推荐
专栏
教程
课程
飞鹅
本次共找到1479条
天猫双十一
相关的信息
艾木酱
•
3年前
双十一盖楼大挑战,送书送资源再抽iPhone13!
特别的日子,需要特别的仪式~快来盖楼有大奖!活动期间,向「MemFireDB」公众号后台发送指定口令,即可参与双十一盖楼大挑战,送书再抽iPhone13的活动~活动详情No.111的快乐活动时间:11月08日11月11日抽到第11、22、33、44、55、66等楼层数为11的N倍的用户,将本篇文章或活动海报分享到朋友圈后,均可从下方任意挑选一本自己感兴
Stella981
•
3年前
MacBook M1使用体验
前言2020年11月11日双十一上午,苹果发布了M1芯片的新款Mac,其最大的变化就是将处理器从Intel换成了苹果自研的ARM芯片M1。上一次苹果更换Mac芯片要追溯到2006年,14年前,苹果选择从PowerPc转向Intel,事实证明当时的换代给Mac带来了性能的大幅提升,是一次正确的选择。时隔14年,苹果再一次选择了更换芯片
Stella981
•
3年前
Python 带你来一次说走就走的环球旅行
1、目标场景十一长假,相信大部分的朋友这会应该是在全国各地浪或者是在浪的路上,朋友圈成为你们表演的场所。当然,也有一小戳朋友是选择家里蹲,你们是否感觉到无聊?是否想出去浪,参加朋友圈摄影比赛?本篇文章的目的是利用Python带我们实现一次说走就走的环球旅行,完胜这次的朋友圈摄影比赛。2、准备工作
Stella981
•
3年前
Kafka 和 RocketMQ 之性能对比
在双十一过程中投入同样的硬件资源,Kafka搭建的日志集群单个Topic可以达到几百万的TPS,而使用RocketMQ组件的核心业务集群,集群TPS只能达到几十万TPS,这样的现象激发了我对两者性能方面的思考。温馨提示:TPS只是众多性能指标中的一个,我们在做技术选型方面要从多方面考虑,本文并不打算就消息中间件选型方面投入太多笔墨,重点想尝试剖析两
Stella981
•
3年前
Python 3.10 的首个 PEP 诞生,内置类型 zip() 迎来新特性
\译者前言:相信凡是用过zip()内置函数的人,都会赞同它很有用,但是,它的最大问题是可能会产生出非预期的结果。PEP618提出给它增加一个参数,可以有效地解决大家的痛点。这是Python3.10版本正式采纳的第一个PEP,「Python猫」一直有跟进社区最新动态的习惯,所以翻译了出来给大家尝鲜,强烈推荐一读。(PS:严格来说,
Wesley13
•
3年前
MySQL应对高并发之Redis缓存
高并发高并发(HighConcurrency)是指系统运行过程中的一种“短时间内遇到大量操作请求”的情况,主要发生在web系统集中大量访问收到大量请求,例如淘宝双十一、京东618类的活动。该情况的发生会导致系统在这段时间内执行大量操作(对资源的请求、数据库的操作等)。高并发相关常用的一些指标有:响应时间、吞吐量、每秒查询率QPS、并发用户数
Wesley13
•
3年前
Java开发笔记(九十一)IO流处理简单的数据压缩
前面介绍的文件I/O,不管是写入文本还是写入对象,文件中的数据基本是原来的模样,用记事本之类的文本编辑软件都能浏览个大概。这么存储数据,要说方便确实方便,只是不够经济划算,原因有二:其一,写入的数据可能存在大量重复的信息,但依原样写到文件的话,无疑保留了不少冗余数据,造成空间浪费;其二,写入的数据多以明文方式保存,容易产生信息泄露,安全性不高。为此Java提
Wesley13
•
3年前
DRDS 柔性事务漫谈
_摘要:_ 在阿里巴巴,“柔性事务”已经是重构分布式事务的标准方法,覆盖了商品、交易、支付各个大规模应用场景,并且经受了双十一的考验。DRDS 是阿里云提供的一款分布式数据库产品,它的原型是在阿里内部使用了10年的数据库中间件TDDL。DRDS在TDDL提供的数据切分和SQL路由能力上,强化了分布式查询,事务和水平扩容能力。
helloworld_54277843
•
3年前
机器学习基础
本章涵盖了以下主题:分类和回归之外的其他类型的问题;评估问题,理解过拟合、欠拟合,以及解决这些问题的技巧;为深度学习准备数据。请记住,在本章中讨论的大多数技术都是机器学习和深度学习通用的,一部分用于解决过拟合问题的技术(如dropout)除外。4.1 三类机器学习问题在之前的所有例子中,尝试解决的是分类(预测猫或狗)或回归(预测用户在平台上花费的平均时
helloworld_91538976
•
3年前
机器学习基础
机器学习基础本章涵盖了以下主题:分类和回归之外的其他类型的问题;评估问题,理解过拟合、欠拟合,以及解决这些问题的技巧;为深度学习准备数据。请记住,在本章中讨论的大多数技术都是机器学习和深度学习通用的,一部分用于解决过拟合问题的技术(如dropout)除外。4.1 三类机器学习问题在之前的所有例子中,尝试解决的是分类(预测猫或狗)或回归(预测用户在平台上
1
•••
41
42
43
•••
148