搜索[data]结果-低调大师优秀个人博客

精选列表

搜索[data]，共10000篇文章

阿里云大数据ACP认证知识点梳理9——产品特点（DATA WORKS）

DataWorks（数据工场，原大数据开发套件）是阿里云数加重要的PaaS平台产品，它提供全面托管的工作流服务，一站式开发管理的界面，帮助企业专注于数据价值的挖掘和探索。 DataWorks（数据工场）基于MaxCompute作为核心的计算、存储引擎，提供了海量数据的离线加工分析、数据挖掘的能力. 使用DataWorks（数据工场），可对数据进行数据传输、数据转换等相关操作，从不同的数据存储引入数据，对数据进行转化处理，最后将数据提取到其他数据系统。提供强大的调度能力，支持按照时间、依赖关系的任务触发机制，支持每日千万级别的任务按照DAG关系准确、准时运行。支持分钟、小时、天、周和月多种调度周期配置。（分钟的最小单位是5分钟）完全托管的服务，无需关心调度服务器资源问题。租户之间提供隔离，保证不同租户之间的任务不会相互影响。支持数据同步

2018-12-16

Streaming System 第二章：The What- Where- When- and How of Data Processing

本文由《Streaming System》一书第二章的提炼翻译而来，译者才疏学浅，如有错误，欢迎指正。转载请注明出处，侵权必究。本章主要介绍鲁棒的处理乱序数据的核心概念，这些概念的运用使流处理系统超越批处理系统的关键所在。路线图上一章中，我们介绍了两个非常关键的概念：事件时间和处理时间，只有在事件时间维度对数据进行处理，才能保证计算结果的准确性窗口：窗口是处理无界数据流的通用方法，目前共有4类窗口。接下来我们介绍其他三个同样非常重要的概念：触发器（Triggers）触发器是决定某个窗口何时输出的一种机制。作用跟照相机的快门相同，按下去，就能拿到某个时间点计算结果的快照。通过触发器，也能多次看到某个窗口的输出结果。因此可以实现迟到数据（late event）的处理。 Watermark（水印）Watermark是描述事件时间上数据完整

2018-12-02

思科发布Analytics Data Center一体机加速客户采用新技术

科将发布一款分析平台，让渠道合作伙伴可以更多地实时洞察客户的整个数据中心，另外，计划加速软件定义网络等新技术的采用。 Enterprise Networking Solutions Group of World Wide Technology是一家位于马里兰Maryland Heights的解决方案提供商，同时也是思科金牌合作伙伴，该公司实践负责人David Chandler表示：“这将客户迁移到更为现代化的技术，从这些传统的基于硬件的系统，到基于云和软件定义网络的系统。如果一位客户希望从传统网络迁移到基于策略的ACI网络，那么我们现在就拥有了成功实现这一点的信息和知识。” 思科花费两年时间开发这个Cisco Tetration Analytic平台，它可以安装在采用任何服务器、任何网络交换机的数据中心内，思科产品管理高级总监Yogesh Kaushik这样表示。 “这是一个完全开放的平台，旨在兼容客户使用的任何设备，”Kaushik在接受采访时表示。“它设计兼容第三方工具、平台、以及我们自己的一些产品，例如思科的安全产品组合、CliQr、ACI、其他SDN控制器——工具以调用[如AWS]公有云中的工作流。” 这与HPE采用的方法形成鲜明对比，HPE新的Internet of Thins Edgeline融合系统，实时收集网络边缘的数据。HPE高管将这种数据中心物联网模式定义为是有缺陷的，因为他们已经看到无法实时地收集数据和对数据进行操作。据思科称，Tetration设计旨在为企业机构提供对数据中心所有方面的全方位实时可见性，收集来自硬件和软件传感器的数据。然后它会使用机器学习技术分析信息，解决关键数据中心运营的问题——例如策略法规遵从和应用取证——，提供应用洞察、自动化策略推荐和网络流量取证，该公司称。一个Tetration一体机每秒可以监控最多1百万独立流量，可以在数秒内搜索数十亿个事件，该公司表示。 “此外它非常非常易于操作……这个一体机内的所有方面都是由我们的软件管理的，”Kaushik表示，他补充说Tetration的部署只需要几个小时。“我们以一种给合作伙伴带来便捷性的方式架构它……你不需要很多数据中心科学家和大数据工程师来部署这个平台。” Tetration是一款“一触式”的一体机，其中预装了服务器、交换机和软件。7月合作伙伴将开始售卖Tetration平台，这将是一款全堆栈的一体机，部署在客户数据中心内部。有合作伙伴表示，Tetration允许企业在他们的网络内实现软件定义网络或者更多软件流程，因为手机了更多可见性和洞察。这款平台让IT经理对数据中心有了新的理解，将简化运营可靠性，简化数据向软件定义网络解决方案和云的迁移，据思科称。 “它加速了客户对这些新技术的采用，”WWT的Chandler说，“因为这与你为每个经过带有传感器的网络的包所收集、吸收和分析的元数据是不可比拟的。” 解决方案提供商看到了把Tetration作为简单硬件、专业和咨询服务售卖的机会，帮助企业机构改善他们的网络，简化业务流程以变得更快速和更敏捷。 Sirius Computer Solutions是一家在德克萨斯州San Antonio的思科合作伙伴，该公司网络解决方案副总裁Brian Finzen表示：“数据中心是客户环境‘皇冠上的宝石’。流入和流出数据中心的传输流量是任务关键的，这让客户第一次能够看到数据中心发生内的一切——很多拥有大量金融资产的客户已经做到了这一点。管理这些资产是很巨大的工程。” Finzen表示，思科正在构建自己的渠道社区，为物联网相关的经常性收入服务。“有一个收集来自传感器的机器数据集群，所以这是以物联网为核心的打法，”他说， Tetration是思科向软件、分析和合作伙伴经常性收入商机发展的一个部分，思科美洲合作伙伴部门高级总监Nirav Sheth表示。Sheth表示，所有思科的传统盈利项目例如VIP都将运用Tetration。 “这对于合作伙伴附加更多咨询和专业服务来说是一个机会，而且为客户提供了端到端洞察，让他们有信心迁移到下一代基础设施——不管是基于ACI，还是Nexus 9K单机或者计算升级，”Sheth说。“这对于渠道来说是一个巨大的机会。” 本文出处：畅享网本文来自云栖社区合作伙伴畅享网，了解相关信息可以关注vsharing.com网站。

2018-05-22

副本机制与副本同步------《Designing Data-Intensive Applications》读书笔记6

Leader-Follower机制许多关系数据库在同步副本时使用这样的机制，如PostgreSQL，MySQL，Oracle Data Guard 和SQL Server。

2018-01-18

Android Studio 解决 Error: /data/local/tmp/com.mazaiting.imgtomp4test安装失...

问题异常: $ adb push F:\test\ImgToMp4Test\app\build\outputs\apk\app-debug.apk /data/local/tmp/com.mazaiting.imgtomp4test

2018-01-12

openstack 云主机关机：ournal: End of file while reading data: Input/output e...

问题现象描述：某个集群环境每天出现一台机器关机现象，随机发生，经过排查解决问题，为大家提供方便环境：集群环境：openstack ＋ ceph 融合集群，版本：Mitaka＋jewel 网络环境：网卡10G＋bond0(主备模式) 版本：centos7.3 message 错误日志： 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Aug3016:45:14lxx-4-5journal:internalerror:Endof file frommonitor Aug3016:45:14lxx-4-5avahi-daemon[2412]:Withdrawingaddressrecord for fe80::fc16:3eff:fef3:5076onvnet5. Aug3016:45:14lxx-4-5kernel:vlan206:port3(vnet5)entereddisabledstate Aug3016:45:14lxx-4-5kvm:10guestsnowactive Aug3016:45:14lxx-4-5avahi-daemon[2412]:Withdrawingworkstationservice for vnet5. Aug3016:45:14lxx-4-5kernel:devicevnet5leftpromiscuousmode Aug3016:45:14lxx-4-5kernel:vlan206:port3(vnet5)entereddisabledstate Aug3016:45:14lxx-4-5systemd:autolog.serviceholdoff time over,schedulingrestart. Aug3016:45:14lxx-4-5systemd:StartedAutolog. Aug3016:45:14lxx-4-5systemd:StartingAutolog... Aug3016:45:14lxx-4-5systemd-machined:Machineqemu-22-instance-000002c9terminated. Aug3016:45:14lxx-4-5autolog:Don'thavemasterprocess. Aug3016:45:15l22-4-5journal:Endof file while readingdata:Input /output error Aug3016:45:15lxx-4-5systemd:autolog.serviceholdoff time over,schedulingrestart. Aug3016:45:15lxx-4-5systemd:StartedAutolog. Aug3016:45:15lxx-4-5systemd:StartingAutolog... Aug3016:45:15lxx-4-5autolog:Don'thavemasterprocess. Aug3016:45:15lxx-4-5systemd:autolog.serviceholdoff time over,schedulingrestart. Aug3016:45:15lxx-4-5systemd:StartedAutolog. Aug3016:45:15lxx-4-5systemd:StartingAutolog... openstack-compute 关键日志： 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 2017 - 08 - 30 16 : 45 : 20.952 110867 DEBUGnova.compute.manager[req-0602316d-944c-42b4-9d3c-7d1b0e513765-----][instance:26f48b2e-f648-42e2- 8133 -7ebc060fd7ae]Updatedthenetworkinfo_cache for instance_heal_instance_info_cache/usr/lib/python2. 7 /site-packages/nova/compute/manager.py: 5803 2017 - 08 - 30 16 : 45 : 30.033 110867 DEBUGnova.virt.driver[-]Emittingevent<LifecycleEvent: 1504082715.03 ,08330b10-f106- 4737 -b9db-0e45c84abb2e=>Stopped>emit_event/usr/lib/python2. 7 /site-packages/nova/virt/driver.py: 1443 2017 - 08 - 30 16 : 45 : 30.034 110867 INFOnova.compute.manager[-][instance:08330b10-f106- 4737 -b9db-0e45c84abb2e]VMStopped(LifecycleEvent) 2017 - 08 - 30 16 : 45 : 30.076 110867 DEBUGnova.compute.manager[req-5998b542-495c-41f2- 8010 -7f1c426f0127-----][instance:08330b10-f106- 4737 -b9db-0e45c84abb2e]Checkingstate_get_power_state/usr/lib/python2. 7 /site-packages/nova/compute/manager.py: 1347 2017 - 08 - 30 16 : 45 : 30.079 110867 DEBUGnova.compute.manager[req-5998b542-495c-41f2- 8010 -7f1c426f0127-----][instance:08330b10-f106- 4737 -b9db-0e45c84abb2e]Synchronizinginstancepowerstateafterlifecycleevent "Stopped" ;currentvm_state:active,currenttask_state:None,currentDBpower_state: 1 ,VMpower_state: 4 handle_lifecycle_event/usr/lib/python2. 7 /site-packages/nova/compute/manager.py: 1276 2017 - 08 - 30 16 : 45 : 30.119 110867 INFOnova.compute.manager[req-5998b542-495c-41f2- 8010 -7f1c426f0127-----][instance:08330b10-f106- 4737 -b9db-0e45c84abb2e]During_sync_instance_power_statetheDBpower_state( 1 )doesnotmatchthevm_power_statefromthehypervisor( 4 ).Updatingpower_state in theDBtomatchthehypervisor. 2017 - 08 - 30 16 : 45 : 30.177 110867 WARNINGnova.compute.manager[req-5998b542-495c-41f2- 8010 -7f1c426f0127-----][instance:08330b10-f106- 4737 -b9db-0e45c84abb2e]Instanceshutdownbyitself.CallingthestopAPI.Currentvm_state:active,currenttask_state:None,originalDBpower_state: 1 ,currentVMpower_state: 4 2017 - 08 - 30 16 : 45 : 30.178 110867 DEBUGnova.compute.api[req-5998b542-495c-41f2- 8010 -7f1c426f0127-----][instance:08330b10-f106- 4737 -b9db-0e45c84abb2e]Goingto try tostopinstanceforce_stop/usr/lib/python2. 7 /site-packages/nova/compute/api.py: 1954 2017 - 08 - 30 16 : 45 : 30.267 110867 DEBUGoslo_concurrency.lockutils[req-5998b542-495c-41f2- 8010 -7f1c426f0127-----]Lock "08330b10-f106-4737-b9db-0e45c84abb2e" acquiredby "nova.compute.manager.do_stop_instance" ::waited 0 .000sinner/usr/lib/python2. 7 /site-packages/oslo_concurrency/lockutils.py: 270 2017 - 08 - 30 16 : 45 : 30.268 110867 DEBUGnova.compute.manager[req-5998b542-495c-41f2- 8010 -7f1c426f0127-----][instance:08330b10-f106- 4737 -b9db-0e45c84abb2e]Checkingstate_get_power_state/usr/lib/python2. 7 /site-packages/nova/compute/manager.py: 1347 2017 - 08 - 30 16 : 45 : 30.270 110867 DEBUGnova.compute.manager[req-5998b542-495c-41f2- 8010 -7f1c426f0127-----][instance:08330b10-f106- 4737 -b9db-0e45c84abb2e]Stoppinginstance;currentvm_state:active,currenttask_state:powering-off,currentDBpower_state: 4 ,currentVMpower_state: 4 do_stop_instance/usr/lib/python2. 7 /site-packages/nova/compute/manager.py: 2545 2017 - 08 - 30 16 : 45 : 30.270 110867 INFOnova.compute.manager[req-5998b542-495c-41f2- 8010 -7f1c426f0127-----][instance:08330b10-f106- 4737 -b9db-0e45c84abb2e]Instance is alreadypoweredoff in thehypervisorwhenstop is called. 2017 - 08 - 30 16 : 45 : 30.271 110867 DEBUGnova.objects.instance[req-5998b542-495c-41f2- 8010 -7f1c426f0127-----]Lazy-loading 'metadata' onInstanceuuid08330b10-f106- 4737 -b9db-0e45c84abb2eobj_load_attr/usr/lib/python2. 7 /site-packages/nova/objects/instance.py: 895 2017 - 08 - 30 16 : 45 : 30.314 110867 INFOnova.virt.libvirt.driver[req-5998b542-495c-41f2- 8010 -7f1c426f0127-----][instance:08330b10-f106- 4737 -b9db-0e45c84abb2e]Instancealreadyshutdown. 2017 - 08 - 30 16 : 45 : 30.318 110867 INFOnova.virt.libvirt.driver[-][instance:08330b10-f106- 4737 -b9db-0e45c84abb2e]Instancedestroyedsuccessfully. 关键日志： 1 2 3 message:Aug 30 16 : 45 : 15 l22- 4 - 5 journal:Endoffile while readingdata:Input/outputerror Openstack-compute: 2017 - 08 - 30 16 : 45 : 30.034 110867 INFOnova.compute.manager[-][instance:08330b10-f106- 4737 -b9db-0e45c84abb2e]VMStopped(LifecycleEvent) 解决办法： 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 升级libvirt版本： libvirt-daemon-driver-secret- 2.0 . 0 - 10 .el7_3. 9 .x86_64 libvirt-daemon-lxc- 2.0 . 0 - 10 .el7_3. 9 .x86_64 libvirt-daemon-driver-lxc- 2.0 . 0 - 10 .el7_3. 9 .x86_64 libvirt-python- 2.0 . 0 - 2 .el7.x86_64 libvirt-daemon- 2.0 . 0 - 10 .el7_3. 9 .x86_64 libvirt-lock-sanlock- 2.0 . 0 - 10 .el7_3. 9 .x86_64 libvirt-daemon-driver-storage- 2.0 . 0 - 10 .el7_3. 9 .x86_64 libvirt-gobject- 0.2 . 3 - 1 .el7.x86_64 libvirt-nss- 2.0 . 0 - 10 .el7_3. 9 .x86_64 libvirt-daemon-driver-nwfilter- 2.0 . 0 - 10 .el7_3. 9 .x86_64 libvirt-gconfig- 0.2 . 3 - 1 .el7.x86_64 libvirt-snmp- 0.0 . 3 - 5 .el7.x86_64 libvirt-daemon-driver-nodedev- 2.0 . 0 - 10 .el7_3. 9 .x86_64 libvirt-glib-devel- 0.2 . 3 - 1 .el7.x86_64 libvirt-gobject-devel- 0.2 . 3 - 1 .el7.x86_64 libvirt-java-javadoc- 0.4 . 9 - 4 .el7.noarch libvirt-daemon-driver-qemu- 2.0 . 0 - 10 .el7_3. 9 .x86_64 libvirt-daemon-kvm- 2.0 . 0 - 10 .el7_3. 9 .x86_64 libvirt-gconfig-devel- 0.2 . 3 - 1 .el7.x86_64 libvirt-login-shell- 2.0 . 0 - 10 .el7_3. 9 .x86_64 libvirt-client- 2.0 . 0 - 10 .el7_3. 9 .x86_64 libvirt-daemon-driver- interface - 2.0 . 0 - 10 .el7_3. 9 .x86_64 libvirt-devel- 2.0 . 0 - 10 .el7_3. 9 .x86_64 libvirt-cim- 0.6 . 3 - 19 .el7.x86_64 libvirt-glib- 0.2 . 3 - 1 .el7.x86_64 libvirt-java-devel- 0.4 . 9 - 4 .el7.noarch libvirt-daemon-driver-network- 2.0 . 0 - 10 .el7_3. 9 .x86_64 libvirt-docs- 2.0 . 0 - 10 .el7_3. 9 .x86_64 libvirt-daemon-config-nwfilter- 2.0 . 0 - 10 .el7_3. 9 .x86_64 libvirt- 2.0 . 0 - 10 .el7_3. 9 .x86_64 libvirt-daemon-config-network- 2.0 . 0 - 10 .el7_3. 9 .x86_64 libvirt-java- 0.4 . 9 - 4 .el7.noarch 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 升级qemu版本 qemu-system-lm32- 2.0 . 0 - 1 .el7. 6 .x86_64 ipxe-roms-qemu- 20160127 - 5 .git6366fa7a.el7.noarch qemu-system-cris- 2.0 . 0 - 1 .el7. 6 .x86_64 qemu-system-x86- 2.0 . 0 - 1 .el7. 6 .x86_64 qemu-kvm-tools- 1.5 . 3 - 126 .el7_3. 10 .x86_64 qemu-system-xtensa- 2.0 . 0 - 1 .el7. 6 .x86_64 qemu-system-arm- 2.0 . 0 - 1 .el7. 6 .x86_64 qemu-system-s390x- 2.0 . 0 - 1 .el7. 6 .x86_64 qemu-system-sh4- 2.0 . 0 - 1 .el7. 6 .x86_64 qemu-kvm-common- 1.5 . 3 - 126 .el7_3. 10 .x86_64 qemu-user- 2.0 . 0 - 1 .el7. 6 .x86_64 qemu-system-unicore32- 2.0 . 0 - 1 .el7. 6 .x86_64 libvirt-daemon-driver-qemu- 2.0 . 0 - 10 .el7_3. 9 .x86_64 qemu-guest-agent- 2.5 . 0 - 3 .el7.x86_64 qemu-common- 2.0 . 0 - 1 .el7. 6 .x86_64 qemu-system-or32- 2.0 . 0 - 1 .el7. 6 .x86_64 qemu-kvm- 1.5 . 3 - 126 .el7_3. 10 .x86_64 qemu-system-moxie- 2.0 . 0 - 1 .el7. 6 .x86_64 qemu-img- 1.5 . 3 - 126 .el7_3. 10 .x86_64 qemu-system-m68k- 2.0 . 0 - 1 .el7. 6 .x86_64 qemu-system-alpha- 2.0 . 0 - 1 .el7. 6 .x86_64 qemu-system-microblaze- 2.0 . 0 - 1 .el7. 6 .x86_64 qemu-system-mips- 2.0 . 0 - 1 .el7. 6 .x86_64 qemu- 2.0 . 0 - 1 .el7. 6 .x86_64 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 升级kernel [root@~]#rpm-qa|grepkernel kernel- 3.10 . 0 - 514.26 . 2 .el7.x86_64 kernel-tools-libs- 3.10 . 0 - 514.26 . 2 .el7.x86_64 kernel-devel- 3.10 . 0 - 327.36 . 3 .el7.x86_64 kernel-tools- 3.10 . 0 - 514.26 . 2 .el7.x86_64 kernel-devel- 3.10 . 0 - 123 .el7.x86_64 kernel- 3.10 . 0 - 327.36 . 3 .el7.x86_64 abrt-addon-kerneloops- 2.1 . 11 - 45 .el7.centos.x86_64 kernel- 3.10 . 0 - 514.2 . 2 .el7.x86_64 kernel- 3.10 . 0 - 123 .el7.x86_64 kernel- 3.10 . 0 - 327.22 . 2 .el7.x86_64 kernel-devel- 3.10 . 0 - 327.22 . 2 .el7.x86_64 kernel-devel- 3.10 . 0 - 514.26 . 2 .el7.x86_64 kernel-devel- 3.10 . 0 - 514.2 . 2 .el7.x86_64 kernel-headers- 3.10 . 0 - 514.26 . 2 .el7.x86_64 [root@~]#uname-r 3.10 . 0 - 514.26 . 2 .el7.x86_64 注意：升级版本之后一定要重启，才能成功，重启服务无效！！！本文转自 swq499809608 51CTO博客，原文链接:http://blog.51cto.com/swq499809608/1962081

2017-11-11

data-packed volume container - 每天5分钟玩转 Docker 容器技术（43）

当然可以，通常我们称这种容器为 data-packed volume container。其原理是将数据打包到镜像中，然后通过 docker managed volume 共享。

2017-07-18

Data Volume 之 bind mount - 每天5分钟玩转 Docker 容器技术（39）

storage driver 和 data volume 是容器存放数据的两种方式，上一节我们学习了 storage driver，本节开始讨论 Data Volume。

2017-07-09

Node.js 中处理大文件上传：流式解析 multipart/form-data 的实践

在 Node.js 服务端处理文件上传时，multipart/form-data 是最常见的请求格式。

2026-11-08

关于DATA+AI平台一体化技术架构怎么选，解法汇总

今年“DATA+AI平台推荐”之所以频繁出现在选型讨论里，本质是企业开始要求一套能把数据、AI、算力与业务串起来的底座，而不是再拼一套松耦合的组合。

2026-10-29

Data Agent 选型横评：AI 问数准不准，先看语义、口径与验证机制

** 过去一年我看了太多 Data Agent 的选型讨论，几乎都陷在同一个误区里：把"问数准确"等价于"Text-to-SQL 准确率"，然后用 BIRD、Spider 这些学术榜单给产品排座次。

2026-10-29

指标平台与 Data Agent 协同指南：如何让 AI 问数调用可信指标

如果只有 Data Agent，没有可信指标，AI 会不断猜；如果只有指标平台，没有 Data Agent，企业依然要靠人去围绕指标做二次分析。

2026-09-17

腾讯云大数据接入 WorkBuddy：为 Agent 平台引入 Data+AI 专业智能体

业务人员想查看经营指标，需要提交需求、等待数据团队排期；数据工程师遇到任务问题，需要在日志、配置和监控之间反复定位；运维人员面对集群告警，则要逐一检查实例状态、节点指标和服务日志，再判断是否需要调整配置或重启服务。随着数据平台日益复杂，不同角色都在面对同一个问题：大数据引擎能力越来越强，但使用这些能力所需的专业知识、操作步骤和协作投入也在增加。与此同时，以 WorkBuddy 为代表的泛生产力 Agent 平台，正在覆盖越来越广的办公人群。当越来越多的人习惯用对话完成工作，一个现实的问题浮现出来：泛 Agent 平台能聊天、能写文档，但要做真正企业级的数据分析，还需要专业的东西——专业的数据引擎，和懂数据的专业 Agent。现在，**腾讯云大数据接入 WorkBuddy，将大数据引擎能力和专业数据 Agent 带入日常工作界面**。 # **全面接入：六款引擎，两种形态** 腾讯云大数据接入 WorkBuddy，覆盖弹性 MapReduce（EMR）、数据湖计算（DLC）、腾讯云 Elasticsearch Service（ES）、云数据仓库 TCHouse-C、TCHouse-D、TCHouse-X 六款大数据引擎，提供"连接器"与"专家"两种形态。 ![](https://developer.qcloudimg.com/http-save/audit-1920198/f5c6ddd5c7f3186b4c0ba420c48fd17c.webp) ## **形态一：连接器——WorkBuddy 的 Agent，获得了操作引擎的工具。** 各引擎的控制面与数据面能力被封装为标准工具与技能，接入 WorkBuddy 连接器模块。用户面对的是 WorkBuddy 的 Agent，但它手中多了操作数据引擎的真实工具：查询集群、分析日志、执行 SQL、诊断任务。用户只需描述目标，WorkBuddy 的 Agent 会选择合适的引擎工具，配合专业技能完成执行。 ## **形态二：专家与专家团——腾讯云大数据的专业 Agent，进驻 WorkBuddy。** 三位内置专家由腾讯云大数据基于微调模型打造，自带大数据领域知识与任务方法。用户召唤的不是 WorkBuddy 的通用助手，而是懂数据的专业 Agent 本人。对于同时涉及分析、工程、运维多个角色的复杂任务，三位专家可组成"大数据专家团队"分工协作——专家团是专家的协作组合，而非独立于两者之外的第三种形态。简单来说：**连接器解决"调用什么引擎能力"，专家解决"如何更好地完成任务"，专家团解决"如何协作完成复杂任务"。** 对 WorkBuddy 的用户而言，这次接入意味着在日常工作的平台上，可以直接获得企业级数据引擎和专业数据 Agent 的支持——数据分析不再必须切换到另一套系统、另一套语言。 # **三个场景：从一次查询到一个完整任务** 数据是一座金矿，但过去挖矿的工具只掌握在少数人手里。现在，通过 WorkBuddy，这些工具以对话的方式递到更多人面前。 ![](https://developer.qcloudimg.com/http-save/audit-1920198/7744ba6aab5ff89ad8cb27c14565fa1c.png) ## **场景一：业务人员通过对话自助完成数据分析** 传统业务查数通常从提交需求开始。业务人员描述问题，数据团队确认指标口径、寻找数据、编写 SQL，再将查询结果整理后返回。即使是常规分析，也可能涉及多轮沟通。接入 WorkBuddy 后，业务人员可以直接向大数据分析专家提出： > 分析过去七天各渠道的新增用户和付费转化情况，找出异常变化，并给出可能原因。大数据分析专家会先确认指标定义、时间范围和分析维度，再调用已授权的数据引擎探查表结构、生成并执行 SQL，对查询结果进行比较、归纳和解释。用户还可以继续追问："按地区进一步拆分，重点分析华南地区转化下降的原因。"整个分析过程都在同一段对话中连续完成。业务人员不需要预先掌握数据表结构、SQL 语法或引擎操作路径，即可从业务问题出发获得数据结果和分析结论。 ![](https://developer.qcloudimg.com/http-save/audit-1920198/5b1fd48071808fd9ac695283506dea3b.png) ## **场景二：工程和运维人员通过对话完成问题诊断** 数据任务异常通常不只需要查看一项信息。工程师和运维人员可能要依次检查任务状态、运行日志、集群负载、服务健康度和配置参数，才能逐步缩小问题范围。现在，用户可以直接向大数据工程专家或大数据智能管家描述问题： > 昨晚的 Spark 任务耗时明显增加，请检查任务和集群状态，定位可能的性能瓶颈。以 EMR 为例，专家可以查询集群实例、运行日志和健康状态，进一步诊断 HDFS、YARN、ZooKeeper 等服务，并分析 Spark 数据倾斜或 StarRocks 引擎错误。以 TCHouse 为例，专家可以查询集群监控指标、节点状态、任务进度、告警事件、配置参数和 SQL 执行统计，判断异常来自资源负载、查询执行还是集群状态。专家不仅返回分散的指标和日志，还会围绕问题组织诊断步骤、归纳关键线索，并给出处理顺序。在用户授权和确认后，还可以继续执行服务重启、配置下发等管控操作。 ## **场景三：专家团队在统一平台内完成跨流程复杂任务** 复杂任务不一定意味着跨越多个引擎。更常见的情况是：在同一个平台内，一个目标同时涉及数据分析、数据工程和平台运维等多个流程。例如，用户可以围绕 EMR 平台提出： > 昨天核心业务报表产出延迟，请分析影响范围，定位数据任务问题，检查平台运行状态，并给出修复和优化方案。这是一个完整任务，而不是一次简单查询。它可能同时包含：分析报表和关键指标的延迟情况，判断业务影响范围；检查相关 Spark、Hive 等数据任务的运行记录与处理链路；分析是否存在数据倾斜、任务失败或执行效率下降；检查 HDFS、YARN、ZooKeeper 等服务及集群资源状态；汇总问题原因，制定修复顺序和后续优化方案。面对这类任务，用户可以召唤"大数据专家团队"：大数据分析专家负责分析数据产出情况和业务影响；大数据工程专家负责检查任务链路、作业逻辑和性能问题；大数据智能管家负责检查集群健康、资源负载和服务状态。三位专家围绕同一个平台、同一个任务目标分工协作，最终形成统一的诊断结论和处置建议。这一场景的核心，不是把多个系统简单连接起来，而是在统一平台内打通不同角色和工作流程，让 Agent 专家团队从"回答一个问题"进一步升级为"交付一个完整任务"。 ![](https://developer.qcloudimg.com/http-save/audit-1920198/3088b66aa90be8fadcd4f22787bcea8d.webp) # **从功能操作，到目标驱动** 腾讯云大数据接入 WorkBuddy，带来的不只是使用链路缩短，而是大数据引擎使用方式的一次升级。 ![](https://developer.qcloudimg.com/http-save/audit-1920198/3ab9d1332131dd28cad1a8ed5fe06089.png) 过去，用户需要进入不同引擎的控制台，理解产品概念和功能路径，再通过 SQL、配置或运维工具完成操作。现在，用户可以从任务目标出发，用自然语言直接调用引擎能力或专业专家。 **大数据引擎的使用方式，由此从"人理解系统、寻找功能"，升级为"Agent 理解目标、组织能力并执行任务"。** 这个变化带来三个直接结果：业务人员可以自助完成部分数据分析，不必再把每个取数需求提交给数据开发排期；工程师可以更快完成信息收集和问题定位，从反复切换系统、复制信息、手工串联分析过程中解放出来；原本依赖专家经验的集群诊断、SQL 优化、执行计划分析等能力，被沉淀进 Agent，覆盖到组织里更多需要数据的角色。 # **为什么是"专业"的：微调模型与专家团队** WorkBuddy 上的 Agent 很多，数据分析这件事为什么要强调"专业"？因为数据分析不是通用对话。它需要理解指标口径和业务语义，需要熟悉引擎的特性和脾气，需要知道一次诊断该先查什么、后查什么。通用大模型可以聊天，但面对"Spark 任务变慢"这样的问题，专业与否直接决定结论是否可用。腾讯云大数据在 WorkBuddy 中提供的专家 Agent，基于腾讯云数据分析智能体 TCDataAgent-AVA 打造，将大数据领域知识、增强工具、任务方法和场景经验注入专家，并对通用模型进行专业增强： - **大数据分析专家**：对文件和腾讯云大数据引擎中的数据进行分析，从海量数据提取关键洞察，提供业务决策支持 - **大数据工程专家**：负责数据建模、调优执行，将原始数据转化为可分析的高质量数据资产 - **大数据智能管家**：负责集群监控、性能监测、故障排查与容量规划，保障数据平台高可用三者组成的"大数据专家团队"，面向同时涉及多个角色或引擎的复杂任务，拆解目标、分工执行、统一汇总结果。无论通过连接器还是专家，数据访问都在用户授权的账号和权限边界内进行——权限机制与原有体系一致，变化的只是使用方式。 # **六款引擎接入能力总览** 六款引擎覆盖数据湖、开源大数据、搜索分析和实时数仓等核心场景。用户既可以单独调用某一引擎，也可以根据任务需要组合多个引擎能力。 ![](https://developer.qcloudimg.com/http-save/audit-1920198/5e1aaab0352a1e416021032e6b9f227f.png) ![](https://developer.qcloudimg.com/http-save/audit-1920198/e607acb7a56644596ca591d8bf6dc162.webp) # **怎么开始使用** 腾讯云大数据各引擎的连接器正陆续上架 WorkBuddy，可在 WorkBuddy 的「专家·技能·连接器」中找到连接器。 ![](https://developer.qcloudimg.com/http-save/audit-1920198/498fa06b7421776bf3cb5e5474cd187d.png) 腾讯云大数据专家与连接器上线灰度测试中，申请试用请提交相应产品工单进行申请。接下来，腾讯云大数据还将围绕 EMR、DLC、ES、TCHouse-C、TCHouse-D 和 TCHouse-X，陆续推出 WorkBuddy 最佳实践系列，深入介绍各引擎的典型任务、操作方式与场景案例。 # **从 WorkBuddy 出发，到更多 Agent 平台** WorkBuddy 是这套专业数据能力率先接入的泛生产力平台。对 WorkBuddy 而言，专业数据引擎与数据 Agent 的加入，让平台的能力版图从通用办公延伸到企业数据分析这一核心场景；对腾讯云大数据的用户而言，已有的引擎资产从此多了一个自然语言的入口。这次接入基于标准化的接口形式（MCP 等）完成。这意味着同一套引擎能力与专家能力，并不绑定单一平台——除 WorkBuddy 外，更多其他第三方 Agent 平台同样可以调用。腾讯云大数据要做的，是专业数据能力的提供方：引擎在这里，专家在这里，各类 Agent 平台都可以接入。从一个问题出发，直接调用一款引擎、一位专家，或一支完整的大数据专家团队。

2026-08-27

爱分析 | Data+AI的市场洞察与趋势：从工具建设走向价值闭环

Data+AI 不是一类产品，而是一套覆盖数据管理、业务上下文构建、Data Agent 开发与应用的完整技术与产品体系。

2026-08-06

爱分析Data+AI厂商全景报告：15个细分市场解读与选型指南

行业中 Data+AI、Data for AI、AI for Data 三种表述常被互换使用，指向的是同一套体系。

2026-08-04

Every Day of a DBA，第153期: Oracle 19c Active Data Guard-DML Redirection

功能概述** Active Data Guard DML 重定向是 Oracle 19c 引入的一项重要新特性，允许在物理备库（Physical Standby）上直接执行 DML 操作（INSERT

2026-07-20

Jira Data Center 今日正式停售：完整时间线、关键风险与企业决策路径

Atlassian Data Center 今日起停新客，退出周期正式开始。

2026-03-31

从 Model-Centric 到 Data-Centric，MLOps 帮助 AI 多快好省的落地

（即以模型为中心），在向Data-centric（以数据为中心）进行转变。

2022-09-30

以字节跳动内部 Data Catalog 架构升级为例聊业务系统的性能优化

背景字节跳动 Data Catalog 产品早期，是基于 LinkedIn Wherehows 进行二次改造，产品早期只支持 Hive 一种数据源。

2022-06-08

Spring Data开发手册｜Java持久化API（JPA）需要了解到什么程度呢？

JPA，Java Persistence API是Sun官方提出的Java持久化规范。它为Java开发人员提供了一种对象/关联映射工具来管理Java应用中的关系数据。它的出现主要是为了简化现有的持久化开发工作和整合ORM技术 ORM：通过使用描述对象和数据库之间映射的元数据，将程序中的对象自动持久化到关系数据库中。本质就是将数据从一种形式转换到另外一种形式。同时也结束了Hibernate、TopLink等ORM框架各自为营的局面。JPA充分吸收了Hibernate、TopLink等ORM框架的基础上发展起来的，使用方便，伸缩性强注意: JPA不是一种新的ORM框架，它的出现只是用于规范现有的ORM技术，它不能取代现有的Hibernate等ORM框架，相反，采用JPA开发时，我们仍将使用这些ORM框架，只是此时开发出来的应用不在依赖于某个持久化提供商。应用可以在不修改代码的情况下载任何JPA环境下运行，真正做到低耦合，可扩展的程序设计。类似于JDBC，在JDBC出现以前，我们的程序针对特性的数据库API进行编程，但是现在我们只需要针对JDBC API编程，这样能够在不改变代码的情况下就能换成其他的数据库。 JPA是一套规范，不是一套产品。Hibernate是一套产品，如果这些产品实现了JPA规范，那么我们可以叫它们为JPA的实现产品。使用JPA,就可以把我们的应用从Hibernate中解脱出来，那么现在问题来了：：如何使用JPA来开发呢？准备好了吗，进入正题，起飞！首先，先带大家看一下本篇文章的大致介绍。没目录怎么知道这篇到底有多少干货呢？以前的开发模式 JPA是什么 JPA解决了什么问题 JPA的第一个HelloWord程序详解配置文件常用的注解一对一的问题一对多的问题多对多的问题 JPA中常见的方法 JPA中对象的状态注意事项是不是很清晰呢，什么？还不进入正文，来了，安排上，一个一个来：回顾以前的开发模式以前开发的时候我们的DAO层，要么使用Hibernate、要么使用iBatis、dbutils、toplink 需求：假设现在的产品的1.0版本的DAO的实现使用的是Hibernate、现在老板要求将DAO层换成TopLink 按照现在的解决方案整个DAO层都是需要重写的，很耗费人力和物力，增加了成本有没有一种方案？这种方案就是如果我们需要换ORM框架，我们的整个DAO层都不需要改变只是需要改变配置文件就可以了呢？ JPA技术技术因此而生 JPA是什么 JPA实际上是sun公司出的一套规范、这套规范的作用是为了解决市场上ORM框架一家独大的问题 JPA是一套规范，只要我们的ORM框架实现了这套规范，那么在使用这个ORM框架的时候，就不需要面对于某一种ORM产品的API来进行编程，而是统一的面向于JPA来进行编程，这个时候即使你的ORM产品改变了，那么你的DAO层面向于JPA编程的代码是不用变的 JPA解决了什么问题 JPA统一了ORM框架访问数据库的API JPA解决了ORM框架一家独大的问题 JPA的第一个HelloWorld程序导包编写配置文件 <?xmlversion="1.0"encoding="UTF-8"?> <persistencexmlns="http://xmlns.jcp.org/xml/ns/persistence" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://xmlns.jcp.org/xml/ns/persistence http://xmlns.jcp.org/xml/ns/persistence/persistence_2_1.xsd" version="2.1"> <persistence-unitname="hibernateJPA"transaction-type="RESOURCE_LOCAL"> <properties> <propertyname="hibernate.hbm2ddl.auto"value="update"></property> <propertyname="hibernate.show_sql"value="true"></property> <propertyname="hibernate.format_sql"value="true"></property> <propertyname="hibernate.dialect"value="org.hibernate.dialect.MySQL5Dialect"></property> <propertyname="hibernate.connection.url"value="jdbc:mysql:///qianyu"></property> <propertyname="hibernate.connection.driver_class"value="com.mysql.jdbc.Driver"></property> <propertyname="hibernate.connection.username"value="root"></property> <propertyname="hibernate.connection.password"value="root"></property> </properties> </persistence-unit> </persistence> 编写Java实体和注解 @Table(name="t_user")//设置当前的类的对象对应的表名字 @Entity//表示当前的这个类是一个持久化的实体 publicclassUser{ @Id//这个表示的是当前的字段是主键 @GeneratedValue(strategy=GenerationType.IDENTITY)//这个表示的是主键的生成策略(自增长) @Column(name="uId") privateintuId; @Column(name="userName")//列的名字 privateStringuserName; @Column(name="password") privateStringpassword; } 测试 @Test publicvoidtestHelloWorld()throwsException{ //第一步:创建实体管理的工厂 EntityManagerFactoryef=Persistence.createEntityManagerFactory("hibernateJPA"); //通过工厂创建实体的管理器 EntityManagerem=ef.createEntityManager(); //第三步：开启事务 em.getTransaction().begin(); //操作业务逻辑 Useruser=newUser(); user.setUserName("浅羽"); user.setPassword("123"); //保存用户实体到数据库 em.persist(user); //提交事务 em.getTransaction().commit(); //关闭管理器 em.close(); ef.close(); } 详解配置文件 <?xmlversion="1.0"encoding="UTF-8"?> <persistencexmlns="http://xmlns.jcp.org/xml/ns/persistence" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://xmlns.jcp.org/xml/ns/persistence http://xmlns.jcp.org/xml/ns/persistence/persistence_2_1.xsd" version="2.1">  <persistence-unitname="hibernateJPA"transaction-type="RESOURCE_LOCAL"> <properties> <propertyname="hibernate.hbm2ddl.auto"value="update"></property> <propertyname="hibernate.show_sql"value="true"></property> <propertyname="hibernate.format_sql"value="true"></property> <propertyname="hibernate.dialect"value="org.hibernate.dialect.MySQL5Dialect"></property> <propertyname="hibernate.connection.url"value="jdbc:mysql:///qianyu"></property> <propertyname="hibernate.connection.driver_class"value="com.mysql.jdbc.Driver"></property> <propertyname="hibernate.connection.username"value="root"></property> <propertyname="hibernate.connection.password"value="root"></property> </properties> </persistence-unit> </persistence> 常用的注解线程池技术 @Table：表示的是当前的实体对应的数据库中的表名字 @Entity：表示的是当前的实体是一个持久化的实体 @Id：这个表示当前的属性是一个主键 @GeneratedValue：主键的生成策略 strategy=GenerationType.IDENTITY：这个表示的是主键自增长 strategy=GenerationType.AUTO：使用表来生成目标表的主键 strategy=GenerationType.SEQUENCE：使用序列来生成主键 @Column：jAVA的属性对应的数据库表的列的名字 Name：名字 Length：表示的是字段的长度 nullable=false：这个表示的是不能为null unique=true：是否是唯一的 @Transient：当前字段在数据库中不对应列 @Enumerated：表示的是枚举在数据库中的映射使用下标还是字符串 EnumType.STRING：表示的是以字符串的形式显示 EnumType.ORDINAL：表示枚举在数据中以下标的形式显示 @Lob：修饰String类型的时候表示的大文本修饰byte[]的时候表示存储的是二进制一对一的问题需求：一个人对应了一个身份证、一个身份证也唯一对应了一个人身份证----->人一对一的关系代码演示：声明IdCard类： @Entity @Table publicclassIdCard{ @Id privateStringcardNum; privateDatestartTime; privateDateendTime; //一个身份证唯一的对应了一个人 @OneToOne(cascade=CascadeType.ALL,fetch=FetchType.LAZY) @JoinColumn(name="pId")//这个表示的是添加一个列这个列映射下面对象中的这个Id privatePeoplepeople; } 声明People类： @Entity @Table publicclassPeople{ @Id @GeneratedValue(strategy=GenerationType.IDENTITY) privateintpId; privateStringpName; privateStringpTel; //一个人对应了一个身份证 //在关联关系中配置了mappedBy的哪一方没有权限维护另外一方 //mappedBy的值就是当前的类在下面对象中声明的这个名字 @OneToOne(mappedBy="people",cascade=CascadeType.ALL) privateIdCardidCard; } 测试： @Test publicvoidtestHelloWorld()throwsException{ EntityManagerentityManager=JPAUtils.getEntityManager(); IdCardidCard=newIdCard(); idCard.setCardNum("510...x"); idCard.setStartTime(newDate()); idCard.setEndTime(newDate()); Peoplepeople=newPeople(); people.setpName("小羽"); people.setpTel("1234566"); idCard.setPeople(people); entityManager.persist(idCard); JPAUtils.close(); } 一对多的问题需求：部门和员工的对应部门----->员工一对多的关联关系代码演示：声明部门对象： @Entity @Table publicclassDept{ @Id @GeneratedValue(strategy=GenerationType.IDENTITY) privateintdId; privateStringdName; privateStringdDes; //一个部门有多个员工 @OneToMany(cascade=CascadeType.ALL,fetch=FetchType.LAZY,mappedBy="dept") privateSet<Employee>emps; } 声明员工对象： @Entity @Table publicclassEmployee{ @Id @GeneratedValue(strategy=GenerationType.IDENTITY) privateintempId; privateStringempName; @ManyToOne(cascade=CascadeType.ALL,fetch=FetchType.LAZY) @JoinColumn(name="dId") privateDeptdept; } 测试： @Test publicvoidtestOne2Many()throwsException{ EntityManagerentityManager=JPAUtils.getEntityManager(); Employeeemp=newEmployee(); emp.setEmpName("小娜"); Deptdept=newDept(); dept.setdName("研发部"); dept.setdDes("专门搞开发的"); emp.setDept(dept); entityManager.persist(emp); JPAUtils.close(); } 多对多的问题需求：一个学生可以被多个老师教，一个老师也可以教多个学生学生----->老师一对多老师----->学生一对多老师和学生的最终关系多对多的关联关系代码演示：编写老师实体： @Entity @Table publicclassTeacher{ @Id privateStringtNum; privateStringtName; @ManyToMany(cascade=CascadeType.ALL,fetch=FetchType.LAZY) @JoinTable(name="t_teacher_student", joinColumns=@JoinColumn(name="tNum"),//映射的是当前这个类的主键 inverseJoinColumns={@JoinColumn(name="stuNum")})//映射的是对方表的主键 privateSet<Student>students; } 编写学生实体： @Entity @Table publicclassStudent{ @Id privateintstuNum; privateStringstuName; privateintage; @ManyToMany(cascade=CascadeType.ALL,fetch=FetchType.LAZY,mappedBy="students") privateSet<Teacher>teachers; } 测试： @Test publicvoidtestMany2Many()throwsException{ EntityManagerem=JPAUtils.getEntityManager(); Teacherteacher=newTeacher(); teacher.settName("小羽"); teacher.settNum("007"); Set<Student>students=newHashSet<Student>(); Studentstudent=newStudent(); student.setAge(18); student.setStuName("小白"); student.setStuNum(100); Studentstudent1=newStudent(); student1.setAge(19); student1.setStuName("小娜"); student1.setStuNum(1000); Studentstudent2=newStudent(); student2.setAge(20); student2.setStuName("小黑"); student2.setStuNum(10000); students.add(student); students.add(student1); students.add(student2); teacher.setStudents(students); em.persist(teacher); JPAUtils.close(); } JPA中常见的方法代码演示：常见方法： publicvoidtestMethod()throwsException{ EntityManagerentityManager=JPAUtils.getEntityManager(); Useruser=newUser(); user.setUserName("小灰"); user.setuId(1); //添加数据的方法 //entityManager.persist(user); //查询数据 //Useruser2=entityManager.find(User.class,1); //这个写的是HQL语句 //Queryquery=entityManager.createQuery("fromUser"); //Listlist=query.getResultList(); //下面这个方法有主键值那么就修改没有主键值就插入 //entityManager.merge(user); /*创建的是本地SQL的查询 Queryquery=entityManager.createNativeQuery("select*fromuser"); Listlist=query.getResultList();*/ //一般用在查询中获取最新的这个数据 //entityManager.refresh(user); Useruser2=entityManager.find(User.class,1); entityManager.remove(user2); //System.out.println(list); JPAUtils.close(); } JPA中对象的状态对象的状态：新建状态: User user = new User();和数据库以及内存没有任何关联，对象仅仅是被new出来之后的这种状态托管状态:对象调用了find persist refresh merge或者查询之后的这个对象状态就叫做托管状态，托管状态的数据是被entityManager管理的，并且内存和数据库的数据是对应了，这个时候如果你改变了内存的这个数据的话，并且进行提交的话，那么这个数据会和数据库进行同步游离状态: 当前的对象调用了clear方法之后在close方法之前的这段时间，这个对象处于游离状态。clear：表示的是清楚内存和数据库数据的对应的关系删除状态:当前对象close之后的对象的这种状态，就称为删除状态注意事项表名不写默认就是类作为表名 column不写，表的列名就是类的属性名 @GeneratedValue后面值不写默认是auto 结语 JPA是我们开发中离不开的经常用到的技术，其涉及的技术和知识面其实远不止上面列出的这些。后续浅羽会继续更新关于JPA的开发知识，只希望能对大家有所帮助，谢谢大家的支持！点点点，一键三连都在这儿！

2021-04-16

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

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。

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。