Cargo 工作区重构实录:把单仓拆成多个 crate 的决策过程

Qdrant 深度拆解:35K Star 的 Rust 向量数据库,是如何把 HNSW、Payload 过滤和量化压缩揉成一台机器 Qdrant 是基于 Rust 构建的向量数据库,以高效协同稠密向量(HNSW)、Payload 过滤与量化索引著称。其核心优势在于三者在查询中同步生效,兼顾召回率与性能。适用于 RAG、语义搜索、推荐系统及多租户场景,但不擅长事务或精确检索。架构分层清晰,写入经 WAL 保障一致性,检索通过分片与段并行加速。关键技术包括过滤感知 HNSW、ACORN 跨跳搜索、八类 Payload 索引、四档量化(如 TurboQuant、Product)及灵活多租户策略。最新版本 v1.20.1 强化了嵌套索引与重打分 阅读详情

Cargo 工作区重构实录:把单仓拆成多个 crate 的决策过程

一、单仓的舒适区和它悄悄累积的债

问题 1:编译太慢。 我只改了 format.rs 里一行代码,但 cargo build 要等将近 20 秒。每次等待都让我分心去刷手机。

问题 2:依赖混乱。 所有 crate 都挤在 Cargo.toml 里,reqwest 和 clap 这些只被部分模块用到的依赖没法区分——它们都被编译进最终的二进制,哪怕某个功能没启用。

问题 3:没法拆分可复用库。 我的"文件元数据提取"逻辑写得不错,想在另一个项目里复用,但我没法直接引用——它嵌在主 crate 里,抽出来就是一顿大手术。

这三个痛点指向同一个方案:Cargo Workspace(工作区)。把单体 crate 拆成多个子 crate,让每个 crate 有独立的职责和编译边界。

flowchart TD
    subgraph before["重构前:单体 crate"]
        A["meta-cli (唯一 crate)\n527行 main.rs\n所有依赖混在一起\n编译全量重编"]
    end

    subgraph after["重构后:Cargo Workspace"]
        B["meta-core (库)\n元数据提取核心逻辑\n无 IO/网络依赖"]
        C["meta-io (库)\n文件系统操作\n依赖 meta-core"]
        D["meta-api (库)\nHTTP 通信层\n依赖 meta-core"]
        E["meta-cli (二进制)\nCLI 入口 + 参数解析\n依赖 meta-core + meta-io + meta-api"]
    end

    before -->|"拆分"| after

二、拆分决策:什么样的逻辑应该独立成 crate

不是项目大了就要拆。拆分前我问了自己三个问题:

flowchart LR
    Q1{"这个模块有独立\n的编译边界吗?"} --> Q2{"这个模块会被\n其他项目复用吗?"}
    Q2 --> Q3{"拆分后编译时间\n能显著缩短吗?"}
    Q1 -->|否| SKIP["暂不拆分"]
    Q2 -->|否| SKIP
    Q3 -->|否| SKIP
    Q1 -->|是| CHECK["考虑拆分"]

我的拆分决策表:

模块独立编译边�?可复用性拆分后提速结论
元数据提取核心逻辑是高大幅拆
文件 I/O 封装是中中等拆
HTTP API 通信是中中等拆
CLI 参数 + main否低小幅保留
输出格式化弱依赖中中等拆

三、具体实施步骤:从 1 个 crate 到 5 个 crate

步骤 1:创建工作区根 Cargo.toml

# 根目录 /Cargo.toml —— 工作区清单
[workspace]
# 声明所有子 crate
members = [
    "crates/meta-core",     # 核心库:元数据提取
    "crates/meta-io",       # I/O 封装:文件/目录操作
    "crates/meta-api",      # API 通信:HTTP 请求封装
    "crates/meta-format",   # 格式化:输出转换
    "crates/meta-cli",      # 二进制入口:CLI
]

# 工作区级别的依赖版本统一管理
[workspace.dependencies]
serde = { version = "1", features = ["derive"] }
serde_json = "1"
thiserror = "1"
# ... 其他共享依赖统一在这里声明版本

步骤 2:提取核心库 meta-core

核心库不能依赖项目中的任何其他 crate,它应该是纯 Rust 逻辑:

# crates/meta-core/Cargo.toml
[package]
name = "meta-core"
version = "0.1.0"
edition = "2021"
description = "文件元数据提取的核心数据结构与逻辑"

[dependencies]
serde.workspace = true          # 使用工作区统一版本
serde_json.workspace = true
thiserror.workspace = true
chrono = { version = "0.4", features = ["serde"] }
// crates/meta-core/src/lib.rs
//! 文件元数据提取的核心库
//! 不包含任何 I/O 或网络操作,纯数据处理

use serde::{Deserialize, Serialize};

/// 文件元数据结构体
#[derive(Debug, Clone, Serialize, Deserialize)]
pub struct FileMetadata {
    /// 文件名(不含路径)
    pub name: String,
    /// 文件大小(字节)
    pub size: u64,
    /// 文件类型(根据扩展名和内容推断)
    pub file_type: FileType,
    /// SHA-256 哈希值
    pub hash: Option<String>,
    /// 最后修改时间
    pub modified: String,
}

/// 支持的文件类型枚举
#[derive(Debug, Clone, PartialEq, Serialize, Deserialize)]
pub enum FileType {
    Text,
    Image,
    Video,
    Audio,
    Archive,
    Binary,
    Unknown,
}

/// 根据文件扩展名推断文件类型
pub fn detect_file_type(extension: &str) -> FileType {
    match extension.to_lowercase().as_str() {
        "txt" | "md" | "rs" | "py" | "js" | "ts" | "json" | "yaml" | "toml" | "csv" => {
            FileType::Text
        }
        "png" | "jpg" | "jpeg" | "gif" | "webp" | "svg" => FileType::Image,
        "mp4" | "mkv" | "avi" | "mov" => FileType::Video,
        "mp3" | "wav" | "flac" | "ogg" => FileType::Audio,
        "zip" | "tar" | "gz" | "rar" | "7z" => FileType::Archive,
        "exe" | "dll" | "so" | "dylib" | "bin" => FileType::Binary,
        _ => FileType::Unknown,
    }
}

步骤 3:提取 I/O 层(依赖 meta-core)

# crates/meta-io/Cargo.toml
[package]
name = "meta-io"
version = "0.1.0"
edition = "2021"
description = "文件系统操作封装"

[dependencies]
meta-core = { path = "../meta-core" }  # 引用同工作区的兄弟 crate
thiserror.workspace = true
walkdir = "2"                          # 递归目录遍历
sha2 = "0.10"                          # SHA-256 哈希计算

步骤 4:重建 CLI 入口(依赖所有子 crate)

# crates/meta-cli/Cargo.toml
[package]
name = "meta-cli"
version = "0.2.0"
edition = "2021"
description = "文件元数据提取工具——命令行入口"

[[bin]]
name = "meta-cli"
path = "src/main.rs"

[dependencies]
meta-core = { path = "../meta-core" }
meta-io = { path = "../meta-io" }
meta-api = { path = "../meta-api" }
meta-format = { path = "../meta-format" }
clap = { version = "4", features = ["derive"] }
tokio = { version = "1", features = ["full"] }
// crates/meta-cli/src/main.rs
use clap::Parser;
use meta_core::FileMetadata;
use meta_io::Scanner;

/// 文件元数据提取工具
#[derive(Parser)]
#[command(name = "meta-cli", version)]
struct Cli {
    /// 目标文件或目录路径
    path: String,
    /// 输出格式
    #[arg(short, long, default_value = "table")]
    format: String,
    /// 递归扫描子目录
    #[arg(short, long)]
    recursive: bool,
}

fn main() -> Result<(), Box<dyn std::error::Error>> {
    let cli = Cli::parse();
    let scanner = Scanner::new(cli.recursive);
    let files = scanner.scan(&cli.path)?;

    for file in files {
        let metadata = meta_io::extract_metadata(&file)?;
        meta_format::print(&metadata, &cli.format)?;
    }
    Ok(())
}

步骤 5:一键构建所有 crate

# 从工作区根目录执行
cargo build --workspace    # 构建所有 crate
cargo test --workspace     # 运行所有测试
cargo run -p meta-cli      # 只运行二进制 crate

实战踩坑记录

把项目拆成 workspace 的过程不算太痛苦,但有几个坑新手容易踩。

坑1:循环依赖。 有一版设计里,我把 meta-format 依赖了 meta-core,同时 meta-core 里一个工具函数引用了 meta-format。cargo check 直接报 cycle detected。解决方法是把那个工具函数上提到工作区根部的 src/common.rs,两边都引用它。

坑2:feature flag 传播。 meta-cli 的 Cargo.toml 里我习惯性地写了 tokio = { features = ["full"] },然后工作区的 meta-api 也声明了 tokio。结果链接了两个版本的 tokio symbol,二进制体积膨胀了 3MB。后来统一用 [workspace.dependencies] 管理 tokio 的 feature,只在 bin crate 级别激活 full,库 crate 都用 default-features = false。

坑3:CI 里 cargo test --workspace 的陷阱。 拆完后第一次跑 CI 发现测试时间从 45 秒涨到 90 秒——因为工作区里的测试是串行编译的(默认行为)。解决方式:在 CI 脚本里加 cargo test --workspace -j 4 强制并行编译测试二进制。

四、拆分后的实际收益

flowchart LR
    subgraph benefits["拆分收益"]
        B1["编译时间\n减少约 50%"]
        B2["库可复用\nmeta-core 被 3 个项目引用"]
        B3["测试隔离\n各 crate 独立测试"]
        B4["依赖清晰\n按 crate 管理版本"]
    end

具体数字:改 meta-core 里一行代码后增量编译从 20 秒降到 3 秒。因为只重编 meta-core,然后链接——依赖它的 crate 不需要重编(只要 API 没变)。

完整的编译时间对比(MacBook Air M2, 16GB):

场景拆分前拆分后节省
改 meta-core 一行19.2s2.8s85%
改 meta-cli 的 main.rs19.2s4.1s79%
全量 cargo build --release182s195s-7%
CI 增量编译35s12s66%

全量构建时间反而微增了 7%,这是 crate 边界带来的额外编译开销。但对于日常开发的增量编译收益远超这个代价。

另一个意外收获:团队成员分工更清晰了。负责 API 的同学只需要在 meta-api 里工作,不用担心改 I/O 逻辑。

五、总结

Cargo 工作区这件事,我想说三点:

  1. 拆 crate 的主因不是"文件太多",而是"编译太慢 + 无法复用"。 如果项目不大,单体 crate + 内部模块拆分就足够,不需要过度工程化。

  2. 先拆模块再拆 crate。 模块拆分是练内功,crate 拆分是练外功。如果你连内部的模块边界都没理清,拆 crate 只会把混乱放大。

  3. [workspace.dependencies] 是管理版本的神器。 之前我手动在每个 crate 里写依赖版本,改一个版本要改 6 个文件。统一管理后只改一处。

这个项目经过两次重构(先拆模块、再拆 crate),目前在 GitHub 上有 300 多 star,算是我自学 Rust 以来第一个"像样的作品"。下一篇文章我会分享 WebAssembly AI 插件的工程模式,那又是另一个维度的挑战了。


欢迎分享你的 Cargo Workspace 使用经验。

Isograph Reliability Workbench 14实战:从零构建故障树分析模型 本文以“马达不转”为例,手把手教你使用Isograph Reliability Workbench 14从零构建故障树分析模型。内容涵盖创建工程、定义顶事件、添加逻辑门与基础事件等核心步骤,并介绍了模型检查与定性定量分析,帮助你系统掌握这一强大的可靠性工程工具。 阅读详情

相关推荐

EM算法求解混合伯努利模型

本文记录了EM算法求解混合伯努利分布的推导,并提供了matlab实验代码。

霁月难逢 彩云易散 6976

组网第63课:安全域划分——Trust/Untrust/DMZ、区域模型、与 VLAN 的关系

一组接口 + 一组策略 + 一条默认拒绝。一组接口:这个域包含哪些物理口、VLAN、子接口;一组策略:这个域到别的域放行什么、拒绝什么;一条默认拒绝:没写进策略的,一律不通。第三条最关键。没有默认拒绝,前面划的域全是装饰。

qq_36765170的博客 572

从拆解到调试:用CS5523改造旧款车载显示屏的完整记录(MIPI转eDP方案)

本文详细记录了使用CS5523芯片将旧款车载显示屏从MIPI接口改造为eDP驱动的完整过程。通过对比LT8911等芯片,选择CS5523实现低功耗、高兼容性的显示升级,涵盖硬件改造、固件配置及调试技巧,最终成功提升显示效果200%。

web99的专栏 344

rust: Fan-out/Fan-in Pattern

本项目基于Rust实现珠宝行业全流程的扇出/扇入模式,采用DDD六层架构。通过ProcessRequestDto与ProcessResponseDto传输数据,将采购、设计、生产等12个业务阶段抽象为可并行执行的FanoutTask子任务。核心由JewelryFanoutFanin实现并行调度:先扇出至12个线程并发执行,再统一扇入汇总结果。系统集成日志(文件+控制台)、重试熔断、内存仓储及依赖注入容器,支持顺序与并发两种调度方式,确保高并发下任务可靠执行与可观测性。

Geovin Du Dream Park 166

【向量数据库】Milvus向量数据库 ① 从入门到实战

Milvus是专为海量高维向量设计的开源数据库,支持AI搜索、图像识别、推荐系统等场景。相比传统关系型数据库(如PostgreSQL),它更高效处理语义检索、非结构化数据存储,可毫秒级响应亿级向量查询。单机场景下,推荐配置8GB内存/32GB硬盘,支持FAISS/HNSW等索引算法,支持GPU加速。本文涵盖优快云专属部署教程(CentOS脚本/配置调优),提供避坑指南与扩展资源,并对比分析与传统数据库差异。适合算法工程师、AI开发人员快速上手,附官方下载与性能测试技巧,手把手教你搭建高效向量检索系统!

xiezhiyi007的专栏 1591

SAP_ABAP_MM_BAPI清单案例教程——采购发票校验/预制_BAPI_INCOMINGINVOICE_PARK_MIRO

SAP ABAP BAPI_INCOMINGINVOICE_PARK BAPI 采购发票预制 采购发票校验 代码模版

java_zhong1990的专栏 1966

Rust组织管理(AI回答)

你想做的事JS / Python 做法Rust 做法把一个文件纳入工程新建文件即可新建 xxx.rs 后,必须在入口写mod xxx;挂载对外暴露函数/结构体export(Python 默认全公开)默认全私有,必须显式加pub引入别处的函数use crate::模块名::函数名;找路径的基准词./ 或 ../(从 src 根出发)、(上一级 ../)、(当前级 ./)日常写项目:不要用 #[path],直接遵守默认规则——

yaoct的博客 153

Android Framework WMS面试题及参考答案

什么是 WindowManagerService(WMS)?它的作用是什么? WindowManagerService(WMS)是 Android 系统中非常重要的一个系统服务。它运行在系统进程(system_server 进程)中。 从本质上来说,WMS 是 Android 窗口管理系统的核心。它负责管理系统中的所有窗口,包括应用程序窗口、系统窗口(如状态栏、导航栏)等。 它的主要作用有很多。首先是窗口的创建和销毁。当一个应用请求创建一个窗口时,WMS 会协调各个模块完成窗口的创建工

大模型大数据攻城狮的专栏 2165

自建 RustDesk 服务端后,做一个“装完就能连“的客户端

如果有云服务的话,可以基于 RustDesk 的 hbbs / hbbr 自己部署一套,不过会碰到一个问题:每台电脑装完客户端,都得手动去设置里填三样东西——ID 服务器、中继服务器、Key。填错一个就连不上,还得远程指导同事操作。这篇记录两种解决办法,以及云端编译的完整流程。内容基于 RustDesk 1.5.3 的源码。

风声的专栏 633

使用W5500与外网通信故障解决(MAC地址问题)

在蒲城项目的调试时,AMS500发现一个致命的问题,就是:在局域网跨网段通信时候和中心服务器不能通信,但是在一个HUB下是没有问题的,以前的串口服务器有过类似的问题出现,解决方法说是芯片的问题,结果也不了了之,换了芯片正常。 我们的网络通信芯片选择W5500,其中的MAC地址采用的是CPU的序列号作为Mac地址的问题就出在这,我们在使用的时候MAC地址的第一个必须是偶数,我们忽视了。 现象描...

zxm8513优快云博客 7757

笔试题-2023-星宸-数字IC设计【纯净题目版】

4 笔试题-2023-星宸-数字IC设计【纯净题目版】

w0shishabi的博客 1172

Rust LeetCode443 算法题解

LeetCode 443 字符串压缩:原地行程编码,用 start 标记组起点、next 扫描组边界、i 原地写出;长度 1 不写计数使编码不膨胀,写指针不越过读指针。时间 O(n),额外空间 O(1)。

weixin_43379230的博客 183

Android Framework SurfaceFlinger面试题及参考答案

请简述 SurfaceFlinger 在 Android 系统中的作用。 SurfaceFlinger 是 Android 系统中一个非常关键的服务。它主要负责将多个应用程序的 Surface 合成到一个屏幕显示内容中。 从应用程序的角度来看,每个应用都有自己的 UI 界面,这些 UI 界面实际上是由一系列的图层(Surface)构成。例如,一个应用可能有背景图层、按钮图层、文本图层等。应用通过向 SurfaceFlinger 提供这些 Surface 来请求显示。 SurfaceFl

大模型大数据攻城狮的专栏 1189

GitHub 热榜项目:日榜(2026-11-10)

本期共 11 个热门开源项目,合计新增 13,136 stars。榜单前三分别是 Anthropic 的 Agent Skills 仓库、Meta 开源的 React 设计系统 Astryx(+3,278)和用户名检索工具 sherlock(+4,267,本期涨星最多)。其余项目覆盖 DeepMind 的物理引擎 MuJoCo、Claude 官方示例集、自托管智能体记忆系统 GBrain、用 Rust 写的浏览器自动化 CLI、基于 WiFi 信号的人体感知平台 RuView、多市场股票分析工具,以及 Ho

u130130的博客 449

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

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。

GitHub 今日推荐|HGhubX:Tauri 2 跨平台短剧客户端实战

Tauri 2 + Rust + React 构建的跨平台短剧观看客户端,实现 HLS 代理、AES 封面解密、多线路探测与会话隔离,覆盖桌面与移动全平台。

wfly blog 444

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

ARTCRAFT系列软件简单试用手记1

AI辅助开发推动开源重构热潮,ARTCRAFT系列以Rust重写经典软件,性能媲美C/C++。其Launcher支持多平台、多架构,可快速部署开源版Excel(GridCraft)与Word(WordCraft),启动速度远超Office 2016。界面类Office 2016,但暂不完善汉字字号与红头嵌套编辑。项目持续更新,主打“CraftAnything”理念——理解软件原理,自创版本,未来可期。

olegja3d的博客 213

Rust 日志追踪实战:工业边缘场景下的 tracing

Rust 生态下:相比println!log,它提供结构化字段、span 上下文、异步友好和 OpenTelemetry 集成。本文从工程实战角度梳理 tracing 的用法与常见的坑。

ZenovaEdgeOS的博客 561

Rust如何实现微服务网关的高并发与限流熔断机制

在现代互联网系统中,微服务架构已成为主流,而微服务网关则是整个系统的重要组成部分。当面对高并发、高可用性需求时,很多开发者对如何用 Rust 实现一个稳定可靠的网关存在疑惑,尤其是处理请求的幂等性、限流和熔断机制。本文将以 Rust 的实际案例为基础,结合生产环境中的具体经验,讲解如何设计和实现一个具备限流与熔断能力的微服务网关。

wuchangjian的专栏 115

第 1 讲:内存布局与所有权解剖——栈帧、胖指针与“移动/拷贝”在汇编层面的真实面目

看图最下面的(或者数组切片&[T]它在栈上占16 个字节,由(ptr, len)两个机器字组成。这就是系统编程里常说的胖指针(普通指针只有 8 字节地址,它胖了一倍,多带了一个 8 字节的长度或虚表指针)。痛点追问:C 语言里表示字符串切片只要一个 8 字节的char*,为什么 Rust 非要浪费双倍的栈空间搞成 16 字节?如果少掉len这一环会出什么乱子?回想一下 C 语言是怎么知道一个字符串在哪结束的:靠在内存末尾塞一个字节的\0求长度是 $O(N)$ 的苦力活:在 C 里调strlen(p)

yaoct的博客 169

【Rust算法硬核拆解】LeetCode 334 递增的三元子序列(贪心+O(1))

【LeetCode 334 递增的三元子序列】用一次扫描贪心实现:时间 O(n)、空间 O(1)。附 13 个单测与正确性说明。

weixin_43379230的博客 354

主流开源 LLM 网关横向评测:OneAPI、LiteLLM、NewAPI 能力对比

在大模型应用规模化落地的当下,多模型混用、API 密钥分散、成本不可控、接口不统一已成为开发者的普遍痛点。LLM 网关作为 AI 应用层与模型层之间的核心中间件,承担着协议转换、流量路由、成本管控、安全审计的关键作用。本文从协议许可、功能完备度、性能表现、生态适配四个核心维度,对业内主流的三款开源 LLM 网关 ——OneAPI、LiteLLM、NewAPI 进行深度横向评测,为不同规模的团队提供选型参考。

2601_96785163的博客 304

Rust 1.100 的 DropGuard:用 Python 实测失败回滚与吞异常

解析一批数据往列表里塞,塞到第三条抛异常,列表已经脏了一半——这类「能跑但结果不对」的 bug 不报错也不崩溃。Rust 1.100.0 把 core::mem::DropGuard 稳定了:包裹一个

aifannihao的博客 222

rust: Push & Pull Pattern

本项目基于Rust实现珠宝行业全流程的推-拉(Push&Pull)消息模式,采用领域驱动设计(DDD)六层架构。通过JewelryPushPullHub通道实现生产者推送与消费者拉取解耦,12个业务部门(如采购、设计、质检等)作为独立消费者,按供应链顺序串行或并发处理消息。系统集成重试熔断、线程安全日志(按日期/等级分文件)、内存仓储及依赖注入容器,确保高并发下流程可追溯、弹性可靠。演示涵盖串行调度、批量并发、端口契约调用等场景,完整呈现企业级消息型模式的核心能力。

Geovin Du Dream Park 119

我用 RustyPaste 做 AI Agent 云端存储

RustyPaste 是一个用 Rust 编写的极简文件上传与 Pastebin 服务。可以用来存储和访问 AI Agent 生成的文件

藏云阁技术社区 242

拆解 lan-scanner:一个零依赖 Rust 局域网扫描器的并发模型

lan-scanner 以零依赖实现高效局域网扫描,核心在于精巧的并发模型:通过懒加载任务队列(Jobs)避免内存爆炸,用 Arc<Mutex<Jobs>> 共享任务源,结合 mpsc 通道实现线程池并行探测。Probe 枚举统一 ICMP ping 与 TCP 端口扫描,跨平台差异由 #[cfg] 条件编译处理,调用系统 ping 命令规避权限问题。drop(tx) 优雅关闭通道,确保所有工作线程退出。全靠标准库完成高并发、低资源消耗的扫描,是 Rust 并发编程的典范。

weixin_63115449的博客 186

Cursor + IntelliJ IDEA = OpenIDEA?这个Rust开源IDE有点东西

是一个开源的集成开发环境(IDE),设计目标是在保留 IntelliJ IDEA 优秀开发体验的同时,通过原生架构实现更高性能、更低资源占用和更开放的生态。OpenIDEA 项目仍然处于快速发展阶段,插件生态和语言支持成熟度暂时还无法与 JetBrains 系列相比,暂时不建议立即替代生产环境。

Tony.Dong的专栏 468

工作流脚本和依赖 JAR 散在各节点本地盘:用 DolphinScheduler 资源中心接到 RustFS

DolphinScheduler 跑工作流,脚本、依赖 JAR、UDF 这些资源文件默认存在各节点的本地盘上。单机环境没问题,集群一扩节点、机器一换,资源就找不到了,依赖这些文件的任务也跟着挂。更麻烦的是,运维人员把资源传到 A 节点,调度器却在 B 节点拉起任务,缺文件只能手动再传一遍。DolphinScheduler 的资源中心(resource center)支持把存储后端切成 S3,每个…

分布式存储与RustFS的博客 354
上一篇: AI 辅助 Rust 代码结构化:用模型把 500 行的 main 拆成干净模块
下一篇: WebAssembly AI 插件的工程模式总结:沙箱、通信、生命周期的三层架构
第一程序员
博客等级 码龄1年 1万+粉丝 1827原创
评论 7
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