备案控制台
开发者社区 数据库 文章 正文

商品超买超卖问题分析及实战

2022-10-21 1076
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
本文涉及的产品
云数据库 Redis 版，社区版 2GB
推荐场景：
搭建游戏排行榜
简介： 商品超买超卖问题分析及实战

项目场景：

商品超买超卖是高并发下非常典型的问题，也是面试中秒杀场景常常会问到的问题。

常见的问题有：

1、怎么设计一个秒杀系统？

2、商品超买、超卖问题产生的原因？

3、怎么防止商品出现超买｜超卖问题？

4、乐观锁和悲观锁的适用场景是什么？

5、提高事务的隔离级别能解决超买｜超卖问题吗？


今天和大家一起探究下商品超买、超卖的原因及其解决方案。


原因分析：

商品下单扣减库存的流程如下：

1、根据商品ID查询商品库存信息

2、判断商品库存是否大于购买数量

3、库存充足则进行下单减库存操作


模拟代码如下：

@Transactional(rollbackFor = Exception.class)
public void secKill(Integer goodsId, Integer num) throws InterruptedException {
        //1、查询商品库存
        GoodsStock  goodsStock  = goodsStockMapper.getStock(goodsId);
        //2、判断库存是否充足
        if(goodsStock.getNum() >= num){
            //3、使用减法计算出剩余库存
            int stockNum = goodsStock.getNum() - num;
            goodsStock.setNum(stockNum);
            //4、更新商品剩余库存的值
            int result = goodsStockMapper.updateByPrimaryKeySelective(goodsStock);
            if(result<0){
                 log.error("库存不足");
                 throw new RuntimeException("秒杀失败");
            }else{
                log.info("秒杀成功");
            }
        }else{
            log.error("库存不足");
            throw new RuntimeException("秒杀失败");
        }
    }


采用jMeter压测发现，这样的代码不但会出现超买超卖的问题，还会导致商品的剩余库存出现覆盖更新的情况。

流程分析：

1、在高并发的情况下，会有很多请求同时查询到商品的库存信息，进入到步骤1。

2、并通过了库存是否充足的判断，计算出剩余库存。

3、通过updateByPrimaryKeySelective方法直接将计算出的剩余库存的值写入到数据库。

假设A商品当前剩余库存是10，有10个线程同时进入到步骤1下单购买10个A商品，刚好都通过了步骤2的库存是否充足的判定，经过步骤3计算出剩余库存为0,然后执行更新操作将剩余库存的值写入到数据库。

最后我们发现，明明A商品只有10件，但是我们确卖出了100件。这就是商品的超买、超卖问题。


下面是模拟2个并发事务购买10个A商品的请求过程：

A商品库存只有10个，最后却卖出了20件。

57.png


原因说明：

1、添加事务控制并不能保证减库存方法secKill()执行的原子性，代码仍然会并发执行。

2、在并发场景下，先查询库存，再用java代码判定库存是否充足是不正确。

3、在并发场景下，如果先通过java代码计算出剩余库存，再把剩余库存的值更新到数据库中会导致出现覆盖更新的情况。


解决方案：

1、最简单暴力的办法，既然减库存的方法secKill()不支持并发，那么可以将整个方法块做异步处理。如果不考虑分布式，可以直接用synchronized关键字，如果需要支持分布式，可以采用redis加分布式锁。


2、采用悲观锁，给数据库记录加锁。


3、采用乐观锁，更新记录时通过比对版本号判定是否执行更新库存。


4、直接在sql中执行减法来更新库存,并在where调价中判定库存是否充足


update table set stock = stock - 10  where goods_id=1 and stock - 10 >=0 ;


代码实战：

1、商品库存表

CREATE TABLE `goods_stock` (
  `id` int(11) unsigned NOT NULL AUTO_INCREMENT,
  `goods_id` varchar(255) DEFAULT NULL COMMENT '商品id',
  `num` int(11) DEFAULT NULL COMMENT '库存数量',
  `version` int(11) unsigned DEFAULT NULL COMMENT '版本号',
  PRIMARY KEY (`id`),
  UNIQUE KEY `ui_goods_id` (`goods_id`) USING BTREE
) ENGINE=InnoDB AUTO_INCREMENT=2 DEFAULT CHARSET=utf8mb4;
INSERT INTO `seckill`.`goods_stock`(`id`, `goods_id`, `num`, `version`) VALUES (1, '1', 10000, NULL);


2、控制层代码 SecKillController

@RestController
@Slf4j
public class SecKillController {
    @Autowired
    private SecKillService secKillService;
    @GetMapping(value = "/secKill/{goodsId}/{num}")
    public void secKill(@PathVariable Integer goodsId, @PathVariable Integer num) throws InterruptedException{
        secKillService.secKill(goodsId,num);
    }
}

1、synchronized方式

只需要在方法头上添加synchronized关键字，不用修改任何代码

@Transactional(rollbackFor = Exception.class)
    public synchronized void  secKill(Integer goodsId, Integer num) throws InterruptedException {
        //1、查询商品库存
        GoodsStock  goodsStock  = goodsStockMapper.getStock(goodsId);
        //2、判断库存是否充足
        if(goodsStock.getNum() >= num){
            //3、减库存
            int stockNum = goodsStock.getNum() - num;
            goodsStock.setNum(stockNum);
            int result = goodsStockMapper.updateByPrimaryKeySelective(goodsStock);
            if(result < 1){
                 log.error("库存不足");
                 throw new RuntimeException("秒杀失败");
            }else{
                log.info("秒杀成功");
            }
        }else{
            log.error("库存不足");
            throw new RuntimeException("秒杀失败");
        }
    }


采用JMeter压测：

线程组：采用500个线程，请求20次。

56.png

http请求：采用get请求，http://localhost:8080/secKill/1/1，每次购买一个商品

55.png

执行日志：商品库存依次递减1，说明现在扣减库存的方法secKill()确实是异步执行。

54.png

优点：简单，只需要在方法头部加上一个synchronized关键字，不用修改其他代码。

缺点：不支持分布式，并发能力较弱。


2、redis分布式锁

 

public void  secKill(Integer goodsId, Integer num)  {
        RLock rlock = redissonClient.getLock("goods_sku");
        try{
             //加分布式锁
             rlock.lock();
             //1、查询商品库存
        GoodsStock  goodsStock  = goodsStockMapper.getStock(goodsId);
        //2、判断库存是否充足
        if(goodsStock.getNum() >= num){
            //3、减库存
            int stockNum = goodsStock.getNum() - num;
            goodsStock.setNum(stockNum);
            int result = goodsStockMapper.updateByPrimaryKeySelective(goodsStock);
            if(result < 1){
                 log.error("库存不足");
                 throw new RuntimeException("秒杀失败");
            }else{
                log.info("秒杀成功");
            }
        }else{
            log.error("库存不足");
            throw new RuntimeException("秒杀失败");
        }
        }catch(Exception e){
            log.error("秒杀失败");
        }finally{
             rlock.unlock();
        }
    }


优点：支持分布式，能保证方法异步执行，避免超买超卖问题。

缺点：引入了redis中间件。


3、悲观锁

@Transactional(rollbackFor = Exception.class)
    public  void  secKill(Integer goodsId, Integer num) throws InterruptedException {
        //1、查询商品库存
        GoodsStock  goodsStock  = goodsStockMapper.getStockForUpdate(goodsId);
        //2、判断库存是否充足
        if(goodsStock.getNum() >= num){
            //3、减库存
            int result = goodsStockMapper.secKill(goodsId,num);
            if(result < 1){
                 log.error("库存不足");
                 throw new RuntimeException("秒杀失败");
            }else{
                log.info("秒杀成功");
            }
        }else{
            log.error("库存不足");
            throw new RuntimeException("秒杀失败");
        }
    }


<select id="getStockForUpdate" resultType="com.laowan.seckill.modle.GoodsStock">
    select
    <include refid="Base_Column_List" />
    from goods_stock
    where goods_id = #{goodsId} for update
  </select>
  <select id="getStock" resultType="com.laowan.seckill.modle.GoodsStock">
    select
    <include refid="Base_Column_List" />
    from goods_stock
    where goods_id = #{goodsId}
  </select>
 <update id="secKill">
    update goods_stock
    set  num = num - #{num}
    where goods_id = #{goodsId}
  </update>


核心是在执行goodsStockMapper.getStockForUpdate(goodsId)方法时，通过在查询语句后面添加for update，会去尝试给查询的记录添加写锁（排他锁）。

这样当第一个事务A进来获取写锁后，后面的事务就不能获取该记录上的写锁，会一直等待事务A执行完毕释放写锁后，再竞争获取写锁，才能执行扣减库存的操作。


select * from goods_stock where goods_id = #{goodsId} for update


优点：支持分布式，充分利用了数据库的排他锁机制，保证扣减库存的操作串行执行。

缺点：并发效率相比synchronized、redis分布式锁会低很多，并且容易导致mysql死锁的问题。


悲观锁方式本质上是利用数据库的排他锁的特性，让事务内代码异步串行执行，从而避免了超买超卖问题。


上面介绍的几种方式，本质上都是通过加锁的方式，使得扣减库存的操作异步串行执行。

那么有没有不用加锁的方式呢？


4、乐观锁

@Transactional(rollbackFor = Exception.class)
    public  void  secKill(Integer goodsId, Integer num) throws InterruptedException {
        //1、查询商品库存
        GoodsStock  goodsStock  = goodsStockMapper.getStock(goodsId);
        //2、判断库存是否充足
        if(goodsStock.getNum() >= num){
            //3、减库存
            goodsStock.setNum(num);
            int result = goodsStockMapper.secKillForVersion(goodsStock);
            if(result < 1){
                 log.error("库存不足");
                 throw new RuntimeException("秒杀失败");
            }else{
                log.info("秒杀成功");
            }
        }else{
            log.error("库存不足");
            throw new RuntimeException("秒杀失败");
        }
    }
<update id="secKillForVersion">
    update goods_stock
       set  num = num - #{num},version=version+1
    where goods_id = #{goodsId} and version=#{version}
</update>

验证：

数据准备：


INSERT INTO `seckill`.`goods_stock`(`id`, `goods_id`, `num`, `version`) VALUES (1, '1', 1000, 0);


53.png


JMeter压测：

51.png

执行结果：

52.png

乐观锁的版本号增长了779，商品的库存也正好扣减了779，说明成功控制了扣减库存的并发。

通过增加了版本号的控制，在扣减库存的时候在where条件进行版本号的比对。

实现查询的是哪一条记录，那么就要求更新的是哪一条记录，在查询到更新的过程中版本号不能变动，否则更新失败。


改进：

增加乐观锁的循环次数，提高请求成功的概率。

public  void  secKill(Integer goodsId, Integer num) throws InterruptedException {
           int retryCount = 0;
           int result = 0;
            //1、查询商品库存
            GoodsStock  goodsStock  = goodsStockMapper.getStock(goodsId);
            //2、判断库存是否充足
            if(goodsStock.getNum() < num){
                log.error("库存不足");
                throw new RuntimeException("秒杀失败");
            }
            //最多重试3次
            while(retryCount < 3 && result == 0){
                result = this.reduceStock(goodsId,num);
                retryCount++;
            }
            if(result > 0){
                log.info("秒杀成功");
            }else{
                log.error("库存不足");
                throw new RuntimeException("秒杀失败");
            }
    }
    /**
     * 减库存
     * 
     * 由于默认的事务隔离级别是可重复读，会导致在同一个事务中查询3次goodsStockMapper.getStock()
     * 得到的数据始终是相同的，所以需要提取reduceStock方法。每次循环都启动新的事务尝试扣减库存操作。
     */
    @Transactional(rollbackFor = Exception.class)
    public  int  reduceStock(Integer goodsId, Integer num){
        int result = 0;
        //1、查询商品库存
        GoodsStock  goodsStock  = goodsStockMapper.getStock(goodsId);
        //2、判断库存是否充足
        if(goodsStock.getNum() >= num){
            //3、减库存
            goodsStock.setNum(num);
            result = goodsStockMapper.secKillForVersion(goodsStock);
        }
        return result;
    }


注意⚠️：

不能在同一个事务里面，重试扣减库存的操作。


最后压测发现，扣减库存请求的成功率提高了很多。但请求过程中还是会出现大量版本冲突的问题。


乐观锁机制类似java中的cas机制，在查询数据的时候不加锁，只有更新数据的时候才比对数据是否已经发生过改变，没有改变则执行更新操作，已经改变了则进行重试。


乐观锁机制在大并发场景下，会出现大量的版本冲突导致重试的情况，而这种重试无疑会增大数据库和程序的压力。 显然乐观锁方式并不适合高并发的场景。


5、where条件

where条件的方式主要是将库存是否充足的判定放在了更新库存的where条件中，以此保证不会出现超买超卖的情况。

@Transactional(rollbackFor = Exception.class)
    public  void  secKill(Integer goodsId, Integer num) throws InterruptedException {
        //1、查询商品库存
        GoodsStock  goodsStock  = goodsStockMapper.getStock(goodsId);
        //2、判断库存是否充足
        if(goodsStock.getNum() >= num){
            //3、减库存
            int result = goodsStockMapper.secKillForWhere(goodsId,num);
            if(result < 1){
                log.error("库存不足");
                throw new RuntimeException("秒杀失败");
            }else{
                log.info("秒杀成功");
            }
        }else{
            log.error("库存不足");
            throw new RuntimeException("秒杀失败");
        }
    }


在更新语句中扣减库存，并在where调价中判定库存是否充足。


<update id="secKillForWhere">
    update goods_stock
        set  num = num - #{num}
    where goods_id = #{goodsId} and num - #{num} >=0
  </update>


JMeter压测：


INSERT INTO `seckill`.`goods_stock`(`id`, `goods_id`, `num`, `version`) VALUES (1, '1', 500, 0);


50.png


线程数设置：

也可以加大线程数，看是否会出现库存数被扣减成负数的情况。

48.png


压测结果：

库存成功被扣完，且没有出现异常，执行效率也非常高。

49.png


6、unsigned 非负字段限制

本质上来说，这种方式和where条件方式类似。

where条件是通过限制扣减库存的查询条件来限制超卖

unsigned 非负字段限制是如果扣减库存出现负值后，在保存的时候会报错来防止出现超卖。


库存字段num增加非负字段限制unsigned，保证只能保存非负整数。

CREATE TABLE `goods_stock` (
  `id` int(11) unsigned NOT NULL AUTO_INCREMENT,
  `goods_id` varchar(255) DEFAULT NULL COMMENT '商品id',
  `num` int(11) unsigned DEFAULT NULL COMMENT '库存数量',
  `version` int(11) unsigned DEFAULT NULL COMMENT '版本号',
  PRIMARY KEY (`id`),
  UNIQUE KEY `ui_goods_id` (`goods_id`) USING BTREE
) ENGINE=InnoDB AUTO_INCREMENT=2 DEFAULT CHARSET=utf8mb4;


@Transactional(rollbackFor = Exception.class)
public  void  secKill(Integer goodsId, Integer num) throws InterruptedException {
        //1、查询商品库存
        GoodsStock  goodsStock  = goodsStockMapper.getStock(goodsId);
        //2、判断库存是否充足
        if(goodsStock.getNum() >= num){
            //3、减库存
            int result = goodsStockMapper.secKill(goodsId,num);
            if(result < 1){
                log.error("库存不足");
                throw new RuntimeException("秒杀失败");
            }else{
                log.info("秒杀成功");
            }
        }else{
            log.error("库存不足");
        }
    }


压测过程中出现如下异常提示:


Data truncation: BIGINT UNSIGNED value is out of range in '(`seckill`.`goods_stock`.`num` - 1)'


说明库存不足时，不能继续扣减库存。


小结：

unsigned 非负字段限制方式算是一种兜底策略，从底层数据库底层数据规则的层面限制出现超买超卖的情况。 并且简单有效，能和其他方式共同使用，防止超卖超卖情况的出现。


为什么不通过事务隔离级别控制事务代码的并发

简单来说，事务的隔离级别并不能控制事务代码的并发。


事务是什么？

Transactions are atomic units of work that can be committed or rolled back. When a transaction makes multiple changes to the database, either all the changes succeed when the transaction is committed, or all the changes are undone when the transaction is rolled back.


事务是由一组SQL语句组成的原子操作单元，其对数据的变更，要么全都执行成功(Committed)，要么全都不执行(Rollback)。

47.png

InnoDB实现的数据库事务具有常说的ACID属性，即原子性(atomicity)，一致性(consistency)、隔离性(isolation)和持久性(durability)。


原子性：事务被视为不可分割的最小单元，所有操作要么全部执行成功，要么失败回滚(即还原到事务开始前的状态，就像这个事务从来没有执行过一样)

一致性：在成功提交或失败回滚之后以及正在进行的事务期间，数据库始终保持一致的状态。如果正在多个表之间更新相关数据，那么查询将看到所有旧值或所有新值，而不会一部分是新值，一部分是旧值

隔离性：事务处理过程中的中间状态应该对外部不可见，换句话说，事务在进行过程中是隔离的，事务之间不能互相干扰，不能访问到彼此未提交的数据。这种隔离可通过锁机制实现。有经验的用户可以根据实际的业务场景，通过调整事务隔离级别，以提高并发能力

持久性：一旦事务提交，其所做的修改将会永远保存到数据库中。即使系统发生故障，事务执行的结果也不能丢失。

这里我们要注意：

事务的原子性指的是在事务范围内执行的insert、update、delete要么全部成功，要么全部失败。而并不能保证添加了@Transactional注解声明事务的方法的执行具有原子性，也不能保证在事务A执行一系列insert、update、delete操作的过程中，事务B不能执行insert、update、delete操作。


场景一：

在默认的事务隔离级别下，可重复读（Repeatable Read）由于采用了MVCC机制，读不加锁，所以都可以查询到商品的库存信息，进行扣减库存的操作，这里都可以并发执行。

直到运行到update的操作，由于需要先获取到数据的排他锁，才能执行更新操作，才变为串行执行。

所以，这里如果采用在事务代码中，用java代码的方式先求出剩余库存，再将值更新到数据库，就会出现覆盖更新的情况。

46.png


场景二： 串行化（Serializable）

如果我们将事务的隔离级别提升为串行化（Serializable），执行的情况呢？

45.png

可以发现，尽管将事务的隔离级别提升为串行化（Serializable），也只是影响了在事务中执行sql时的加锁方式，并不能保证事务范围内的代码异步执行。

小结：

事务隔离级别串行化（Serializable）并不能保证事务访问内的逻辑在并发场景下的串行化执行，大家不要被其命名所误导。

串行化（Serializable）隔离级别只能保证，先查到的，先更新。


总结：

本文主要对商品超买超卖问题进行了深度分析，并提供了相关解决方案和实战代码，通过JMeter压测对其正确性进行了验证。

1、介绍了高并发场景下商品超买超卖问题出现的原因。

2、通过代码实战介绍了6种方式解决超买超买问题：


synchronized方式

redis分布式锁

悲观锁

乐观锁

where条件

unsigned 非负限制


其中前3种是通过加锁的方式保证扣减库存代码串行执行，后面3种是无锁方式。


3、如果事务代码中涉及到复杂计算，需要先通过java代码计算，然后再将计算结果更新到数据库，这种情况推荐采用synchronized方式、redis分布式锁、悲观锁这些加锁的方式，保证整个事务范围内的代码串行执行，防止出现覆盖更新的情况。

如果是像扣减库存这样简单的计算操作，可以在update中轻松实现的情况，推荐采用where条件、unsigned 非负限制方式，并发的效率更高。


4、强烈建议unsigned 非负限制方式能和其他方式一起使用，保证数据安全性。

5、乐观锁为什么不适合在高并发场景下使用

6、介绍了为什么不能通过提高事务的隔离级别来解决超买超卖的问题.

文章标签：
云数据库 Redis 版
性能测试
Java
测试技术
SQL
关系型数据库
NoSQL
MySQL
Redis
中间件
数据库
相关实践学习
基于Redis实现在线游戏积分排行榜
本场景将介绍如何基于Redis数据库实现在线游戏中的游戏玩家积分排行榜功能。
云数据库 Redis 版使用教程
云数据库Redis版是兼容Redis协议标准的、提供持久化的内存数据库服务，基于高可靠双机热备架构及可无缝扩展的集群架构，满足高读写性能场景及容量需弹性变配的业务需求。 产品详情：https://www.aliyun.com/product/kvstore &nbsp; &nbsp; ------------------------------------------------------------------------- 阿里云数据库体验：数据库上云实战 开发者云会免费提供一台带自建MySQL的源数据库&nbsp;ECS 实例和一台目标数据库&nbsp;RDS实例。跟着指引，您可以一步步实现将ECS自建数据库迁移到目标数据库RDS。 点击下方链接，领取免费ECS&amp;RDS资源，30分钟完成数据库上云实战！https://developer.aliyun.com/adc/scenario/51eefbd1894e42f6bb9acacadd3f9121?spm=a2c6h.13788135.J_3257954370.9.4ba85f24utseFl
星繁
目录
相关文章
开心工作室_kaic
|
2月前
|
前端开发 Java 关系型数据库
超市商品管理系统的设计与实现(论文+源码)_kaic
超市商品管理系统的设计与实现(论文+源码)_kaic
开心工作室_kaic
128 1
一百减一是零
|
23天前
|
消息中间件 供应链 NoSQL
电商订单待支付(思路分析)
电商订单待支付(思路分析)
一百减一是零
39 0
开心工作室_kaic
|
2月前
|
JavaScript 前端开发 Java
网上积分兑换商城的设计与实现(论文+源码)_kaic
网上积分兑换商城的设计与实现(论文+源码)_kaic
开心工作室_kaic
16 0
1171748114431288
|
3月前
|
IDE Java 应用服务中间件
基于Spring+mybatis的SSM超市消费积分管理系统代码实现含演示站
这是一个SSM超市消费积分管理系统。有2个角色：买家角色和管理员角色,现在开始分角色介绍下功能。买家角色核心功能有买家登录，查看网站首页，查看蔬菜详情，加入购物车，提交订单，查看我的订单。管理员角色核心功能有管理员登录，用户管理，管理员管理，商品管理，一级分类管理，二级分类管理，订单管理。更多的功能可以去演示站查看。
1171748114431288
149 1
基于Spring+mybatis的SSM超市消费积分管理系统代码实现含演示站
编程千纸鹤
|
4月前
|
算法 前端开发 Java
基于Java实现超市积分系统
基于Java实现超市积分系统
编程千纸鹤
60 0
Lotay_天天
|
10月前
|
XML JSON 缓存
Java实现商品ID获取京东商品历史价格数据方法
Java实现商品ID获取京东商品历史价格数据方法
Lotay_天天
111 0
.Ashy.
|
10月前
L2-009 抢红包 (25 分)(结构体排序)
L2-009 抢红包 (25 分)(结构体排序)
.Ashy.
46 0
L2-009 抢红包 (25 分)(结构体排序)
greework
|
11月前
|
算法 Python
算法创作|模拟商品加入购物车并结算价钱问题解决方法
算法创作|模拟商品加入购物车并结算价钱问题解决方法
greework
72 0
算法创作|模拟商品加入购物车并结算价钱问题解决方法
ik1003
LeetCode每日一题——1475. 商品折扣后的最终价格
给你一个数组 prices ，其中 prices[i] 是商店里第 i 件商品的价格。
ik1003
84 0
baphsqca3imha
|
Java Scala 网络架构
商品打折的相关知识点和分析 | 学习笔记
快速学习商品打折的相关知识点和分析
baphsqca3imha
86 0

热门文章

最新文章

  • 1
    企业应用架构实践（复杂性应对之道）
  • 2
    SolidWorks2021中文版【Solid Works 附补丁】完美破解版下载 安装教程
  • 3
    3+1保障：高可用系统稳定性是如何炼成的？
  • 4
    大数据上手实战！《Elasticsearch 实战进阶营》第二季限时免费报名啦
  • 5
    OLAP与OLTP介绍
  • 6
    浅显易懂的机器学习（八）—— 随机森林分类
  • 7
    Windows 2008 AD 备份
  • 8
    《Ext JS权威指南》——2.9节为本书示例准备一个模板
  • 9
    NS2原理
  • 10
    Asp.net MVC2.0系列文章-显示列表和详细页面操作
  • 1
    Java中数组详解
    40
  • 2
    智能评估时代：SurveyKing开源问卷系统YYDS
    62
  • 3
    LabVIEW编程LabVIEW开发高级数据采集技术 操作数字IO 例程与相关资料
    37
  • 4
    【大模型】描述与 LLM 相关的个人项目或感兴趣的领域
    37
  • 5
    【大模型】使用哪些资源来了解 LLM 的最新进展？
    47
  • 6
    LabVIEW编程LabVIEW开发高级数据采集技术 计数器定时器的操作 例程与相关资料
    25
  • 7
    LabVIEW编程LabVIEW开发高级数据采集技术 模拟波形的生成 例程与相关资料
    23
  • 8
    Linux：进程等待 & 进程替换
    27
  • 9
    LabVIEW编程LabVIEW开发高级数据采集技术 同步 例程与相关资料
    19
  • 10
    LabVIEW编程LabVIEW开发高级数据采集技术定时与触发 例程与相关资料
    18

    • 相关电子书

    更多
  • 外卖广告架构实践
  • 58到家支付系统架构与实践
  • 淘宝内容.2017 淘宝从追求效率的交易平台升级成为追求乐趣

    • 相关实验场景

    更多
  • 收银台的场景化界面实践
  • 使用EDA架构部署在线外卖订单系统
  • 小试牛刀，一键部署电商商城
  • 基于Redis实现在线游戏积分排行榜
    • 下一篇
    部署LAMP环境（Alibaba Cloud Linux 3）