😎作者介绍：我是程序员洲洲，一个热爱写作的非著名程序员。CSDN全栈优质领域创作者、华为云博客社区云享专家、阿里云博客社区专家博主、前后端开发、人工智能研究生。公众号：洲与AI。🎈本文专栏：本文收录于洲洲的《送书福利》系列专栏，该专栏福利多多，只需关注+点赞+收藏三连即可参与送书活动！欢迎大家关注本专栏~专栏一键跳转🤓同时欢迎大家关注其他专栏，我将分享Web前后端开发、人工智能、机器学习、深度学习从0到1系列文章。🌼同时洲洲已经建立了程序员技术交流群，如果您感兴趣，可以私信我加入我的社群~社群中将不定时分享各类福利🖥随时欢迎您跟我沟通，一起交流，一起成长、进步！点此即可获得联系方式~本文目录一
最近受到万点暴击，由于公司业务出现问题，工作任务没那么繁重，有时间摸索selenium+python自动化测试，结合网上查到的资料自己编写出适合web自动化测试的框架，由于本人也是刚刚开始学习python，这套自动化框架目前已经基本完成了所以总结下编写的得失，便于以后回顾温习，有许多不足的的地方，也遇到了各种奇葩问题，希望大神们多多指教。首先我们要了解什么是自动化测试，简单的说编写代码、脚本，让软件自动运行，发现缺陷，代替部分的手工测试。了解了自动化测试后，我们要清楚一个框架需要分那些模块:上图的框架适合大多数的自动化测试，比如webUI 、接口自动化测试都可以采用，如大佬有好的方法请多多指教
01、认识LocustLocust是一个比较容易上手的分布式用户负载测试工具。它旨在对网站（或其他系统）进行负载测试，并确定系统可以处理多少个并发用户，Locust在英文中是蝗虫的意思：作者的想法是在测试期间，放一大群蝗虫攻击您的网站。当然事先是可以用Locust定义每个蝗虫（或测试用户）的行为，并且通过WebUI实时监视围攻过程。locust运行原理Locust的运行原理是完全基于事件运行的，因此可以在一台计算机上支持数千个并发用户。与许多其他基于事件的应用程序相比，它不使用回调（比如Nodejs就是属于回调，Locust不使用这种的逻辑）。相反，它通过gevent使用轻量级进程。测试您站点
前言WebScoket是Web应用程序的传输协议，它提供了双向的、按序到达的数据流。他是一个HTML5协议，WebSocket的连接是持久的，他通过在客户端和服务器之间保持双工连接，服务器的更新可以被及时推送给客户端，而不需要客户端以一定时间间隔去轮询建立在TCP协议之上，服务端的实现比较容易。与HTTP协议有着良好的兼容性。默认端口也是80和443，并且握手阶段采用HTTP协议，因此握手时不容易屏蔽，能通过各种HTTP代理服务器。数据格式比较轻量，性能开销小，通信高效。可以发送文本，也可以发送二进制数据。没有同源限制，客户端可以与任意服务器通信。协议标识符是ws（如果加密，则为wss），服务
随着大数据技术的演进和信息安全性需求的提升，数据规模的持续扩张为数据运维工作带来了严峻考验。面对海量数据所形成的繁重管理压力，运维人员面临效率瓶颈，而不断攀升的人力成本也使得单纯依赖扩充运维团队来解决问题变得不再实际可行。由此可见，智能化与高效便捷是运维发展的必然方向。袋鼠云所推出的巡检报告功能，正是为了顺应这一目标，致力于提供优化的解决方案。什么是巡检报告？巡检报告是指对某一个系统或设备进行全面检查，并把检查结果及建议整理成报告的过程。巡检报告通常用于评估系统或设备的运行状况与性能，为发现问题、优化系统、提高效率、降低故障率等方面提供参考。本文将详细阐述巡检报告的各项功能特性和其实现方案，为
本文分享自华为云社区《结合实战，我为MySQL主从复制总结了几张图！》，作者：冰河。MySQL官方文档MySQL主从复制官方文档链接地址如下所示：http://dev.mysql.com/doc/refman/8.0/en/replication.htmlMySQL主从复制方式MySQL5.6开始主从复制有两种方式：基于日志（binlog）、基于GTID（全局事务标示符）。这里，我们主要讲基于日志（binlog）的复制。关于GTID的主从复制，我们后面再详细讨论。MySQL主从复制原理MySQL主从复制原理，也称为A/B原理。(1)Master将数据改变记录到二进制日志(binarylog)中
RAG实战2-如何使用LlamaIndex存储和读取embedding向量本文是检索增强生成(Retrieval-augmentedGeneration,RAG)实战1-基于LlamaIndex构建第一个RAG应用的续集，在阅读本文之前请先阅读前篇。在前篇中，我们介绍了如何使用LlamaIndex构建一个非常简单的RAG应用，初步了解了LlamaIndex构建RAG应用的大体流程。在运行前篇的程序时，我们会发现两个令人头痛的问题：使用llama-index-llms-huggingface构建本地大模型时，会花费相当一部分时间。在对文档进行切分，将切分后的片段转化为embedding向量，构建
RAG实战3-如何追踪哪些文档片段被用于检索增强生成本文是RAG实战2-如何使用LlamaIndex存储和读取embedding向量的续集，在阅读本文之前请先阅读前篇。在前篇中，我们介绍了如何使用LlamaIndex存储和读取embedding向量。在本文中，我们将介绍在LlamaIndex中如何获得被用于检索增强生成的文档片段。下面的代码展示了如何使用LlamaIndex追踪哪些文档片段被用于检索增强生成：importloggingimportsysimporttorchfromllama_index.coreimportPromptTemplate,Settings,StorageCont
让Elasticsearch飞起来！百亿级实时查询优化实战-简书最近的一个项目是风控过程数据实时统计分析和聚合的一个OLAP分析监控平台，日流量峰值在10到12亿上下，每年数据约4000亿条，占用空间大概200T。面对这样一个数据量级的需求，我们的数据如何存储和实现实时查询将是一个严峻的挑战。经过对Elasticsearch多方调研和超过几百亿条数据的插入和聚合查询的验证之后，我们总结出以下几种能够有效提升性能和解决这一问题的方案：集群规划存储策略索引拆分压缩冷热分区等本文所使用的Elasticsearch版本为5.3.3。让Elasticsearch飞起来！百亿级实时查询优化实战什么是时序索
在大数据和云计算时代，数据去重成为了一个不可或缺的需求。布隆过滤器（BloomFilter）作为一种空间效率极高的概率型数据结构，被广泛应用于各种需要快速判断元素是否存在的场景。本文将从布隆过滤器的原理出发，结合C#示例代码，带领读者深入了解布隆过滤器的实现细节和应用场景。一、布隆过滤器原理简介布隆过滤器是一种空间效率极高的概率型数据结构，它利用位数组和哈希函数，以极低的存储成本实现了对大数据集的高效去重。布隆过滤器可以告诉你“某个元素一定不存在”，或者“某个元素可能存在”。它的核心思想是利用多个哈希函数将一个元素映射到位数组中的多个位置，并将这些位置标记为1。当查询一个元素时，如果其映射到的
