使用GitOps自动化推动AI/ML工作流程

alt 作为一名深耕自动化和人工智能领域的开发人员，我们逐渐认识到尖端工具和方法之间的显着协同作用，这些协同作用突破了可能性的界限。在这次探索中，我们想分享一个概念，它不仅彻底改变了我们的软件开发和基础设施管理方法，而且还打开了无尽创新的大门：GitOps。这种范例利用 Git 的力量作为卓越运营的基石，已经成为我们工具包中的游戏规则改变者，并为无限的可能性奠定了基础。

MinIO 的高性能对象存储、Weaviate 的 AI 增强元数据管理、Python 的动态脚本功能以及 GitOps 的系统方法的融合为任何渴望深入研究 AI 和机器学习的开发人员奠定了强大的基础。这些工具不仅简化了数据存储和管理的复杂性，还为快速开发和部署提供了灵活、强大的环境。通过将这些元素集成到我们的开发实践中，我们为构建在可扩展、高效和自动化基础设施上的项目奠定了基础。本文旨在引导您了解这些技术，轻松推动您的 AI 计划从概念变为现实。

这种集成由用于对象存储的 MinIO、作为元数据管理器的 Weaviate、作为动态引擎的 Python 以及用于简化基础设施管理的 GitHub/GitOps 组成，为开发本土 AI 解决方案奠定了坚实的基础。

  • MinIO — 对象存储主干：MinIO 提供高性能对象存储，这对于有效管理大量数据集至关重要。它作为骨干，确保数据可用性、安全性和可扩展性。

  • Weaviate — 使用 AI 进行元数据管理：Weaviate 充当复杂的元数据管理器，利用 AI 提供语义搜索功能，增强数据的可发现性和可用性。

  • Python——开发引擎：Python以其简单性和庞大的AI/ML库生态系统作为开发引擎，支持AI应用程序的快速原型设计和部署。

  • GitHub/GitOps — 基础设施自动化：GitHub Actions 通过自动化基础设施管理来增强 GitOps，确保顺利、无错误的部署。它简化了 GitHub 内的 CI/CD，提高了 DevOps 工作流程的效率和可靠性。

释放人工智能潜力

有了这些组件，我们不仅可以为开发应用程序建立框架，还可以为人工智能研究和开发的边缘创新建立框架。这种集成使开发人员能够花更多的时间进行探索，减少构建和测试的时间。特别是，我们正在部署的服务组合为任何有兴趣开发人工智能环境的人提供了一个出色的人工智能/机器学习起点，并有强大、可扩展和自动化的基础设施支持它们。

MinIO Weaviate Python GitOps 和工作流程

要创建用于测试的 GitOps 工作流程，请使用下面提供的 docker-compose.yaml ，其中包含应用程序、 minio 和 weaviate 服务的定义。我们将使用 CI/CD 管道方法，利用 GitHub Actions 实现自动化。

目标是在每次将更改推送到存储库时自动执行构建、测试和验证 Docker compose 设置的过程。成功的工作流程将选择您生成一个“ Status Badge ”，它在放置在 Markdown 文档中时提供实时更新。

alt

目录树结构

所有文件都可以通过 GitHub minio/blog-assets/minio-weaviate-python-gitops 存储库文件夹获取：

├── .github/workflows
│   └── docker-workflow.yml
├── README.md
├── app
│   ├── Dockerfile
│   ├── entrypoint.sh
│   └── python_initializer.py
├── docker-compose.yaml
└── minio
    ├── Dockerfile
    └── entrypoint.sh

本质上，关闭此存储库并将这些文件添加到您自己的 GitHub 存储库中，如上面的目录树所示。它将通过 GitHub 在特定存储库的“ Actions ”选项卡下自动运行。

什么是 GitOps？

GitOps 是一种现代的软件开发和基础设施管理方法，植根于四个关键原则，可简化和保护基础设施和应用程序的部署和管理：

  1. 声明式配置：系统及其所需状态是使用代码定义的，使配置易于维护和理解。

  2. 版本控制和不变性：所有更改和所需的状态配置都存储在 Git 中，为可审核性和回滚功能提供不可变的历史记录，从而确保一致性和可靠性。

  3. 自动化部署：自动化流程使实时状态与 Git 中定义的所需状态保持一致，从而增强部署一致性、减少手动错误并加快部署周期。

  4. 持续反馈和监控：根据 Git 中的所需状态持续监控系统，并自动更正或标记差异以供手动干预，从而确保系统的弹性和安全性。

通过围绕这些原则整合基础设施和应用程序管理，GitOps 提供了一个强大的框架，可以提高现代 DevOps 团队的速度、可靠性、安全性和协作效率。

.github/workflows/docker-workflow.yml 中定义的 GitHub 工作流程旨在自动执行基于提供的 docker-compose.yaml 构建和推送 Docker 映像的整个过程。该YAML文件编排了自定义MinIO和Python环境的部署，并使用最新的公共镜像部署了Weaviate；促进简化的开发流程。

.github/workflows/docker-workflow.yml 中定义的 GitHub 工作流程旨在自动执行基于提供的 docker-compose.yaml 构建和推送 Docker 映像的整个过程。该YAML文件编排了自定义MinIO和Python环境的部署，并使用最新的公共镜像部署了Weaviate；促进简化的开发流程。

alt

要通过 WebUI 在 GitHub 中创建嵌套目录，只需在添加新文件时在文件名前输入所需的路径即可。此方法会自动在指定目录中组织文件，从而简化文件管理，无需传统的文件夹创建步骤。

通过将 YAML 放在 /.github/workflows/ 目录中，将告诉 GitHub 将它们作为操作工作流运行。

Docker Compose 编排

当我们过渡到 Docker Compose 设置的细节时，所有基础工作都是由我们的目录结构和 GitHub 工作流程奠定的。 docker-compose.yaml 文件作为蓝图，详细说明了 MinIO、Weaviate 和我们的自定义 Python 应用程序等服务如何在我们的环境中进行容器化和交互。

此配置使您能够构建可扩展的自托管应用程序，从而挑战对 AWS 等传统云服务的需求。该蓝图使开发人员能够利用容器化的效率和灵活性来创建复杂的、基于微服务的架构。

使用 Docker Compose 和 Python 脚本进行自动模式创建和数据索引，此设置有助于开发能够在混合云环境中运行的可扩展、自托管应用程序。

/docker-compose.yaml

version: '3.8'

services:
 minio:
   container_name: minio_server
   build:
     context: ./minio

   image: cdaprod/minio-server
   volumes:
     - ./minio/data:/data
   ports:
     - "9000:9000"
     - "9001:9001"
   command: server /data --console-address ":9001"

 weaviate:
   container_name: weaviate_server
   image: semitechnologies/weaviate:latest
   ports:
     - "8080:8080"
   environment:
     AUTHENTICATION_ANONYMOUS_ACCESS_ENABLED: 'true'
     PERSISTENCE_DATA_PATH: '/var/lib/weaviate'
     QUERY_DEFAULTS_LIMIT: 25
     DEFAULT_VECTORIZER_MODULE: 'none'
     ENABLE_MODULES: 'backup-s3, text2vec-cohere,text2vec-huggingface,text2vec-palm,text2vec-openai,generative-openai,generative-cohere,generative-palm,ref2vec-centroid,reranker-cohere,qna-openai'
     BACKUP_S3_BUCKET: 'weaviate-backups'
     BACKUP_S3_ENDPOINT: 'minio:9000'
     BACKUP_S3_ACCESS_KEY_ID: 'minio'
     BACKUP_S3_SECRET_ACCESS_KEY: 'minio123'
     BACKUP_S3_USE_SSL: 'false'
     CLUSTER_HOSTNAME: 'node1'
   volumes:
     - ./weaviate/data:/var/lib/weaviate
   depends_on:
     - minio


 python-app:
    container_name: python-app
    build: ./app

    image: cdaprod/python-app
    volumes:
      - ./app/data:/app/data

    depends_on:
      - weaviate
      - minio

在 docker-compose.yaml 配置奠定的基础上，您开发的 Python 脚本可用于自动初始化和管理 Weaviate 数据库。该脚本在您的自托管容器化架构中提供两个功能：

  1. 模式创建：您的 Python 脚本会自动执行在 Weaviate 中定义模式的过程。该架构充当数据的蓝图，指定数据库将保存的信息类型以及不同实体如何相互关联。

  2. 数据索引：模式就位后，您的脚本将继续将数据索引到 Weaviate 中。此过程涉及以与预定义模式一致的方式将数据提取到数据库中，使其可搜索和检索。自动化数据索引有助于保持应用程序的流动性，因为它允许对数据库进行连续、实时更新，而无需停机或手动数据处理。

下面是 docker-compose.yaml 的屏幕截图以及使用 GitHub UI 提交的样子：

alt

Dockerfile 和入口点脚本

docker-compose.yaml 中的每个服务都有其自定义 Dockerfile 和入口点脚本，以确保正确设置环境。 MinIO Dockerfile 和 Entrypoint Script 自定义 MinIO 服务器，包括设置必要的环境变量和准备服务器运行。

构建 MinIO 容器

此 Dockerfile 使用上游 minio/minio 映像以及在 entrypoint.sh 中实现的一些添加内容

FROM minio/minio
COPY entrypoint.sh /entrypoint.sh
RUN chmod +x /entrypoint.sh
ENV MINIO_ROOT_USER=minio \
    MINIO_ROOT_PASSWORD=minio123
EXPOSE 9000 9001
ENTRYPOINT ["/entrypoint.sh"]

minio/Dockerfile 的 entrypoint.sh 做了几件事：

  • Waits 5 seconds 等待 5 秒

  • 为 weaviate-backups 创建存储桶

/minio/entrypoint.sh

#!/bin/sh

set -e

# Start MinIO in the background
minio server /data --console-address ":9001" &

# Wait for MinIO to start
sleep 5

# Set up alias and create bucket
mc alias set myminio http://minio:9000 ${MINIO_ROOT_USER} ${MINIO_ROOT_PASSWORD}
mc mb myminio/weaviate-backups

# Keep the script running to prevent the container from exiting
tail -f /dev/null

应创建 MinIO Dockerfile 和 entrypoint.sh 文件，如下面的屏幕截图所示（在 /minio/ 目录中）：

alt

构建 Python 容器

我们的 Python 应用程序的这个应用程序/Dockerfile 做了几件事：

  • 使用 python:3.9-slim 容器镜像

  • 将 /app/ 设置为工作目录

  • 安装 python 的 weaviate-client 库

  • 将与 Dockerfile 位于同一目录中的文件复制到容器

  • 设置 entrypoint.sh 脚本的权限

设置 Python 环境、安装依赖项并定义初始化 Weaviate 架构和数据的操作，然后备份到 MinIO。

/app/Dockerfile

FROM python:3.9-slim

WORKDIR /app

RUN pip install weaviate-client

COPY . /app/

RUN chmod +x /app/entrypoint.sh

ENTRYPOINT ["/app/entrypoint.sh"]

这个 entrypoint.sh 用于我们的 Python Dockerfile ：

  • 出错时退出

  • 运行 python_initializer.py 脚本

###python_initializer.py 脚本可以在 blog-assets 存储库的 /app/ 目录中找到；它以编程方式与 Weaviate 交互，以：

/app/entrypoint.sh

#!/bin/bash



# Exit script on error

set -e



echo "Initialize Weaviate..."

python python_initializer.py



# Keep the container running after scripts execution

# This line is useful if you want to prevent the container from exiting after the scripts complete.

# If your container should close after execution, you can comment or remove this line.

tail -f /dev/null


应创建 Python 环境 Dockerfile 、 entrypoint.sh 和 python_initializer.py 文件，如下面的屏幕截图所示（在 /app/ 目录中）：

alt

用于 Weaviate 初始化的 Python 脚本

  • 定义用于存储数据的模式。

  • 将样本数据索引到 Weaviate 中。

  • 查询索引数据并导出结果。

  • 使用 backup-s3 模块将 Weaviate 数据备份到 MinIO 中。

/app/python_initializer.py

import weaviate

import json



# Configuration

WEAVIATE_ENDPOINT = "http://weaviate:8080"

OUTPUT_FILE = "data.json"



# Initialize the client

client = weaviate.Client(WEAVIATE_ENDPOINT)

schema = {

    "classes": [

        {

            "class": "Article",

            "description": "A class to store articles",

            "properties": [

                {"name": "title", "dataType": ["string"], "description": "The title of the article"},

                {"name": "content", "dataType": ["text"], "description": "The content of the article"},

                {"name": "datePublished", "dataType": ["date"], "description": "The date the article was published"},

                {"name": "url", "dataType": ["string"], "description": "The URL of the article"}

            ]

        },

        {

            "class": "Author",

            "description": "A class to store authors",

            "properties": [

                {"name": "name", "dataType": ["string"], "description": "The name of the author"},

                {"name": "articles", "dataType": ["Article"], "description": "The articles written by the author"}

            ]

        }

    ]

}



# Fresh delete classes

try:

    client.schema.delete_class('Article')

    client.schema.delete_class('Author')

except Exception as e:

    print(f"Error deleting classes: {str(e)}")



# Create new schema

try:

    client.schema.create(schema)

except Exception as e:

    print(f"Error creating schema: {str(e)}")



data = [

    {

        "class": "Article",

        "properties": {

            "title": "LangChain: OpenAI + S3 Loader",

            "content": "This article discusses the integration of LangChain with OpenAI and S3 Loader...",

            "url": "https://blog.min.io/langchain-openai-s3-loader/"

        }

    },

    {

        "class": "Article",

        "properties": {

            "title": "MinIO Webhook Event Notifications",

            "content": "Exploring the webhook event notification system in MinIO...",

            "url": "https://blog.min.io/minio-webhook-event-notifications/"

        }

    },

    {

        "class": "Article",

        "properties": {

            "title": "MinIO Postgres Event Notifications",

            "content": "An in-depth look at Postgres event notifications in MinIO...",

            "url": "https://blog.min.io/minio-postgres-event-notifications/"

        }

    },

    {

        "class": "Article",

        "properties": {

            "title": "From Docker to Localhost",

            "content": "A guide on transitioning from Docker to localhost environments...",

            "url": "https://blog.min.io/from-docker-to-localhost/"

        }

    }

]



for item in data:

    try:

        client.data_object.create(

            data_object=item["properties"],

            class_name=item["class"]

        )

    except Exception as e:

        print(f"Error indexing data: {str(e)}")



# Fetch and export objects

try:

    query = '{ Get { Article { title content datePublished url } } }'

    result = client.query.raw(query)

    articles = result['data']['Get']['Article']

    with open(OUTPUT_FILE, 'w', encoding='utf-8') as f:

        json.dump(articles, f, ensure_ascii=False, indent=4)

    print(f"Exported {len(articles)} articles to {OUTPUT_FILE}")

except Exception as e:

    print(f"An error occurred: {str(e)}")



# Create backup

try:

    result = client.backup.create(

        backup_id="backup-id-2",

        backend="s3",

        include_classes=["Article", "Author"],

        wait_for_completion=True,

    )

    print("Backup created successfully.")

except Exception as e:

    print(f"Error creating backup: {str(e)}")

将容器镜像推送到 Docker Hub - Artifact Registry

GitHub Actions 工作流程自动执行以下过程：

  • 检查存储库代码。

  • 设置 Docker Buildx 以构建多架构映像。

  • 缓存 Docker 层以加快构建速度。

  • 登录Docker Hub推送镜像。

  • 构建 docker-compose.yaml 中定义的 Docker 镜像。

  • 使用 docker-compose up 部署服务。

  • （可选）将构建的镜像推送到 Docker Hub。

  • 使用 docker-compose down 拆除部署。

要获取 Docker Hub 用户名并生成用于 Docker CLI 身份验证或将 Docker Hub 与其他工具集成的个人访问令牌 (PAT)，请执行以下步骤：

  1. 创建 Docker Hub 帐户：如果您还没有，请在 Docker Hub 的网站上注册以获取用户名。

  2. 生成个人访问令牌 (PAT)：

  • 登录您的 Docker Hub 帐户并导航至您的帐户设置。

  • 在屏幕左侧的菜单中找到“ Security ”部分。

  • 单击“ New Access Token ”按钮创建新令牌。

  • 为您的令牌分配一个名称，这将帮助您识别其用途或预期的服务。

  • 创建后，请确保复制令牌并安全存储，因为它只会显示一次。

个人访问令牌提供了一种比使用密码更安全的替代方案，特别是对于 CLI 操作或集成。可以通过 Docker Hub 用户界面管理（创建和撤销）令牌，从而提供安全灵活的跨服务身份验证方式。

如何使用 GitHub 秘密

以下是将机密添加到 GitHub 存储库的一般过程，您可以将其应用于添加 Docker Hub 凭据：

  1. 导航到您的 GitHub 存储库：转到要添加机密的 GitHub 存储库。

  2. 访问存储库设置：单击存储库页面顶部的“设置”选项卡。

alt 3. 转到 Secrets：在左侧边栏上，单击“Secrets & Variables”以展开该部分，然后选择“Actions”以查看 GitHub Actions 的 Secrets 页面。

alt

  1. 添加新密码：单击“新存储库密码”按钮。

  2. 输入秘密名称和值：

  3. 保存每个秘密：输入每个秘密的名称和值后，单击“ Add secret ”按钮将它们保存到您的存储库。

alt 这些机密现在可在您的 GitHub Actions 工作流程中使用。可以在工作流程文件中使用语法 和 {{ secrets.DOCKERHUB_TOKEN }} 引用它们。

此方法可确保您的 Docker Hub 凭据安全存储，并且不会暴露在存储库的代码或日志中。

使用 GitHub Actions 进行构建和测试

将 GitHub Actions 集成到开发和部署工作流程中代表了向自动化和效率的范式转变。 GitHub Actions 是一个 CI/CD 平台，可自动化您的软件构建、测试和部署管道，使您可以自动化所有软件工作流程，现在拥有世界一流的 CI/CD。

为 Docker Compose 设置 GitHub 操作

要利用 GitHub Actions 自动化 Docker Compose 工作流程，您首先需要在存储库中创建工作流程文件。该文件通常名为 docker-workflow.yml，位于 .github/workflows/ 目录中，并指定 GitHub Actions 应执行的步骤。

  1. 工作流程定义 docker-workflow.yml 文件以工作流名称和触发它的事件的定义开始。例如，您可能希望它在每次向主分支推送和拉取请求时运行： 
name: Docker Compose Test Build and Push



on:

  push:

    branches:

      - main

  pull_request:

    branches:

      - main
  1. 工作及步骤 在工作流程中，您可以定义指定要执行的任务的作业。每个作业都在 runs-on 指定的环境中运行，并包含执行命令、设置工具或使用 GitHub 社区创建的操作的步骤。

/.github/workflows/docker-workflow.yml

name: Docker Compose Test Build and Push



on: [push, pull_request]



jobs:

  build-and-push:

    runs-on: ubuntu-latest



    steps:

    - uses: actions/checkout@v2



    - name: Set up Docker Buildx

      uses: docker/setup-buildx-action@v1



    - name: Cache Docker layers

      uses: actions/cache@v2

      with:

        path: /tmp/.buildx-cache

        key: ${{ runner.os }}-buildx-${{ github.sha }}

        restore-keys: |

          ${{ runner.os }}-buildx-



    - name: Log in to Docker Hub

      uses: docker/login-action@v1

      with:

        username: ${{ secrets.DOCKERHUB_USERNAME }}

        password: ${{ secrets.DOCKERHUB_TOKEN }}



    - name: Docker Compose Build

      run: docker-compose -f docker-compose.yaml build



    - name: Docker Compose Up

      run: docker-compose -f docker-compose.yaml up -d



    - name: Push Docker images to Docker Hub

      run: docker-compose -f docker-compose.yaml push



    - name: Docker Compose Down

      run: docker-compose -f docker-compose.yaml down
  1. 环境与秘密

该工作流程利用 GitHub 机密（ DOCKERHUB_USERNAME 和 DOCKERHUB_TOKEN ）安全登录 Docker Hub。此方法可确保工作流文件中不会暴露敏感信息。

  1. 构建和推送 Docker 镜像

作业中的步骤自动执行使用 Docker Compose 构建 Docker 映像、将其推送到 Docker Hub 以及使用 docker-compos e up 和 docker-compose down 命令管理部署生命周期的过程。

  1. 测试

部署后，可以运行自动化测试以确保应用程序按预期运行。

alt

alt 这些测试对于在整个开发生命周期中维护代码质量和功能至关重要。

在 GitHub Actions 中创建状态徽章

  1. 转到您的存储库：打开托管项目的 GitHub 存储库。

  2. 访问“操作”选项卡：单击存储库页面顶部的“操作”选项卡。此选项卡显示与您的存储库关联的工作流程运行。

  3. 选择工作流程：找到要为其创建状态徽章的工作流程。您可以通过单击左侧列表中的工作流程名称来选择它。

  4. 查找徽章 Markdown：选择工作流程后，查找类似“ Copy status badge Markdown ”的部分或链接。单击此按钮将打开一个模式，显示徽章的降价代码。

alt
  1. 复制 Markdown 代码：复制提供的 Markdown 代码。您将将此代码嵌入到 README.md 文件或任何其他您希望显示徽章的 Markdown 文件中。
alt

  1. 嵌入徽章：将复制的 Markdown 代码粘贴到 README.md 文件中您希望徽章显示的位置。

  2. GitHub Actions 的代码通常如下所示：

![workflow name](https://github.com/cdaprod/repository/actions/workflows/docker-workflow.yml/badge.svg)

分别将用户、存储库和工作流文件名替换为您的 GitHub 用户名、存储库名称和工作流文件名。

  1. 提交您的更改：将更新的 README.md 文件提交到您的存储库。现在，无论您在何处放置 Markdown 代码，状态徽章都会出现​​，显示工作流程的当前状态（例如，通过、失败）。
alt
alt

如果您使用不同的平台（例如 GitLab、Bitbucket 等），该过程应该有些相似：查找 CI/CD 设置或管道配置，您可以在其中找到用于创建状态徽章的选项。

如果您一直在关注我们，那么恭喜您！使用此状态徽章，我们现在可以查看构建进度和 GitOps 的状态。到目前为止，您应该在利用 Git 作为基础设施和应用程序部署的单一事实来源方面打下了坚实的基础。

使用 GitHub Actions 的好处

  • 自动化：简化构建、测试和部署流程，减少手动错误并节省时间。

  • 灵活性：支持多种编程语言和框架。

  • 集成：与 GitHub 存储库无缝集成，增强协作和反馈。

  • 可扩展性：轻松适应任何规模的项目，从小型初创公司到大型企业。

通过将 GitHub Actions 合并到 Docker Compose 项目的工作流程中，团队可以实现更高的效率、更好的可靠性和更快的部署周期。这种集成体现了现代软件开发中自动化的力量，使开发人员能够更多地关注创新，而不是部署机制。

本教程演示了如何应用 GitOps 原则来自动化涉及 MinIO 及其服务的复杂应用程序设置的任何部署和测试。通过利用 GitHub Actions，对存储库的更改会自动触发工作流程，确保应用程序的组件始终处于可部署和测试状态。

用 GitOps 和 AI 拥抱未来

正如我们通过 MinIO 与 GitOps 和 AI 开发工具（Weaviate 和 Python）的深度集成共同展示的那样，我们已经制定了重新定义技术和 AI 研究格局的蓝图。这种融合不仅简化了我们的开发流程，而且使我们能够以新的敏捷性和精确性解决人工智能的复杂性。

MinIO 的存储弹性，加上 Weaviate 的智能元数据管理和 Python 的动态功能，所有这些都按照 GitOps 的原则进行编排，为开发、部署和管理 AI 应用程序提供了一个全面的环境。这个坚实的基础鼓励我们思考更大、更进一步，在高效、可扩展和自动化基础设施的支持下探索人工智能的巨大潜力。

作为本土开发人员、爱好者或行业资深人士，我们利用这些进步、从头开始推动创新的时机已经成熟。无论您是开始第一个人工智能项目还是希望增强现有工作流程，所讨论的工具和方法都可以提供一条成功之路，最大限度地减少障碍并最大限度地发挥潜力。我鼓励您吸收这些见解并将其应用到您自己的发展工作中。试验这些技术，将它们集成到您的项目中，并与社区分享您的经验。通过这样做，我们不仅为人工智能的发展做出了贡献，而且还确保我们保持在这个令人兴奋的领域的最前沿，准备好利用未来的机遇。

我们期待成为您探索这些先进解决方案并在数据驱动的努力中达到新高度的旅程的一部分。如果您有任何疑问或只是想打个招呼，请务必通过 Slack 与我们联系。

一次一行代码，构建未来！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.rhkb.cn/news/269367.html

如若内容造成侵权/违法违规/事实不符，请联系长河编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

cmd模式下启动mysql

cmd模式下启动mysql

1.打开cmd输入services.msc，找到MYSQL，右击属性，找到可执行文件路径，加载到环境变量。 2.打开cmd，启动MYSQL：输入net start mysql; 3.登陆MYSQL，需要管理权限； 输入：my…
阅读更多...
java实现图片转pdf，并通过流的方式进行下载（前后端分离）

java实现图片转pdf，并通过流的方式进行下载（前后端分离）

首先需要导入相关依赖，由于具体依赖本人也不是记得很清楚了，所以简短的说一下。 iText：PDF 操作库，用于创建和操作 PDF 文件。可通过 Maven 或 Gradle 引入 iText 依赖。 MultipartFile：Spring 框架中处理文件上传的类…
阅读更多...
【深蓝学院】移动机器人运动规划--第7章 集群机器人运动规划--笔记

【深蓝学院】移动机器人运动规划--第7章 集群机器人运动规划--笔记

文章目录 0. Contents1. Multi-Agent Path Finding (MAPF)1.1 HCA*1.2 Single-Agent A*1.3 ID1.4 M*1.5 Conflict-Based Search(CBS)1.6 ECBS1.6.1 heuristics1.6.2 Focal Search 2. Velocity Obstacle (VO，速度障碍物)2.1 VO2.2. RVO2.3 ORCA 3. Flocking model&am…
阅读更多...
金三银四，程序员如何备战面试季

金三银四，程序员如何备战面试季

金三银四，程序员如何备战面试季 一个人简介二前言三面试技巧分享3.1 自我介绍 四技术问题回答4.1 团队协作经验展示 五职业规划建议5.1 短期目标5.2 中长期目标 六后记 一个人简介 🏘️🏘️个人主页：以山河作礼。 🎖️…
阅读更多...
Golang 程序启动原理详解

Golang 程序启动原理详解

一.编译 go源代码首先要通过 go build 编译为可执行文件,然后去机器上直接执行的，在 linux 平台上为 ELF 格式的可执行文件，linux 能直接执行这个文件,而编译阶段会经过编译器、汇编器、链接器三个过程最终生成可执行文件 编译器：*.go 源码通…
阅读更多...
23.基于springboot + vue实现的前后端分离-在线旅游网站系统（项目 + 论文PPT）

23.基于springboot + vue实现的前后端分离-在线旅游网站系统（项目 + 论文PPT）

项目介绍 本旅游网站系统采用的数据库是MYSQL ，使用 JSP 技术开发，在设计过程中，充分保证了系统代码的良好可读性、实用性、易扩展性、通用性、便于后期维护、操作方便以及页面简洁等特点。 技术选型 后端: SpringBoot Mybatis 数据库 : MyS…
阅读更多...
视频生成模型Sora的全面解析：从AI绘画、ViT到ViViT、DiT、VDT、NaViT、VideoPoet

视频生成模型Sora的全面解析：从AI绘画、ViT到ViViT、DiT、VDT、NaViT、VideoPoet

前言 真没想到，距离视频生成上一轮的集中爆发(详见《Sora之前的视频生成发展史：从Gen2、Emu Video到PixelDance、SVD、Pika 1.0》)才过去三个月，没想OpenAI一出手，该领域又直接变天了 自打2.16日OpenAI发布sora以来(其开发团队包…
阅读更多...
第十七天-反爬与反反爬-验证码识别

第十七天-反爬与反反爬-验证码识别

目录 反爬虫介绍 基于身份识别反爬和解决思路 Headers反爬-使用User-agent Headers反爬-使用coookie字段 Headers反爬-使用Referer字段 基于参数反爬 验证码反爬 1.验证码介绍 2.验证码分类： 3.验证码作用 4.处理方案 5.图片识别引擎:ocr 6.使用打码平…
阅读更多...
AWTK 开源串口屏开发(11) - 天气预报

AWTK 开源串口屏开发(11) - 天气预报

# AWTK 开源串口屏开发 - 天气预报 天气预报是一个很常用的功能，在很多设备上都有这个功能。实现天气预报的功能，不能说很难但是也绝不简单，首先需要从网上获取数据，再解析数据，最后更新到界面上。 在 AWTK 串口屏中…
阅读更多...
如何在jupyter notebook 中下载第三方库

如何在jupyter notebook 中下载第三方库

在anconda 中找到： Anaconda Prompt 进入页面后的样式： 在黑色框中输入： 下载第三方库的命令 第三方库： 三种输入方式 标准保证正确 pip instsall 包名 -i 镜像源地址 pip install pip 是 Python 包管理工具，…
阅读更多...
牛客练习赛122

牛客练习赛122

D:圆 正着求删除的最小代价不好做，采用逆向思维，求选择一些不相交的线段使得构成一个圆的代价尽量大，最后答案就是所有线段权值之和减去最大代价。 那么如何求这个最大代价呢？显然区间DP 老套路：破环成链&#xff0…
阅读更多...
Java实现手机库存管理

Java实现手机库存管理

一、实验任务 编写一个程序，模拟库存管理系统。该系统主要包括系统首页、商品入库、商品显示和删除商品功能。每个功能的具体要求如下： 1.系统的首页：用于显示系统所有的操作，并且可以选择使用某一个功能。 2.商品入库功能&…
阅读更多...
Java 数据结构篇-深入了解排序算法（动态图 + 实现七种基本排序算法）

Java 数据结构篇-深入了解排序算法（动态图 + 实现七种基本排序算法）

🔥博客主页： 【小扳_-CSDN博客】 ❤感谢大家点赞👍收藏⭐评论✍ 文章目录 1.0 实现冒泡排序 2.0 实现选择排序 2.1 选择排序的改良升级 3.0 实现堆排序 4.0 实现插入排序 5.0 实现希尔排序 6.0 实现归并排序 6.1 递归实现归并排序 6.2 使用…
阅读更多...
用FPGA CORDIC IP核实现信号的相位检测，计算相位角

用FPGA CORDIC IP核实现信号的相位检测，计算相位角

用FPGA CORDIC IP核实现信号的相位检测 1.matlab仿真 波形仿真代码： 代码功能：生成一个点频信号s，求出s的实部和虚部；并且结算相位角atan2。画出图形，并且将Q和I数据写入文件中。 %代码功能：生成一个点…
阅读更多...
双链表——“数据结构与算法”

双链表——“数据结构与算法”

各位CSDN的uu们你们好呀，今天，小雅兰又回来了，到了好久没有更新的数据结构与算法专栏，最近确实发现自己有很多不足，需要学习的内容也有很多，所以之后更新文章可能不会像之前那种一天一篇或者一天两篇啦&…
阅读更多...
红帆OA 多处 SQL注入漏洞复现

红帆OA 多处 SQL注入漏洞复现

0x01 产品简介 红帆iOffice.net从最早满足医院行政办公需求（传统OA），到目前融合了卫生主管部门的管理规范和众多行业特色应用，是目前唯一定位于解决医院综合业务管理的软件，是最符合医院行业特点的医院综合业务管理平台，是成功案例最多的医院综合业务管理软件。 0x02 漏…
阅读更多...
网络安全： Kali Linux 使用 docker-compose 部署 openvas

网络安全： Kali Linux 使用 docker-compose 部署 openvas

目录 一、实验 1.环境 2.Kali Linux 安装docker与docker-compose 3.Kali Linux 使用docker-compose方式部署 openvas 4. KaliLinux 使用openvas 二、问题 1. 信息安全漏洞库 2.信息安全漏洞共享平台 3.Windows 更新指南与查询 4.CVE 查询 5.docker-compose 如何修改o…
阅读更多...
哪些型号的高速主轴适合PCB分板机

哪些型号的高速主轴适合PCB分板机

在选择适合PCB分板机的高速主轴时，SycoTec品牌提供了丰富的型号选择，主要型号包括4025 HY、4033 AC（电动换刀）、4033 AC-ESD、4033 DC-T和4041 HY-ESD等。 那么如何选择合适的PCB分板机高速主轴型号呢？在选择适合PCB分…
阅读更多...
LZO索引文件失效说明

LZO索引文件失效说明

在hive中创建lzo文件和索引时，进行查询时会出现问题.hive的默认输入格式是开启小文件合并的，会把索引也合并进来。所以要关闭hive小文件合并功能！
阅读更多...
day03_Vue_Element

day03_Vue_Element

文章目录 01.Ajax1.1 Ajax 概述1.2 同步异步1.3 原生Ajax 2. Axios2.1 Axios的基本使用2.2 Axios快速入门2.3请求方法的别名2.4 案例 3 前后台分离开发3.1 前后台分离开发介绍 04 YAPI4.1 YAPI介绍4.2 接口文档管理 05 前端工程化5.1 前端工程化介绍5.2 前端工程化入门5.2.1 环…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023