ITPub博客

现在各种AI大模型大行其道，前有GhatGPT颠覆了我们对对话型AI的原有印象，后有Sora文生视频，让我们看到了利用AI进行创意创作的无限可能性。如今各大公司和团队都争相提出自己的大模型，各种网页端和软件应用也极大地降低了我们使用AI作为生产力的门槛。我这次就为大家带来使用AI进行绘图的入门实践，为大促文章配图，绘制大促广告宣传海报，提升促销图的画质和精度，探索一下从这方面助力大促的新思路。平台

数据权限控制需要对查询出的数据进行筛选，对业务入侵最少的方式就是利用mybatis或者数据库连接池的切片对已有业务的sql进行修改。切片逻辑完成后，仅需要在业务中加入少量标记代码，就可以实现对数据权限的控制。这种修改方式，对老业务的逻辑没有入侵或只有少量入侵，基本不影响老业务的逻辑和可读性；对新业务，业务开发人员无需过多关注权限问题，可以集中精力处理业务逻辑。由于部门代码中使用的数据库连接池种类较

非常感谢Kevin和张健对本文提供的建议和指导。1. 概述在数字化时代，数据是企业最宝贵的资产之一。随着技术的进步和数据量的爆炸性增长，如何有效地存储、管理和分析这些数据成为每个企业面临的重大挑战。数据库作为数据管理的核心技术，其选型对于系统至关重要。传统的关系型数据库（RDBMS）以其严格的ACID事务、优秀的一致性和安全性在企业应用中占据了长久的统治地位。然而，随着互联网、大数据和云计算的兴起

数据权限控制需要对查询出的数据进行筛选，对业务入侵最少的方式就是利用mybatis或者数据库连接池的切片对已有业务的sql进行修改。切片逻辑完成后，仅需要在业务中加入少量标记代码，就可以实现对数据权限的控制。这种修改方式，对老业务的逻辑没有入侵或只有少量入侵，基本不影响老业务的逻辑和可读性；对新业务，业务开发人员无需过多关注权限问题，可以集中精力处理业务逻辑。由于部门代码中使用的数据库连接池种类较

概述在物流系统相关的大屏中，供应链大屏复杂度较高，数据链路较长，稳定性要求较高，当前大屏已经经过2年时间的打磨，整体表现已经相对比较成熟稳定。本文描述了物流供应链业务较复杂的业务场景下，结合了大数据计算相关技术，总结了实时监控大屏指标建设和服务构建的框架和经验，为后续其他核心大屏的高可用和高实时性建设提供建设思路。以下几点需要重点关注：1、基于Flink的数据加工链路和OLAP的数据分析引擎基于目

背景采购系统（BIP）在经历多年演进后，系统整体复杂度和数据量俨然已经极具规模，本文着重讨论海量数据的治理存储现状：工程端实时订单库采用MySQL 5.5集群，其中主库配置为32C/48G/6000G，无法归档的订单热数据占磁盘空间85%（5.1T）痛点：6T磁盘已经单容器最大，无法继续扩容，剩余磁盘余量过小，难适应未来发展目标降低磁盘容量，优化数据模型，提升系统稳定性调研首先，既然是要解决存储容

最近刚刚接手了保险一线之声平台的开发和维护工作，第一个需要修复的问题是：平台的事件导出成excel功能在经过一次上线之后突然不可用了，于是就开始了几轮痛苦的排查以及与源码博弈的过程。二、问题描述一线之声在事件查询菜单下支持将结果导出为Excel，程序中使用easypoi+apache-poi实现，此功能一直正常使用，直到从2024-04-12 12.04.39之后的任务全部都导出失败三、

1. 背景      京东的期中考试：618即将到来，各个团队都在进行期中考试前的模拟考试：军演压测，故障演练，系统的梳理以检测系统的稳定性以应对高可用，高性能，高并发。我们知道系统的稳定性建设是贯穿整个研发流程：需求阶段，研发阶段，测试阶段，上线阶段，运维阶段；整个流程中的所有参与人员：产品，研发，测试，运维人员都应关注系统的稳定性。业务的发展及系统建设过程中，稳定

前言：由于最近对spark的运行流程非常感兴趣，所以阅读了《Spark大数据处理：技术、应用与性能优化》一书。通过这本书的学习，了解了spark的核心技术、实际应用场景以及性能优化的方法。本文旨在记录和分享下spark运行的基本流程。一、spark的基础组件及其概念1. ClusterManager在Standalone模式中即为Master，控制整个集群，监控Worker。在YARN模式中为资源

1、引言由于目前比较火的chatGPT是预训练模型，而训练一个大模型是需要较长时间（参数越多学习时间越长，保守估计一般是几个月，不差钱的可以多用点GPU缩短这个时间），这就导致了它所学习的知识不会是最新的，最新的chatGPT-4o只能基于2023年6月之前的数据进行回答，距离目前已经快一年的时间，如果想让GPT基于近一年的时间回复问题，就需要RAG（检索增强生成）技术了。此外，对于公司内部

一、引言在信息技术飞速发展的今天，运维工作已经从最初的人工操作，逐步演变为自动化、AIOps（人工智能运维）和ChatOps（通过聊天的方式去运维）。这些变革不仅提升了运维效率，还显著保障了系统的稳定性。特别是借助大模型，运维同学能够更加高效地完成工作，并应对复杂的运维挑战。本文将依次介绍这些概念，并探讨大模型在运维领域的具体应用。二、运维的演变历程1. 人工运维  - 概念：人工运维

导读：✍️本文主要介绍：智能聊天、PPT生成、与PDF文件智能对话、数字人创作、艺术创作。 作者：王禹展 部门：京东健康-技术产品部-供应链研发部-B2B研发组一、大模型应用分享1 Monica简介官网： https://monica.im/1.1 搜索引擎伴侣摘取搜索引擎关键词，在右侧给出答案1.2 帮你阅读网站内容1.3 写文章以下是生成的文章1.4

一、我们为什么要了解浏览器？1. 对于前端开发者1.浏览器是用户体验的第一线。我们需要了解浏览器的工作原理，才能有效地设计和实现用户界面，确保良好的用户体验。2.好的产品需要考虑浏览器兼容性。我们需要了解这些差异，以确保网站或应用在不同的浏览器中都能正常工作，因为不同的浏览器对CSS、JavaScript等的支持程度和实现细节可能有所不同。3.追求良好的性能需要我们了解浏览器的渲染机制、JavaS

LMM将会全面替代语言大模型？AI新里程碑GPT4V美国预先公测，医疗领域/OCR实践+166页GPTV试用报告解读ChatGPT Vision，亦被广泛称为GPT-V或GPT-4V，代表了人工智能技术的新里程碑。作为LMM (Large Multimodal Model) 的代表，它不仅继承了LLM (Large Language Model) 的文本处理能力，还加入了图像处理的功能，实现

开篇我是孙林，2021-京东集团-博士管培生，清华大学软件学院博士，工作期间提交专利5篇，获得北京亦麒麟优秀人才称号。目前，我担任算法中台研发部数据开发工程师，围绕检索增强生成应用领域开展研究工作。本文将从背景、核心工作、业务实践与反馈以及未来展望等几个方向进行介绍。背景介绍大语言模型（LLM）在自然语言处理和自然语言理解方面取得了重大突破。大模型与应用场景的结合有助于可以在降低成本的同时提高效率

随着 AI 技术的飞速发展，特别是大模型的出现，传统的程序员角色正在经历深刻的变革，我们不得不重新对自己进行审视和思考。通用领域大模型的“泛化能力”在过去的二十年内，AI 领域的大部分研究和应用都集中在完成一项特定的任务中，例如：分类图片、总结文章、多语言翻译等，然而随着模型参数的增加， ChatGPT 的出现体现了“大模型”在通用领域内令人惊叹的能力，一些不存在于模型内的泛化能力突然出现

最近在开发 延保服务 频道页时，为了提高查询效率，使用到了多线程技术。为了对多线程方案设计有更加充分的了解，在业余时间读完了《图解 Java 多线程设计模式》这本书，觉得收获良多。本篇文章将介绍其中提到的 Future 模式，以及在实际业务开发中对该模式的应用，而这些内容对于本书来说只是冰山一角，还是推荐大家有时间去阅读原书。1. Future 模式：“先给您提货单”我们先来看一个场景：假如我们去

背景：近期在跟进业务中发生了一些问题，并从中学习了一些避免问题产生的经验。通过这些问题也引发了我的一个疑问：“不存在的场景真的不存在吗？”，本篇文章将探讨这一问题，并尝试分析问题产生的原因。场景举例：在项目研发和测试过程中，常常会出现以下几种场景：场景一：测试人员：有一个数据为空的场景还没有验证。研发人员：这个场景不会出现，因为没有删除逻辑。场景二：研发人员：本次需求时间紧任务重！这里肯定不会出现

1、前言如果你仍在使用JDK8，那你是否曾经遇到过OutOfMemoryError的问题？你是否曾经为JVM的调优问题感到困扰？本篇文章将为你介绍一种能够提供百倍性能提升的垃圾回收器，也许能够解决你的问题。上篇文章给大家带来了JDK8升级JDK11的最全实践，相信大家阅读后已经对JDK11有了比较深入的了解。2021年9月14日，Oracle发布了可以长期支持的JDK17版本，那么从JDK11到J

1、前言截至目前（2023年），Java8发布至今已有9年，2018年9月25日，Oracle发布了Java11，这是Java8之后的LTS版本。那么从JDK8到JDK11，到底带来了哪些特性呢？值得我们升级吗？而且升级过程会遇到哪些问题呢？带着这些问题，本篇文章将带来完整的JDK8升级JDK11最全实践。2、为什么升级JDK111）性能提升更好的垃圾收机制、更快的类加载器, 加快应用程序的运行速