[Blog]三层架构:代码本地运行(☆)

简介: 本任务要求使用SpringBoot、MySQL、Maven技术栈,将提供的BlogSystem项目本地运行并修复bug。需解决JDK、Maven、Idea版本兼容问题,导入数据库文件,修正数据库名称与连接信息不一致问题,最终访问localhost:8080查看前端页面,并定位点击博客详情时的异常提示问题。预计耗时2小时。

知识储备:SpringBoot、MySQL、Maven

预计耗时:2H

1.需求说明

代码运行

当你刚入职的时候,组长会给你一个新的工程,此时你需要将这个工程拉取到本地并运行,这也是大多数新人面临的第一道坎。常见的问题:JDK、Maven、Idea分别用什么版本?

现在你作为刚入职的小白,请完成代码本地导入并运行,自行解决你遇到的问题

上班后代码拉取不会这样压缩包,而是会采用git在线拉取,大家后面也会学习到

BlogSystem.zip

BUG修复

作为新人,为了让你快速熟悉环境,现在系统中存在一个bug,需要你进行修复

具体如下:当点击查看博客的时候,发现一直有一个异常提示,请你定位问题并修复:

2.问题说明(现在看上班就GG)

  1. 数据库文件未导入

  1. 数据库名称跟sql文件不一致

这里数据库名称你可以修改,保持连接信息、数据库名称一致即可

  1. 怎么访问前端

运行工程成功之后

访问前端地址:http://localhost:8080/

  1. bug修复说明
  1. 点击详情,异常提示

目录
相关文章
|
6月前
|
Cloud Native Ubuntu Linux
云原生
Docker是一个基于Go语言的开源容器化平台,实现“一次镜像,处处运行”。它通过容器技术将应用及其依赖打包,实现高效、轻量的部署与隔离,相比传统虚拟机启动更快、资源占用更少。
365 0
云原生
|
6月前
|
机器学习/深度学习 人工智能
AI大模型位置编码详解
位置编码为Transformer提供序列顺序信息,弥补注意力机制无位置感知的缺陷。主要分为绝对编码(如可学习、Sinusoidal)和相对编码(如RoPE、ALiBi)。RoPE通过旋转矩阵支持长序列,ALiBi以线性偏置增强外推能力。不同方法在长度外推、效率等方面各有优劣,广泛应用于LLaMA、BLOOM等大模型中。
446 0
AI大模型位置编码详解
|
6月前
|
机器学习/深度学习 存储 知识图谱
🫗 知识蒸馏
知识蒸馏是一种模型压缩技术,通过将大模型(教师)的知识迁移到小模型(学生)中,实现高效推理与良好性能的平衡。核心思想是利用教师模型的输出概率分布(软标签)指导学生模型训练,结合温度机制平滑分布,保留类别间关联信息。常用KL散度衡量软标签差异,并融合硬标签损失提升泛化能力。可分为黑盒(仅用输出)与白盒(用中间特征)蒸馏,广泛应用于模型轻量化场景。
434 0
 🫗 知识蒸馏
|
6月前
|
机器学习/深度学习 人工智能 自然语言处理
AI大模型Transformer基础结构
Transformer是2017年提出的基于注意力机制的神经网络,摒弃了传统RNN结构,采用自注意力与多头注意力机制,实现并行化处理和长距离依赖建模。其核心由编码器-解码器架构、位置编码、残差连接和层归一化组成,广泛应用于NLP任务,成为BERT、GPT等模型的基础。
725 0
|
6月前
|
机器学习/深度学习 人工智能 自然语言处理
AI大模型分词器详解
分词器是将文本转为模型可处理数字序列的关键组件。本文详解BPE、WordPiece、SentencePiece三大主流算法原理与优劣,对比其在多语言支持、分词粒度等方面的差异,并提供中英文实战代码示例,助你掌握词汇表构建流程、特殊标记处理及常见面试问题应对策略。
880 1
|
6月前
|
机器学习/深度学习 算法 关系型数据库
🎮 强化学习
强化学习通过智能体与环境交互,基于状态、动作和奖励学习最优策略。核心方法包括价值迭代、Q-learning、策略梯度及Actor-Critic框架,结合在线/离线学习与同/异策略优化,实现高效决策。
788 0
 🎮 强化学习
|
6月前
|
机器学习/深度学习 人工智能 缓存
AI大模型注意力机制详解
注意力机制是Transformer的核心,实现序列间动态关注。包括自注意力、交叉注意力、多头(MHA)、分组(GQA)、多查询(MQA)及低秩压缩的MLA等变体,平衡效率与性能,广泛应用于大模型优化与推理加速。
456 0
AI大模型注意力机制详解
|
6月前
|
缓存 算法 C++
⚡ 模型推理加速
大模型推理加速涵盖KV-Cache优化、连续批处理、投机解码、模型并行等技术,通过算法与系统协同优化,提升推理效率。vLLM等框架实现高效部署,兼顾吞吐与延迟,助力大模型落地。
276 0
 ⚡ 模型推理加速
|
6月前
|
数据可视化 Java 关系型数据库
01-认识Activiti
工作流指如请假、报销等需审批的业务流程,通过可视化引擎实现多节点审批,广泛应用于CRM、TMS、WMS等系统。传统数据库或状态机难以支撑复杂流程,故催生了Activiti、Flowable等引擎。主流技术包括BPMN标准及基于其发展的Activiti与Flowable,助力企业高效自动化管理。
165 0
|
6月前
|
存储 JSON 前端开发
🤖 Agent系统
大模型Agent是具备推理、规划、工具调用与记忆能力的智能体,核心架构含大脑、感知、行动与记忆模块,支持任务分解与反思优化,常用LangChain等框架实现复杂任务自动化。
166 0