知鸦日报2023-09-15

本篇教程主要运用StableDiffusion这个工具来进行操作，下面会通过几个小案例，给大家展示不同需求下，我们该如何使用StableDiffusion来辅助我们完成服装效果展示。本教程适用于电商设计场景、摄影场景等多个运用人物设计的实战中，全程干货，需要大家慢慢吸收，学会后轻松拿捏模特换装，let’s go！

随着人工智能技术的不断进步与应用，大型语言模型（LLM）在自然语言处理和文本理解领域中成为了热门的讨论焦点。通过深度学习技术在海量数据上进行训练，能够实现对自然语言的理解和生成。许多公司已经发布了各自的大模型产品，例如ChatGPT、Claude、文心一言和通义千问等，同时还有大量的开源大模型不断涌现。这些大模型的应用场景非常广泛，包括但不限于智能客服、智能助手、机器翻译、文本生成和情感分析等。

拍拍问是信也科技基于大模型构建的本地知识库应用，它利用大模型的能力提供高效的问答服务和智能助手功能。

通过将向量数据库与本地大模型相结合，拍拍问能够快速地搜索和匹配用户的问题。与传统的知识库相比，使用本地大模型可以更好地“理解”上下文信息，并根据问题的背景和语境提供更准确的答案。

随着技术不断进步，基于大模型的知识库平台和其他大模型应用必将在金融领域发挥更大的作用，助力企业开创更美好的未来。

iOS中解析Android点九图（NinePatch）格式，获取其可拉伸区域，用于做图片的自适应区域拉伸，包含了完整的解析点九Chunk数据源代码。

日常生产中经常会碰到由于redis集群的不当访问，造成的线上问题。其中比较常见的是BigKey（大key）和HotKey（热key）的问题。

B站大数据系统诊断系列包含三款产品: SQLScan, BMR大数据元仓以及数据智囊。本篇将给大家详细介绍第一部分SQLScan。

爱奇艺大数据平台架构升级过程中，对Spark服务进行改造，大幅提升效率，节省上千万成本。

应用程序需要某种配置。根据应用程序环境，您可能需要更改不同的设置，例如切换调试模式、设置密钥以及其他特定于环境的事物。下面介绍在flask中如何去管理这些配置信息。

在近些年互联网快速迭代的开发模式下，接口自动化测试成为了服务端质量保证的重要手段。但随着系统复杂性逐渐增大，任何一行代码的改动或一个配置文件的修改都有可能引起整个系统的崩溃或者带来巨大的损失。仅仅依赖沉淀的自动化测试脚本或人工测试已经很难完全覆盖到业务的特殊场景。在此背景下，基于流量回放技术的自动化测试应运而生。

流量回放测试技术，就是用流量录制回放的方式把实际流量的镜像分发到测试服务器上，用来验证新的代码修改是否对原有系统造成影响以及新功能是否可用。本文将主要介绍流量回放技术在测试中的应用以及目前常用的流量回放相关工具，希望给未接触过流量回放技术或对流量回放技术有兴趣的同学有所帮助。

热更新速度分析：speed-measure-webpack-plugin，它可以看到每个loader和插件的执行耗时，这样就让你知道优化你的webpack构建速度你的注意力该集中在哪里。

用搭建轻量级流程引擎的方案，教你解决数据一致性难题。

Cart is a critical component in an e-commerce business. A smooth checkout process increases User’s confidence in the platform. Given the importance of a Cart in preserving the user intent to purchase we need to make sure the Cart systems are highly stable, performant, fault-tolerant & resilient to high traffic.

Myntra continues to grow at a rapid pace when it comes to its user base. The more users onboard onto the platform, the more shopping carts are created and we have more operations per Cart. Cart data is persisted in the Cassandra datastore. Cassandra was a compelling choice for Cart persistence due to its massive scalability with respect to write operations and fault tolerance capabilities. However, why this failed to be our perfect choice & our migration journey towards MongoDB is what we will be discussing in this blog post.

本文是一次访问Redis延时高问题排查与总结的续篇，主要讲述了当时没有发现的一些问题和解决方案。

本文介绍了滴滴可观测使用eBPF在服务接口拓扑观测这一场景上的使用，阐述了这一方案的主要思路及采用 uprobe 的优缺点。

文中提出了一种自适应的场景知识迁移和场景聚合技术，解决了在投放中面临外部海量流量带来的场景数量丰富、场景间差异大的问题。

作为一个合格的 DBA，在遇到线上单表数据量超过千万级别的时候，往往会建议用户通过分表来缩减单表数据量，当用户问为什么单表数据量不能超过千万时，DBA 往往会说：单表数据量超过千万，会影响查询性能。知其然而不知所以然，学习技术不能停留在表面，而是要进一步去深入挖掘其中的原理，这样才能不断进步和成长。回到这个问题：为什么单表数据量不能超过两千万，其中的依据是什么？

最近因需求改动新增了一些数据库表，但是在定义表结构时，具体列属性的选择有些不知其所以然，索引的添加也有遗漏和不规范的地方，所以我打算为创建一个高性能表的过程以实战的形式写一个专题，以此来学习和巩固这些知识。

go 中高性能编程是一个经久不衰的话题，本文尝试从实践及源码层面对 go 的高性能编程进行解析。

在全球化战略的背景下，Trip.com作为一个面向国际市场的全球OTA平台，正努力推进国际化战略部署。Trip.com火车票正在积极投入资源和技术力量来拓展海外业务，通过将应用、数据部署新加坡、法兰克福等中心，从而给全球用户带来更好的购票体验和减少数据合规带来的风险。