引言企业数字化的进程，由数据库的发展轨迹主导，而数据库本身的演进又受制于硬件的技术瓶颈。简单来说，数据库需要一个强大的计算机来支撑，但单块CPU显然没有这个能力，因此通过网络连接多块CPU、磁盘的分布式技术成为数据库发展的主要推动力，但相关硬件技术的发展速度有所差异，“在多年以前，数据库的硬件瓶颈主要在于磁盘和网络带宽，随着磁盘读写速度和网络带宽的提升，也就是IO不会成为数据库的明显瓶颈。”炎凰数据研发工程师吴立表示，“如今，CPU成为了数据库执行效率上的新的瓶颈。”炎凰数据在数据库开发过程中，最重要的原则就是顺应新的场景需求，以及具体的硬件发展现状，进行技术演进决策。一、列存储：数以类聚炎凰

在过去的几年里，游戏行业经历了令人难以置信的增长，2020年比前一年扩张了23%，与此同时，游戏行业与区块链的集成见证了“Play-to-Earn”的大热。然而许多游戏玩家和开发者对区块链能给游戏带来的益处持怀疑态度，这也导致最近一些正在整合NFT的工作室遭到强烈反对。展示受益于区块链解决方案的明确用例，对于证明该技术可以增强玩家喜爱的游戏来说非常重要。游戏世界需要数字身份通过使用区块链技术，包括去中心化身份解决方案（DID）对游戏进行后端处理，玩家可以以前所未有的方式真正拥有并获得游戏内资产的奖励，通过DID，玩家可以与一个安全可靠的在线身份相关联，该身份可以在多个不同的虚拟世界中传输。工作

在快速迭代的产品、团队中，UI自动化通常是一件看似美好，实际“鸡肋”（甚至绝大部分连鸡肋都算不上）的工具。原因不外乎以下几点：1效果有限通常只是听说过，就想去搞UI自动化的团队，心里都认为「UI自动化」等于「减少人工提高效率」，这固然没什么大错，但是他们也会认为减少的人工成本和提高的效率会非常高，所以会对UI自动化寄予非常高的期望，这就很有问题了。毕竟现实是很残酷的，UI自动化真实的效果并没有那么好。这个效果没那么好通常体现在两个方面：A.本身无法完全满足复杂的业务代码框架除了ID，Name这些常用元素不足，还有些本身框架就比较复杂，需要对开发有非常高的要求才能比较好地添加需要的信息，比如说V

摘要经典UNet的体系架构在某些方面存在着局限性。因此本文对其结构提出了改进。1)设计高效的CNN架构来取代编码器和解码器;2)在最先进的U-Net模型的基础上，应用残差模块来取代编码器和解码器之间的跳过连接来进行改进。医学图像分割是通过一些自动和半自动的方法来最小化感兴趣区域。。有许多传统的算法被设计来分割组织或身体器官。这些方法可以分为:基于区域的聚类、基于边缘的聚类、基于阈值的聚类和基于特征的聚类。本文提出了一种双通道UNet模型-DC-UNet方法MultiResUNet在医学图像中，感兴趣的目标对象常常有所不同，因此为了更好的分割结果，网络需要具备在不同的尺度上分析不同目标的能力。基

背景最近在做Spark版本的升级(由spark3.1升级到spark3.5)，其实单纯从spark升级涉及到的log4j来说，并没有什么能够记录的，但是由于公司内部做了Spark的serveless，把spring和spark混在了一起，所以导致了不可预见的问题分析我们Spring用的是5.2.6.RELEASE版本，由于spark用的是logback作为日志的具体实现，而Spark在3.1和spark3.5是采用了不同的日志具体实现:在spark3.1中采用的是log4j1(log4j+slf4j-log4j2),spark3.5中采用的是log42(log4j-core+log4j-api

之前一直有一个想法：将测试过程的每个重要环节都进行拆解，然后详细说明这个环节重点要做的事情，为什么要做这些事，以及注意事项。在星球群里和几位同学聊到了这个事情，有同学提议可否将单元测试环节加进来，斟酌一番，觉得还是很有必要的，就有了今天的这篇文章。这篇文章，我会聊聊我对于单元测试的思考，以及些许实践。软件研发测试的交付模型软件从需求出现到最后的线上发布，大致要经历如下几个阶段：广义上来说，在需求提出的时候，测试就需要介入开展相关的可测性评估。但狭义上来看，正式的测试活动开展(执行测试用例)，一般是从单元测试环节开始的。提到单元测试，大家可能首先想到的是单元测试框架，Sonar，测试的粒度要精确

一、背景前端monorepo在试行大仓研发流程过程中，已经包含了多个业务域的应用、共享组件库、工具函数等多种静态资源，在实现包括代码共享、依赖管理的便捷性以及更好的团队协作的时候，也面临大仓代码文件权限的问题。如何让不同业务域的研发能够顺畅的在大仓模式下开发，离不开有效的权限管理方法。好的权限管理方法能够确保研发同学轻松找到和理解项目的不同部分，而不受混乱或不必要的复杂性的影响，并且也应该允许研发同学合作并同时工作，同时也要确保代码合并的更改经过代码审查，以维护代码的质量和稳定性。本文通过实践过程中遇到的一些问题以及逐步沉淀下来的最佳实践，来阐述下前端大仓monorepo在权限这块是如何思考以

目录前言一、一次性全量二、定时任务增量三、强一致性问题四、canal框架4.1基本原理4.2安装使用（重点）版本说明4.3引入依赖（测试）4.4代码示例（测试）五、文章小结前言在日常项目开发中，可能会遇到使用ES做关键词搜索的场景，但是一般来说业务数据是不会直接通过CRUD写进ES的。因为这可能违背了ES是用来查询的初衷，数据持久化的事情可以交给数据库来做。那么，这里就有一个显而易见的问题：ES里的数据从哪里来？本文介绍的就是如何将MySQL的表数据迁移到ES的全过程。一、一次性全量该方案的思路很简单直接：将数据库中的表数据一次性查出，放入内存，在转换DB与ES的实体结构，遍历循环将DB的数据

目录引言目标驱动方法对比如何找到感兴趣的领域论文获取方法如何进入一个领域如何找到研究课题论文阅读方法后记引言   一提到学术论文，好像是研究生，博士才会涉及到的领域，对于本科生来说，看似有些困难，有些过于专业，好像有壁垒。其实本科生从十几年的“填鸭式”教育方法中一下走进了大学的“放养式”教育，很多同学会感到迷茫，没有目标去支撑自己，找不到方向。啃论文就提供这样一个方向，OpenHarmony啃论文俱乐部提供了一个很好的平台。我们如果在本科阶段深入一个领域去研究是一件很酷的事情，凭着自己的热爱早早背上行囊，储备知识，在自己最感兴趣的领域厚积薄发，听起来就已经热血沸腾了。  学术论文可以让我们更快

背景本篇文章会从系统架构设计的角度，分享在对业务安全风控相关基础安全产品进行系统设计时遇到的问题难点及其解决方案。内容包括三部分：（1）风控业务架构；（2）基础安全产品的职责；（3）基础安全产品相关系统架构的设计要点。文章会以总-分的形式进行阐述。懂的不多，做的太少。欢迎批评、指正。风控业务架构我把风控业务架构的分层分为6层，分别是组件层、业务层、决策层、能力层、计算层、可视层。以下基建为基础安全产品的简称。组件层组件层的职责是：数据收集与行为反制。从接口、设备、行为三个维度进行数据收集，接收决策层的指令进行行为反制。为了保证数据的收集数据的可靠性，就衍生出了壳、混淆、反调试等加固策略。更详细