技术内容小助手_个人页

2024年12月

• 12.31 14:45:09
  发表了文章 2024-12-31 14:45:09

  DataWorks深度技术解读：构建开放的云原生数据开发平台

  Dateworks是一款阿里云推出的云原生数据处理产品，旨在解决数据治理和数仓管理中的挑战。它强调数据的准确性与一致性，确保商业决策的有效性。然而，严格的治理模式限制了开发者的灵活性，尤其是在面对多模态数据和AI应用时。为应对这些挑战，Dateworks进行了重大革新，包括云原生化、开放性增强及面向开发者的改进。通过Kubernetes作为资源底座，Dateworks实现了更灵活的任务调度和容器化支持，连接更多云产品，并提供开源Flowspec和Open API，提升用户体验。
• 12.31 14:41:50
  发表了文章 2024-12-31 14:41:50

  DataWorks年度发布：智能化湖仓一体数据开发与治理平台的演进

  阿里云在过去15年中持续为268集团提供数据服务，积累了丰富的实践经验，并连续三年在IDC中国数据治理市场份额中排名第一。新一代智能数据开发平台DateWorks推出了全新的DateStudio IDE，支持湖仓一体化开发，新增Flink计算引擎和全面适配locs，优化工作流程系统和数据目录管理。同时，阿里云正式推出个人开发环境模式和个人Notebook，提升开发者体验和效率。此外，DateWorks Copilot通过自然语言生成SQL、代码补全等功能，显著提升了数据开发与分析的效率，已累计帮助开发者生成超过3200万行代码。
• 12.31 14:36:45
  发表了文章 2024-12-31 14:36:45

  基于OpenLake的大模型训练及RAG应用

  本文介绍了OpenLake在大数据与AI融合方面的应用，重点探讨了如何通过OpenLake打通数据到应用的各个环节。首先，阐述了自然语言处理（NLP）从非结构化数据向结构化数据的转变，并强调了高质量数据对AI模型训练的重要性。接着，详细介绍了OpenLake+PAI平台如何实现大数据与AI的一体化开发，包括数据预处理、多模态数据管理、智能标注及优化推理效率等。最后，结合OpenSearch，展示了RAG（检索增强生成）技术在企业级应用中的挑战与解决方案，如构建稳定高效的检索系统，确保数据安全与准确性。整体方案旨在提升AI模型的效果和安全性，推动各行业的智能化转型。
• 12.31 14:14:59
  发表了文章 2024-12-31 14:14:59

  Hologres+Paimon构建一体化实时湖仓

  Hologres 3.0全新升级，面向未来的一体化实时湖仓。它支持多种Table Format，提供湖仓存储、多模式计算、分析服务和Data+AI一体的能力。Hologres与Paimon结合，实现统一元数据管理、极速查询性能、增量消费及ETL功能。Dynamic Table支持流式、增量和全量三种刷新模式，满足不同业务需求，实现一份数据、一份SQL、一份计算的多模式刷新。该架构适用于高时效性要求的场景，也可用于成本敏感的数据共享场景。
• 12.31 14:10:30
  发表了文章 2024-12-31 14:10:30

  Paimon助力数据湖仓架构实时化升级

  本次分享由阿里云高级技术专家李劲松介绍Paimon助力数据湖仓架构实时化升级。内容涵盖四个部分：1) 数据架构的存储演进，介绍Data LakeHouse结合的优势；2) Paimon实时数据湖，强调其批流一体和高效处理能力；3) 数据湖的实时流式处理，展示Paimon在时效性提升上的应用；4) 数据湖非结构化处理，介绍Paimon对非结构化数据的支持及AI集成。Paimon通过优化存储格式和引入LSM技术，实现了更高效的实时数据处理和查询性能，广泛应用于阿里巴巴内部及各大公司，未来将进一步支持AI相关功能。
• 12.31 14:06:11
  发表了文章 2024-12-31 14:06:11

  MaxCompute近实时数仓能力升级

  本文介绍了阿里云自研的离线实时一体化数仓，重点涵盖MaxCompute和Hologres两大产品。首先阐述了两者在ETL处理、AP分析及Serverless场景中的核心定位与互补关系。接着详细描述了MaxCompute在近实时能力上的升级，包括Delta Table形态、增量计算与查询支持、MCQ 2.0的优化等关键技术，并展示了其性能提升的效果。最后展望了未来在秒级数据导入、多引擎融合及更高效资源利用方面的改进方向。
• 12.31 14:02:17
  发表了文章 2024-12-31 14:02:17

  数据+AI融合趋势洞察暨阿里云OpenLake解决方案发布

  Forrester是全球领先的市场研究与咨询机构，专注于新兴技术在各领域的应用。本文探讨如何加速现代数据管理，推动人工智能与客户业务的融合创新。面对数据标准缺乏、多云环境复杂性、新兴业务场景及过多数据平台等挑战，Forrester提出构建AI就绪的数据管理基石，通过互联智能框架、全局数据管理和DataOps、端到端数据管理能力、AI赋能的数据管理以及用例驱动的策略，帮助企业实现数据和AI的深度融合，提升业务价值并降低管理成本。
• 12.31 13:59:02
  发表了文章 2024-12-31 13:59:02

  湖仓融合：MaxComputee与Hologres基于OpenLake的湖上解决方案

  本次主题探讨湖仓融合：MaxCompute与Hologres基于OpenLake的湖上解决方案。首先从数据湖和数据仓库的历史及业界解决方案出发，分析湖仓融合的两种思路；接着针对国内问题，介绍阿里云如何通过MaxCompute和Hologres解决湖仓融合中的挑战，特别是在非结构化数据处理方面的能力。最后，重点讲解Object Table为湖仓增添了SQL生态的非结构化数据处理能力，提升数据处理效率和安全性，使用户能够在云端灵活处理各类数据。
• 12.31 11:34:51
  发表了文章 2024-12-31 11:34:51

  EMR Serverless StarRocks 全面升级：重新定义实时湖仓分析

  本文介绍了EMR Serverless StarRocks的发展路径及其架构演进。首先回顾了Serverless Spark在EMR中的发展，并指出2021年9月StarRocks开源后，OLAP引擎迅速向其靠拢。随后，EMR引入StarRocks并推出全托管产品，至2023年8月商业化，已有500家客户使用，覆盖20多个行业。 文章重点阐述了EMR Serverless StarRocks 1.0的存算一体架构，包括健康诊断、SQL调优和物化视图等核心功能。接着分析了存算一体架构的挑战，如湖访问不优雅、资源隔离不足及冷热数据分层困难等。
• 12.31 11:20:15
  发表了文章 2024-12-31 11:20:15

  MaxCompute Data + AI：构建 Data + AI 的一体化数智融合

  本次分享将分为四个部分讲解：第一部分探讨AI时代数据开发范式的演变，特别是MaxCompute自研大数据平台在客户工作负载和任务类型变化下的影响。第二部分介绍MaxCompute在资源大数据平台上构建的Data + AI核心能力，提供一站式开发体验和流程。第三部分展示MaxCompute Data + AI的一站式开发体验，涵盖多模态数据管理、交互式开发环境及模型训练与部署。第四部分分享成功落地的客户案例及其收益，包括互联网公司和大模型训练客户的实践，展示了MaxFrame带来的显著性能提升和开发效率改进。
• 12.31 10:05:16
  发表了文章 2024-12-31 10:05:16

  EMR管控平台全面升级：智能化助力客户实现在离线混部和降本增效

  本次介绍EMR开源大数据平台2.0的最新特性，基于微服务架构，提供更稳定高效的服务。平台升级主要体现在智能化和Serverless两个方面。智能化功能利用大语言模型提升运维效率，推出一键诊断和根因分析，缩短问题定位时间。全托管弹性伸缩根据业务动态自动调整资源，提高资源利用率。即将推出的EMR on ACS产品形态支持离在线业务混部，进一步优化资源使用，帮助用户实现降本增效。
• 12.30 16:28:50
  发表了文章 2024-12-30 16:28:50

  从数据存储到分析：构建高效开源数据湖仓解决方案

  今年开源大数据迈向湖仓一体（Lake House）时代，重点介绍Open Lake解决方案。该方案基于云原生架构，兼容开源生态，提供开箱即用的数据湖仓产品。其核心优势在于统一数据管理和存储，支持实时与批处理分析，打破多计算产品的数据壁垒。通过阿里云的Data Lake Formation和Apache Paimon等技术，用户可高效搭建、管理并分析大规模数据，实现BI和AI融合，满足多样化数据分析需求。
• 12.30 15:55:56
  发表了文章 2024-12-30 15:55:56

  AI for Network Ops

  网络运维工作涵盖从规划设计到日常维护的多个方面，随着网络规模扩大，人工运维难以应对。自动化运维系统应运而生，通过批量配置变更和监控工具提升效率。大模型（LLM）具备推理、学习和泛化能力，可作为网工的智能助手，优化故障定位等任务。团队通过多轮信息摘要和微调模型，实现了高效准确的故障定位，单个故障定位耗时小于1.5分钟，准确率超过80%。未来，大模型还将应用于智能答疑机器人和意图驱动网络等领域，全面提升网络运维效率。
• 12.30 15:50:32
  发表了文章 2024-12-30 15:50:32

  融合DNS技术产品和生态

  本文介绍了阿里云在互联网基础资源领域的最新进展和解决方案，重点围绕共筑韧性寻址、赋能新质生产展开。随着应用规模的增长，基础服务的韧性变得尤为重要。阿里云作为互联网资源的践行者，致力于推动互联网基础资源技术研究和自主创新，打造更韧性的寻址基础服务。文章还详细介绍了浙江省IPv6创新实验室的成立背景与工作进展，以及阿里云在IPv6规模化部署、DNS产品能力升级等方面的成果。此外，阿里云通过端云融合场景下的企业级DNS服务，帮助企业构建稳定安全的DNS系统，确保企业在数字世界中的稳定运行。最后，文章强调了全链路极致高可用的企业DNS解决方案，为全球互联网基础资源的创新提供了中国标准和数字化解决方案。
• 12.30 15:39:49
  发表了文章 2024-12-30 15:39:49

  DNS技术标准趋势和安全研究

  本文探讨了互联网域名基础设施的结构性安全风险，由清华大学段教授团队多年研究总结。文章指出，DNS系统的安全性不仅受代码实现影响，更源于其设计、实现、运营及治理中的固有缺陷。主要风险包括协议设计缺陷（如明文传输）、生态演进隐患（如单点故障增加）和薄弱的信任关系（如威胁情报被操纵）。团队通过多项研究揭示了这些深层次问题，并呼吁构建更加可信的DNS基础设施，以保障全球互联网的安全稳定运行。
• 12.30 15:34:45
  发表了文章 2024-12-30 15:34:45

  下一代互联网IPv6规模部署和应用

  本文介绍了IPv6在云计算场景下的规模部署与应用创新，强调其作为互联网演进的必然趋势及网络强国建设的基础支撑作用。文章从企业上云部署IPv6、云上IPv6网络底座构建、双栈方案全景图、专有云IPv6改造、政务云和金融客户的实践案例等方面展开讨论，详细阐述了IPv6在不同场景下的技术要求和服务能力。最后展望了IPv6与AI结合的未来发展方向，旨在推动IPv6的全面应用和技术创新。
• 12.30 14:39:58
  发表了文章 2024-12-30 14:39:58

  重塑招聘生态，共赴全局提效

  本次分享主要探讨了大模型在应用中的经验和心得，特别是在深圳市模型推出后对其应用场景的思考。内容涵盖生成式大模型的应用、标注准确率接近人工、招聘领域的具体应用效果，以及大模型如何重塑招聘生态和赋能职场。通过实际案例展示了大模型在客服、电话分析、简历优化等场景中的高效应用，强调其在降低成本、提高效率和解决时空错配问题上的优势。未来，大模型有望进一步优化招聘流程，提升企业与求职者的匹配效率。
• 12.30 14:30:27
  发表了文章 2024-12-30 14:30:27

  高真实感3D高斯数字化身

  本次分享介绍了3D高速扩建高新作为一种新的可微渲染技术，特别是高斯泼溅技术在数字化身3D领域的应用。该技术通过高斯点云扩展传统3D点云属性，实现高真实感、实时交互渲染，优化3D重建与多视点图像生成。文中还探讨了数字化身的构建与应用，包括全身和人头模型的创建，并展示了其在不同环境光照下的效果。最后，提出了未来研究方向，如更灵活的编辑和视频生成大模型的融合，以提升数字人的可控性和真实感。
• 12.30 14:18:01
  发表了文章 2024-12-30 14:18:01

  新浪微博AIGC业务应用探索-AIGC应用平台助力业务提效实践

  本次分享围绕AIGC技术在新浪微博的应用展开，涵盖四个部分。首先分析AIGC为微博带来的机遇与挑战，特别是在内容安全和模型幻觉等问题上的应对策略；其次介绍通过工程架构快速实现AIGC技术落地的方法，包括统一部署模型和服务编排；接着展示AIGC在微博的具体应用场景，如评论互动、视频总结和智能客服等；最后展望未来，探讨大模型的发展趋势及其在多模态和特定业务场景中的应用前景。
• 12.30 14:07:03
  发表了文章 2024-12-30 14:07:03

  深度揭秘复杂异构硬件推理优化

  本文介绍了大语言模型在部署推理层面的性能优化工作，涵盖高性能算子、量化压缩、高效运行时及分布式调度四个方面。面对参数和上下文规模增长带来的显存、缓存与计算开销挑战，文中详细探讨了如何通过优化算子性能、低精度量化压缩、异步运行时框架设计以及多层次分布式架构来提升大模型推理效率。此外，还展示了BladeLLM引擎框架的实际应用效果，证明了这些技术在高并发场景下的显著性能提升。
• 12.30 13:48:11
  发表了文章 2024-12-30 13:48:11

  人工智能平台年度技术趋势

  阿里云智能集团研究员林伟在年度技术趋势演讲中，分享了AI平台的五大方面进展。首先，他介绍了大规模语言模型（LLM）训练中的挑战与解决方案，包括高效故障诊断和快速恢复机制。其次，探讨了AI应用和服务的普及化，强调通过优化调度降低成本，使AI真正惠及大众。第三，提出了GreenAI理念，旨在提高AI工程效率，减少能源消耗。第四，讨论了企业级能力，确保数据和模型的安全性，并推出硬件到软件的全面安全方案。最后，介绍了整合多项核心技术的Pai Prime框架，展示了阿里云在自主可控AI核心框架下的整体布局和发展方向。
• 12.30 13:27:56
  发表了文章 2024-12-30 13:27:56

  Elasticsearch Serverless高性价比智能时序分析关键技术解读

  本篇演讲由阿里云1s团队的贾新寓讲解，主题为高性价比、智能日志更新关键技术。内容分为四部分：回顾日志场景痛点、介绍四大关键能力（开箱即用、高性能低成本、按量付费、智能调度免运维）、解读关键技术（如读写分离架构、ES内核优化等），并演示如何快速接入Serverless产品。通过这些技术，显著提升性能、降低成本，帮助用户实现高效日志管理。
• 12.30 13:22:13
  发表了文章 2024-12-30 13:22:13

  GPU安全容器面临的问题和挑战

  本次分享由阿里云智能集团弹性计算高级技术专家李亮主讲，聚焦GPU安全容器面临的问题与挑战。内容分为五个部分：首先介绍GPU安全容器的背景及其优势；其次从安全、成本和性能三个维度探讨实践中遇到的问题及应对方案；最后分享GPU安全容器带状态迁移的技术路径与应用场景。在安全方面，重点解决GPU MMIO攻击问题；在成本上，优化虚拟化引入的内存开销；在性能上，提升P2P通信和GPU Direct的效率。带状态迁移则探讨了CRIU、Hibernate及VM迁移等技术的应用前景。
• 12.30 13:07:12
  发表了文章 2024-12-30 13:07:12

  分布式大模型训练的性能建模与调优

  阿里云智能集团弹性计算高级技术专家林立翔分享了分布式大模型训练的性能建模与调优。内容涵盖四大方面：1) 大模型对AI基础设施的性能挑战，强调规模增大带来的显存和算力需求；2) 大模型训练的性能分析和建模，介绍TOP-DOWN和bottom-up方法论及工具；3) 基于建模分析的性能优化，通过案例展示显存预估和流水线失衡优化；4) 宣传阿里云AI基础设施，提供高效算力集群、网络及软件支持，助力大模型训练与推理。
• 12.30 11:38:46
  发表了文章 2024-12-30 11:38:46

  深度揭秘超长序列生成任务训练技术

  阿里自研的TorchAcc训练引擎提出了超长序列训练方案FlashSequence，针对超长文本理解、视频生成等场景。通过2D Context Parallel和Hybrid FSDP混合分布式策略，结合显存、计算和通信优化，实现了百万级别超长序列模型的高效训练。FlashSequence在算力、显存需求及分布式训练方面进行了多项创新，性能提升显著，最大可达48%。该方案大幅降低了企业创新成本，提升了业务应用的可能性。
• 12.30 11:28:06
  发表了文章 2024-12-30 11:28:06

  云上AI Infra解锁大模型创新应用

  本节课程由阿里云智能集团资深技术专家王超分享，主题为AI基础设施的发展趋势。课程聚焦于AI Infra设计与Scaling Law，探讨了下一代AI基础设施的设计目标、功能升级及推理场景中的应用。主要内容包括高效支持大规模模型训练和推理、全球调度系统的设计、Rack level的Scale优化以及多租户容器化使用方式。通过这些改进，旨在提升并行效率、资源利用率及稳定性，推动AI基础设施迈向更高性能和更优调度的新阶段。
• 12.30 11:22:23
  发表了文章 2024-12-30 11:22:23

  PAI负责任的AI解决方案： 安全、可信、隐私增强的企业级AI

  在《PAI可信AI解决方案》会议中，分享了安全、可信、隐私增强的企业级AI。会议围绕三方面展开：首先通过三个案例介绍生活和技术层面的挑战；其次阐述构建AI的关键要素；最后介绍阿里云PAI的安全功能及未来展望，确保数据、算法和模型的安全与合规，提供全方位的可信AI解决方案。
• 12.30 11:18:26
  发表了文章 2024-12-30 11:18:26

  深度解读面向大模型开发和应用的数据处理套件

  本文深入解读了大数据与AI联合场景下的技术，重点探讨了大语言模型、多模态模型训练及应用数据处理。文章首先分析了算法、算力和数据在大模型训练中的重要性，强调数据采集、标注和质量控制的关键作用。接着介绍了PAI平台上的端到端数据处理套件，涵盖预训练、有监督微调和偏好对齐的数据处理流程，以及数据合成和蒸馏技术的应用。最后展望了未来在多模态处理、性能优化和行业解决方案方面的扩展方向。
• 12.30 11:09:23
  发表了文章 2024-12-30 11:09:23

  大模型训练稳定性思考和实践

  本次分享由阿里云智能集团高级技术专家张彭城主讲，聚焦大模型训练的稳定性问题。主要内容分为三部分：1) 大模型训练稳定性的关键挑战，包括大规模同步任务中的故障率高和恢复成本大；2) 阿里云大模型训练稳定性系统的介绍，涵盖健康检测、实时可观测系统及自愈系统；3) 实践分享，探讨集群网络故障定位与修复、性能优化等实际问题的解决方案。通过这些措施，确保大模型训练的高效与稳定。
• 12.30 10:35:50
  发表了文章 2024-12-30 10:35:50

  并行文件存储在大模型训练中的探索与实践

  阿里云智能集团存储产品专家何邦剑分享了并行文件存储CPFS在大模型训练中的应用。CPFS针对大模型训练的IO特点，优化性能、降低成本、提升用户体验。它支持多计算平台共享访问，具备数据分层存储、生命周期管理、缓存加速等特性，实现高效的数据处理与管理，显著提升训练效率和资源利用率。尤其在大规模集群中，CPFS提供了高吞吐、低延迟及灵活扩展的能力，助力客户如零一万物实现高性能训练。
• 12.27 16:09:21
  发表了文章 2024-12-27 16:09:21

  云卓越架构：容器安全最佳实践

  本次分享由阿里云智能集团解决方案架构师张玉峰主讲，主题为“云卓越架构：容器安全最佳实践”。内容涵盖容器安全的挑战、云原生容器安全架构及典型场景。首先分析了容器安全面临的问题，如镜像漏洞和权限管理。接着介绍了容器安全架构的五个维度：身份权限管理、配置安全检查、运行时防护、镜像安全检测及发布的安全管控。最后通过具体场景展示了容器身份与权限管理、密钥管理、运行时防入侵等最佳实践，强调了安全左移的重要性，确保从开发到运行的全生命周期安全覆盖。
• 12.26 16:45:40
  发表了文章 2024-12-26 16:45:40

  MongoDB云原生化：为企业开发注入高效动力

  MongoDB云原生化为企业开发注入高效动力，分为三部分：1. 介绍阿里云和MongoDB的服务；2. 阿里云MongoDB解决自建模型痛点的功能，包括隔离性、海量数据处理、弹性能力及运维操作优化；3. 客户案例展示。通过云原生架构，MongoDB实现了灵活的扩展、高效的备份恢复和快速的回档能力，显著提升了企业的业务迭代速度和数据管理效率。典型客户如吉比特、莉莉丝、掌阅等受益于这些功能，实现了更稳定和高效的数据库服务。
• 12.26 16:42:13
  发表了文章 2024-12-26 16:42:13

  云数据库Tair：从稳定低延时缓存到 Serverless KV

  本次分享聚焦云数据库Tair的使用，涵盖三部分内容：1) Tair概览，介绍其作为稳定低延时缓存及KV数据库服务的特点和优势；2) 稳定低延迟缓存技术，探讨如何通过多线程处理、优化内核等手段提升性能与稳定性；3) 从缓存到Serverless KV的演进，特别是在AI大模型时代，Tair如何助力在线服务和推理缓存加速。Tair在兼容性、性能优化、扩缩容及AI推理加速方面表现出色，满足不同场景需求。
• 12.26 16:26:24
  发表了文章 2024-12-26 16:26:24

  Lindorm：AI和具身智能时代的海量多模数据服务

  本次分享由阿里云资深技术专家沈春辉介绍Lindorm数据库在AI和具身智能时代的应用。Lindorm定位于提供海量多模数据服务，融合了结构化、半结构化及非结构化数据的处理能力，支持时序、地理位置、文本、向量等多种数据类型。其核心特点包括多模一体化、云原生分布式架构、异步攒批写入、冷热数据分离、深度压缩优化、丰富索引和Serverless计算等，旨在提升研发效率并降低成本。Lindorm已广泛应用于车联网领域，覆盖60%国内头部车企，支撑近百PB数据规模，带来90%业务成本下降。
• 12.23 16:35:23
  发表了文章 2024-12-23 16:35:23

  面试的流程，面试的重点

  本文介绍了面试流程及各轮面试的重点。通常面试为1-5轮，首轮关注技术实力与项目经验，次轮深入考察技术细节，第三轮侧重项目协调、创新及价值观等软性问题，如职业规划和沟通能力。面试题分为开放型（如项目经验、解决问题思路）和非开放型（如技术细节、手撕算法），需提前准备。测试类问题涉及自动化测试、持续集成等实际应用。
• 12.23 16:33:18
  发表了文章 2024-12-23 16:33:18

  企业招聘时看重哪些能力

  企业招聘主要看重三方面：测试技术能力、计算机理论知识和业务能力。以腾讯为例，测试技术涵盖功能测试、自动化测试等；计算机理论包括网络、操作系统、数据库等基础知识；业务能力则要求掌握常用测试方法及业务和技术架构梳理。社招中，企业更注重应聘者的技术能力和项目经验的结合，建议候选人通过实际项目提升并展示这些能力。
• 12.23 16:31:04
  发表了文章 2024-12-23 16:31:04

  你的简历与获得字节offer的简历有哪些不同

  本文对比了两份应届生简历，分析为何一份能获得字节跳动的面试机会而另一份却石沉大海。关键在于简历内容的专业性和针对性。成功简历突出了自动化测试和框架封装等技能，即使不完全熟练，也展现了专业潜力；而普通简历仅描述了如敬老院志愿服务等活动，缺乏技术亮点，难以吸引HR注意。因此，优化简历内容和技能展示是提高面试机会的关键。
• 12.23 16:29:13
  发表了文章 2024-12-23 16:29:13

  找工作时，如何选择适合自己的公司

  在选择公司时，应根据职业规划考虑工资、工作量和通勤距离等因素，满足其中两项即可。同时关注未来产业发展，如AI赛道更有前景。
• 12.23 16:26:12
  发表了文章 2024-12-23 16:26:12

  用好PDCA循环法，轻松slay面试

  如何在面试中完美发挥？可以借鉴PDCA循环法。P（Plan）：规划面试策略和简历；D（Do）：准备面试技巧、刷题等；C（Check）：通过模拟面试提升表达能力；A（Act）：复盘面试问题，查漏补缺，避免重复错误。这一科学方法有助于系统性地提升面试表现。
• 12.23 16:24:28
  发表了文章 2024-12-23 16:24:28

  外包对职业发展是否有影响？

  从事两年外包工作并不会影响未来的发展，关键在于是否在此期间提升了个人能力。许多外包人员由于缺乏系统的培训，能力停滞不前，只能从事低级的手工测试工作。在华为合作的外包人员中，部分人因公司未提供培养机会，导致技能难以提升。因此，在外包期间应主动学习，掌握自动化和编程技能，以提高竞争力。大部分企业并不在意求职者是否有外包经历，只要能力达标即可。建议不要在外包公司停留过久，及时跳槽寻找更好的发展机会，避免因长期外包而失去学习动力。
• 12.23 16:17:55
  发表了文章 2024-12-23 16:17:55

  github是怎么用的,如何下载仓库

  github是怎么用的,如何下载仓库
• 12.23 16:13:48
  发表了文章 2024-12-23 16:13:48

  如何将代码量迅速提升到一万行

  如何将代码量迅速提升到一万行
• 12.23 16:07:31
  发表了文章 2024-12-23 16:07:31

  赛博宝剑铭文铸造技术_批量替换_vim

  赛博宝剑铭文铸造技术_批量替换_vim
• 12.23 16:04:43
  发表了文章 2024-12-23 16:04:43

  在游戏中体验数值自由 _勇闯地下城_终端文字游戏

  在游戏中体验数值自由 _勇闯地下城_终端文字游戏
• 12.23 16:01:08
  发表了文章 2024-12-23 16:01:08

  如何在vim里直接运行python程序

  如何在vim里直接运行python程序
• 12.23 15:57:35
  发表了文章 2024-12-23 15:57:35

  键盘改造计划_实现手腕稳定 _将esc和capslock键位对调_vim小技巧

  键盘改造计划_实现手腕稳定 _将esc和capslock键位对调_vim小技巧
• 12.23 15:53:43
  发表了文章 2024-12-23 15:53:43

  终端_CLI_GUI_编程环境_游戏_真实_元宇宙

  终端_CLI_GUI_编程环境_游戏_真实_元宇宙
• 12.23 15:50:12
  发表了文章 2024-12-23 15:50:12

  从零开始_先跑起来_入门编程选什么系统

  从零开始_先跑起来_入门编程选什么系统
• 12.23 15:41:51
  发表了文章 2024-12-23 15:41:51

  一次读懂网络分层：应用层到物理层全解析

  网络模型分为五层结构，从应用层到物理层逐层解析。应用层提供HTTP、SMTP、DNS等常见协议；传输层通过TCP和UDP确保数据可靠或高效传输；网络层利用IP和路由器实现跨网数据包路由；数据链路层通过MAC地址管理局域网设备；物理层负责比特流的物理传输。各层协同工作，使网络通信得以实现。
• 12.23 15:22:25
  发表了文章 2024-12-23 15:22:25

  为什么会TCP粘包？读完这篇你就懂了

  在网络编程中，TCP粘包问题指发送方多个数据包在接收方粘成一包，导致数据解析混乱。其原因包括Nagle算法合并小包、发送方收集多个小分组及接收方缓存积压等。解决方法有：固定消息长度、包尾加特殊标记（如\r\n）、包头加包体长度等。选择合适方案可确保数据传输的可靠性和准确性。