首页 文章 精选 留言 我的

精选列表

搜索[出行]，共1808篇文章
优秀的个人博客,低调大师

智慧城市未来让市民出行更“智慧”

据路透社报道，现在，约有六分之一的美国人正在使用智能语音识别产品，这一数据自2017年1月以来增长了128%。智能语音助手极其配套硬件设备的兴起凸显了一个易于访问的技术平台如何帮助企业为消费者提供全新服务的重要性。他还显示出消费者通过浦片应用人工智能技术，正在逐步改变着传统的沟通交流方式。物联网技术当科技公司以这种方式进行协作时，内容和信息流动速度更快，从而使技术变得“更智能”或更易于使用，使数据更易于访问。重新定义的用户使用习惯使消费者和科技公司都能从技术创新中获益。智能语音助手极其硬件设备的日趋简化就一个很好的例子，它允许用户将技术整合到家庭和企业中。 当这一技术在大型数据集领域实际应用时，效果更加凸显。CES展览包括了一个致力于突出全新的技术全面合作领域：智慧城市项目。通过与技术公司合作，城市可以利用实时数据加强服务，而CES上的公司则强调了市政当局如何通过使用基于云技术的平台来监控城市服务的效率，从而更好地响应公民。“智慧城市”是由IBM公司于2008年底提出的“智慧地球”一词演化而来的。改善客户服务和降低这些服务的成本是将物联网技术整合到智慧城市项目中的一部分。举一个简单的例子，通过添加小型传感器和监控平台的链接，路灯和垃圾桶这样的市政通用对象将会变得更“智能”。通过这种方式，城市员工可以更好地满足社区的卫生和安全需求。在波士顿，这座城市使用一套名为“Street Bump”的应用程序来处理道路日常维护工作所产生的问题。功过查看app，市民们就可以为全市的道理日常护养工作做出自己的贡献，因为该应用程序记录并报告了城市坑洼等道路危险的地理位置信息。这个例子充分的说明了民众的力量，以及地方政府如何利用开源程序和试试信息共享平台为改善民众服务而做出的努力。公共安全，公共交通和全民参与是“智慧城市”技术的三大核心。基于云技术的平台可以共享数据，提高生产率，增强服务，并提高政府在所有这些领域的决策透明度。使用数据驱动的努力为城市规划带来了新的想法，以及更好的程序和新的团队，从而获得更高效的结果。随着大数据应用日益走进民众的日常生活，市政当局从零售商和供应商获取用来维护社会公共关系的数据并从中获益成为了一件有意义的事情。与科技公司建立合作伙伴关系是城市政府提高能力和提高响应速度的理想途径，并可帮助政府规范已被许多公司部署的以客户为中心的管理方法。
2018-01-25
优秀的个人博客,低调大师

饿了么推出行业首个骑手 AI 助手“小饿”

饿了么正式推出面向蓝骑士的AI智能语音助手“小饿”。 据悉，这是国内首个基于大模型技术打造的骑手端智能体，旨在通过自然语言处理（NLP）、多模态交互及实时数据分析能力，为骑手打造专属智能伙伴，全面覆盖骑手的配送场景，提升骑手的效率和体验。 面向饿了么蓝骑士，“小饿”具有三大核心能力： 语音交互与智能响应，支持语音唤醒，可直接完成接单、确认到店、查询活动等操作，减少手动点击步骤，提升操作效率 多维度主动服务，通过实时分析骑手位置、订单状态及环境数据，主动推送权益提醒（如福利领取）、天气预警、路线封路提示等，降低配送风险 个性化智能分析，基于骑手历史数据与周边订单热力图，提供“哪里订单多”“当前收入预估”等智能分析，帮助骑手优化接单策略。 目前，AI“小饿”已在无锡、沈阳、佛山、苏州等城市上线，在这些城市，使用蜂鸟众包APP的蓝骑士已可使用。原本需要自己操作手机界面，有了AI助手，通过“小饿小饿”唤醒后，骑手“接取送达”都可以通过语音确认来完成。
2025-04-25
优秀的个人博客,低调大师

十一来临，国内有哪些手机智能助手帮你出行？

手机语音助手已发展多年，随着近几年机器学习的发展，语音助手在语音识别、语义理解等方面已经有了很大的发展。Siri、小娜这些我们都已经听过很多了，但在国内，手机端智能助手有哪些呢？它们现在的表现如何呢？我们以十一假期五个场景来做一番比较。 注：为了方便比较，四家手机智能助手皆为客户端APP Part 1 界 面 可以看出以上四家在界面设计上，出门问问使用酷黑色，整体看起来比较炫酷。另外几家（度秘、灵犀、深思考）则使用白色或者浅灰色作为背景。 Part 2 老友相聚要撸串 情景：十一假期是一次难得的多年老友聚会撸串的机会，让我们试试四家助手怎么带你去撸串～ 三轮对话： >> 附近有什么好吃的？（意图识别） >> （饭店名）怎么样？（个性化推荐） >> 给我导航一下 出门问问在第一轮中识别出用户的意图，并接入第三方软件“
2017-10-23
优秀的个人博客,低调大师

HBase在滴滴出行的应用场景和最佳实践

背景 对接业务类型 HBase是建立在Hadoop生态之上的Database，源生对离线任务支持友好，又因为LSM树是一个优秀的高吞吐数据库结构，所以同时也对接了很多线上业务。在线业务对访问延迟敏感，并且访问趋向于随机，如订单、客服轨迹查询。离线业务通常是数仓的定时大批量处理任务，对一段时间内的数据进行处理并产出结果，对任务完成的时间要求不是非常敏感，并且处理逻辑复杂，如天级别报表、安全和用户行为分析、模型训练等。 数据类型 HBase在滴滴主要存放了以下四种数据类型: 统计结果、报表类数据：主要是运营、运力情况、收入等结果，通常需要配合Phoenix进行SQL查询。数据量较小，对查询的灵活性要求高，延迟要求一般。 原始事实类数据：如订单、司机乘客的GPS轨迹、日志等，主要用作在线和离线的数据供给。数据量大，对一致性和可用性要求高，延迟敏感，实时写入，单点或批量查询。 中间结果数据：指模型训练所需要的数据等。数据量大，可用性和一致性要求一般，对批量查询时的吞吐量要求高。 线上系统的备份数据：用户把原始数据存在了其他关系数据库或文件服务，把HBase作为一个异地容灾的方案。 使用场景介绍 场景一：订单事件 这份数据使用过滴滴产品的用户应该都接触过，就是App上的历史订单。近期订单的查询会落在Redis，超过一定时间范围，或者当Redis不可用时，查询会落在HBase上。业务方的需求如下： 在线查询订单生命周期的各个状态，包括status、event_type、order_detail等信息。主要的查询来自于客服系统。 在线历史订单详情查询。上层会有Redis来存储近期的订单，当Redis不可用或者查询范围超出Redis，查询会直接落到HBase。 离线对订单的状态进行分析。 写入满足每秒10K的事件，读取满足每秒1K的事件，数据要求在5s内可用。 图1 订单流数据流程 按照这些要求，我们对Rowkey做出了下面的设计，都是很典型的scan场景。 订单状态表:Rowkey：reverse(order_id) + (MAX_LONG - TS) Columns：该订单各种状态 订单历史表:Rowkey：reverse(passenger_id | driver_id) + (MAX_LONG - TS) Columns：用户在时间范围内的订单及其他信息 场景二：司机乘客轨迹 这也是一份滴滴用户关系密切的数据，线上用户、滴滴的各个业务线和分析人员都会使用。举几个使用场景上的例子：用户查看历史订单时，地图上显示所经过的路线；发生司乘纠纷，客服调用订单轨迹复现场景；地图部门用户分析道路拥堵情况。 图2 司乘轨迹数据流程 业务方提出的需求： 满足App用户或者后端分析人员的实时或准实时轨迹坐标查询； 满足离线大规模的轨迹分析； 满足给出一个指定的地理范围，取出范围内所有用户的轨迹或范围内出现过的用户。 其中，关于第三个需求，地理位置查询，我们知道MongoDB对于这种地理索引有源生的支持，但是在滴滴这种量级的情况下可能会发生存储瓶颈，HBase存储和扩展性上没有压力但是没有内置类似MongoDB地理位置索引的功能，没有就需要我们自己实现。通过调研，了解到关于地理索引有一套比较通用的GeohHash算法 。 GeoHash是将二维的经纬度转换成字符串，每一个字符串代表了某一矩形区域。也就是说，这个矩形区域内所有的点（经纬度坐标）都共享相同的GeoHash字符串，比如说我在悠唐酒店，我的一个朋友在旁边的悠唐购物广场，我们的经纬度点会得到相同的GeoHash串。这样既可以保护隐私（只表示大概区域位置而不是具体的点），又比较容易做缓存。 图3 GeoHash示意图 但是我们要查询的范围和GeohHash块可能不会完全重合。以圆形为例，查询时会出现如图4所示的一半在GeoHash块内，一半在外面的情况（如A、B、C、D、E、F、G等点）。这种情况就需要对GeoHash块内每个真实的GPS点进行第二次的过滤，通过原始的GPS点和圆心之间的距离，过滤掉不符合查询条件的数据。 图4 范围查询时，边界GeoHash块示意图 最后依据这个原理，把GeoHash和其他一些需要被索引的维度拼装成Rowkey，真实的GPS点为Value，在这个基础上封装成客户端，并且在客户端内部对查询逻辑和查询策略做出速度上的大幅优化，这样就把HBase变成了一个MongoDB一样支持地理位置索引的数据库。如果查询范围非常大（比如进行省级别的分析），还额外提供了MR的获取数据的入口。 两种查询场景的Rowkey设计如下： 单个用户按订单或时间段查询： reverse(user_id) + (Integer.MAX_LONG-TS/1000) 给定范围内的轨迹查询：reverse(geohash) + ts/1000 + user_id 场景三：ETA ETA是指每次选好起始和目的地后，提示出的预估时间和价格。提示的预估到达时间和价格，最初版本是离线方式运行，后来改版通过HBase实现实时效果，把HBase当成一个KeyValue缓存，带来了减少训练时间、可多城市并行、减少人工干预的好处。 整个ETA的过程如下： 模型训练通过Spark Job，每30分钟对各个城市训练一次； 模型训练第一阶段，在5分钟内，按照设定条件从HBase读取所有城市数据； 模型训练第二阶段在25分钟内完成ETA的计算； HBase中的数据每隔一段时间会持久化至HDFS中，供新模型测试和新的特征提取。 Rowkey：salting+cited+type0+type1+type2+TS Column：order, feature图5 ETA数据流程 场景四：监控工具DCM 用于监控Hadoop集群的资源使用（Namenode，Yarn container使用等），关系数据库在时间维度过程以后会产生各种性能问题，同时我们又希望可以通过SQL做一些分析查询，所以使用Phoenix，使用采集程序定时录入数据，生产成报表，存入HBase，可以在秒级别返回查询结果，最后在前端做展示。图6 DCM数据流程 图7、图8、图9是几张监控工具的用户UI，数字相关的部分做了模糊处理。图7 DCM HDFS按时间统计使用全量和增量 图8 DCM HDFS按用户统计文件数 图9 DCM，MR Job运行结果统计 滴滴在HBase对多租户的管理 我们认为单集群多租户是最高效和节省精力的方案，但是由于HBase对多租户基本没有管理，使用上会遇到很多问题：在用户方面比如对资源使用情况不做分析、存储总量发生变化后不做调整和通知、项目上线下线没有计划、想要最多的资源和权限等；我们平台管理者也会遇到比如线上沟通难以理解用户的业务、对每个接入HBase的项目状态不清楚、不能判断出用户的需求是否合理、多租户在集群上发生资源竞争、问题定位和排查时间长等。 针对这些问题，我们开发了DHS系统（Didi HBase Service）进行项目管理，并且在HBase上通过Namespace、RS Group等技术来分割用户的资源、数据和权限。通过计算开销并计费的方法来管控资源分配。图10 DHS项目表监控 DHS主要有下面几个模块和功能： 项目生命周期管理：包括立项、资源预估和申请、项目需求调整、需求讨论； 用户管理：权限管理，项目审批； 集群资源管理； 表级别的使用情况监控：主要是读写监控、memstore、blockcache、locality。 当用户有使用HBase存储的需求，我们会让用户在DHS上注册项目。介绍业务的场景和产品相关的细节，以及是否有高SLA要求。 之后是新建表以及对表性能需求预估，我们要求用户对自己要使用的资源有一个准确的预估。如果用户难以估计，我们会以线上或者线下讨论的方式与用户讨论帮助确定这些信息。 然后会生成项目概览页面，方便管理员和用户进行项目进展的跟踪。 HBase自带的jxm信息会汇总到Region和RegionServer级别的数据，管理员会经常用到，但是用户却很少关注这个级别。根据这种情况我们开发了HBase表级别的监控，并且会有权限控制，让业务RD只能看到和自己相关的表，清楚自己项目表的吞吐及存储占用情况。 通过DHS让用户明确自己使用资源情况的基础之上，我们使用了RS Group技术，把一个集群分成多个逻辑子集群，可以让用户选择独占或者共享资源。共享和独占各有自己的优缺点，如表1。 表1 多租户共享和独占资源的优缺点 根据以上的情况，我们在资源分配上会根据业务的特性来选择不同方案： 对于访问延迟要求低、访问量小、可用性要求低、备份或者测试阶段的数据：使用共享资源池； 对于延迟敏感、吞吐要求高、高峰时段访问量大、可用性要求高、在线业务：让其独占一定机器数量构成的RegionServer Group资源，并且按用户预估的资源量，额外给出20%~30%的余量。 最后我们会根据用户对资源的使用，定期计算开销并向用户发出账单。 RS Group RegionServer Group，实现细节可以参照HBase HBASE-6721这个Patch。滴滴在这个基础上作了一些分配策略上的优化，以便适合滴滴业务场景的修改。RS Group简单概括是指通过分配一批指定的RegionServer列表，成为一个RS Group，每个Group可以按需挂载不同的表，并且当Group内的表发生异常后，Region不会迁移到其他的Group。这样，每个Group就相当于一个逻辑上的子集群，通过这种方式达到资源隔离的效果，降低管理成本，不必为每个高SLA的业务线单独搭集群。图11 RS Group示意图 总结 在滴滴推广和实践HBase的工作中，我们认为至关重要的两点是帮助用户做出良好的表结构设计和资源的控制。有了这两个前提之后，后续出现问题的概率会大大降低。良好的表结构设计需要用户对HBase的实现有一个清晰的认识，大多数业务用户把更多精力放在了业务逻辑上，对架构实现知之甚少，这就需要平台管理者去不断帮助和引导，有了好的开端和成功案例后，通过这些用户再去向其他的业务方推广。资源隔离控制则帮助我们有效减少集群的数量，降低运维成本，让平台管理者从多集群无止尽的管理工作中解放出来，将更多精力投入到组件社区跟进和平台管理系统的研发工作中，使业务和平台都进入一个良性循环，提升用户的使用体验，更好地支持公司业务的发展。
2017-09-10
优秀的个人博客,低调大师

物联网（IoT）催生出行业新的竞争格局

不像以前的IT驱动的公司流程革新的竞争浪潮，本次竞争浪潮是智能连接产品利用嵌入式IT来创造价值。 智能连接产品的不同之处在于产品本身正在使革命成为可能。 他们的能力是释放新价值，改变公司和竞争态势。 智能连接产品代表了IT驱动竞争的第三浪潮。 过去，以价值链自动化和价值链整合来改变公司流程是支撑竞争的主要内容。 而智能连接产品不同。 因为IT实际上是嵌入到产品中，它改变了创造价值和竞争的本质。 图1、IT驱动的第三波竞争 随着制造企业成为硬件和软件的混合型公司，他们必须采取新的组织结构。 智能连接产品正在推动制造企业成为硬件和软件公司。 这一点非常重要，因为制造业公司是纯硬件或者以硬件为核心的公司，已经以类似的方式组织了几十年。 现在公司需要新的合作形式和全新的功能单位。 制造业公司必须发展四大功能组织： 1、统一数据组织：首席数据官领导这个组织，它捕获，聚合和分析整个组织的数据。 2、更紧密的IT与研发合作：这反映了在产品开发中对IT的新需求。 3、Dev-Ops： Dev-Ops组管理产品云；由于产品云故障导致智能连接产品停止运行，企业必须认真维护，升级和修复产品云中的错误。 4、客户成功管理：公司必须确保客户从产品中获得全部的价值。因此，营销正在发展演变成为客户成功管理。 下图是一种适应新形式的企业组织架构： 图2、一种新的组织结构 竞争格局正在由提供新功能的智能连接产品所重塑 彼此建立的智能连接产品提供的新功能： 1.监控：产品可以实时监控和报告自身及其环境信息，创造新的数据和见解。 2.控制：智能连接的产品可以通过嵌入其中的软件或者驻留在云中的软件进行控制。 用户具有前所未有的能力来定制产品功能和个性化交互。 产品的远程控制增加了员工的安全性，可以减少员工的数量。 3.优化： 算法和分析可以优化产品操作，容力的利用率和预测性维护。 4.自主：访问监控数据，远程控制和优化算法可以实现产品自主性。 这样可以实现自主操作，自我协调和自我诊断。 如下图所示： 图3、智能连接产品的新功能 许多公司面临的转型需要明确确定在物联网这一领域的目标和战略。这个策略需要权衡，必须在行政层面上定义创造一个独特的竞争地位，并与所有相关利益相关者沟通。没有正确或错误的答案，只有选择和必须相互加强，并为公司定义一个连贯而独特的整体战略位置。下面的10个战略选择框架可以帮助定义公司特定的战略（图4）。 图4、 物联网（IoT）的战略选择 首先一系列的问题是围绕产品和服务战略，首先是：公司应该寻求哪些能力？智能连接的产品大大扩展了潜在产品和服务能力的数量，但只是因为一家企业可以提供许多新功能，因此不能确保为公司产生利润的客户提供足够的价值。接下来的问题是如何通过确定在产品和云中嵌入多少功能来最好地提供这些新的产品和服务功能。像所需的响应时间，预期的网络可用性，用户界面的复杂性以及服务事件或产品升级的因素将影响这些决定。接下来的一系列问题是关于支持智能连接产品所需的技术基础设施。开发智能连接产品所需要的技术对制造公司通常是以前不存在的，因此公司需要对专业技能，技术和基础设施进行大量投资。通用电气和博世早期的一些先驱者通过大部分内部路标投入巨资，以获得先发优势，并保留对性能，功能和产品数据的更好控制。然而，正如英特尔在微处理器领域以及Oracle在数据库领域一样，专门从事智能连接产品技术组合的新公司已经出现。另外一个相关的问题是系统架构是选择开放的还是封闭的，虽然封闭的模式对公司控制和优化系统有明显的好处，但随着时间的推移，随着技术的普及，生态系统的发展和客户的选择也受到限制，预期封闭的方法会变得更具挑战性。 这些选择的最大影响之一是业务边界的不断扩大和转移。 例如，在农用设备行业，产品（如拖拉机）已经成为具有嵌入式技术的智能产品，可以与种植者，收割机和分蘖机构相连接。 更广泛地说，它们可以成为具有与灌溉，种子，肥料，天气模式等相关的数据的农场管理系统（“产品系统”）。 曾经是唯一目的的产品现在变成了整个系统和平台。 当这种情况发生时，竞争已经超出了农业设备，扩大到更广泛的行业了。如下图所示： 图5、正在扩大和转移的行业边界 - 一个农业设备的例子 物联网（IoT）的实现基础：物理世界的数字化 物联网实现的新业务模式的基础是物理世界的数字化。通过利用最先进的，横向扩展的大数据架构，经济高效地管理的数十亿个传感器所产生大量信息，为新的基于Internet的服务提供了基础。在这里成本效益可能是关键词：从远程信息处理到M2M，连接传感器和其他组件与后端数据库不是一个新的现象。然而，如我们在其它文章所讲述的那样，以前的解决方案是昂贵的，在范围和功能上都是有限的。随着诸如移动设备的处理器，（几乎）无处不在的无线通信基础设施，扩展的云数据管理以及物联网应用平台的出现等技术的进步似乎将有可能降低对物理世界创建实时数字图像的成本使之达到允许出现几种新的数据驱动的商业模式的水平。当然，整个物理世界的数据不会只是一个“挖掘”模式 - 我们预计会出现许多不同的数字模型，这些模型是由不同的应用场景，公司边界，合作伙伴生态系统以及其他参数所引发的。我们也期望这些不同的数字模式沿着我们前面描述的物联网的方向发展。使用混搭技术，可以集成不同的隔离的数字模型来形成更复杂的模型，这也有助于推动从事物的子集向物联网的转型。传感器和大数据实现的现实世界的这些实时数字模型将为许多不同的应用场景提供基础，其中许多应用场景目前甚至尚未知晓。 物联网（IoT）的成功关键：安全和数据隐私 围绕建立物理世界的数字模型的举措，包括收集新的客户的应用数据和产品数据，也为许多用户带来了担忧。安全性就是一个这样让人担心的问题。我们不仅需要确保后端中的所有这些“大”数据都以安全的方式进行管理;在分布式环境（如物联网（IoT））中，我们需要确保不同参与者之间的连接以及资产上运行的硬件和软件也处于安全状态下。Stuxnet病毒，最近全球爆发的“勒索”病毒以及2014年特斯拉模型S电动汽车的黑客入侵事件说明了这个问题将会变得何等重要。假设犯罪分子入侵了人质的心脏起搏器的情况，或者抓住了正在飞行中的飞机的控制权 ...... 而情况的另一面较少涉及外部入侵者和黑客，而更侧重于管理新获得的客户和产品数据的公司政策和治理过程。这里的一个方面要求要遵守不同国家的法规要求。另一方面是透明度和尊重客户权利和隐私。许多用户依靠Facebook和LinkedIn等社交网络服务使用他们的社交媒体数据来产生相关的更新和建议。然而，这些用户经常受到这些公司实施的复杂且不断变化的数据使用政策而感到沮丧。 鉴于物联网解决方案潜在可能获取的数据的性质 - 不仅仅是自愿提交的社会数据，而是由可能隐藏的传感器和其它重要系统所捕获的数据 - 对于物联网行业来说，尊重用户以及保护数据隐私，消除用户的担心。否则，客户将不会接受这些新的物联网解决方案的巨大风险。 物联网（IoT）的实现时机：为什么是现在 很多人会问：为什么现在？近十年来，我们一直在等待M2M市场的曲棍球式的增长曲线。为什么物联网现在会起飞？这个问题的答案部分原因与时机有关，部分原因是商业模式相关，而另外部分原因是与技术相关。近年来，我们可以看到，物联网（IoT）已经聚集了M2M从未有过的发展势头。诸如“福布斯”和“Der Spiegel”这样的商业杂志开始发表漫长的文章来专注这个话题，并且创造了高水平的知名度。现在，许多大型企业已经指示了他们的策略部门设计基于物联网的商业模式 - 即使我们仍然处于这方面的学习阶段，但是可以看到初步的业务成功，例如ZipCar，DriveNow，Car2Go，中国的共享单车Mobile，ofo等。大多数大型IT玩家现在提供专用的IoT实施服务，IoT中间件以及IoT硬件（或三者的组合）。最后，不同技术的组合似乎现在已经达到了管理物联网（IoT）解决方案的复杂性变得更加可行以及成本效益的临界点，这些技术和技术组合包括： 摩尔定律 不断增长的硬件性能使得嵌入式领域的抽象水平得到了提高，为语义丰富的嵌入式应用程序以及资产硬件与软件生命周期解耦提供了基础。智能手机的应用革命将会很快被复制到嵌入式领域。 无线技术 从ZigBee到蓝牙LE，从LTE / 4G到专门的低功耗，广域（LPWA）IoT通信网络，“永远在线”的资产和设备的基础已经可用或者正在部署到位 梅特卡夫法则 随着连接到IoT的节点数量的增加，信息以及其价值呈指数增长。随着越来越多的远程资产被连接，看起来我们正在达到一个临界点。 电池技术 不断改进的电池质量使从电动汽车到电池供电的信标等新的商业模式成为可能。 传感器技术 集成到多轴传感器和传感器集群中的越来越小且更节能的传感器，其中越来越多的预先安装在设备和资产中。 大数据技术 能够以可承受的成本获取，处理和分析大量传感器生成的数据的技术。 云 可扩展的全球平台，提供以数据为中心的服务，以实现新的IoT业务模型。 总结 虽然没有人确切知道到2020年将连接几十亿台设备，但是看起来这种增长的技术基础正在快速成熟，激发新的业务模式，并使其成为一个非常令人兴奋的工作领域。 本文转自d1net（转载）
2017-07-02

资源下载

更多资源
Spring

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

时间: 2026-08-21 大小: 5MB 下载: 2次
Rocky Linux

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

时间: 2026-08-21 大小: 1.42GB 下载: 6次
Sublime Text

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

时间: 2026-08-21 大小: 9.84MB 下载: 40次
WebStorm

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。

时间: 2025-12-13 大小: 249.54MB 下载: 22次
热门标签
DeepSeek Jdk25 OpenAi HarmonyOS6 Nacos3 SpringBoot4 SpringCloud Docker Kubernetes Service Mesh Redis Gemini3 Rocky

欢迎您来访！

登录后，您将获得更多功能！
热门文章
联系我们

有任何问题或合作意向欢迎联系我们

Email: 99873273@qq.com

QQ: 99873273

用户登录
用户注册