• 文库
  • 字符
  • 转换
  • 加密
  • 网络
  • 更多
    图表
    数学
    坐标
    图片
    文件
  • 文库
    字符
    转换
    加密
    网络
    更多
    图表
    数学
    坐标
    图片
    文件
logo 在线工具大全
所有 中文 英语 最新 热度
4350 条查询结果

本文讨论了在不使用websocket做服务端推送的情况下,如何写出一个健壮的前端轮询。文章提供了一些常见的前端轮询的应用场景以及可能遇到的问题,欢迎大家一起讨论。

33 技术 lddgo 分享于 2024-01-31

广义的软件研发活动涉及到需求分析、源码阅读和理解、代码编写、测试编写、配置环境、发布运维、安全漏洞修复,各种基础软件升级等等,这些方方面面的工作,大致可以分为两类,第一类是价值创造活动,第二类是为了价值创造不得不付出的成本。 新产品特性的研发,属于价值创造的部分。例如一个编辑器的软件,新增特性可现实用户当前编写文章的字数,这个特性可以激励用户更积极地创作,潜在的用户会更喜欢这个编辑器软件。新产品特性的研发,对于开发者来说,是一个学习和创造的过程,他可能需要和用户沟通,和产品经理沟通,需要理解现有系统的概念和运行逻辑,以及在必要的时候需要通过搜索学习新的技术以实现特性,有了这些上下文基础,才能进行编码和测试等工作。可以把编码理解成翻译工作,在我看来,把英文翻译成中文,和把领域知识翻译成编程语言,有着非常高的相似度。这类研发活动,通常是产品导向的,其关键目标是给用户创造增量的价值。

33 技术 lddgo 分享于 2024-01-30

本文探讨了 Cilium 的控制平面设计,分析了其在大规模部署中的局限性,以及如何使用 xDS API 来改进其架构和性能。

34 技术 lddgo 分享于 2024-01-30

在我们的工程上线 Monorepo 全源码后,Kotlin 编译成了整个编译中最耗时的步骤,全源码过程中大量的 BuildCache Miss 导致我们的编译数据落后原来多仓二进制时代很多,且业界没有相关的解决方案。本篇文章我们来具体阐述下 BuildInfra 团队自研的解决方案 - Kotlin 云端差分方案的原理和技术实现。

197 技术 lddgo 分享于 2024-01-30

web投稿页是B站的主要投稿来源,有很多高粉UP主使用web端进行投稿。 封面部分是投稿过程中耗时占比较高的步骤,因此在过去,web投稿页已上线了自动的封面截取&推荐功能,有效提升了用户体验。同时在此过程中有了一定的技术积累。 自动封面功能依赖于对用户上传视频进行截帧的能力,最简单的方式是在上传完成之后由服务端进行视频截帧并返回推荐的候选封面,但显然这一步会有大量的等待时间,因此我们采用的是纯前端视频截帧能力。

216 技术 lddgo 分享于 2024-01-30

本文针对的是已在 ECS 上搭建幻兽帕鲁服务器的玩家,可以快速迁移到计算巢,支持图形化管理配置。如果你没有买服务器ECS,建议你直接点击阅读原文,在计算巢上直接部署。

137 技术 lddgo 分享于 2024-01-30

对于大规模的产品来说,即使采用敏捷的方式来做,也依然避免不了多个服务集成以及和其他产品集成的过程,这一篇就和大家一起讨论一下在大规模敏捷测试中如何进行SIT(System Integration Testing)集成测试。

169 技术 lddgo 分享于 2024-01-30

本文是普适性的经验分享,并非按规范局限在 JavaScript 前端视角 做出的总结,除JavaScript外还深入结合了ActionScript 3.0、PHP、C / C++、Basic非纯粹OOP领域语言的经验。

172 技术 lddgo 分享于 2024-01-29

尽管微服务架构长期以来被视为云原生应用的事实标准,但在 2023 这一年,来自各方的反思声音逐渐增多。去年 3 月,AWS 分享了一个案例,Prime Video 团队将其 Serverless 应用程序中的部分微服务调整成为了一个单体,称此举节省了 90% 的运营成本。DHH 对此评论道:“亚马逊也无法理解无服务器或微服务。”谷歌也于去年开源了一个名叫 Service Weaver 的框架,在相关论文中,他们表示这种方法可以将发布式系统带来的延迟降低 15 倍,成本降低 9 倍。 那么,微服务到底有没有什么问题?Service Weaver 是否能够成为微服务架构的“新解”呢?在年终盘点之际,InfoQ 采访了字节跳动服务框架团队架构师、CloudWeGo 开源负责人罗广明,探讨了微服务发展十几年来的进展和关键技术演变。

53 技术 lddgo 分享于 2024-01-29

该论文介绍了一种可传输的实时体积视频解决方案:Live4D。该技术利用了深度学习和计算机视觉技术,通过将多个摄像机的图像进行同步处理,重建出捕获对象带有纹理信息的网格模型,将其进行压缩编码传输后分发给各个客户端进行渲染显示。 Live4D可以根据应用场景和精度需求配置不同数量和位置的双目RGB相机,能以更低的成本实现体积捕获系统,并能够实时地将重建出的数据发送给用户;同时还支持互动和沉浸式体验,用户可以通过与视频进行互动,获得更加身临其境的体验。该技术在全息通信、虚拟现实、增强现实和远程教育等领域具有广泛的应用前景。

194 技术 lddgo 分享于 2024-01-29