DDD战术篇：领域模型的应用
领域驱动设计DDD在战术建模上提供了一个元模型体系，通过这个元模型我们会对战略建模过程中识别出来的问题子域进行抽象，而通过抽象来指导最后的落地实现。由于已经有不少书籍介绍DDD的元模型，这里我们就不再赘述，转而谈谈这个抽象过程中大家经常遇到的一些困惑。这些比较常见的问题可能是DDD元模型未来演进需要解决的，但我们仍然要注意业务问题和架构设计的多样性，不要过度规范，以至于过犹不及。
相关分享
1
喜欢
te
tech.meituan.com
/
2025-01-12 11:53
鸿蒙应用签名实操及机制探究
本文深入探讨了 HarmonyOS NEXT 的应用签名机制，详细解析了签名过程的每个步骤及其背后的实现原理，并通过源码分析了签名的校验机制。文章旨在揭示鸿蒙系统的安全设计思路，为从事鸿蒙研发的开发者提供参考。适合对鸿蒙系统安全机制感兴趣的开发者和安全研究人员阅读。
无图
1
喜欢
cr
crossoverjie.top
/
2025-01-06 23:39
k8s 云原生应用如何接入监控
这篇文章介绍了如何在 Kubernetes 中监控 Pod 的运行状态，详细讲解了使用 Prometheus 和 Grafana 配置监控、收集指标、设置报警等步骤。通过具体示例，帮助开发者理解如何提升 Kubernetes 集群的可观察性，确保应用的高可用性。内容适合 Kubernetes 用户、DevOps 工程师以及对容器化应用监控感兴趣的技术人员，提供了实用的操作指南和最佳实践。
无图
1
喜欢
in
innei.in
/
2024-11-23 21:56
Vercel 部署的单页应用（SPA）动态 Meta 标签实践
在 Vercel 部署的单页应用（SPA）中，配置动态 Meta Tags 可改善 SEO 和分享体验。通过中间层实现 SSR 或利用 Edge Functions 渲染动态标签，可让每个页面呈现独立内容，兼顾性能与优化效果！
无图
1
喜欢
cr
crossoverjie.top
/
2024-11-02 16:35
OpenTelemetry在企业内部应用所需要的技术栈
本文详细解析了 OpenTelemetry 在企业中的技术栈应用，涵盖日志、指标和链路追踪的整合方案，帮助实现系统全方位的可观测性。介绍了 OpenTelemetry 的架构和关键组件如 Collector、eBPF，以及 SigNoz 和 OpenObserve 等开源工具，以实现统一的数据存储和可视化，适合需要高效、灵活监控的企业部署。
无图
1
喜欢
di
www.diguage.com
/
2024-11-02 16:11
再谈 DDD 是银弹吗？
领域驱动设计（DDD）并非解决复杂软件的“银弹”。尽管DDD提供了良好的理论框架，但在快速迭代中难以保持模型稳定，容易引入技术债务。作者建议在宏观上遵循DDD的方法论，但在微观实现中灵活应对，逐步优化代码，解决冗余与维护难题。通过精简代码和重构，在不牺牲开发速度的前提下提高系统的可维护性。
无图
1
喜欢
te
tech.meituan.com
/
2024-09-09 23:41
领域驱动设计DDD在B端营销系统的实践
领域驱动设计（DDD）在复杂业务系统中的应用非常有效，特别是在 B 端营销系统中。本文分享了美团如何通过 DDD 实践，优化营销系统的架构与设计，提升业务应对能力。想了解如何应对复杂业务需求的变化？千万别错过！
无图
1
喜欢
zg
zgq.me
/
2024-09-09 23:37
浅谈 GUI 应用开发
本文深入探讨了 GUI 应用开发中的关键问题，从状态管理、生命周期到交互模式等多个角度分享了开发经验。无论你是前端开发者还是产品设计师，这篇文章都能为你在 GUI 开发中提供实用的见解和技巧。赶紧阅读，提升你的应用开发水平吧！
无图
1
喜欢
bl
blog.yuanpei.me
/
2024-09-08 23:23
浅议 CancellationToken 在前后端协同取消场景中的应用
前后端协同取消机制是现代 Web 开发中提升效率的重要工具，特别是在异步任务中，如何有效感知并处理取消请求是关键。本文详细讲解了 .NET 的 CancellationToken 和 ASP.NET Core 的 RequestAborted 属性如何协同工作，并附上了实战代码示例。想优化你的取消机制，提升应用响应速度吗？赶快阅读这篇深度分析！
无图
1
喜欢
hu
hubojing.github.io
/
2024-08-06 08:12
【大模型系列】指令微调
本文总结了大模型中的指令微调（Instruction Tuning）技术，重点介绍了如何通过指令化数据对大语言模型进行参数微调以提升任务性能。文章探讨了数据构建方法如Self-Instruct和Evol-Instruct，以及微调策略包括优化设置和高效微调方法。通过这些技术，模型可以在多任务场景中表现出色。此内容对希望提升大语言模型能力的研究者和开发者具有参考价值。
无图
1
喜欢
hu
hubojing.github.io
/
2024-08-06 08:11
【大模型系列】提示学习
本文介绍了提示学习（Prompt Learning）的基础概念和应用场景。作者详细讨论了提示学习在大语言模型中的作用，以及如何通过优化提示来提高模型的任务表现。文章还分享了在实际应用中调整和设计提示的技巧，并探讨了该技术在自然语言处理中的未来发展趋势。这篇文章为希望利用大模型进行高效自然语言处理的开发者提供了有价值的见解。
无图