1.haloԴ?源码阅读??Ķ?
2.一个注解干翻所有Controller
3.è¾åå
软件工ä½å®¤çäºçºª
4.KDD 2021 | 多维时间序列无监督异常检测方法
haloԴ???Ķ?
在探讨博客搭建的领域,静态博客与动态博客的源码阅读概念尤为重要。静态博客,源码阅读如使用Hexo、源码阅读Hugo等工具,源码阅读其特点是源码阅读adt源码下载服务器端仅负责提供Nginx + 静态页面,无需频繁与数据库交互。源码阅读
对于希望拥有更多自定义空间的源码阅读开发者,选择使用开源博客项目如Halo、源码阅读Tale,源码阅读甚至自开发,源码阅读成为更合适的源码阅读选择。这时,源码阅读服务端通常采用Docker(可选) + Tomcat(Nginx) + 项目(可选H2数据库) + Mysql(可选嵌入式数据库)。源码阅读
对Windows用户而言,源码阅读使用如Hugo这样的静态博客工具和WSL(Windows Subsystem for Linux) + Nginx的组合是较为便捷的方案。若在Mac OS、xampp本地商城源码Linux上遇到问题,欢迎通过私信寻求帮助。安装流程相对简化,无需克隆源代码,通过Git学习者也能顺利操作。
配置Hugo时,将Hugo所在目录添加到Path环境变量中,利用Windows PowerShell(管理员模式)验证安装是否成功。接下来,使用任意文本编辑器创建并编辑.md文件,下载并应用一个主题,本地发布静态博客。
配置Nginx同样简单,通过sudo apt-get install nginx安装,然后在/etc/nginx/conf.d文件夹中创建配置文件。对于nginx.conf内容,mongodb分片源码除非修改user属性,否则不建议改动,以免影响服务稳定。
在搭建博客的末尾,希望我的分享能为你提供帮助。现今,阿里云、腾讯云等平台提供了性价比高的服务器选项,为个人开发者提供了良好的空间。网络上有丰富的教程和视频资源,但很少深入讲解静态与动态博客的区别。感谢阅读我的文章,希望它能对你有所启发。无论你选择何种平台,希望你的博客之旅充满乐趣。
一个注解干翻所有Controller
日常开发中,react源码解析下繁重的Controller编写任务常常让开发者感到头疼。通常,公司会要求Controller仅承担参数解析和结果转换,避免业务逻辑混杂其中。然而,实际项目源码中,Controller中却往往包含着大量不应存在的业务逻辑。对此,是否应该依赖于Code Review来解决问题?在我看来,Controller本就不应存在。
在对CommandService和QueryService进行封装时,我们借助定义接口的方式快速搭建了应用服务,大幅度提升了开发效率和代码质量。随后,通过构建在应用服务之上的Controller,将能力对外暴露。安心记加班源码这是一个繁琐而缺乏技术含量的工作,对于这类重复性劳动,我的策略始终是“交由框架完成”。
我们的目标是实现不编写Controller,同时保留Controller的功能。为了实现这一目标,首先需要配置依赖lego-starter和swagger相关依赖,并创建SpringFoxConfiguration启用Swagger。在浏览器输入指定地址,可以发现新增的两个Controller:command-dispatcher-controller和query-dispatcher-controller。command-dispatcher-controller主要负责CommanderService的Web暴露,支持业务操作如创建、更新等,query-dispatcher-controller则负责QueryService的Web暴露,用于执行业务查询操作,并支持RequestBody和RequestParam两种接入方式。
在深入使用过程中,会遇到一些疑惑:serviceName和method参数从何获取?nativeRequest和nativeResponse又是何物?这两个接口如何使用?这些问题的解答并不直观,因为用户通常不会直接使用这两个处理器。
对于Command控制器的使用,只需在OrderCommandService接口上添加@AutoRegisterWebController注解,即可将其对外暴露为Web端口。通过访问指定地址,可以看到OrderCommandService服务中的所有方法都在Controller中得到了体现。以create方法为例,可以发现与手写Controller的结构和功能基本一致。
同样的,对于Query控制器,同样通过在OrderQueryService接口上添加@AutoRegisterWebController注解实现暴露。在访问指定地址并展开QueryByBody和QueryByParam方法后,可以清晰地看到与手写Controller相似的结构和功能。
设计与扩展部分,整个设计可以分为两部分:统一Controller与Swagger集成。统一Controller部分提供QueryDispatcherController作为所有查询请求的入口,其核心架构涉及初始化和执行流程。与Swagger的集成则通过QueryServiceProvider实现,此组件依赖于QueryMethodRegistry中的QueryMethod信息,确保提供了完整的API文档。设计流程同样围绕QueryDispatcherController展开,确保与QueryServiceProvider的一致性。
在项目信息部分,此解决方案来源于geekhalo,提供了一套高效、简洁的Controller替代方案,旨在简化开发流程,提升开发效率和代码质量。
è¾åå 软件工ä½å®¤çäºçºª
ï¼å¹´~å¹´ææ¥ï¼å¹´ï¼è¾åå éç¨å°è建ç«ç³»ç»å建è¾ç½
å¹´ï¼å å°èç³»ç»ä¸ä¼ éå¶ï¼ç½ç«æ¹ç¨å¸å½å»ºç«ç³»ç»é建
å¹´4æ8æ¥ ç®ç¹è½¬æ¢æ1.0(PYå¹³å°)åå¸
å¹´4ææ¥ãç®ç¹è½¬æ¢æ1.5(PYå¹³å°)åå¸
å¹´6æ8æ¥ãè¾åå 个人ç½ç«ï¼aiplayï¼éæ°å¼è®¾
å¹´9ææ¥ãç®ç¹è½¬æ¢æ2.0(PYå¹³å°ãJAVAå¹³å°)åå¸
å¹´ææ¥ãç®ç¹è½¬æ¢æ3.0(注åç)åå¸
å¹´æ8æ¥ãè¾åå 以个人æ£æ£å·ä¸ºå注åççµèç½ç«ï¼ï¼å¼è®¾ï¼ææºå¯è®¿é®
å¹´ææ¥ãææºä¸»é¡µï¼ï¼å¼è®¾
å¹´ææ¥ãç®ç¹è½¬æ¢æ3.0(å 注åç)åå¸
å¹´ææ¥ãç®ç¹è½¬æ¢æ3.5åå¸
å¹´4ææ¥ãPc端ç®ç¹ç«åµå ¥å·¥å ·å¼åæåï¼æ¯ä¸ºææ¯å¤§çªç ´ï¼ç®ç¹ç«4.0é®ä¸
å¹´5æ4æ¥ãç®ç¹è½¬æ¢æ4.5åå¸
å¹´5æ¥æ¥ãç±äºæ°æ®æªå¤ä»½ï¼ææºè¾ç½ï¼ï¼é建
å¹´5ææ¥ãç®ç¹ç«5.0é®ä¸
å¹´5ææ¥ãè¾ç½å¼éå¨çº¿ç®ç¹ç«åµå ¥ç¨åº
å¹´5ææ¥ã以âè¾å¥è½¯ä»¶âé¦åæ¯æ³¨åçæ°åå使ç¨ï¼agrjï¼
å¹´9ææ¥ãè¾ç½å¡é形象logoåå¸
æ9ææ¥ã空é´äººæ°ç²¾çµ(Java)å ¬æµ
å¹´9ææ¥ã空é´äººæ°ç²¾çµ1.2åå¸
å¹´9ææ¥ã空é´äººæ°ç²¾çµ1.4åå¸
å¹´9ææ¥ã空é´äººæ°ç²¾çµ1.åå¸
å¹´ææ¥ãç®ç¹è½¬æ¢æ6.0åå¸
å¹´ææ¥ã空é´äººæ°ç²¾çµ1.5ã空é´äººæ°ç²¾çµéç¨çåå¸
å¹´ææ¥ãèé¼ å æ1.0åå¸
å¹´æ6æ¥ãç½ç«ééªå®¢æ»å»
å¹´æ7æ¥ãç½ç«æ°æ®æ¢å¤è³å¹´ææ¥
å¹´æ7æ¥ãç½ç«æ¢å¤åæ°æ¥ï¼ä¸äºå«æç¨å¿çå¤æ¥äººåååâ被é»âäºä»¶å¤§é¹ç©ºé´äººæ°ç²¾çµè®ºå
å¹´ææ¥ãè¾è¾æ¼é³è¾å ¥æ³åµå ¥å¼é件é®ä¸
å¹´ææ¥ãPc端æèå¯å¨ç²¾çµå¼åï¼è¾ç½é¦å为Javaç¨åºå 个æ§å¯å¨é³ä¹
å¹´ææ¥ã3G社åºç级精çµåå¸
å¹´æ7æ¥ãè¾ç½æ§ååï¼ï¼è¿æ
å¹´ææ¥ãæ£æ£æºå¨äºº(Java)åå¸
å¹´ææ¥ãææºè¾ç½ï¼agrjï¼å æ å ³å
å¹´ææ¥ãè¾ç½éå¼çµèç论åï¼agrjï¼
å¹´ææ¥ãçµèçè¾ç½ï¼agrjï¼åæ¬¡å ³å
å¹´1æ4æ¥ãè¾ç½è½¬æç¾å½ï¼ä»¥alkstudio注åæ°ååï¼å次å´èµ·
å¹´1æï¼èªå¹´5æè¾ç½é建起就ä¸ç´æ 任论å管çå(å ¨ç«è¶ ç)çå°å®æ£å¤ª.å 个人åå 离å¼äºè¾ç½ç®¡çå±ï¼è¾åå è¯ï¼å°å®æ¯æ以åæ好çææ¡£ï¼ç°å¨ææ¶ä¹æèç³»ï¼ä½ä»è¯´å¦ä¹ å¿ï¼ææ¶è¿ä¼ç»æ建议çâ¦ï¼
å¹´1ææ¥ãå èµæºä¸è½½é®é¢ï¼æ°æ®åºè½¬ç§»ï¼ä¼åéæ°æ³¨åå¸å·
å¹´1ææ¥ãJavaå¯å¨ç²¾çµ2åå¸ï¼å¯ä¸ºç¨åºæ·»å å¯å¨å¨ç»ãé³ä¹
å¹´1ææ¥ è¾åå å ¬å¼åå¹´PY软件æºç
å¹´2æ6æ¥ãMinihaloå æµå¼å§ï¼æ°ä¸è½®æ¹è½¯é©å½æç¶å±å¼
å¹´2ææ¥ãå æå¡å¨é®é¢èå ³éçJAVAè¾å ¥æ³å¨çº¿åµå ¥ç¨åºå次å¼é
å¹´3æ5æ¥ ç½ç«æ使ç¨çç¾å½ixwebhosting空é´ï¼å Mysqlæ°æ®åºè¿åäºå ¶æ¬èº«æå¡èå´ï¼è¢«è¿«ç§»åºï¼å¯¼è´è®ºåè³ä»ä¸åº¦ç«æ¢
å¹´3ææ¥ è¾ç½éå¼ï¼è¢«è¿«ç®å论ååè½
å¹´3ææ¥ è¾ç½æå¡å¨å级ï¼æ´æ¢ä¸ºç¬ç«ä¸»æºï¼ç½éæ ¢çé®é¢å¾ä»¥è§£å³
å¹´3ææ¥ ä»¥alkstudio注åçåååç¨
å¹´3ææ¥ è¾ç½Eå¸å¶åº¦åæ¥å»ºç«
å¹´3ææ¥ è¾ç½ç¼è¾é¨åå§äººéå¡ååãè¾ç½å¨åã第æ
å¹´3ææ¥ PC端为软件åµå ¥å¯å¨æ°çºªå ï¼å®ç°Java软件åµå ¥æªå¾åè½ãå ¶å½±åç大ã
å¹´3ææ¥å½å é¦ä¸ªéç¨multimeå¼æçå¨çº¿ææºå软ç½ï¼è¾ç½å¨çº¿å件å¼å§å ¬æµ
å¹´4ææ¥ å½å é¦ä¸ªå¨çº¿pythonåç¼è¯ãç¼è¯æå¡å è´¹å¼æ¾
å¹´5ææ¥éç¨ç±è¾ç½ç¼è¾é¨éå¡è®¾è®¡çå ¨æ°çé¢ï¼ä½¿ç½é¡µæçæ´å æ¹ä¾¿ç®æ´ã
å¹´6ææ¥è¾åå 软件工ä½å®¤å次çªç ´ï¼å¼ååºææºç«¯çåå¹¶è½¯ä»¶å·¥å ·ï¼å°å¤ä¸ªè½¯ä»¶å并为ä¸ä¸ªè½¯ä»¶ä½¿ç¨
å¹´ææ¥ è¾åå 宣å¸ç½ç«å¼å¯èªå©æèµ æ¨¡å¼ï¼æ¥åè¾åæèµ ï¼ç¨ä»¥é¼å±ååå¼å
å¹´ææ¥ è¾åå çªç¶ä»¥è®ºåå ¬åå½¢å¼è¡¨ç¤ºï¼ç±äºå¹¿åå¹³å°åæ¹é¢ä¸æåä½ä»¥åç½ç«è¿ä½èµéä¸è¶³çåå ï¼è¾ç½å°äºå¹´1ææ¥æå¡å¨ç§ç¨å°æä¹æ¥æ£å¼æ°¸ä¹ å ³éãæ°å°æ¶å ï¼è¾ç½å°å ³éä¹äºå¥èµ°äºä¼è§ãå¡ççå大论å
å¹´ææ¥ä¸åï¼è¾åå å表å¸åãä¸ä¸ªæ¯å¥äººå¿çæ¶æ¯ãï¼å®£å¸å¡çæºè½ç½é»ç¥è¾ç½ä¹äºï¼è¡¨ç¤ºæ¿æ为è¾ç½æä¾å 费空é´æ¯æï¼ä»¥è®©è¾ç½ç»§ç»è¿è¥ãéå³è®¿é®è¾ç½æ¶ä¾¿åºç°å示æ示ç½ç«æ°æ®æ£å¨è¿ç§»ï¼å°äºæä¸8æ¶å¼æ¾è®¿é®
KDD | 多维时间序列无监督异常检测方法
来自: KDD | 多维时间序列无监督异常检测方法
在多维时间序列异常检测领域,一项关键任务是对实体各种状态进行监控。面对缺乏足够标签的工业场景,无监督异常检测成为重要课题。来自清华大学的研究者在KDD 会议上提出了一种无监督方法(InterFusion),旨在同时考虑多维时间序列不同指标间的依赖性和时间顺序上的依赖性。通过变分自编码机(VAE)建模正态模式,并结合马尔科夫链蒙特卡洛(MCMC)方法解释多维时间序列的异常结果。实验在四个工业领域真实数据集上进行,验证了算法效果。
论文地址:dl.acm.org/doi/....
论文源码:github.com/zhhlee/Inter...
会议介绍:ACM SIGKDD(知识发现与数据挖掘会议)是数据挖掘领域的顶级国际会议,由ACM数据挖掘及知识发现专委会组织。自年起,KDD大会连续举办二十余届全球峰会,以严格的论文接收标准闻名,接收率通常不超过%,备受行业关注。
今年KDD论文接收结果显示,篇投稿中,篇被接收,接收率为.%,与去年相比略有下降。
核心贡献:
算法模型:InterFusion采用层级变分自编码机(HVAE)联合训练指标间和时间参数,提出双视图嵌入方法,表达指标间和时间依赖特征。预过滤策略增强模型鲁棒性,避免异常模式干扰。
模型训练与推断:通过减少真实数据与重构数据差异实现VAE训练目标。使用MCMC插补算法解释异常检测结果。
解释方法:为检测到的异常实体找到一组最异常指标,通过MCMC插补获得合理潜在嵌入和重建,判断异常维度。
实验与评价:基于四个真实场景数据集进行实验,采用F1-score评估异常检测准确性,提出解释分数(IPS)度量异常解释准确性。
推荐文章:
ShapeNet:一款时序分类最新神经网络框架
导师说:文献神器推荐,高效整理阅读脉络
哈工大教授:文献阅读策略,把握重点与适度
深度盘点:机器学习与深度学习面试知识点汇总
图形学大牛陈宝权弟子作品,ACM CHI最佳论文荣誉提名
深度Mind强化学习智能体,提高数据效率
微软亚洲研究院论文精选,Transformer、知识图谱等热点话题
谷歌发布Translatotron 2,语音到语音直接翻译神经模型
OpenAI十亿美元卖身微软后,通用人工智能前景分析
谷歌学术刊物指标发布
HaloNet:自注意力方式的卷积新作