AI 驱动游戏：鸿蒙生态的机会在哪里？
子玥酱
（掘金 / 知乎 / CSDN / 简书 同名）
大家好，我是 子玥酱，一名长期深耕在一线的前端程序媛 👩💻。曾就职于多家知名互联网大厂，目前在某国企负责前端软件研发相关工作，主要聚焦于业务型系统的工程化建设与长期维护。我持续输出和沉淀前端
人工智能
市场洞察所需要的“数据”，是如何搜集的呢？
市场洞察所需要的“数据”，是如何搜集的呢？
一、传统的数据收集方法
1.1一手数据
一手数据，也称之为原始数据，是指通过人员访谈、询问、问卷、测定等方式，直接获得的新数据。
收集方法：定性调查与定量调查。
定性调查：主要通过一对一“深度访谈”，例如焦点座谈会。
定量调查：主要通过向消费者发送一个结构化的调查问卷获取数据。
两者可以结合使用，先定性调查挖掘未知、深度，然后定量调查实现数
【kafka】kafka 在线增加分区副本数
创建 increase-replication-factor.json 文件
$ cat increase-replication-factor.json
{"version":1, "partitions":[
{"topic":"testTopic","partition":0,"replicas":[0,1,2]},
{"topic":"testTopic","partition":1
大数据入门（一）—— 数据仓库（数仓）基本概念
前言：
最近做需求的时候，涉及到了数仓相关的知识。
简单介绍下数仓的一些基本概念。
以及，了解下大数据开发的一些基本流程。
一、什么是数仓？
数据仓库 ，由数据仓库之父比尔·恩门（Bill Inmon）于1990年提出的。
1991年，他写了一本书，叫《Building the Data Warehouse》（建立数据仓库），书中提出的：数据仓库（Data Warehouse）是一个面向主题的
大数据：HDFS知识体系（知其然，知其所以然）
前言
HDFS是Hadoop体系的基础，不知道各位怎么对待HDFS。反正我更多的关注一些应用层的东西，对于HDFS多有忽视。
但是每次面试的时候都要重新去背面经，我觉得这样的情况不太正常，因此耗时两天半整理了HDFS的知识体系，力求知其然也要知其所以然。
文章中有不少个人思考，希望能让各位更好的理解HDFS.
一、HDFS特性
高容错性：HDFS认为硬件总是不可靠的。
高吞吐量：HDFS为大量
AI 应用开发工程师（Agent方向）：打造未来的智能体架构！
文章目录
前言
一、什么是 AI Agent？为什么它如此重要？
二、AI Agent 开发工程师到底做什么？
三、AI Agent 开发工程师需要掌握哪些技能？
四、实战项目推荐（附 GitHub 项目）
五、如何入行 AI Agent 开发？
总结
前言在 AI 领域，A
金仓数据库 V9 体验测评：AI 时代国产数据库 “融合” 架构的真实观察
【非广告声明】本文源于作者针对金仓数据库V9所做的真实部署考察和技术分析，并无商业合作背景，未曾得到品牌方的推广委托或者费用赞助，其写作重点在于分享国产数据库在“融合架构”“ AI助力”“平滑迁移”等重要场景中的实际应用感受，包含技术要点，解决落地难点的效果以及行业契合情况，仅仅给那些关心国产数据库选型࿰
GpuGeek全栈AI开发实战：从零构建企业级大模型生产管线（附完整案例）
目录
背景
一、算力困境：AI开发者的「三重诅咒」
1.1 硬件成本黑洞
1.2 资源调度失衡
1.3 环境部署陷阱
二、三大核心技术突破
GpuGeek的破局方案
2.1 分时切片调度引擎（Time-Slicing Scheduler）
2.2 异构计算融合架构
2.3 AI资产自动化管理
三、六大核心
飞算JavaAI需求转SpringBoot项目沉浸式体验
文章目录
一、引言：从手撸代码到智能开发的蜕变
二、智能引导：六步实现需求到代码的无缝转换
1. 需求精准解析
2. 接口智能设计
3. 表结构可视化设计
4. 业务逻辑编排
5. 代码预览与确认
6. 一键生成可运行工程（图6）
三、效率与质量的双重跃升：数据见证变革
1. 开发效率对比
2. 代码
Apache Flink——处理函数
前言
在更底层，可以不定义任何具体的算子（比如 map，filter，或者 window），而只是提炼出一个统一的“处理”（process）操作——它是所有转换算子的一个概括性的表达，可以自定义处理逻辑，所以这一层接口就被叫作“处理函数”（process function）。
在处理函数中，我们直面的就是数据流中最基本的元素：数据事件（event）、状态（state）以及时间（tim
