搜索[Windows应用SDK]结果-低调大师优秀个人博客

精选列表

搜索[Windows应用SDK]，共10000篇文章

hetao 更新至 v0.15.0，支持搭载应用的国产原创 Web 服务器

0.15.0 2020-03-14 calvin 新增支持socgi，可以嵌入服务端应用逻辑了新增支持socgi的rest层，支持开发RESTful风格的应用了调整了目录文件架构，Dockerfile

2020-03-21

【云栖号案例 | 互联网】华大基因：打造精准医疗应用云平台日志方案

我们与阿里云合作是因为我们看到基因技术从过去的只在实验室中逐渐进入到广大群众的生活场景当中，不管是在医学健康方面、生殖健康方面、肿瘤防治方面、病原感染方面还是农业育种，以及与我们每个人息息相关的健康管理，基因技术已经取得越来越多的应用场景

2020-03-15

3 种发布策略，解决 K8s 中快速交付应用的难题

云原生应用交付的关键点我们说频繁地进行产品迭代意味着更大的故障风险，传统应用如此，云原生应用更是如此。

2020-03-12

运行在Docker里的SpringBoot应用，如何查看记录在文件系统的日志

我有一个SpringBoot应用，将其打包在一个Docker镜像里。

2020-02-26

▎本文系译文：关于将设计思维与敏捷开发相结合的尝试 —— 成功与失败剖析" 作者：BrianNeisler 译者：Aceyclee 我们所说的设计思维，是指由 IDEO 公司的 Tim Brown 提出，并且正在改变全世界组织的设计思维，简称 DT。（译者注：IDDO，当代最具影响力的设计公司之一）该理念承诺带来更高的生产效率和创新，促进与用户建立更好的联系。听起来很不错，对吧？所以我们亲自尝试了一下。在这个过程中，我们取得了一些进展，也经历了一些挫折，还遇到了一些其他事情。如果您正在考虑采用设计思维，或者只是大体上考虑您的产品流程，不妨继续阅读本文，了解下我们的尝试。设计思维在科技公司中是什么样的？简而言之，设计思维流程针对的并非如何执行，而是如何在一开始决定应该构建什么内容。它以一个紧密的用户驱动型反馈环路为中心。理论上，这个闭环可使您在开始写产品代码前尽可能迅速地验证新的功能想法：对于我们这样的科技公司，设计思维意味着：共鸣：产品团队理解用户的反馈。定义：产品团队将反馈纳入问题池中。设想：产品团队和工程团队集思广益，共同提出关于如何解决问题的想法。原型：产品和研发团队采纳最佳想法并共同构建出一个或多个原型。我们不会保留这些代码，它们仅用于验证。测试：将解决办法提供给用户，看看是否解决了用户的问题。实施：如果解决了问题，由研发团队构建相应的实际产品。其结果是新功能首先在小范围的产品中提供，然后由用户验证，最后才进行实际的开发工作。这个过程中还有一个关键点：公司的所有部门之间会一直沟通。销售部门不会在几次交谈后就告诉工程部门应该构建什么产品，产品部门也不会告诉销售部门直接卖我们想做的产品。每个部门都会和用户沟通，然后共同提出产品战略。过程：我们如何将设计思维和敏捷开发结合？敏捷的好处在于您可以将项目细化，以便确定更合理的优先级。设计思维可同时在微观和宏观层面上支持实现敏捷。微观层面上，设计思维可用于验证各项功能。它符合敏捷框架，可帮助我们在迭代计划时始终专注于优先级最高的项目。宏观层面上，设计思维使一切工作回归于公司的愿景，提醒我们不断重新评估当前工作，以长期为我们的用户提供更好的服务。设计思维似乎天生适合我们公司。具体细节：我们完整的内部过程现在介绍我们在 Serverless 公司内部是如何开展设计思维这六个步骤的。共鸣：我们在 Confluence (Atlassian) 上设置了一个产品类别板，公司的任何人员均可提交用户问题。这些问题来源于任何真正可以发现实际用户问题的地方，包括直接的用户访谈、文章、论坛话题、漏洞报告和个人经历等。设想：任何人员还可以提交如何解决已确定用户问题的想法。我们的提交指南明确规定了所有解决方案均应从用户的角度进行阐述。有什么作用？要执行什么操作？期望产生什么结果？定义：产品团队每周审查类别版块，对需要进一步验证或需要进一步发现的内容加以标注。在审查的基础上，我们会对每个项目分配以下一个优先级：产品待办事项列表（高优先级） Icebox （低优先级）否决（直接拒绝）原型：产品团队查看待办事项列表，并共同拟定我们接下来要关注的原型。工程团队接收原型，并将它们纳入敏捷规划管道。测试：如果一切符合要求，并且该想法可以很好地解决实际的用户问题，我们会将其转换成提案，纳入到中期路线图中。实施：这些提案阐述了我们接下来 3-6 个月之内要在生产环境中实际构建的最佳构想产品。此外，我们还会进一步围绕每个提案定义 KPI，以便可以不断地衡量所取得的成功。目前有什么作用？设计思维目前的确给我们带来了不少积极影响：相比于我们想一次性执行的大项目，我们的工作更专注于组成整体的细小部分；通过论坛、Slack 或者访谈，我们能与用户不断沟通，有助于我们保持坦诚相待；我们充分利用设计思维来确保一组经过验证的功能得到实施。尽管一些旧习惯仍然在无形之中影响着我们，到这我们目前的执行还不是很完美，但我们比较乐观，也取得了一些进展。不过，我们也发现了一些不足之处，至少对我们的团队来说确实如此：我们的公司规模并不大，而且设计思维虽然强调紧凑的迭代循环，但坦白而言，其本身是高度结构化且非常耗时的。其结构化程度过高，致使其不太适合我们这样的小型初创公司。设计思维起源于咨询领域，有时候这一点会体现得很明显。查看完提交的所有想法需要较长的时间。这意味着，提交想法的人没有觉得他们在积极地贡献，而是这个过程中存在很多的繁琐程序。此外，任何优秀的产品团队最后往往会拒绝收到的 90% 的想法，而得知提供的想法十之八九会被否决对提出想法的人来说是一件沮丧的事情。我们的团队大部分都是远程办公，分散在 18 个时区。由于时区协调性，并不是所有人都可同时参与会议，因此很难保持紧凑的结构化反馈环路。此外，您可能时不时会看到设计思维会抹杀创意这样的观点，导致您不由地怀疑所作的努力。这时，您需要自行决定是否放弃。😉 替代方案？如此看来，设计思维并非十全十美。但老实说，我们也很难想象出其他替代办法。我们可以基本上舍弃流程，而是每月将所有人集中到办公室，让他们发表各自的看法。或者我们可以走另一个方向：始终让一个开发组长决定所有开发人员应该做什么，但如果这样做，对产品流程提供想法和意见的人将少之又少。我们或许可以采取 Google 的方法，让团队中每个成员各自分配出 10% 的时间来做用户调查和调整新的想法（事实上，这主意听起来还不错）。这又归结到一个经典问题 —— 任何体系都存在缺点。但至少，我们已经有一个可用的体系。总结我们可能会继续采用设计思维，也会在此基础上做些试验和调整。您对此有什么看法？您觉得怎样改善设计思维会让其更加适合初创公司？我们很期待了解别人是如何运用设计思维的！传送门： GitHub: github.com/serverless 官网：serverless.com 社区：Serverless 中文技术社区推荐阅读：《Serverless 架构：从原理、设计到项目实战》

2020-02-07

阿里巴巴大规模应用Flink的踩坑经验：如何大幅降低 HDFS 压力？

作者：邱从贤（山智）众所周知 Flink 是当前广泛使用的计算引擎，Flink 使用 checkpoint 机制进行容错处理[1]，Flink 的 checkpoint 会将状态快照备份到分布式存储系统，供后续恢复使用。在 Alibaba 内部我们使用的存储主要是 HDFS，当同一个集群的 Job 到达一定数量后，会对 HDFS 造成非常大的压力，本文将介绍一种大幅度降低 HDFS 压力的方法 -- 小文件合并。背景不管使用 FsStateBackend、RocksDBStateBackend 还是 NiagaraStateBackend，Flink 在进行 checkpoint 的时候，TM 会将状态快照写到分布式文件系统中，然后将文件句柄发给 JM，JM 完成全局 checkpoint 快照的存储，如下图所示。对于全量 checkpoint 来说，TM 将每个 checkpoint 内部的数据都写到同一个文件，而对于 RocksDBStateBackend/NiagaraStateBackend 的增量 checkpoint [2]来说，则会将每个 sst 文件写到一个分布式系统的文件内。当作业量很大，且作业的并发很大时，则会对底层 HDFS 形成非常大的压力：1）大量的 RPC 请求会影响 RPC 的响应时间（如下图所示）；2）大量文件对 NameNode 内存造成很大压力。在 Flink 中曾经尝试使用 ByteStreamStateHandle 来解决小文件多的问题[3]，将小于一定阈值的 state 直接发送到 JM，由 JM 统一写到分布式文件中，从而避免在 TM 端生成小文件。但是这个方案有一定的局限性，阈值设置太小，还会有很多小文件生成，阈值设置太大，则会导致 JM 内存消耗太多有 OOM 的风险。 1 小文件合并方案针对上面的问题我们提出一种解决方案 -- 小文件合并。在原来的实现中，每个 sst 文件会打开一个 CheckpointOutputStream，每个 CheckpointOutputStream 对应一个 FSDataOutputStream，将本地文件写往一个分布式文件，然后关闭 FSDataOutputStream，生成一个 StateHandle。如下图所示：小文件合并则会重用打开的 FSDataOutputStream，直至文件大小达到预设的阈值为止，换句话说多个 sst 文件会重用同一个 DFS 上的文件，每个 sst 文件占用 DFS 文件中的一部分，最终多个 StateHandle 共用一个物理文件，如下图所示。在接下来的章节中我们会描述实现的细节，其中需要重点考虑的地方包括：并发 checkpoint 的支持 Flink 天生支持并发 checkpoint，小文件合并方案则会将多个文件写往同一个分布式存储文件中，如果考虑不当，数据会写串或者损坏，因此我们需要有一种机制保证该方案的正确性，详细描述参考 2.1 节防止误删文件我们使用引用计数来记录文件的使用情况，仅通过文件引用计数是否降为 0 进行判断删除，则可能误删文件，如何保证文件不会被错误删除，我们将会在 2.2 节进行阐述降低空间放大使用小文件合并之后，只要文件中还有一个 statehandle 被使用，整个分布式文件就不能被删除，因此会占用更多的空间，我们在 2.3 节描述了解决该问题的详细方案异常处理我们将在 2.4 节阐述如何处理异常情况，包括 JM 异常和 TM 异常的情况 2.5 节中会详细描述在 Checkpoint 被取消或者失败后，如何取消 TM 端的 Snapshot，如果不取消 TM 端的 Snapshot，则会导致 TM 端实际运行的 Snapshot 比正常的多在第 3 节中阐述了小文件合并方案与现有方案的兼容性；第 4 节则会描述小文件合并方案的优势和不足；最后在第 5 节我们展示在生产环境下取得的效果。 2 设计实现本节中我们会详细描述整个小文件合并的细节，以及其中的设计要点。这里我们大致回忆一下 TM 端 Snapshot 的过程 TM 端 barrier 对齐 TM Snapshot 同步操作 TM Snapshot 异步操作其中上传 sst 文件到分布式存储系统在上面的第三步，同一个 checkpoint 内的文件顺序上传，多个 checkpoint 的文件上传可能同时进行。 2.1 并发 checkpoint 支持 Flink 天生支持并发 checkpoint，因此小文件合并方案也需要能够支持并发 checkpoint，如果不同 checkpoint 的 sst 文件同时写往一个分布式文件，则会导致文件内容损坏，后续无法从该文件进行 restore。在 FLINK-11937[4] 的提案中，我们会将每个 checkpoint 的 state 文件写到同一个 HDFS 文件，不同 checkpoint 的 state 写到不同的 HDFS 文件 -- 换句话说，HDFS 文件不跨 Checkpoint 共用，从而避免了多个客户端同时写入同一个文件的情况。后续我们会继续推进跨 Checkpoint 共用文件的方案，当然在跨 Checkpoint 共用文件的方案中，并行的 Checkpoint 也会写往不同的 HDFS 文件。 2.2 防止误删文件复用底层文件之后，我们使用引用计数追踪文件的使用情况，在文件引用数降为 0 的情况下删除文件。但是在某些情况下，文件引用数为 0 的时候，并不代表文件不会被继续使用，可能导致文件误删。下面我们会详>细描述开启并发 checkpoint 后可能导致文件误删的情况，以及解决方案。我们以下图为例，maxConcurrentlyCheckpoint = 2 上图中共有 3 个 checkpoint，其中 chk-1 已经完成，chk-2 和 chk-3 都基于 chk-1 进行，chk-2 在 chk-3 前完成，chk-3 在注册 4.sst 的时候发现，发现 4.sst 在 chk-2 中已经注册过，会重用 chk-2 中 4.sst 对应的 stateHandle，然后取消 chk-3 中的 4.sst 的注册，并且删除 stateHandle，在处理完 chk-3 中 4.sst 之后，该 stateHandle 对应的分布式文件的引用计数为 0，如果我们这个时候删除分布式文件，则会同时删除 5.sst 对应的内容，导致后续无法从 chk-3 恢复。这里的问题是如何在 stateHandle 对应的分布式文件引用计数降为 0 的时候正确判断是否还会继续引用该文件，因此在整个 checkpoint 完成处理之后再判断某个分布式文件能否删除，如果真个 checkpoint 完成发现文件没有被引用，则可以安全删除，否则不进行删除。 2.3 降低空间放大使用小文件合并方案后，每个 sst 文件对应分布式文件中的一个 segment，如下图所示文件仅能在所有 segment 都不再使用时进行删除，上图中有 4 个 segment，仅 segment-4 被使用，但是整个文件都不能删除，其中 segment[1-3] 的空间被浪费掉了，从实际生产环境中的数据可知，整体的空间放大率（实际占用的空间 / 真实有用的空间）在 1.3 - 1.6 之间。为了解决空间放大的问题，在 TM 端起异步线程对放大率超过阈值的文件进行压缩。而且仅对已经关闭的文件进行压缩。整个压缩的流程如下所示：计算每个文件的放大率如果放大率较小则直接跳到步骤 7 如果文件 A 的放大率超过阈值，则生成一个对应的新文件 A‘（如果这个过程中创建文件失败，则由 TM 负责清理工作）记录 A 与 A’ 的映射关系在下一次 checkpoint X 往 JM 发送落在文件 A 中的 StateHandle 时，则使用 A` 中的信息生成一个新的 StateHandle 发送给 JM checkpoint X 完成后，我们增加 A‘ 的引用计数，减少 A 的引用计数，在引用计数降为 0 后将文件 A 删除（如果 JM 增加了 A’ 的引用，然后出现异常，则会从上次成功的 checkpoint 重新构建整个引用计数器）文件压缩完成 2.4 异常情况处理在 checkpoint 的过程中，主要有两种异常：JM 异常和 TM 异常，我们将分情况阐述。 2.4.1 JM 异常 JM 端主要记录 StateHandle 以及文件的引用计数，引用计数相关数据不需要持久化到外存中，因此不需要特殊的处理，也不需要考虑 transaction 等相关操作，如果 JM 发送 failover，则可以直接从最近一次 complete checkpoint 恢复，并重建引用计数即可。 2.4.2 TM 异常 TM 异常可以分为两种：1）该文件在之前 checkpoint 中已经汇报过给 JM；2）文件尚未汇报过给 JM，我们会分情况阐述。文件已经汇报过给 JM文件汇报过给 JM，因此在 JM 端有文件的引用计数，文件的删除由 JM 控制，当文件的引用计数变为 0 之后，JM 将删除该文件。文件尚未汇报给 JM该文件暂时尚未汇报过给 JM，该文件不再被使用，也不会被 JM 感知，成为孤儿文件。这种情况暂时有外围工具统一进行清理。 2.5 取消 TM 端 snapshot 像前面章节所说，我们需要在 checkpoint 超时/失败时，取消 TM 端的 snapshot，而 Flink 则没有相应的通知机制，现在 FLINK-8871[5] 在追踪相应的优化，我们在内部增加了相关实现，当 checkpoint 失败时会发送 RPC 数据给 TM，TM 端接受到相应的 RPC 消息后，会取消相应的 snapshot。 3 兼容性小文件合并功能支持从之前的版本无缝迁移过来。从之前的 checkpoint restore 的的步骤如下：每个 TM 分到自己需要 restore 的 state handle TM 从远程下载 state handle 对应的数据从本地进行恢复小文件合并主要影响的是第 2 步，从远程下载对应数据的时候对不同的 StateHandle 进行适配，因此不影响整体的兼容性。 4 优势和不足优势：大幅度降低 HDFS 的压力：包括 RPC 压力以及 NameNode 内存的压力不足：不支持 State 多线程上传的功能（State 上传暂时不是 checkpoint 的瓶颈） 5 线上环境的结果在该方案上线后，对 Namenode 的压力大幅降低，下面的截图来自线上生产集群，从数据来看，文件创建和关闭的 RPC 有明显下降，RPC 的响应时间也有大幅度降低，确保顺利度过双十一。参考文献 [1] https://ci.apache.org/projects/flink/flink-docs-stable/ops/state/checkpoints.html [2] https://flink.apache.org/features/2018/01/30/incremental-checkpointing.html [3] https://www.slideshare.net/dataArtisans/stephan-ewen-experiences-running-flink-at-very-large-scale [4] https://issues.apache.org/jira/browse/FLINK-11937 [5] https://issues.apache.org/jira/browse/FLINK-8871

2020-01-09

12月11日Spark社区直播【实时数仓建设以及典型场景应用】

议题：实时数仓建设以及典型场景应用直播间直达（回看）链接： https://developer.aliyun.com/live/1758 简介：本次分享会介绍实时数仓的思路以及一些实践，包括SparkStreaming

2019-12-09

《区块链DAPP开发入门、代码实现、场景应用》笔记1——天外飞仙DAPP

2020区块链各种应用都上马了，跟我一起学《区块链DAPP开发入门、代码实现、场景应用》吧。

2019-10-22

ThinkPHP 6.0 RC5 发布，多应用模式独立及中间件机制调整

多应用模式调整鉴于多应用模式的复杂性和扩展性考虑，最新版本把多应用模式独立为框架的一个全局中间件扩展。

2019-10-18

如何在SAP UI5应用里添加使用摄像头拍照的功能

昨天Jerry的文章纯JavaScript实现的调用设备摄像头并拍照的功能介绍了纯JavaScript借助WebRTC API来开发支持调用设备的摄像头拍照的web应用。

2019-10-11

阿里AI芯片含光800已大规模应用，服务城市大脑、拍立淘

在2019杭州云栖大会首日，阿里巴巴平头哥发布首颗芯片含光800，该芯片性能和能效比均为全球第一，目前已大规模应用阿里巴巴集团内部城市大脑、拍立淘等业务，与此同时，基于含光800的AI云服务也正式上线，

2019-09-25

Apache Flink 在同程艺龙实时计算平台的研发与应用实践

1.背景介绍在 2015 年初，为了能够采集到用户在 PC，APP 等平台上的行为轨迹，我们开始开发实时应用。

2019-09-10

多语言、导入SLB和应用生命周期挂钩脚本功能上线

信息摘要：多语言方面支持Go、PHP和原生应用，支持导入用户已有SLB实例和应用生命周期挂钩脚本功能。

2019-08-29

spring-boot-plus1.1.0发布-集成Spring Boot Admin管理和监控应用

Spring Boot Admin Spring Boot Admin用来管理和监控Spring Boot应用程序应用程序向我们的Spring Boot Admin Client注册（通过HTTP）或使用

2019-08-05

AI中台——智能聊天机器人平台的架构与应用（分享实录）

前两期技术沙龙分别分享了宜信AI中台和数据中台的建设实践，本次分享将先回顾AI中台的总体设计和实施路径，以及AI中台与数据中台的关系，再详细介绍基于中台思想建设的智能聊天机器人平台，包括其技术架构、技术原理、核心功能点、应用场景以及应用效果

2019-08-01

阿里云李响：阿里巴巴大规模云原生应用是如何实现的？

6月26日，云原生领域顶级大会KubeCon + CloudNativeCon落下帷幕，作为云原生技术与应用的领先企业，阿里云全面展示了云原生产品家族、开源全景图，让企业、开发者轻松享受云的技术红利。

2019-06-26

Ubuntu 放弃支持 32 位应用程序实属乌龙，Steam 会否重回 Ubuntu 怀抱？

Ubuntu 开发人员澄清，人们以为 Ubuntu 将在 Ubuntu 19.10 和后续版本中放弃对运行 32 位应用程序的支持，但“根本不是这种情况”。那么这究竟是怎么一回事呢？

2019-06-24

Java技术周刊第10期：大型系统设计原则与阿里云产品的应用

直播预告大型系统设计原则与阿里云产品的应用直播时间：2019年6月11日周二晚19:30本期直播主讲人：云栖社区特邀专家颜群JAVA及大数据领域技术专家蓝桥学院西北地区教学督导、教研负责人、金牌讲师

2019-06-04

玩转阿里云函数计算(一)----Java Http 触发器极速迁移传统 Spring 应用

函数计算平台针对 Java 语言推出的 Java HTTP 触发器功能，能够无缝迁移传统的 Java Web 应用。

2019-05-20

玩转阿里云函数计算(二)----Java Http 触发器极速迁移传统 SpringBoot 应用

前言阿里云函数计算 Function Compute(FC) 本文介绍如何使用 Java HTTP 触发器来快速迁移 SpringBoot 应用 demo-springboot-hello，并使用函数计算提供的

2019-05-20

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。

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。

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。

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。