【大模型】Ubuntu下 fastgpt 的部署和使用

前言

本次安裝的版本為 fastgpt:v4.8.8-fix2。
最新版本fastgpt:v4.8.20-fix2 問答時報錯，本著跑通先使用起來，就沒有死磕下去，后面bug解了再進行記錄。
?
github連接：https://github.com/labring/FastGPT
fastgpt 安裝說明：https://doc.tryfastgpt.ai/docs/development/docker/

1 fastgpt 工程部署

1.1 fastgpt的簡介

FastGPT 是一個基于大型語言模型（LLM）的知識庫問答系統，專注于高效對話和任務處理。以下是關于 FastGPT 的詳細介紹：

?
【功能】

  • 專屬 AI 客服：通過導入文檔或問答對進行訓練，AI 模型可以根據文檔內容以交互式對話方式回答問題。
  • 可視化工作流編排：基于 Flow 模塊，用戶可以設計復雜的工作流，實現自動化和智能化的處理流程。
  • 自動數據預處理：支持多種文檔格式（如 Word、PDF、Excel、Markdown 等）的導入，自動完成文本預處理、向量化和問答分割，節省手動訓練時間。
  • 強大的 API 集成：API 接口對齊 OpenAI 官方接口，可以輕松集成到企業微信、公眾號、飛書等平臺。
  • 多模型兼容性：支持 GPT、Claude、文心一言等多種 LLM 模型。

?
【特點】

  • 高效性：經過優化，能夠快速生成高質量內容，適合實時性要求較高的場景。
  • 開源性：遵循附加條件的 Apache License 2.0 開源協議，用戶可以進行二次開發。
  • 個性化與定制化：可以根據具體業務需求定制訓練，調整語言風格、語氣或行業專用術語。
  • 數據處理能力強：能夠整合大量非結構化數據，自動優化答案質量和查詢效率。
  • 用戶友好：對話流暢，具備自然的語義理解能力，適合長對話和復雜任務。

1.2 工程所需前置環境

服務器的配置：ubuntu 22.04、Tesla V100-SXM2-32GB、CUDA Version12.2

lsb_release -a
nvidia-smi

在這里插入圖片描述
fastgpt的安裝和使用的前提環境：

  • docker 的安裝：參考 【環境配置】ubuntu中 Docker的安裝
  • LLMs 的語言大模型：deepseek-r1:32b。參考鏈接 【大模型】Ubuntu下安裝ollama，DeepSseek-R1:32b的本地部署和運行
  • 向量模型：m3e-large。參考鏈接 【大模型】Xinference的安裝和部署。當然向量模型也可以選擇ollama啟動bge-large模型。
    ?

1.3 fastgpt 的配置文件

yml 文件和 json 文件的最新版本下載，參考鏈接 https://doc.tryfastgpt.ai/docs/development/docker/ 中給出了下載命令如下。

mkdir fastgptcd fastgpt
curl -O https://raw.githubusercontent.com/labring/FastGPT/main/projects/app/data/config.json# pgvector 版本(測試推薦，簡單快捷)
curl -o docker-compose.yml https://raw.githubusercontent.com/labring/FastGPT/main/files/docker/docker-compose-pgvector.yml
# milvus 版本
# curl -o docker-compose.yml https://raw.githubusercontent.com/labring/FastGPT/main/files/docker/docker-compose-milvus.yml
# zilliz 版本
# curl -o docker-compose.yml https://raw.githubusercontent.com/labring/FastGPT/main/files/docker/docker-compose-zilliz.yml

?
個人使用該版本在使用時報錯。所以這里直接給出 fastgpt:v4.8.8-fix2 使用的 yml 和json 的文件，將其放置在路徑fastgpt下。
?
【config.json】 文件內容如下。

  • 其中 llmModels中，填寫自己調用的chat模型的信息。直接復制已有的內容，然后修改 model 和 name 的內容。
  • vectorModels 中，填寫自己調用的向量模型。與上相同，直接復制已有的內容，然后修改 model 和 name 的內容。
{"feConfigs": {"lafEnv": "https://laf.dev"},"systemEnv": {"vectorMaxProcess": 15,"qaMaxProcess": 15,"pgHNSWEfSearch": 100},"llmModels": [{"model": "deepseek-r1:32b","name": "deepseek-r1:32b","avatar": "/imgs/model/deepseek.svg","maxContext": 128000,"maxResponse": 128000,"quoteMaxToken": 32000,"maxTemperature": 1.2,"charsPointsPrice": 0,"censor": false,"vision": false,"datasetProcess": true,"usedInClassify": true,"usedInExtractFields": true,"usedInToolCall": true,"usedInQueryExtension": true,"toolChoice": false,"functionCall": false,"customCQPrompt": "","customExtractPrompt": "","defaultSystemChatPrompt": "","defaultConfig": {}}],"vectorModels": [// 如果需要多語言支持和高精度語義檢索，推薦 BGE-M3。// 如果主要處理中文文本，且資源受限，推薦 M3E。// 如果需要中英文混合處理且對精度要求較高，推薦 BGE-Large。{"model": "bge-large:latest","name": "bge-large:latest","charsPointsPrice": 0,"defaultToken": 256,"maxToken": 512,"weight": 100,"defaultConfig": {},"dbConfig": {},"queryConfig": {}},{"model": "m3e-large","name": "m3e-large","charsPointsPrice": 0,"defaultToken": 256,"maxToken": 512,"weight": 100,"defaultConfig": {},"dbConfig": {},"queryConfig": {}}],"reRankModels": [],"audioSpeechModels": [],"whisperModel": [  
]}

?
【docker-compose.yml】 內容如下：
如果原本的鏡像下載過慢或者超時，將其注釋，再把下一行的阿里云鏡像解注釋。

# 數據庫的默認賬號和密碼僅首次運行時設置有效
# 如果修改了賬號密碼，記得改數據庫和項目連接參數，別只改一處~
# 該配置文件只是給快速啟動，測試使用。正式使用，記得務必修改賬號密碼，以及調整合適的知識庫參數，共享內存等。
# 如何無法訪問 dockerhub 和 git，可以用阿里云（阿里云沒有arm包）# version: '3.3'
services:# dbpg:image: pgvector/pgvector:0.7.0-pg15 # docker hub# image: registry.cn-hangzhou.aliyuncs.com/fastgpt/pgvector:v0.7.0 # 阿里云container_name: pgrestart: alwaysports: # 生產環境建議不要暴露- 5432:5432networks:- fastgptenvironment:# 這里的配置只有首次運行生效。修改后，重啟鏡像是不會生效的。需要把持久化數據刪除再重啟，才有效果- POSTGRES_USER=username- POSTGRES_PASSWORD=password- POSTGRES_DB=postgresvolumes:- ./pg/data:/var/lib/postgresql/datamongo:image: mongo:5.0.18 # dockerhub# image: registry.cn-hangzhou.aliyuncs.com/fastgpt/mongo:5.0.18 # 阿里云# image: mongo:4.4.29 # cpu不支持AVX時候使用container_name: mongorestart: alwaysports:- 27017:27017networks:- fastgptcommand: mongod --keyFile /data/mongodb.key --replSet rs0environment:- MONGO_INITDB_ROOT_USERNAME=myusername- MONGO_INITDB_ROOT_PASSWORD=mypasswordvolumes:- ./mongo/data:/data/dbentrypoint:- bash- -c- |openssl rand -base64 128 > /data/mongodb.keychmod 400 /data/mongodb.keychown 999:999 /data/mongodb.keyecho 'const isInited = rs.status().ok === 1if(!isInited){rs.initiate({_id: "rs0",members: [{ _id: 0, host: "mongo:27017" }]})}' > /data/initReplicaSet.js# 啟動MongoDB服務exec docker-entrypoint.sh "$$@" &# 等待MongoDB服務啟動until mongo -u myusername -p mypassword --authenticationDatabase admin --eval "print('waited for connection')" > /dev/null 2>&1; doecho "Waiting for MongoDB to start..."sleep 2done# 執行初始化副本集的腳本mongo -u myusername -p mypassword --authenticationDatabase admin /data/initReplicaSet.js# 等待docker-entrypoint.sh腳本執行的MongoDB服務進程wait $$!# fastgptsandbox:container_name: sandboximage: ghcr.io/labring/fastgpt-sandbox:v4.8.20-fix2 # git# image: registry.cn-hangzhou.aliyuncs.com/fastgpt/fastgpt-sandbox:v4.8.20-fix2 # 阿里云networks:- fastgptrestart: alwaysfastgpt:container_name: fastgptimage: ghcr.io/labring/fastgpt:v4.8.8-fix2 # git# image: registry.cn-hangzhou.aliyuncs.com/fastgpt/fastgpt:v4.8.20-fix2 # 阿里云ports:- 3000:3000networks:- fastgptdepends_on:- mongo- pg- sandboxrestart: alwaysenvironment:# 前端訪問地址: http://localhost:3000- FE_DOMAIN=http://localhost:3000# root 密碼，用戶名為: root。如果需要修改 root 密碼，直接修改這個環境變量，并重啟即可。- DEFAULT_ROOT_PSW=1234# AI模型的API地址哦。務必加 /v1。這里默認填寫了OneApi的訪問地址。- OPENAI_BASE_URL=http://oneapi:3000/v1# AI模型的API Key。（這里默認填寫了OneAPI的快速默認key，測試通后，務必及時修改）- CHAT_API_KEY=sk-fastgpt# 數據庫最大連接數- DB_MAX_LINK=30# 登錄憑證密鑰- TOKEN_KEY=any# root的密鑰，常用于升級時候的初始化請求- ROOT_KEY=root_key# 文件閱讀加密- FILE_TOKEN_KEY=filetoken# MongoDB 連接參數. 用戶名myusername,密碼mypassword。- MONGODB_URI=mongodb://myusername:mypassword@mongo:27017/fastgpt?authSource=admin# pg 連接參數- PG_URL=postgresql://username:password@pg:5432/postgres# sandbox 地址- SANDBOX_URL=http://sandbox:3000# 日志等級: debug, info, warn, error- LOG_LEVEL=info- STORE_LOG_LEVEL=warn# 工作流最大運行次數- WORKFLOW_MAX_RUN_TIMES=1000# 批量執行節點，最大輸入長度- WORKFLOW_MAX_LOOP_TIMES=100# 自定義跨域，不配置時，默認都允許跨域（多個域名通過逗號分割）- ALLOWED_ORIGINS=# 是否開啟IP限制，默認不開啟- USE_IP_LIMIT=falsevolumes:- ./config.json:/app/data/config.json# oneapimysql:# image: registry.cn-hangzhou.aliyuncs.com/fastgpt/mysql:8.0.36 # 阿里云image: mysql:8.0.36container_name: mysqlrestart: alwaysports:- 3306:3306networks:- fastgptcommand: --default-authentication-plugin=mysql_native_passwordenvironment:# 默認root密碼，僅首次運行有效MYSQL_ROOT_PASSWORD: oneapimmysqlMYSQL_DATABASE: oneapivolumes:- ./mysql:/var/lib/mysqloneapi:container_name: oneapiimage: ghcr.io/songquanpeng/one-api:v0.6.7# image: registry.cn-hangzhou.aliyuncs.com/fastgpt/one-api:v0.6.6 # 阿里云ports:- 3001:3000depends_on:- mysqlnetworks:- fastgptrestart: alwaysenvironment:# mysql 連接參數- SQL_DSN=root:oneapimmysql@tcp(mysql:3306)/oneapi# 登錄憑證加密密鑰- SESSION_SECRET=oneapikey# 內存緩存- MEMORY_CACHE_ENABLED=true# 啟動聚合更新，減少數據交互頻率- BATCH_UPDATE_ENABLED=true# 聚合更新時長- BATCH_UPDATE_INTERVAL=10# 初始化的 root 密鑰（建議部署完后更改，否則容易泄露）- INITIAL_ROOT_TOKEN=fastgptvolumes:- ./oneapi:/data
networks:fastgpt:

1.4 啟動容器

在路徑fastgpt下的終端運行

docker compose up -d

待結束后，查看容器情況。結果如下則說明工程正確啟動。
在這里插入圖片描述
?

【過程中可能遇到錯誤】

  1. 現象：端口 3306 被占用：
    在這里插入圖片描述
    問題查看：使用下面命令查看端口被占用情況。
    發現端口 3306 被本地的 mysqld 進程（PID 1203）占用了。這是一個獨立的 MySQL 服務，運行在宿主機上，而不是 Docker 容器中。

    sudo lsof -i :3306

    解決：停止宿主機上的 MySQL 服務。然后重新啟動容器

    sudo systemctl stop mysql  
# sudo kill -9 1203  （或者直接殺掉進程）docker compose up -d

  2. oneapi沒有啟動起來：
    該問題個人沒有遇到。但較多人遇到過，這里記錄下解決方法：

    # 等待10s，OneAPI第一次總是要重啟幾次才能連上Mysql
sleep 10
# 重啟一次oneapi(由于OneAPI的默認Key有點問題，不重啟的話會提示找不到渠道，臨時手動重啟一次解決)
docker restart oneapi

2 oneapi 配置

2.1 oneapi 的簡介

OneAPI 是一個統一的接口管理與分發系統，旨在通過提供一個單一、統一的接口，簡化對多個后端服務或數據源的訪問。
它具備以下核心功能和特點：
?

【核心功能】

  • 集中式 API 密鑰管理：
    提供集中式的 API 密鑰管理和二次分發功能，確保安全性和靈活性。
    支持令牌的過期時間、額度和 IP 范圍管理。
  • 多系統功能整合：
    將來自不同系統的功能和服務整合在一起，開發者只需與一個接口交互，無需分別處理多個不同的 API。
    支持多種主流 AI 模型和服務，包括 OpenAI、百度文心一言、阿里通義千問等。
  • 簡化開發與管理：
    簡化開發過程，提高開發效率。
    便于維護和管理，支持動態更新和跨平臺同步。
    ?

【特點】

  • 一鍵部署：
    打包成單個可執行文件，提供 Docker 鏡像，實現一鍵部署和開箱即用的便捷體驗。
    支持多種部署方式，包括本地部署、Docker 部署和面板部署。
  • 適用場景：
    適用于企業、開發者和研究者，簡化多 AI 服務的接入和管理。
    支持負載均衡、流式傳輸和多機部署，提升系統可用性和性能。

2.2 oneapi 的配置

在瀏覽器訪問 http://127.0.0.1:3001，使用默認賬號 root 和密碼 123456 登錄。
在這里插入圖片描述

2.2.1 oneapi 的渠道

OneAPI 的渠道管理功能允許用戶將不同的大模型 API（如 OpenAI、百度文心一言、阿里通義千問等）統一接入到 OneAPI 平臺中。每個渠道對應一個 API Key，用戶可以通過以下步驟添加和管理渠道。

  • 【ollama部署的模型 的oneapi的渠道配置】
    在控制臺中點擊【渠道】選項卡，選擇【添加新的渠道】。
    在這里插入圖片描述
    然后界面如下圖：
    在這里插入圖片描述
    • 【類型】選擇對應的模型類型 ollama。
    • 【名稱】自定義渠道名稱。這里填寫了【ollama】。
    • 【模型】選擇或填入支持的模型。若是填入的方式，一定注意名稱的正確填寫，可使用命令【ollama list】查看ollama下載的模型。這里填寫【deepseek-r1:32b、bge-large:latest】
      在這里插入圖片描述
    • 【密鑰】這里是本地部署的模型，密鑰隨便填寫。
    • 【代理】這里填寫部署ollama模型的地址。
    • 【提交】點擊“提交”完成渠道添加。
      ?
      【測試】如下圖，配置正確的話，點擊綠色框的測試，界面會彈出 “測試成功” 的字樣。
      需要注意的是，如果僅添加向量模型，這里是無法測試通的。
      在這里插入圖片描述
      ?
  • 【xinference 部署的模型 的oneapi的渠道配置】
    在這里插入圖片描述

2.2.2 oneapi 的令牌

在這里插入圖片描述
在這里插入圖片描述
在這里插入圖片描述
復制這里的令牌。

3 fastgpt 的基本使用

3.1 fastgpt 的重啟

  1. 在 文件 docker-compose.yml 中，搜索 CHAT_API_KEY，將前面復制的令牌粘貼到這里
          # AI模型的API Key。（這里默認填寫了OneAPI的快速默認key，測試通后，務必及時修改）- CHAT_API_KEY=sk-fastgptsk-enxd9BewOzi0eaoGB2AdD5BdEf834a5e9b0e269780703dD8
  2. 重啟容器
    docker compose down
docker compose up -d

重啟了后，就可以在服務器中訪問 http://127.0.0.1:3000，使用默認賬號 root 和密碼 1234 登錄。
登錄后界面如下圖。功能測試主要在左側的【工作臺】【知識庫】。操作流程如下。

3.2 知識庫

  1. 新建知識庫，【+新建】、【知識庫】、【通用知識庫】、命名、選擇配置好的向量模型。
    在這里插入圖片描述
    在這里插入圖片描述
  2. 成功后界面左側，【數據集】【搜索測試】【配置】三項。
    【數據集】界面中，右上角【新建/導入】、這里測試【文本數據集】、【本地文件】… 后續的操作流程如下圖所示
    在這里插入圖片描述
    在這里插入圖片描述
    在這里插入圖片描述
    在這里插入圖片描述
    在這里插入圖片描述
    在這里插入圖片描述
  3. 文件添加成功后，可以點進文件名稱，如上圖。點進去后，可以看到文檔分割成塊后的數據。通過這里的數據，可以看到分割的是否OK。
    在這里插入圖片描述
  4. 然后在【搜索測試】中，可以測試 問題檢索出好壞。在下圖中【語義檢索】中，可以進一步勾選，這里默認不變。
    在這里插入圖片描述
  5. 在【配置】中，可以修改模型的選擇。
    在這里插入圖片描述

3.3 工作臺

  1. 創建一個【簡易應用】。操作如下圖： 在這里插入圖片描述
    在這里插入圖片描述
  2. 配置關聯的知識庫，然后進行問答。如下圖
    在這里插入圖片描述
  3. 然后進行 應用發布，點擊右上角的【發布】
    在這里插入圖片描述
  4. 點擊【發布渠道】界面，然后【創建新鏈接】、【開始使用】、【復制鏈接】在瀏覽器中打開。
    在這里插入圖片描述
    在這里插入圖片描述
  5. 鏈接的界面下，進行問答。
    在這里插入圖片描述
  6. 若想其他電腦都能訪問，則需完成 在服務啟動時綁定到公網IP，開放防火墻端口等操作。

本文來自互聯網用戶投稿，該文觀點僅代表作者本人，不代表本站立場。本站僅提供信息存儲空間服務，不擁有所有權，不承擔相關法律責任。
如若轉載，請注明出處：http://www.pswp.cn/diannao/72029.shtml
繁體地址，請注明出處：http://hk.pswp.cn/diannao/72029.shtml
英文地址，請注明出處：http://en.pswp.cn/diannao/72029.shtml

如若內容造成侵權/違法違規/事實不符，請聯系多彩編程網進行投訴反饋email:809451989@qq.com，一經查實，立即刪除！

相關文章

【GenBI實戰】python腳本實現基于DeepSeek api的數據查詢和圖表可視化

【GenBI實戰】python腳本實現基于DeepSeek api的數據查詢和圖表可視化

寫在前面 生成式 BI (GenBI) 正在改變我們與數據交互的方式。它允許用戶使用自然語言提出問題，并自動獲得數據洞察，而無需編寫復雜的 SQL 查詢或手動創建圖表。本文將帶你動手實戰，使用 Python 和 DeepSeek API (或其他類似的大語言模型 API…
閱讀更多...
Web-to-Web和Server-to-Serve歸因方法

Web-to-Web和Server-to-Serve歸因方法

Web2Web 和 S2S 歸因方法 1. Web2Web 歸因方法 原理： Web2Web（Web-to-Web）歸因方法主要用于跟蹤用戶在網站之間的行為路徑。它通過瀏覽器中的Cookie或其他標識符來追蹤用戶在不同網站之間的行為，從而確定用戶轉化的路徑。 使用…
閱讀更多...
c++中迭代器和指針有什么區別？

c++中迭代器和指針有什么區別？

在 C 中，迭代器和指針雖然在某些場景下有相似的行為，但它們在設計目的、功能和使用場景上有本質區別。以下是詳細對比和最佳實踐： 一、核心區別對比表 特征指針迭代器本質原生數據類型，直接存儲內存地址類對象，抽象容…
閱讀更多...
如何使用Docker搭建哪吒監控面板程序

如何使用Docker搭建哪吒監控面板程序

哪吒監控（Nezha Monitoring）是一款自托管、輕量級的服務器和網站監控及運維工具，旨在為用戶提供實時性能監控、故障告警及自動化運維能力。 文檔地址：https://nezha.wiki/ 本章教程，使用Docker方式安裝哪吒監控面板，在此之前，你需要提前安裝好Docker. 我當前使用的操作系…
閱讀更多...
ONLYOFFICE + Ollama，本地AI模型的高效集成方案

ONLYOFFICE + Ollama，本地AI模型的高效集成方案

這篇文章將繼續探討如何在 ONLYOFFICE 中連接并高效使用各類 AI 模型。今天的主角是 Ollama——一個專為本地部署和運行 AI 模型的平臺。如何使用 Ollama 并與 ONLYOFFICE 編輯器集成，利用其強大的 AI 模型處理文本任務。以下是詳細的操作步驟和使用方法。 關于 ONL…
閱讀更多...
單片機開發為什么不用C++?

單片機開發為什么不用C++?

最近受到很多初學者的靈魂拷問，單片機需要學C嗎？ 還別說，問這問題的還挺多的，今天以一篇文章來說下。 很多小白覺得，C語言這老古董，語法簡陋得像石器時代的產物，為什么還牢牢霸占著單片機開發的…
閱讀更多...
2025-02-28 學習記錄--C/C++-C語言 scanf 中，%s 不需要加

2025-02-28 學習記錄--C/C++-C語言 scanf 中，%s 不需要加

合抱之木，生于毫末；九層之臺，起于累土；千里之行，始于足下。💪🏻 C語言 scanf 中，%s 不需要加 & 格式化符號變量類型是否需要加 &原因%s字符數組不需要數組名本身就是指針&a…
閱讀更多...
數字樣機：從技術革新到產業賦能的演進之路

數字樣機：從技術革新到產業賦能的演進之路

摘要：數字樣機作為產品全生命周期數字化的核心技術，旨在通過虛擬化建模與仿真技術重構傳統工業研發范式。 數字樣機（Digital Prototype，DP）技術是一種數字化設計技術，利用數字樣機替代原型樣機&#xff0c…
閱讀更多...
Ubuntu20.04安裝Isaac sim/ Isaac lab

Ubuntu20.04安裝Isaac sim/ Isaac lab

2025年之后omniverse好像不能直接裝Isaac sim了，要跳轉到官網鏈接。 Isaac lab要在Isaac sim安裝之后才能安裝 Ubuntu20.04安裝Isaac sim/ Isaac lab Isaac sim安裝Isaac lab安裝 Isaac sim安裝 找到官網 Isaac sim官方文檔 下載下來解壓到本地文件夾&#xff0c…
閱讀更多...
【前端】XML,XPATH,與HTML的關系

【前端】XML,XPATH,與HTML的關系

XML與HTML關系 XML（可擴展標記語言）和 HTML（超文本標記語言）是兩種常見的標記語言，但它們有不同的目的和用途。它們都使用類似的標記結構（標簽），但在設計上存在一些關鍵的差異。 XML…
閱讀更多...
8款智能排班系統，全面深入介紹

8款智能排班系統，全面深入介紹

本文介紹了以下8款主流的排班系統：1.i人事；2.Moka； 3.When I Work； 4.薪人薪事； 5.泛微e-office； 6.多可軟件； 7.釘釘； 8.Homebase等。 排班系統作為一種高效的管理工具，…
閱讀更多...
DeepSeek 助力 Vue3 開發：打造絲滑的頁腳（Footer）

DeepSeek 助力 Vue3 開發：打造絲滑的頁腳（Footer）

前言：哈嘍，大家好，今天給大家分享一篇文章！并提供具體代碼幫助大家深入理解，徹底掌握！創作不易，如果能幫助到大家或者給大家一些靈感和啟發，歡迎收藏關注哦 💕 目錄 Deep…
閱讀更多...
SpringCloud 微服務框架

SpringCloud 微服務框架

單體架構：將業務全部功能集中到一個項目中，打成一個war包存儲,部署在一臺服務器中，只有一個數據庫 優點 ：架構簡單，部署成本低。適合小型項目 問題：高并發性能問題，開發時代碼耦合問題&#x…
閱讀更多...
goLand導入git項目并打包發布linux

goLand導入git項目并打包發布linux

作為項目管理，擁有半吊子開發能力，居然有一天需要修改維護go項目。。。從菜鳥教程學習開始~苦 goland導入git項目 本地啟動 導入之后會自動更新相關依賴。 本人導入之后立馬修改了依賴位置，且修改為一項目一位置，互不干涉。 在代…
閱讀更多...
通義靈碼插件安裝入門教學 - IDEA（安裝篇）

通義靈碼插件安裝入門教學 - IDEA（安裝篇）

在開發過程中，使用合適的工具和插件可以極大地提高我們的工作效率。今天，我們將詳細介紹如何在 IntelliJ IDEA 中安裝并配置通義靈碼插件，這是一款旨在提升開發者效率的實用工具。無論你是新手還是有經驗的開發者，本文都將為你提供…
閱讀更多...
【設計模式精講】開源實戰之剖析Spring框架：Spring中工廠模式的應用

【設計模式精講】開源實戰之剖析Spring框架：Spring中工廠模式的應用

文章目錄 第七章 開源實戰7.1 剖析Spring框架中用到的經典設計模式7.1.1 Spring中工廠模式的應用7.1.1.1 Spring中的Bean組件7.1.1.2 Spring中的BeanFactory7.1.1.3 Spring中的FactoryBean 個人主頁：道友老李 歡迎加入社區：道友老李的學習社區 第七章 開…
閱讀更多...
[數據結構]用棧實現隊列

[數據結構]用棧實現隊列

思路分析 代碼實現： typedef int STDataType; typedef struct Stack {int* a;int top;//下標int capacity; }ST; //棧的初始化 void STInit(ST* ps); //棧的插入 void STPush(ST* ps, STDataType x); //棧的刪除 void STPop(ST* ps); // int STSize(ST* ps); //判斷…
閱讀更多...
C++ 17 允許在 for 循環，if 語句，switch 語句中初始化變量

C++ 17 允許在 for 循環，if 語句，switch 語句中初始化變量

看到 c 有這個特性，python 和 java 似乎都沒有，根據 AI 的回答進行了一些整理總結。 文章目錄 **1. 在 for 循環中初始化變量****特點****多個變量初始化** **2. 在 if 語句中初始化變量（C17 及以上）****示例****特點** **3. 在 s…
閱讀更多...
【云原生之kubernetes實戰】在k8s環境中高效部署Vikunja任務管理工具（含數據庫配置）

【云原生之kubernetes實戰】在k8s環境中高效部署Vikunja任務管理工具（含數據庫配置）

【【云原生之kubernetes實戰】在k8s環境中高效部署Vikunja任務管理工具（含數據庫配置） 前言一、Vikunja介紹1.1 Vikunja簡介1.2 Vikunja主要特點1.3 使用場景二、相關知識介紹2.1 本次實踐存儲介紹2.2 k8s存儲介紹三、本次實踐介紹3.1 本次實踐簡介3.2 本次環境規劃3.3 部署前…
閱讀更多...
分享一個常用的命名規則和Spring的命名風格

分享一個常用的命名規則和Spring的命名風格

目錄 Spring 命名風格規范總結表 常用代碼命名單詞（通用且專業） 命名技巧 一、返回布爾值的方法 二、條件執行方法 三、異步處理方法 四、回調方法 五、集合操作方法 六、狀態校驗方法 七、對象生命周期方法 八、數據操作方法 Spring 命名風格規…
閱讀更多...
最新文章

Copyright @ 2022~2023