搜索[SQL注入]结果-低调大师优秀个人博客

精选列表

搜索[SQL注入]，共10000篇文章

Sql Server2005 Transact-SQL 新兵器学习总结之-DDL触发器

1.简介： Sql Server2005新增加了DDL触发器。与DML触发器不同的是，它们不会为响应针对表或视图的UPDATE、INSERT或DELETE语句而激发。

2017-12-13

SQL Server 中存储过程，函数，触发器代码存放于sys.sql_modules

SQL Server 中存储过程，函数，触发器代码存放于sys.sql_modules 对每个 SQL 语言定义的模块对象都返回一行。

2017-11-09

MSSQL - 架构分析 - 从SQL Server 2017发布看SQL Server架构的演变

title: MSSQL - 架构分析 - 从SQL Server 2017发布看SQL Server架构的演变 author: 风移摘要美国时间2017年10月2日，微软正式发布了最新一代可以运行在

2017-10-31

MSSQL · 架构分析 · 从SQL Server 2017发布看SQL Server架构的演变

摘要美国时间2017年10月2日，微软正式发布了最新一代可以运行在Linux平台的数据库SQL Server 2017。

2017-10-20

SQL Server －最佳实践－ SSMS配合BCP迁移SQL Server数据库上阿里云

本文讨论的主题是使用SSMS（SQL Server Management Studio）配合BCP命令行的方式来迁移SQL Server数据库。

2017-03-01

想练习SQL又没有环境？这几个可以在线练习SQL的网站满足你

如果你想练习SQL，恰巧你的电脑没有SQL环境，那么下面几个在线练习SQL的网站肯定能满足你的需求。

2020-09-23

SQL Server-聚焦sp_executesql执行动态SQL查询性能真的比exec好？

之前我们已经讨论过动态SQL查询呢？这里为何再来探讨一番呢？

2018-01-11

SQL Server虚拟化系列（3）——构建理想的基于VMware的SQL Server虚拟机

在本文中我们将主要讲述为您的SQL Server工作负载构建理想的基于VMware的虚拟机。我们的下一篇文章将介绍怎么样在Hyper-V上构建对应的SQL Server虚拟化环境。

2017-03-07

手搓 Whim 为 PHP 注入原生异步、泛型、模式匹配能力

在现代 Web 开发领域，运行时强类型、泛型编程、模式匹配、原生异步并发早已成为主流编程语言的标准配置。而对 PHP 开发者来说，这些基础能力的落地，已经等待了近十年。

2026-09-15

从环境分组到子进程注入，彻底理解 .env-cmdrc 文件

一个前端仓库里同时存在本地开发、集成测试、预发布和生产构建时，package.json 里的命令很容易越来越长。开发环境连接本地代理，测试环境访问测试网关，预发布环境开启调试日志，生产环境关闭实验功能。把这些值全部写进命令行，不但难读，在 Windows、macOS 和 Linux 之间还可能出现不同的环境变量赋值语法。

2026-07-28

ChatGPT for Google Sheets 扩展漏洞：间接注入攻击可渗透用户工作簿

攻击者可以通过间接 prompt 注入攻击，在无需用户授权的情况下，跨账户渗透用户的工作簿数据。更为严重的是，攻击链还可以延伸至钓鱼 Overlay 攻击，窃取用户凭证。

2026-06-01

Higress AI 网关为它注入「高可用之魂」！

作者：赵源筱、王灏廷 Dify 作为一款开源的 AI 应用开发平台，凭借其灵活的工作流编排和易用的界面，在社区和云上部署中获得了广泛的关注。在 github 上，Dify 平均日增 20 个左右 issue，在开源也具有较高的活跃度。然而，随着 Dify 用户规模扩大、生产落地增加，Dify 应用在性能方面的问题也逐渐暴露，影响了用户体验和生产环境的稳定性。针对 Dify 性能问题，本文将介绍如何使用 Higress AI 网关保证 Dify 应用的全链路高可用性，并给出操作实践指南。 Dify 应用性能问题对于一个对外提供服务的 Dify AI 应用，能够正常运行的核心基础依赖包括：Dify 系统组件、模型服务、MCP 服务、向量库与记忆库等。其中更容易达到性能瓶颈的节点在于 Dify 系统组件和模型服务。 Dify 系统组件在高并发场景下，Dify 系统组件很容易达到 CPU 性能瓶颈。在内部某生产实践中，在 Dify 所有服务端组件规格为 4C8G 单实例的情况下，对仅 10 节点的 Dify 工作流应用进行压测，约 10qps 便把 CPU 使用率打满，导致 Dify 应用和 Dify 管理端均不可用。 Dify 系统组件的性能问题，究其原因，主要和 Dify 本身的实现架构和逻辑有关，主要的影响因素包括：工作流引擎实现。一套 Dify 系统上构建的多个 Dify 应用，底层执行逻辑全部共用同一套工作流引擎，工作流引擎除了串联并完成用户自定义的流程，还会额外进行状态流转管理、频繁数据读写、观测数据生成与存储等过程，这些逻辑本身占用了较高的计算资源，导致即使是简单的逻辑，由于这些额外但必要的的执行逻辑存在，也会带来一定的资源消耗。运行链路长。以 Dify 应用中调用大模型为例，工作流引擎运行在 api 组件中，需要调用模型时，会调用 deamon-plugin 组件，由 deamon-plugin 执行真正的模型调用，并返回结果给到 api。由于当前版本 Dify 实现了插件化改造，大部分的节点或工具，都以插件的形式存在，导致一个工作流会频繁出现多次组件间调用。 Python 语言实现。Dify 系统的核心服务端组件 api 由 Python 语言实现，和 C++、Golang、Rust 等语言相比，Python 语言本身的性能表现相对较差。从上述分析中看出，如果我们希望提升 Dify 系统组件的性能，需要在源码侧持续优化，中短期来看，难以取得较大的性能提升。模型服务对于自建模型服务的场景，由于模型推理过程本身对 GPU 算力和显存有较高消耗，在 Dify 应用依赖到自建模型的场景，在高并发情况下，也会出现因为模型服务资源打满导致应用请求耗时翻倍、卡住卡死的情况，除了严重影响用户使用体验，也容易由于模型服务不可用导致 Dify 系统本身崩溃。由于目前国内市场的状况依然是一卡难求，通过扩大 GPU 资源来支持更高的并发来提升吞吐能力，意味着大量的财力消耗，这其中的性价比可能需要谨慎评估。针对上述问题，在 Dify 系统组件性能中短期不会显著提升，GPU 资源短期内不计划扩容的情况下，面对突发或并发的 Dify 应用请求时，面向 Dify 应用的高可用治理，在生产级场景下便显得尤为重要。 AI 网关高可用方案 AI 网关简介 Higress AI 网关是外界与企业 AI 应用、企业 AI 应用与大语言模型服务和 MCP 服务的桥梁，旨在解决模型集成复杂、安全合规难、管理效率低等挑战，提供统一治理入口。具备以下核心特性： 1. 协议标准化：将差异化的模型 API 统一转换为 OpenAI 兼容格式 2. 可观测体系：提供 Token 级监控（QPS/成功率/耗时）和请求全链路追踪 3. 安全防护层：实现 API-KEY 自动轮转、JWT 认证、敏感内容实时拦截 4. 稳定性引擎：集成多级 Fallback、AI 缓存、Token 限流等治理能力 AI 网关通过通过简化集成、统一治理、强化安全和加速响应，企业在利用 AI 技术创新过程中将更加高效、安全、稳定。 AI 网关高可用能力 AI 网关提供了一整套专为 AI 应用与模型设计的高可用性保障能力，确保应用与模型服务的稳定与可靠：多维度请求限流：支持针对应用、模型等服务，按多时间尺度（秒、分、时）对请求量进行精细化控制，有效防止突发和高并发流量冲垮应用和模型服务，保障系统稳定性。 Token 级资源流控：除请求量外，提供基于 Token 消耗量的限流能力，更精准地控制大模型资源使用，避免因个别"大请求"耗尽资源池而影响其他用户，实现更公平的资源调度。模型 Fallback：当主模型服务出现故障或响应异常时，网关能够自动、透明地将请求切换到预设的备用模型服务，保证核心业务不中断，实现服务故障的秒级容灾。模型负载均衡：针对自建模型集群，提供包括 GPU 感知、前缀匹配在内的多种智能负载均衡策略，能够在不增加硬件成本的前提下，显著提升系统吞吐能力、降低响应延迟，最大化 GPU 资源利用率。 AI 缓存：对高频、重复的请求结果进行缓存，直接从网关返回响应，大幅降低对底层大模型的调用频次，不仅能显著提升响应速度，还能有效节约模型调用成本。 AI 网关代理 Dify 应用出入流量使用 Higress AI 网关提高 Dify 应用的高可用性，需要将 AI 网关和 Dify 系统整合，我们提供的整合方案如下图所示。在原架构下，Dify 内置的 Nginx 作为反向代理代理入流量，Dify 直接调用大模型、RAG 服务、Mcp Server 等；新架构下，AI 网关替换 Dify 内置 Nginx，作为 Dify 应用出入流量的代理。在入流量代理处，我们推荐将 AI 网关替代 Nginx，而不是将 AI 网关路由到 Nginx，理由如下：能力全覆盖：AI 网关已完整覆盖 Nginx 代理能力，并额外提供 20+ AI 专属治理策略，Nginx 默认缓冲机制会破坏 SSE 流式传输，需手动调整复杂参数，且缺乏深度可观测性支持。架构精简化：入口流量经 AI 网关直连 Dify 服务，消除冗余网关层。双网关架构（AI 网关→Nginx→Dify）不仅增加额外网络跃点导致性能损耗，问题定位更需增加 Nginx 异常排查环节，降低故障定位效率。运维成本优化：Nginx 实例需独立部署并占用额外计算/内存资源，且需人工维护扩缩容。路由配置变更需同步维护两套系统，配置不一致风险显著增加。相较之下，AI 网关托管部署提供企业级 SLA 保障，原生集成监控告警体系，维护成本更低。实操指南与能力效果 AI 网关流量代理配置 Dify 应用入流量代理 AI 网关支持创建 Agent API，代理访问 AI 应用，并针对访问 AI 应用的流量提供观测、安全、高可用治理等能力。本文将选取高可用治理能力进行重点介绍。创建服务来源在 AI 网关为 Dify 的 api 组件创建服务来源。如果您的 Dify 部署在 SAE 或者 ACK 上，可以参考以下方式创建服务。 SAE（通过 SAE 或计算巢 Dify 社区版-Serverless 部署）在服务-服务-创建服务处添加部署 Dify 的 SAE 命名空间下的 dify-api-{namespace} 应用。 ACK（通过 ACK Helm 或计算巢 Dify 社区版-高可用版部署）在服务-来源-创建来源处创建容器来源后，在服务-服务-创建服务处添加对应容器服务中 dify-system 命名空间下的 ack-dify-api。配置路由接下来，在 AI 网关上通过 Agent API 的方式为 Dify 服务配置路由。步骤如下：创建 Agent API。点击 Agent API 创建 Agent API，其中域名和 Base Path 可以根据实际情况配置，用于通过域名访问 Dify 并且避免和其他服务的路径冲突，勾选转发至后端服务时移除，协议选择 Dify。创建路由。在 Agent API 处点击上述步骤创建的 API，点击创建路由，如果您的 Dify 存在 workflow 应用，路径选择 /v1/workflows/run，如果您的 Dify 存在 agent 应用，路径选择 /v1/chat-messages，服务选择上述步骤创建的 api 服务。如果您希望一条路由对应一个 Dify 应用，可以在更多匹配规则中，设置请求头和请求参数匹配，如设置 header-key=app-id，需要注意您在通过 AI 网关访问 Dify 应用时，需自主携带对应的匹配内容。应用访问验证。使用上述步骤配置的域名 + Path 访问 Dify 应用，能够正常调用则说明入流量代理配置成功。 Dify 应用模型出流量代理 AI 网关支持创建 LLM API 代理访问大模型，支持创建 Mcp Server 实现 Mcp 代理，支持通过使用 RAG 插件实现 Rag 检索代理，并针对不同类型的流量提供丰富的观测、安全、高可用治理等能力。由于访问大模型是 AI 应用最核心场景，本节将主要重点介绍 AI 网关代理大模型流量的操作方式，以及相应的高可用治理能力。 AI 网关控制台创建 LLM API，用于访问自建或三方大模型，参考管理 LLM API【1】。前往 Dify 应用市场，安装插件 OpenAI-API-compatible。在 Dify 控制台，在右上角点击设置-模型供应商，为 OpenAI-API-compatible 添加模型，以 LLM 模型为例，其中模型类型、模型名称和 API Endpoint URL 为必填，API Endpoint URL 为步骤 1 在 AI 网关创建的 LLM API 的域名+前缀，其他参数可按需配置，点击保存。在应用中需要选择模型的节点，选择步骤 3 已创建的模型即可。在 Dify 中运行 Workflow 或 Agent，验证通过 AI 网关代理访问 LLM 能正常返回结果，说明大模型出流量代理配置生效。 Dify 应用入流量治理以 AI 网关作为 Dify 应用流量入口，可以在AI网关上通过配置集群限流，进行全局级、应用级等多维度流量控制。本节将以应用级限流为例进行简单介绍和演示。为了实现全局级和应用级限流，需要额外引入 Redis 实例进行计数，在 Dify 系统的存储组成中，Redis 是必要组件之一，因此可以刚好复用 Dify 系统的 Redis。在 AI 网关中完成 Redis 应用创建之后，在插件市场中使用基于 Key 集群限流插件，通过配置插件规则，即可实现针对不同 Dify 应用的限流策略。基于集群限流插件的详细使用方式见基于 Key 集群限流【2】。以下图为例，假设对某 Dify 应用设置 1 分钟只允许通过一次的请求。对该应用发起调用，当一分钟内发起第 2 次请求的时候，会因为触发 AI 网关限流规则，导致调用失败。但是调用其他应用时，由于无流控规则，依然能够无限制请求。 Dify 应用出流量治理请求与 Token 限流使用 AI 网关对模型调用代理，对于 Dify 应用调用模型服务的场景，可以实现不同时间尺度的请求数限流，其使用方式和效果同上文所述基本一致，差异在于限流位置，因此不再赘述。除了请求数限流，对于 Dify 应用调用模型服务的场景，还可以实现基于 token 消耗的流量控制，配置示意如下图所示，更详细的使用指引请详见限流【3】。在该例中，配置全局 500 token/min，配置生效后，当模型服务整体在 1 分钟时间范围内超出 500 token 消耗后，访问模型的请求将会被 AI 网关直接拒绝。 Fallback 为模型访问配置 Fallback 能力，可以保证当默认访问的模型服务响应异常时，自动 Fallback 到备用模型服务，从而保证模型调用的高可用性，进而提升 Dify 应用的整体可用性。详细的配置和使用方式详见AI Fallback【4】。为了模拟 Fallback 的效果，在本例中，为 Didy 应用所访问的 Model API 配置一个无法访问的主模型服务，再配置一个可以正常访问的百炼模型服务。运行 Dify 应用，能够看到 LLM 节点依然能正常返回结果，工作流运行正常。通过网关日志我们能够看到，AI 网关在访问主模型服务时发生了 503 异常，于是自动 Fallback 到了百炼 qwen-turbo 模型进行了调用，并返回了正常调用结果，从而保证了 Dify 应用整体运行正常。负载均衡对于 Dify 访问自建模型(如在阿里云 PAI 自建)的场景，AI 网关提供了面向 LLM 服务的负载均衡策略，包括全局最小请求数负载均衡、前缀匹配负载均衡以及 GPU 感知负载均衡，能够在不增加硬件成本的前提下，提升系统的吞吐能力、降低响应延迟，并实现更公平、高效的任务调度。具体介绍和使用方式参考AI 负载均衡【5】、不增加 GPU，首 Token 延迟下降50%｜LLM 服务负载均衡的新实践。以前缀匹配负载均衡为例，压测工具使用 NVIDIA GenAI-Perf，设置每轮输入平均为 200 token，输出平均为 800 token，并发为 20，每个会话包含 5 轮对话，共计 60 个会话，性能指标前后对比如下。能够明显地感受到，通过合理的负载均衡策略，首 Token 延迟能够下降 50%。 | 指标 | 无负载均衡 | 前缀匹配负载均衡 | | ---------------- | ---------------- | ---------------- | | TTFT（首Token延迟） | 240 ms | 120 ms | | 平均 RT | 14934.85 ms | 14402.36 ms | | P99 RT | 35345.65 ms | 30215.01 ms | | Token 吞吐 | 367.48 (token/s) | 418.96 (token/s) | | Prefix Cache 命中率 | 40 % + | 80 % + | 以前缀匹配负载均衡为例，针对 Dify 应用访问的 Model API，可通过插件便捷地配置负载均衡策略，配置示意如下图所示。插件生效后，Dify 应用通过 AI 网关对 LLM 服务发起调用，即可实现对自建 LLM 服务实例的负载均衡。总结通过 Higress AI 网关的赋能，Dify 不再是一个"单打独斗"的开源平台，而是拥有了一个强大的企业级治理与增强引擎。无论是应用层的高可用防护，还是模型层的稳定与性能优化，AI 网关都提供了开箱即用的解决方案，将开发者从复杂的运维中解放出来，更专注于业务创新。除了高可用能力外，Higress AI 还提供了安全、RAG 代理等其他丰富能力，提升 Dify 应用安全性、便捷对接外部 RAG 引擎。如果你正在使用 Dify，并被高可用、安全、RAG 等问题所困扰，那么使用 Higress AI 网关代理 Dify 应用出入流量，绝对是你不可错过的最佳实践。【1】管理 LLM API https://help.aliyun.com/zh/api-gateway/ai-gateway/user-guide/managing-the-model-api?spm=a2c4g.11186623.help-menu-29462.d_2_1_0.7460d13312enOB 【2】基于 Key 集群限流 https://help.aliyun.com/zh/api-gateway/ai-gateway/user-guide/throttle-based-on-cluster-keys 【3】限流 https://help.aliyun.com/zh/api-gateway/ai-gateway/user-guide/current-limiting 【4】AI Fallback https://help.aliyun.com/zh/api-gateway/ai-gateway/user-guide/ai-fallback 【5】AI 负载均衡 https://apig.console.aliyun.com/

2025-08-25

每日一博 | 一文详解 SpEL 表达式注入漏洞

摘要：本文介绍了SpEL表达式以及常见的SpEL注入攻击，详细地介绍了部分漏洞攻击实例以及常用的漏洞检测与防御手段。

2023-03-12

安全日报：rConfig命令注入漏洞、大通银行泄露客户信息

B6-2021-081899 报告来源：360CERT 报告作者：360CERT 更新日期：2021-08-18 1Vulnerability|漏洞 CVE-2020-23151: rConfig命令注入漏洞

2021-08-19

数栈技术分享：聊聊IOC中依赖注入那些事 (Dependency inject)

Part1: What is Dependency injection 依赖注入定义为组件之间依赖关系由容器在运行期决定，形象的说即由容器动态的将某个依赖关系注入到组件之中在面向对象编程中，我们经常处理的问题就是解耦

2021-05-19

【Java复习Ⅲ 11】spring框架：对spring的宏观理解（注入/反射机制）

【IOC】控制反转 Inversion of Control 正向：A类需要使用B类，new一个B类(Instance) 反向：A类需要只用B类，由spring注入一个B给A 【AOP】可以做很多事务的管理

2021-05-15

Jboot v3.7.3 发布，全网最优雅的 Json 接收和注入

6、通过非注入的方式接收 JSON 在以上的示例中，都是通过 @JsonBody 注解的方式进行注入的，如果不通过注入的方式，也没问题，在 JbootController 中，已经内置了 getRawObject

2020-12-16

hookso 1.1 发布，Linux 动态链接库的注入修改查找工具

hookso是一个linux动态链接库的注入修改查找工具，用来修改其他进程的动态链接库行为。

2020-06-29

为什么AIOps工具最终可以为云计算注入新的活力

AIOps工具在IT领域具有广阔的应用前景，但是云技术是AIOps有望提供最大收益的领域之一。在这一点上，云计算在IT行业中已经是成熟的领域，甚至有人说这很无聊。云中的创新已经放慢了脚步，很难想象我们在云中构建或管理应用程序方面将采取许多革命性的步骤。话虽这么说，如果我不得不选择一个准备在不久的将来在云中进行重大变革的概念，那么我会把钱花在AIOps和AIOps工具上。尽管AIOps的影响绝不仅限于云，但AIOps是目前为数不多的破坏我们与云基础架构交互方式的力量之一。您需要了解有关AIOps以及AIOps工具和平台在未来可能扮演的角色。定义AIOpsAIOps是Gartner在2016年创造的一个术语，是指人工智能在IT运营工作中的应用。基本AIOps涉及使用AI来帮助解释或分析IT环境中的数据。更高级的AIOps用例集中于利用AI 自动执行员工传统上必须手动执行的IT管理任务(例如，重新启动故障服务器或更新防火墙规则以响应新检测到的威胁)。 AIOps概念在该术语发明之前就已经存在。实际上，如果您在过去20年中的任何时候使用机器学习或数据分析工具来辅助应用程序监视或安全测试，则您正在使用AIOps。但是在过去的几年中，AIOps和AIOps工具迅速普及。这种趋势反映了AI的日益成熟，以及现代IT工作负载的规模和复杂性不断增加(AIOps通过使用AI对IT工作流进行自动化和系统化来应对的挑战)。 AIOps与云计算的未来AIOps在整个IT行业中都具有广阔的应用前景。然而，在许多方面，云计算是AIOps有望提供最大收益的领域之一。这是因为AIOps可以解决云中一些最复杂的挑战-其他技术尚未充分解决的挑战。以下是四个主要示例： 1.成本优化在云中运行工作负载非常容易。以成本优化的方式运行它们要困难得多。云供应商并没有竭尽全力帮助客户减少在平台上的花费。而且，尽管可以使用各种第三方工具来帮助预测和管理云成本，但是大多数工具需要IT团队进行相当多的手动工作才能建立和使用。您必须仔细标记您的云资源，并花时间手动解释这些工具为您提供的节省成本的建议。其中许多工具还会根据过去的使用情况提出事后建议，而不是建议您可以实时进行云配置更改以立即节省资金。 AIOps承诺将对云成本优化提高自动化水平和实时洞察力。AIOps工具不仅可以为公司在云中超支的地方提供建议，而且还可以采取自动重新配置工作负载以节省资金的额外步骤。例如，可以通过AIOps工具将超额配置的虚拟机实例自动迁移到成本较低的实例，或者将存储在比其需要的价格昂贵的对象存储层上的数据迁移到成本效益更高的层上。即刻。 2.云迁移从某种意义上说，云迁移比以往更加困难。虽然兴起multicloud，并出现类似Kubernetes平台和ANTHOS，已使得它更容易集成在一个云与托管在其他正在运行的工作负载，公有云在其他方面变得更加本土。如果您采用Azure Stack或AWS Outposts之类的框架来帮助构建您的云工作负载，则最终将高度依赖您的云提供商，而无需简单的方法即可将应用程序，数据和配置移至另一个公共云而无需重建所有内容从头开始。AIOps可能会成为应对这一挑战的解决方案。如果IT团队原本需要从头进行重建以从一个云迁移到另一个云，则AIOps工具可以通过利用AI重写新平台的配置来实现流程自动化。换句话说，IT团队不必让AIOps工具为它们创建繁重的工作，而不必手动为不同的云重新创建IAM策略，API配置等。结果是，即使不同的云平台在其服务产品中变得更加复杂和独特，云迁移也将变得更加顺畅。 3.云架构规划IT团队在使用云环境时面临的一个主要挑战是，有太多的云服务可供选择-每种服务的配置选项太多-识别每种工作负载的最佳服务类型令人望而生畏至少可以说。如果将给定的应用程序部署到虚拟机，容器或使用无服务器功能，它会以最佳方式(以最具成本效益的方式)执行吗?对于给定的工作负载，哪个或哪些云区域将提供最佳结果?如果您想利用边缘计算的优势，那么工作负载到底应该放在哪里：在云网关上，在设备上还是在两者的组合上? 这些是IT架构师在现代云环境中不断解决的问题。传统上，了解哪种安排最有效的唯一方法是手动测试不同的选项并分析结果。借助AIOps，可以更轻松地预测哪种架构模式和配置最适合给定的云工作负载。通过使用有关工作负载需求以及每个潜在体系结构解决方案的性能和成本的数据，AIOps工具可以提供比IT团队可以手动设计的建议更强大，更系统的建议。

2020-06-23

新冠病毒大流行为数字语音技术注入了新动力

云栖号资讯：【点击查看更多行业资讯】在这里您可以找到不同行业的第一手的上云资讯，还在等什么，快来！在一个突然害怕触摸的世界中，语音技术正在焕然一新。分析人士表示，近年来，语音激活系统(例如Google Assistant，Amazon Alexa和Apple的Siri)已经表现出了强劲的增长态势，本次新冠病毒大流行可能会加速这种增长。语音助手不仅可以回答查询和购物，而且还可以用于智能家居控制以及一系列商务和医疗应用，随着全球大封锁对于限制人们社交活动的限制，人们对于智能语音助手的兴趣会越来越大。 ABI Research的分析师Jonathan Collins表示：“语音已经进入了智能家居领域，语音控制可以避免从智能手机到电视遥控器、电灯开关、温控器、门把手等物体，避免在家庭中经常接触的表面。” Collins说，这种流行病很可能会为“家庭语音控制提供其他动机和诱因，这将有助于提高人们对一系列其他智能家居设备和应用程序的认识和采用率”。 ABI估计，去年智能家居设备的语音控制设备出货量达到1.41亿，到2020年全球将增长近30%。对于更广阔的语音助手市场，Juniper Research估计，今年使用智能语音的设备达42亿台，到2024年将增长到84亿台，其中大部分互动都在智能手机上进行。 Collins表示，他希望看到人们智能锁和智能门铃以及其他智能家居系统的兴趣在不断增长，以消除新冠病毒大流行导致的个人接触和面对面互动。 Techsponential的技术分析师兼顾问Avi Greengart表示，尽管具体数据未知，但由于封锁措施，“有趣的是，语音助手的使用率正在上升”。 Greengart说，他希望语音技术能够满足健康和安全方面的广泛业务应用。他说：“展望未来，办公空间将需要朝着更多的无接触控制方向发展;语音可以成为解决方案，尽管照明的运动触发通常更容易且无接触。” “但是，我确实希望智能音箱以及通过电子邮件发送的命令列表成为酒店和其他租赁物业的常见功能。接触点越少越好。” Futuresource Consulting的Julian Issa表示，在大流行期间，“自病毒爆发以来，语音助手的使用似乎有所增加”。 Issa说：“虽然避免触摸表面可能在其中起很小的作用，但这主要是由于消费者在家中花费更多的时间在设备上。” Futuresource的另一位分析师Chris Pennell表示，他预计数字助理的采用可能会加速，“尤其是在面向客户的领域，例如医疗保健、零售和娱乐”。一个已经在使用的案例是使用Amazon Alexa的Mayo Clinic工具，该工具允许人们评估其症状并访问有关该病毒的信息。语音技术也在其他医疗应用中佛罗里达理工大学计算机工程教授Veton Kepuska专门研究语音识别技术，他正在寻求开发声控医疗机器人，以帮助限制身体接触和传染。 Kepuska说：“如果有了这样的基础设施，今天我们会过得更好。” Kepuska因COVID-19爆发而大受鼓舞，希望为研究工作寻求资金。 Kepuska表示，这项努力可能会造就一个“人形”医疗机器人，该机器人可以接管医生或护士的许多任务，并进行语音交互。他说：“新冠病毒大流行造成了一种情况，我们需要考虑如何向需要我们帮助的人们提供服务，而又不会使自己陷入危险之中。” 【云栖号在线课堂】每天都有产品技术专家分享！课程地址：https://yqh.aliyun.com/live 立即加入社群，与专家面对面，及时了解课程最新动态！【云栖号在线课堂社群】https://c.tb.cn/F3.Z8gvnK 原文发布时间：2020-05-12本文作者：蒙光伟本文来自：“51CTO”，了解相关信息可以关注“51CTO”

2020-05-11

资源下载

更多资源

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。

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。

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。