友链朋友圈

前言 在日常业务处理中，我们难免需要立马用到刚刚插入数据库数据的id，如果我们的id并不是我们插入的（例如uuid，雪花算法得到的等），而是数据库自增的，我们便无法得知次id是多少，如果我们再次查询数据库来获取该id，属实是写复杂了，并且还再次访问了数据库，有些多此一举，但mybatis给我们提供了

本文的理论思想来源于 JuiceFs 社区的一篇文章《从 Hadoop 到云原生，大数据平台如何做存算分离》，本文分为理论+实践两个部分，理论部分是对社区文章的总结、实践部分则是对理论的落地探索企业对 hadoop 生态的改造 一、大数据平台如何做存算分离 1.1 hadoop 存算耦合架构回顾 h

OLAP 数据库设计的宗旨在于分析适合一次插入多次查询的业务场景，市面上成熟的 AP 数据库在更新和删除操作上支持的均不是很好，当然 clickhouse 也不例外。但是不友好不代表不支持，本文主要介绍在 clickhouse 中如何实现数据的删除，以及最新版本中 clickhouse 所做的一些技

以题库表为例 SQL 多个字段同时模糊查询 现在有个需求是，在题库表中传入字段searchValue，希望可以根据题目和选项模糊查询符合该参数的数据，最开始时，我用的是concat连接： SELECT * FROM `plant_e_topic` where CONCAT(topic,option

问题复现： <if test="checkResult != null and checkResult != '' "> and check_result = #{checkResult}</if> 原因是checkResult是Intager类型的，而mybatis != ‘ ’就是认为长度为0，

clickhouse 强大的 MergeTree 系列引擎令人信服，其 ReplacingMergeTree、SummingMergeTree 在数据唯一性和汇总场景中表现非凡。但你是否还有保留最小(大)、平均等预聚合需求，甚至在一个模型中既有唯一性语意也有汇总、最小、最大、平均值语意该如何处理。在

CUDA编程结构 在GPU上执行的函数称为CUDA核函数（Kernel Function)，核函数会被GPU上多个线程执行。典型的CUDA程序遵循如下模式： 把数据从CPU内存（HOST）拷贝至GPU内存（DEVICE） 调用该Kernel函数，对DEVICE中的数据进行操作 将数据从DEVICE传

我最近遇见的很多问题处理起来感觉效率太低，总认为是因为没有熟练掌握方法论的具体应用——思维模型，才导致效率不高。所以就想系统全面地学习一下常见的思维模型。可是却又无从下手，毕竟思维模型实在是太多了。遂去问了问 ChatGPT，但又感觉 ChatGPT 的答案总是没有灵魂，似是非是的回答让我头大。然后

写在前面（废话，请跳过） 本来自己的脑子里是不存在CUDA编程这个东西的，没错，就是压根儿没听说过。 之所以了解到这个东西，是因为最近开始做AVM (Around View Monitor)，或者说SVS (Surrounding View System)，利用4个广角相机，实现车辆周围的360°环

最近看到很多博主都给博客搞了个跳转提示页，我也来跟跟风，可以没有用，但不能没有