- 博客(139)
- 收藏
- 关注
RSS订阅原创 Spring Boot集成Spring Cloud 2024（不使用Feign）
本文介绍Spring Boot集成Spring Cloud 2024，且不使用Feign，而是采用Spring 6自带的。
2025-04-29 11:17:17
1288
原创 Spring Boot 缓存机制：从原理到实践
Spring Boot 缓存机制为开发者提供了一种简单而强大的方式来优化应用程序的性能。通过深入理解其原理，掌握基础的使用方法，同时注意避免常见的陷阱，开发者能够充分发挥缓存机制的优势，提升系统的响应速度和吞吐量。在实际应用中，要根据具体的业务场景和需求，合理使用缓存，不断进行监控和调优，以确保系统的高性能和稳定性。
2025-04-29 10:59:46
760
原创 SpringBoot集成OAuth2.0
OAuth 2.0 是一个开放标准的授权协议，它允许用户授权第三方应用访问其在另一个服务提供商处存储的受保护资源，而无需将自己的用户名和密码直接提供给第三方应用。这极大地增强了用户数据的安全性和隐私性，广泛应用于各种需要第三方授权访问的场景，如社交登录、第三方应用获取用户在云存储服务中的文件等。
2025-04-02 17:02:56
1066
原创 SpringBoot 安全管理
在 Spring Boot 应用开发中，保障系统安全至关重要。Spring Security 作为 Spring 生态系统中强大的安全框架，能为 Spring Boot 应用提供全面的安全服务，其中基于角色的访问控制（RBAC）是常用的安全机制，它依据用户的角色来限制对应用程序资源的访问。通过以上步骤，我们在 Spring Boot 应用中实现了基于角色的访问控制。
2025-04-02 11:43:19
691
原创 SpringBoot事务管理（四）
在不同的数据库和业务场景下，如果使用了不匹配的事务隔离级别，可能会出现数据不一致的问题。在使用多数据源的 Spring Boot 应用中，如果没有正确配置事务管理器，可能会导致事务管理混乱。因为 Spring 的事务管理是基于 AOP 代理实现的，自调用时不会经过代理对象，所以事务注解不起作用。在嵌套事务中，如果错误地使用了事务传播行为，可能会导致事务管理不符合预期。在事务方法中捕获了异常但没有重新抛出，会导致事务不会回滚。传播行为，会使内层事务加入到外层事务中，当外层事务回滚时，内层事务也会回滚。
2025-03-31 09:10:54
446
原创 SpringBoot事务管理（三）
通过以上这些优化策略，可以全面提高Spring Boot事务管理中数据库查询的性能，从而提升整个系统的性能和稳定性。
2025-03-31 09:08:13
1106
原创 SpringBoot事务注解（二）
这是Spring Boot里使用频率最高的事务注解，可用于类或者方法上。加在类上时，该类所有公共方法都会开启事务；加在方法上时，仅该方法开启事务。该注解用于在事务上下文中监听事件。使用此注解的方法会在事务完成后执行，可用于处理与事务相关的后续操作，例如发送通知、记录日志等。此注解用于开启Spring的声明式事务管理功能。一般需添加到Spring Boot主应用类上，这样Spring才能识别。的方法，且这些方法都添加了。注解并开展事务管理工作。
2025-03-28 09:04:14
502
原创 SpringBoot事务管理(一)
这是 Spring 中最常用的事务注解，可应用于类或方法上。当应用于类时，该类的所有公共方法都会启用事务；若应用于方法，则仅该方法启用事务。其常见属性有（指定事务传播行为）、isolation（指定事务隔离级别）、timeout（指定事务超时时间）、readOnly（指定事务是否为只读事务）、（指定哪些异常会导致事务回滚）和（指定哪些异常不会导致事务回滚）。此注解用于启用 Spring 的声明式事务管理功能。通常将其添加到 Spring Boot 的主应用类上，这样 Spring 就能识别。
2025-03-28 08:48:34
1172
原创 Spring Boot嵌入式服务器：切换、选型与调优全攻略
在Spring Boot开发中，嵌入式服务器是关键组件，它让应用可独立运行，无需部署到外部服务器。Spring Boot默认集成Tomcat，同时也支持切换为Jetty或Undertow。下面将为你详细介绍切换方法、选型策略以及工程实践中的调优技巧。通过以上对Spring Boot嵌入式服务器切换、选型及调优的介绍，开发者可根据项目实际需求，灵活选择并优化嵌入式服务器，提升应用性能和开发效率。
2025-03-20 14:21:15
1040
12
原创 机器学习之概率论
在本篇中，我们系统学习了概率论和统计推断的基础知识，并探讨了概率统计在AI中的核心应用，包括朴素贝叶斯、贝叶斯网络、隐马尔可夫模型、蒙特卡洛方法以及模型评估。
2025-03-20 08:54:32
1099
4
原创 机器学习之MNIST手写数据集
MNIST数据集源自美国国家标准与技术研究所（NIST），诞生于20世纪80年代。其精心整理与标注的一系列0到9的手写数字图像，成为了机器学习领域图像分类任务的宝贵资源。多年来，它被广泛应用于训练和验证机器学习模型的性能，为无数算法和模型的发展提供了坚实的基础。
2025-03-18 10:48:02
718
13
原创 机器学习之浅层神经网络
浅层神经网络是一种相对简单的神经网络结构，相较于深度神经网络，其层数较少，一般包含输入层、一个或少数几个隐藏层以及输出层。因其结构简洁，在处理简单任务时，计算量较小、训练速度较快，但在面对复杂的非线性问题时，其特征提取和表达能力相对有限。
2025-03-17 11:29:10
603
8
原创 机器学习之激活函数
激活函数是神经网络的关键组件，作用于神经元输出。神经元汇总输入并计算净输入值，激活函数将其非线性变换，生成神经元最终输出，该输出作为后续神经元输入在网络中传播。
2025-03-17 11:19:59
1166
11
原创 机器学习之特征工程
特征工程是什么：特征工程是将原始数据转化为更能代表预测目标的特征的过程，涉及数据预处理、特征提取、特征选择和特征构造等多个环节，目的是让数据更好地适应机器学习模型，提高模型的性能和效果。特征工程的价值提升模型性能：通过提取和选择有代表性的特征，帮助模型更准确地捕捉数据中的规律，从而提高模型的准确性、泛化能力等性能指标。降低模型复杂度：去除无关或冗余的特征，减少模型训练的参数数量，降低模型过拟合的风险，同时提高模型的训练速度和效率。增强数据理解。
2025-03-15 20:56:21
1415
4
原创 机器学习之向量化
在图像分析中，卷积神经网络（CNN）通过卷积层的卷积核在图像上滑动，自动提取从低级的边缘、纹理到高级的物体局部形状等特征，接着经池化层对特征图下采样，降低数据维度，最终生成特征向量。在文本分类场景中，词袋模型通过统计文本里每个单词的出现次数构建向量，TF - IDF 依据单词在文本中的频率以及在整个文本集合中的逆文档频率，权衡单词对文本特征的贡献，进而将文本转化为向量。通过不同卷积核在图像上的卷积操作，提取图像不同层次的特征，如边缘、角点、纹理等，随着网络层次的加深，逐步提取到更高级、更抽象的特征。
2025-03-14 13:35:19
1603
6
原创 一文看懂神经网络的几个基础问题
神经网络，简单来讲，是一种模拟人类大脑神经元工作方式的计算机模型。我们知道，人类大脑中大约有 860 亿个神经元，这些神经元就如同一个个小小的信息处理站。当我们看到美丽的风景、听到动听的音乐或者感受到温暖的阳光时，神经元们便开始活跃起来，它们相互传递信号，协同合作，帮助我们理解和感知这个丰富多彩的世界。神经网络与之类似，它由大量的神经元（在计算机领域，我们也称之为节点）相互连接组成。为了更好地理解，我们可以把神经网络想象成一个庞大而复杂的快递运输网络。
2025-03-14 11:29:19
786
原创 一个例子讲清SpringBoot接收前端参数各种情况
创建一个Student// 无参构造函数// 有参构造函数// Getter 和 Setter 方法return id;return age;
2025-03-13 21:32:56
391
原创 AI科普：一文看懂AI发展历程
长短时记忆网络（LSTM）解决了传统RNN在处理长序列时的梯度问题。想象一下，你读一篇很长的文章，读到后面可能就忘了前面的内容，传统RNN也有类似问题，而LSTM就能很好地记住长时间的信息。注意力机制（Attention Mechanism）就像我们看文章时，会重点关注某些重要的句子和词汇，它能让模型对输入数据中的重要信息更加关注，提高模型的效果。图神经网络（GNN）则是用来处理图结构数据的，比如社交网络里人与人之间的关系，就可以用图来表示，GNN能对这种复杂的关系进行分析和处理。
2025-03-12 16:31:25
1084
原创 机器学习之正则化
在机器学习领域，模型的性能至关重要，而过拟合问题常常阻碍模型在实际应用中的表现。正则化技术应运而生，成为解决这一难题的有力武器。它主要分为两大类别，核心目的在于。
2025-03-10 14:11:42
962
原创 机器学习之线性代数
向量，在数学上被定义为既有大小又有方向的量，在实际应用中常以有序数字列表的形式呈现。例如在一个三维空间中，向量[1, 2, 3]表示从原点出发，在x轴方向移动1个单位，y轴方向移动2个单位，z轴方向移动3个单位后到达的点所构成的向量。在AI领域，向量的用途极为广泛。在图像识别任务中，图像的特征，如颜色直方图特征，可以用向量来描述。假设我们将图像的颜色空间划分为若干个区间，通过统计每个区间内像素点的数量，就可以得到一个向量，这个向量能够反映该图像在颜色分布上的特点。
2025-03-10 11:28:31
1479
原创 一文看懂爆火的Manus
Manus之所以能在众多AI产品中脱颖而出，关键在于其强大的自主操作能力，这构成了它的核心竞争力。自主操作：Manus宛如一位训练有素的专家，能够独立自主地思考问题、规划行动方案并付诸实践，极大程度减少了对用户频繁干预的依赖。用户只需提出大致需求，它便能像经验丰富的老手一样，有条不紊地推进任务流程。任务执行：无论是处理订餐这类生活日常小事，还是投身于市场研究、创建教育内容等复杂专业活动，Manus都能轻松应对，游刃有余。它跨越了不同领域与任务难度的界限，真正实现了全方位服务用户的目标。异步云操作。
2025-03-07 08:53:51
1307
4
原创 你需要更新的Java知识（面试必看、全网最全、持续更新）
Java SE 是 Java 技术的基础版本，也被称为标准版。它为 Java 平台提供了核心的类库、开发工具和运行环境，是 Java 技术的基石，为 Java EE 和 Java ME（Java Micro Edition）提供基础支持。Java EE 是 Java 技术的企业版，它是在 Java SE 的基础上构建的，提供了一系列用于开发企业级应用的 API 和规范，旨在帮助开发者更高效地构建大规模、分布式、高并发的企业应用系统。
2025-03-06 11:48:29
703
原创 Spring Boot 异步编程
在需要异步执行的方法上添加@Async注解。try {// 模拟耗时操作 Thread . sleep(2000);} return CompletableFuture . completedFuture("异步任务执行完成");} }try {// 模拟耗时操作 Thread . sleep(2000);} return CompletableFuture . completedFuture("异步任务执行完成");} }try {
2025-03-06 08:50:29
1107
原创 机器学习核函数
核函数是一种将低维空间中的向量映射到高维空间中，并计算它们在高维空间中的内积的函数。用数学语言表示，给定低维空间中的两个向量xxx和zzz，核函数KxzK(x,z)Kxz计算的是它们在高维特征空间Φ\PhiΦ中的内积，即KxzΦx⋅ΦzKxzΦx⋅Φz，这里不需要显式地定义映射Φ\PhiΦ的具体形式。
2025-03-04 16:00:01
913
原创 机器学习相关知识概述
机器学习：采用非显著式编程（不一步一步定义操作步骤的编程方式）的方式赋予计算机学习能力。规定了行为和收益函数后，让计算机自己去找最大化收益函数的行为。机器学习：一个计算机程序被称为可以学习，是指它能够针对某个任务T和某个性能指标P，从经验E中学习。这种学习的特点是，它在T上的被P所衡量的性能，会随着经验E的增加而提高。（较之定义一更数学化）机器人冲咖啡的例子：任务T: 设计程序让机器人冲咖啡经验E：机器人多次尝试的行为和这些行为产生的结果性能测度P：在规定时间内成功冲好咖啡的次数。
2025-03-04 13:57:44
1060
原创 Spring Boot 简介与快速搭建及启动流程详解
Spring Boot 是由 Pivotal 团队提供的全新框架，其设计目的是用来简化新 Spring 应用的初始搭建以及开发过程。该框架使用了特定的配置方式，使得开发人员可以摆脱传统 Spring 项目中繁琐的 XML 配置，从而更加专注于业务逻辑的开发。
2025-03-03 14:25:55
996
原创 SpringBoot定时任务
在 Spring Boot 中，定时任务是一种常见的需求，它允许我们按照预定的时间间隔或固定时间点执行特定的任务。下面将详细介绍@Scheduled注解的使用、定时任务的配置与调度以及动态定时任务的实现。
2025-03-03 11:15:36
388
原创 Spring Boot 异步编程深入剖析
当调用该异步方法时，实际上是调用代理对象的方法，代理对象会将该方法的执行委托给线程池中的一个线程去执行，而调用线程会继续执行后续代码，从而实现异步执行。通过深入理解 Spring Boot 异步编程的原理和机制，合理配置线程池，以及有效地监控和管理异步任务，可以充分发挥异步编程的优势，提高应用程序的性能和响应能力。来监控任务状态，还可以使用 Spring Boot Actuator 来监控线程池的状态。可以通过编写自定义的线程池管理器来动态调整线程池的参数。等方法来构建任务链，实现复杂的异步任务管理。
2025-03-02 19:38:06
1101
原创 Spring Boot 异步编程
在异步方法上指定使用自定义的线程池。// 模拟耗时操作 return CompletableFuture . completedFuture("Async method completed");} }// 模拟耗时操作 return CompletableFuture . completedFuture("Async method completed");} }
2025-03-02 19:35:36
414
原创 Spring Boot 消息队列（以RabbitMQ为例）
RabbitMQ 是一个开源的消息代理和队列服务器，基于 AMQP（高级消息队列协议）实现。可靠性：支持持久化、传输确认、发布确认等机制，确保消息不丢失。灵活性：支持多种消息模型，如点对点、发布 - 订阅等。分布式：可以通过集群和镜像队列来实现高可用性和扩展性。多语言支持：支持多种编程语言，如 Java、Python、C# 等。import org。
2025-03-01 21:28:46
1550
1
原创 SpringBoot缓存实践
Spring Boot 缓存机制为开发者提供了一种简单、高效的方式来实现缓存管理。通过 Spring Cache 抽象，开发者可以方便地集成不同的缓存实现，如 Redis 和 Ehcache，并使用缓存注解来管理缓存。在实际应用中，需要注意缓存的序列化、缓存穿透、缓存一致性等问题，合理配置缓存参数，选择合适的缓存实现和缓存注解，以提高系统的性能和稳定性。
2025-02-28 11:40:19
1187
原创 揭秘波士顿房价密码：从经典数据集到线性回归实战
属性名解释类型CRIM该镇的人均犯罪率连续值ZN占地面积超过 25,000 平方英尺的住宅用地比例连续值INDUS非零售商业用地比例连续值CHAS是否邻近 Charies River，1 = 邻近；0 = 不邻近离散值NOX一氧化氮浓度连续值RM每栋房屋的平均客房数连续值AGE1940 年之前建成的自用单位比例连续值DIS到波士顿 5 个就业中心的加权距离连续值RAD到径向公路的可达性指数连续值TAX全值财产税率连续值PTRATIO。
2025-02-25 16:34:13
564
原创 Spring Boot数据访问（JDBC）全解析：从基础配置到高级调优
return ResponseEntity.badRequest().body("数据完整性校验失败：" + ex.getRootCause().getMessage());.body("数据库访问异常：" + ex.getMessage());轻量高效：直接操作SQL，避免ORM框架开销灵活可控：完全掌控SQL执行细节生态完善：与Spring事务体系无缝集成性能卓越：配合连接池可达万级TPS需要执行复杂SQL查询处理大批量数据操作对性能要求极高的核心业务已有成熟SQL需要复用。
2025-02-23 21:46:14
943
原创 Spring Boot嵌入式服务器深度解析：从配置到调优的全方位指南
部署效率提升：单JAR包部署，无需安装Web服务器资源利用率优化：根据应用需求选择最佳容器快速水平扩展：天然适合容器化部署配置灵活性：细粒度的性能调优参数。
2025-02-23 21:40:51
891
原创 DeepSeek基础之机器学习
机器学习致力于研究如何通过计算机模拟或实现人类的学习行为，以获取新的知识或技能，并不断改善自身性能。简单来说，就是让计算机从数据中自动学习规律，进而对未知数据进行预测和判断。明确任务类型：首先要确定面临的是分类、回归、聚类等哪种类型的任务。例如在判断邮件是否为垃圾邮件的场景中，这就是一个分类任务；而预测房屋价格则属于回归任务。确定输入输出：清晰界定模型的输入数据和期望得到的输出结果。以图像识别为例，输入是图像数据，输出是图像所属的类别。
2025-02-21 14:12:29
1839
原创 Spring Boot 启动类的原理与作用
Spring Boot 启动类虽然代码简洁，但背后蕴含着复杂而强大的机制。注解和方法共同协作，实现了 Spring Boot 应用的快速搭建、自动配置和启动。理解启动类的原理和作用，有助于开发者更好地掌握 Spring Boot 框架，进行高效的开发和问题排查。在实际开发中，我们可以基于启动类的机制进行定制化开发，如自定义自动配置类、添加监听器等，以满足不同的业务需求。
2025-02-21 10:35:00
911
DeepSeek-V3和DeepSeek-R1相关论文，介R1绍通过强化学习激发大语言模型的推理能力和V3的多头潜在注意力（MLA）和 DeepSeekMoE 架构
2025-02-20
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人