从副本集到分片:百亿级文档数据的KES架构边界

博主头像 各位,我是老张。今天从一次实战出发,往下拆一层。 文档数据库这个品类,占了非关系型市场的大头。IDC统计过,三年前它的市占就超过六成。很多人觉得,MongoDB副本集够用了。数据量小的时候,确实够用。到了百亿级,问题就不是加内存能解决的。今天把这个问题拆开。先看副本集卡在哪,再看分片架构怎么接住百亿 ...

百万并发直播弹幕系统设计全解:看懂了扇出,你就看懂了高并发的八成

博主头像 拆解百万并发直播弹幕架构,核心攻克扇出爆炸难题,通过节点扇出 + 本地房间表 + 时间窗聚合,将百万次网络调用降至百次。覆盖 Netty 百万长连接、CAS 环形缓冲削峰、推拉结合下发、冷热分离降本,附带全套核心代码、四层限流与分级可靠方案。文末 14 个难点速查表,面试 / 生产可直接复用。互动讨... ...

13、数据通信转发架构:报文是如何被“转发“的

博主头像 前言 上一章我们看完了交换架构——设备内部"搬运工"的调度中枢;本章补上另一半:转发架构。报文进入设备后如何被解析、查表、切片、重组?为什么路由器要经历五代架构演进、交换机要走完四步?ASIC 和 NP 两大芯片流派各自的算盘是什么?本章按"什么是转发 → 基本原理 → 基本原则 → 质量属性 → ...

为什么越来越多人用MinerU?

博主头像 前言 大家好,我是苏三。 不知道你做RAG知识库的时候,有没有遇到过下面这种场景: 用户问“这份财报里Q3的净利润是多少”,系统检索出来的片段里,表格是散的,数字和指标名对不上。 问“这篇论文的核心公式是什么”,检索出来的内容里公式全变成了问号或者一串乱码。 你换了更好的Embedding模型,调了 ...

太强了!GitHub上开源了一款AI自动化测试框架,0代码搞定前后端测试!

博主头像 现在让 AI 写代码,已经不算新鲜事了。Claude Code、Codex、Cursor 这类AI Agent,一句需求丢过去,几分钟就能把功能连同单元测试一起交上来。 但交上来的这些代码,谁确认过真的能用? 单元测试是AI自己写的,写什么测什么,自己出题自己答。页面渲染没渲染,接口通了没通,下单流 ...

用AI一键生成设备导览步骤动作与发布全流程

博主头像 用 AI 一键生成设备导览:步骤、动作与发布全流程 关键词:设备导览、自动播放、步骤动作、分享链接 一、什么是导览 如果说热点是让客户"自己点",那导览(Tour)就是按顺序一步步讲下去的讲稿。它由多个步骤组成,每个步骤又包含一组有序动作,可以自动播放,也可以手动上一步、下一步。 这篇把我搭建一条完 ...

AI 工具退场以后:研发团队真正应该留下什么

博主头像 最近一年,公司里的氛围有些微妙。 几乎所有团队都在做 AI。有人自建 Agent,有人基于开源框架二次开发,也有人试图把需求、设计、编码、测试和发布串成一条自动化流水线。 仿佛只要加上 AI,就是正确的方向;只要做出一个流畅的演示,就已经走在了前面。 那天,团队群里也在讨论这些工具。有人问我: “别 ...

别卷"AI能做的事",去练"AI做不了的事"

博主头像 最近我们公司在推AI Coding工具,不管产品还是研发、测试 人手一个账号 用来提升自身的工作效率。大家挖掘其中的用法 一段时间后确实有部分人反馈非常好用,研发用来生成代码、找bug、优化性能等,测试用来根据接口生成用例 直接写调试脚本。但同时又产生了新的焦虑——AI提升了工作效率,做事比人又快, ...

软件离线部署前提:从镜像打包到导入的完整流程

博主头像 在客户的内网或离线环境中部署服务,最麻烦的往往不是安装本身,而是介质怎么带进去。笔者这次部署 DataClaw,就经历了下载、压缩、传输、导入几个环节,这里把过程整理出来,供遇到类似场景的读者参考。 01 | 先在有网环境准备介质 离线部署的第一步,是在有网络的环境里把需要的东西全部下载好。笔者这次 ...

开源剪切板历史工具 《clip》怎么使用,详细图解

博主头像 开源剪切板历史工具 《clip》怎么使用,详细图解 Clip 是一个驻留在系统托盘的剪贴板历史管理工具,自动记录你复制过的文本和图片,支持分组管理、快速搜索、颜色格式转换、百度/有道翻译和局域网实时共享,完全免费开源(GPL-3.0)。 支持 macOS、Windows、Linux 三大平台。 本文 ...

一个模型搞定 RAG 向量化,Python 直接跑(BAAI/bge-m3)

博主头像 做 RAG 的朋友对向量化模型应该都不陌生。今天简单聊一个我最近在用的模型——BAAI/bge-m3,智源研究院出品,MIT 协议可商用,最舒服的一点是:下载好模型放到本地,Python 里几行代码就能跑起来,不需要一堆依赖和服务,特别适合直接拿来做 RAG 的向量化环节。 这个模型好在哪 一句话概 ...

<1···383940···100>