博客 496

基于STM32L4XX、HAL库的STS40-CD1B-R3温度传感器 驱动程序设计

/ HAL库需要左移一位。// 每2秒读取一次。// 等待测量完成 - 高精度模式大约需要15ms。// 执行软复位确保传感器处于已知状态。温度测量范围:-40°C ~ +125°C。湿度测量范围:0% ~ 100% RH。// 复位后需要等待至少1ms。// 初始化STS40传感器。// 读取温湿度数据。// 转换原始数据为实际值。// 发送读取序列号命令。// 读取序列号数据。湿度精度:±1.5% RH。

zhusl6688的博客 288

SOA vs 微服务架构:从企业级集成到云原生应用的5个核心差异对比

本文深入对比了SOA与微服务架构在企业级集成和云原生应用中的5个核心差异,包括设计理念、服务粒度、通信机制、数据管理和部署运维。通过具体案例和技术示例,帮助企业在数字化转型中做出更明智的架构选型决策,特别适合关注服务开发技术和分布式系统设计的读者。

weixin_34406086的博客 322

【产品经理修炼之道】- 优惠券系统从入门到精通(一)

为了满足企业的优惠券业务,优惠券系统一般需要包含哪些功能?这篇文章里,作者从架构、功能等维度做了拆解,一起来看看吧。此部分主要讲解为满足公司优惠券业务,需要优惠券系统必须包含哪些功能,即优惠券架构图。

xiaoli8748的专栏 1812

EndNote X9 参考文献附录列表 格式调整

EndNote X9 插入参考文献常见问题总结

程序员,他们想的是什么?他们想的永远都是技术,他们崇尚的也永远都是技术。 2571

Java编程艺术构建高效企业应用与全栈开发实战指南

区分PaaS和K8s的量子态差异:真正意义上的云原生应用,应通过Kubernetes Operator实现状态完全声明式定义,而非简单的容器化封装。需要建立统一语言的熵值指标:当同一个概念在多个限界上下文中的定义差异超过30%时,必须启用Context Map进行语义对齐,防止领域模型的语义熵积累。的Java编程哲学——通过严格的类型系统、清晰的责任分离和不可变性设计,建立可扩展的基石代码架构。高效企业系统的根本矛盾在于,我们既要保证代码结构的晶体般纯净,又要应对业务需求的混沌变更。

RWubxnEr的博客 454

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

Java 迪米特法则 3 大典型误用场景:从 2 个反例到 1 个正解

本文深入探讨Java开发中迪米特法则的3大典型误用场景,通过2个反例分析常见问题,并提供1个优雅的重构方案。文章详细解析方法链式调用、内部结构暴露和服务类膨胀等违反迪米特法则的模式,展示如何通过封装行为、提供完整接口等技巧提升代码质量,帮助开发者编写更健壮、易维护的Java代码。

381

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

从微服务自治到架构演进:思想实验下的系统设计前瞻性思考

微服务架构作为现代分布式系统的核心范式,其核心价值在于通过服务解耦提升系统的可扩展性与可维护性。其实现原理基于服务注册发现、配置管理、负载均衡等基础组件,构建出弹性、高可用的技术底座。在工程实践中,架构的持续演进与自治能力成为关键挑战,这直接关系到系统的长期稳定性和运维效率。通过引入动态服务治理、配置自动推导、事件溯源等模式,系统能够逐步实现从人工干预到智能自愈的转变,从而应对流量波动、故障恢复等复杂场景。本文以“隐都A版”这一思想实验为载体,深入探讨了如何通过代码示例与架构推演,将高度自治、自我演进的前瞻

weixin_34414650的博客 338

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

《Java核心技术与企业级应用开发实践》

在数字化转型的浪潮中,Java凭借其跨平台性、稳定性与庞大的开发者生态,成为企业级应用开发的首选语言。某国际跨境电商平台通过Java核心技术的深度应用,成功支撑了日均数亿级流量的交易系统,其系统可用性达到99.99%,交易延迟控制在50ms以内。当Java虚拟机可以运行在掌上设备与超级计算机之间,当企业级应用需要承载每天数亿次的商业决策,我们正站在技术与商业价值的交汇点。前端层 --> 网关层(Gateway + 接口限速) --> 业务层(领域驱动聚合根) --> 基础设施层(CQRS)

NuOjlcrg的博客 263

从“空指针”到“健壮代码”:深入剖析NullReferenceException的根源与防御性编程实践

本文深入剖析了NullReferenceException(空指针异常)的根源与防御性编程实践,探讨了其在.NET开发中的常见场景与解决方案。通过现代C#的空安全特性、设计模式优化和架构层面的策略,帮助开发者编写更健壮的代码,有效避免Object reference not set to an instance of an object错误。

weixin_30421809的博客 372
上一篇: 【大模型落地必看】:JavaSpringBoot如何高效对接LLM接口并实现安全鉴权
下一篇: 为什么你的Java服务响应变慢:3个真实案例揭示性能黑洞
ProcePerch
博客等级 码龄1年 150粉丝 1977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  | 博主筛选后可见
 
 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