in insights.thoughtworks.cn / 2023-04-21 09:18 / by @Thoughtworks

数据离奇丢失案件的侦破与思考

数据出现问题相对比较严重，团队都会着急去排查原因，不过，在开始排查之前，有更重要的事情要做。我认为问题排查也分两个步骤：清晰识别问题、定位问题。

赞过的人

ix ixyzero.com / 2025-01-12 12:08

学习了解数据仓库中的分层概念

本文详细介绍了数据仓库的分层概念，包括数据运营层（ODS）、数据仓库层（DW）和数据应用层（APP）。其中，DW层进一步细分为数据明细层（DWD）、数据中间层（DWM）和数据服务层（DWS）。文章阐述了各层的功能和作用，并通过实例说明如何在实际业务中应用这些分层概念。该内容适合数据工程师、数据分析师、数据架构师以及对数据仓库设计和实现感兴趣的技术人员阅读。

查看详情

无图

ma mazhuang.org / 2025-01-12 12:05

Java｜如何用一个统一结构接收成员名称不固定的数据

文章通过企业微信接口示例，介绍用 Jackson 的 @JsonAlias 注解处理 Java 中不固定字段名的 JSON 数据，提升解析通用性。适合需统一处理多样 JSON 数据的 Java 开发者。

查看详情

无图

bl blog.devtang.com / 2025-01-12 11:55

CSPJ 教学思考：贪心算法

本文介绍了贪心算法在 CSP-J（信息学奥林匹克联赛入门级）教学中的应用。贪心算法通过每一步选择局部最优解，期望最终达到全局最优。作者强调了排序在贪心算法中的重要性，并提供了 sort 函数和自定义结构体排序的示例代码。文章还推荐了适合教学的题目，如 P2240 部分背包问题、P1223 排队接水等，并附上详细的解题思路和代码实现。适合正在备战 CSP-J 的学生和指导教师参考。

查看详情

无图

bl blog.devtang.com / 2025-01-12 11:54

CSPJ 教学思考：动态规划

本文深入探讨了动态规划（DP）的核心概念，强调状态定义、状态转移方程和初始状态设置的重要性。作者通过具体题目，如 P2842 纸币问题 1 和 P1216 数字三角形，详细讲解了从暴力搜索到记忆化搜索，再到动态规划的解题过程，帮助读者理解 DP 的应用和优化方法。适合正在学习算法的学生、编程竞赛选手以及希望深入理解动态规划的开发者阅读。

查看详情

无图

bl blog.delphij.net / 2025-01-03 00:15

数据的长期保存

这篇文章探讨了长期数据保存的策略与实践，详细分析了存储介质的选择、数据完整性保障方法以及常见的管理问题和解决方案。作者结合实践经验，提出了一套适用于个人和企业的数据保存规划。内容适合关注数据存储、安全备份及长期保存技术的开发者、IT 管理人员，以及对数据安全感兴趣的读者，提供了具有实用价值的参考建议。

查看详情

无图

bl blog.devtang.com / 2025-01-03 00:10

CSPJ 教学思考：宽度优先搜索

这篇文章通过详细的案例和代码解析，系统讲解了广度优先搜索（BFS）的原理、实现及其在实际问题中的应用场景。文章不仅介绍了 BFS 的基础知识，还延伸到复杂问题的解决思路，适合算法学习者、准备技术面试的开发者，以及对算法优化感兴趣的技术人员，提供了高效的学习参考。

查看详情

无图

so soulteary.com / 2025-01-02 23:58

ThinkPad + Redis：构建亿级数据毫秒级查询的平民方案

如何用普通设备实现海量数据的毫秒级查询？文章分享了在 ThinkPad 上构建 Redis 系统的完整方案，详细解析了数据分片、查询优化和资源调配等关键技术，还提供了针对高效查询的实际案例。轻量化实现，高性能表现，为开发者提供了实用的参考思路，值得深入学习！

查看详情

无图

xu xuexb.com / 2025-01-02 23:57

重新思考如何管理我的服务器

如何高效管理云服务器？文章详细分享了 ECS 的选型策略、常见配置优化方法以及运维管理中容易忽视的关键细节，还提供了安全设置和成本控制的实用经验。通过这些深入解析与实际案例，帮助你全面提升管理效率，优化服务器性能，值得一试！

查看详情

无图

bl blog.devtang.com / 2025-01-02 23:40

CSPJ 教学思考：for 循环

学会高效使用 for 循环，提升代码质量！本文深入解析了 for 循环的用法，从基础语法到高级技巧一应俱全，还分享了常见的坑和优化建议。

查看详情

无图

ix ixyzero.com / 2024-11-02 16:52

Hive SQL如何找出连续日期数据之间的较大波动

本文介绍了在 Hive SQL 中如何识别连续日期数据的显著波动，适用于异常检测。使用窗口函数 `LAG` 和 `LEAD` 提取前后日期数据，通过对比当天与昨日、近几日的均值或分位数来判定异常。文中提供了查询示例，通过阈值设定（如倍数增加或p90分位数）识别异常值，帮助分析用户行为或数据波动，为风控和数据监控提供技术支持。

查看详情

无图

数据离奇丢失案件的侦破与思考

赞过的人

发表评论

相关分享