28个案例终极篇

简介: 28个案例终极篇

写在前面:

28个案例对于我们来说有醍醐灌顶的效果,这里边不乏一些重要的知识还有认知,这些都需要我们去细细品味。

认知篇

设计:

8让软件使用者成为软件设计者

22面向对象思想原型图的设计

21生活中的面向对象思想,面向对象复用,面向对象实现,立体化权限

18面向对象设计思想:开门小例子

27单表11个接口,如何写出具有复用思想的接口

06没有复用思想的接口和sql,封装复用

实战

09数据类型不一致导致equals判断为false,明确数据类型存在的意义

07-在线人员列表逻辑混乱-ThreadLocal、继承、索引失效,线程安全,类型不一致导致索引失效

12-数据库类型问题(mysql数据类型 索引失效,数据类型不一致,明确类型存在意义

02sql语句优化,解决索引失效问,distinct,groupBy

13-localStorage的使用分析,什么样的数据才需要放到localStorage中,明确使用边界

14-课程推送页面逻辑整理–vue,代码规范

23注册上nacos上的部分服务总是出现频繁掉线的情况,命名规范

1-redis没有及时更新的问题,明确redis概念,后端到底读取谁的数据,及时读取数据

20-内存长期占用导致系统变慢,如何解决内存长期占用,使用工具检测,硬件资源成本

24xxljob控制台不打印日志排查,看日志解决80%的问题,mysql主从不一致

26nacos命名空间名字和id不一致导致不能使用,减少人的因素

05将不必要的逻辑放到前端,前后端概念,分离的意义

16消息队列的作用和意义

意识

11生产环境重大事故未切换环境,闭环检查

10对生产环境的敬畏之心,明确分环境的意义,不要随意更改生产环境数据

17环境混用带来的影响,明确边界

19遇见问题的临时解决方案和最终解决方案,明确目的

28生产环境nginx限制上传大小-侥幸心理意识问题,以后会怎么样?无限思维

03fegin调用404,能交给机器的都不要交给机器做

04生产环境App打包未关联云空间导致用户不能自动升级,减少人的因素

25AR,第三方服务,用户超级稳定耦合,设计理念

15-ArrayList线程不安全,共用全局变量导致数据错乱问题,占用内存情况,慎用全局变量

关键字

面向对象,复用,交给机器,敬畏生产环境,用户,数据类型不一致。。。。

相关文章
|
SQL 监控 druid
Druid未授权访问 漏洞复现
Druid未授权访问 漏洞复现
17003 0
|
机器学习/深度学习 搜索推荐 测试技术
【王喆-推荐系统】评估篇-(task2)推荐模型评估指标
准确率 (Accuracy) 是指分类正确的样本占总样本个数的比例。
1872 0
【王喆-推荐系统】评估篇-(task2)推荐模型评估指标
|
9月前
|
存储 缓存 API
电商行业中 API 接口的常见问题和解决方法
本文探讨了电商行业中API接口的常见问题及解决方法。涵盖数据准确性(如数据不一致、数据缺失)、性能问题(如响应时间过长、吞吐量不足)、安全问题(如身份认证与授权、数据泄露风险)和兼容性问题(如接口版本兼容性、系统兼容性)。通过优化数据同步机制、缓存策略、网络配置、服务器负载均衡、代码逻辑,以及采用安全的身份认证方式和加密技术,结合实际代码示例,帮助开发者提升API接口的稳定性和安全性,确保电商业务顺利运行。
409 11
WK
|
机器学习/深度学习 算法
什么是Sigmoid函数
Sigmoid函数是在机器学习及统计学中广泛应用的一种数学模型,尤其适用于逻辑回归与神经网络中的激活场景。该函数能将任意实数映射至(0,1)区间,象征概率或事件发生可能性。其S型曲线特性使其在二分类问题中表现出色,同时具备连续平滑与中心对称的特点,利于采用如梯度下降等优化算法。然而,Sigmoid函数在极端输入值下会出现梯度消失的问题,影响模型训练效果。尽管有此局限性,它在特定应用场景中依然重要,例如需要输出概率值的情况。
WK
920 0
|
机器学习/深度学习 算法 算法框架/工具
|
10月前
|
SQL 缓存 关系型数据库
MySQL Limit实现原理
本文深入解析了MySQL中`LIMIT`子句的实现原理及其在分页、性能优化等场景下的应用技巧。文章详细介绍了`LIMIT`的基本语法、MySQL内部处理流程,以及如何通过索引优化、覆盖索引等策略提升分页查询的性能,并提供了实践建议。
732 3
|
9月前
|
机器学习/深度学习 存储 人工智能
【科普向】模型蒸馏和模型量化到底是什么???
在数字化快速发展的时代,人工智能(AI)技术已广泛应用,但大型深度学习模型对计算资源的需求日益增长,增加了部署成本并限制了其在资源有限环境下的应用。为此,研究人员提出了模型蒸馏和模型量化两种关键技术。 模型蒸馏通过将大型教师模型的知识传递给小型学生模型,利用软标签指导训练,使学生模型在保持较高准确性的同时显著减少计算需求,特别适用于移动设备和嵌入式系统。 模型量化则是通过降低模型权重的精度(如从32位浮点数到8位整数),大幅减少模型大小和计算量,提高运行速度,并能更好地适应低配置设备。量化分为后训练量化和量化感知训练等多种方法,各有优劣。
|
Web App开发 存储 缓存
原生 js 实现一个前端路由 router
原生 js 实现一个前端路由 router
1094 0
原生 js 实现一个前端路由 router
|
机器学习/深度学习 Python
LightGBM高级教程:高级特征工程
LightGBM高级教程:高级特征工程【2月更文挑战第8天】
1045 2
114Echarts - 盒须图(Multiple Categories)
114Echarts - 盒须图(Multiple Categories)
189 0