入門OpenTelemetry——應用自動埋點

埋點

什么是埋點

埋點，本質就是在你的應用程序里，在重要位置插入采集代碼，比如：

  • 收集請求開始和結束的時間
  • 收集數據庫查詢時間
  • 收集函數調用鏈路信息
  • 收集異常信息

這些埋點數據（Trace、Metrics、Logs）被收集起來后，可以在監控平臺看到系統運行時的真實表現，幫助你做：

  • 性能分析
  • 故障排查
  • 調用鏈路追蹤

簡單說就是：“在合適的地方插追蹤/監控代碼”。

要使用 OpenTelemetry 檢測應用程序，可以前往訪問 OpenTelemetry 存儲庫，選擇適用于的應用程序的語言，然后按照說明進行操作。具體可以參考文檔：https://opentelemetry.opendocs.io/docs/getting-started/dev/

自動埋點

使用自動埋點是一個很好的方式，因為它簡單、容易，不需要進行很多代碼更改。

如果你沒有必要的知識（或時間）來創建適合你應用程序量身的追蹤代碼，那么這種方法就非常合適。

OpenTelemetry 支持自動化埋點的語言：

  • .net
  • Java
  • JavaScript
  • PHP
  • Python

手動檢測

手動檢測是指為應用程序編寫特定的埋點代碼。這是向應用程序添加可觀測性代碼的過程。這樣做可以更有效地滿足你的需求，因為可以自己添加屬性和事件。這樣做的缺點是需要導入庫并自己完成所有工作。

埋點方式對比

手動埋點（Manual Instrumentation）自動埋點（Automatic Instrumentation）
定義程序員自己在代碼里顯式寫下采集邏輯借助 SDK/Agent 自動攔截應用，無需修改業務代碼
實現方式引用 OpenTelemetry API，比如創建 Tracer，手動打 span安裝一個 Agent（Java agent、Python instrumentation）自動檢測框架和庫，插入追蹤
控制力度非常高，想怎么打點都可以較低，受限于 Agent 支持的范圍
開發成本高，需要自己判斷哪里要加埋點低，幾乎開箱即用
支持范圍業務邏輯細粒度打點，比如特定函數、算法內部框架級打點，比如 HTTP 請求、數據庫訪問、消息隊列消費
性能影響可控，看你打點多少可能稍高，因為 Agent 會 Hook 很多地方
典型場景需要追蹤復雜業務邏輯快速上線鏈路追蹤，不想改代碼

k8s 應用自動埋點步驟

  • 部署 OpenTelemetry Operator：它幫你管理 Instrumentation 和 OpenTelemetryCollector，實現自動注入、自動采集功能。
  • 部署 OpenTelemetryCollector：用來接收自動埋點產生的數據，比如 traces。
  • 定義 Instrumentation 對象：聲明“我想要給哪些應用自動打點”（比如 Java 的 agent），并指定用哪個 Collector。
  • 給你的 Pod 加上 Annotation：Operator 會根據 Annotation 自動注入 Agent 和 Sidecar。

自動埋點配置詳解

配置示例

apiVersion: opentelemetry.io/v1alpha1
kind: Instrumentation
metadata:name: <name>namespace: <namespace>
spec:exporter:                     # 導出目標配置endpoint: <string>          # 指定導出的地址，通常是 OpenTelemetry Collector 的 OTLP 接收端口tls:											  # 是否使用非加密連接（跳過 TLS）insecure: <bool>          # 跳過 TLS 校驗，默認 falseinsecureSkipVerify: <bool>propagators:								  # 上下文傳播協議，如果是跨服務追蹤，一定要所有服務使用同一傳播協議- tracecontext              # W3C Trace Context 標準（推薦）- baggage                   #	W3C Baggage（支持傳遞 key-value）- b3                        #	B3 single-header（Zipkin 風格）- b3multi                   # B3 multi-header- jaeger                    # Jaeger 原生格式sampler:									  	# 采樣器配置type: <sampler_type>argument: <string>        resource:											# 資源標簽，可選配置attributes:service.name: <string>      # 用于區分不同服務service.namespace: <string> # 服務所屬 namespaceservice.version: <string>   # 服務版本env:												  	# 全局環境變量- name: OTEL_FOOvalue: "bar"

采樣器配置

采樣器配置如下：

類型含義是否支持 argument
always_on全部采樣否
always_off全部不采樣否
traceidratio指定比例采樣是（如 "0.25"）
parentbased_traceidratio如果上游有 trace，繼承上游；否則按照比例采樣是
parentbased_always_on如果上游有 trace，繼承；否則全部采樣否
parentbased_always_off如果上游有 trace，繼承；否則不采樣否

argument 字段通常是小數，表示采樣概率，如 "1" 表示 100%，"0.5" 表示 50%。

其他配置

其他配置可通過環境變量方式注入，具體配置項可參考文檔：

https://opentelemetry.io/docs/languages/sdk-configuration/

部署示例應用

部署 java 應用

這里我們將使用一個名為 Petclinic 的 Java 應用程序，這是一個使用 Maven 或 Gradle 構建的 Spring Boot 應用程序。該應用程序將使用 OpenTelemetry 生成數據。

Petclinic 示例項目地址：https://github.com/spring-projects/spring-petclinic

apiVersion: apps/v1
kind: Deployment
metadata:name: java-demo
spec:selector:matchLabels:app: java-demotemplate:metadata:labels:app: java-demospec:containers:- name: java-demoimage: contrastsecuritydemo/spring-petclinic:1.5.1imagePullPolicy: IfNotPresentresources:limits:memory: "500Mi"cpu: "200m"ports:- containerPort: 8080
---
apiVersion: v1
kind: Service
metadata:name: java-demo
spec:selector:app: java-demoports:- port: 8080targetPort: 8080
---
apiVersion: traefik.io/v1alpha1
kind: IngressRoute
metadata:name: java-demo
spec:entryPoints:- webroutes:- match: Host(`java-demo.cuiliangblog.cn`)kind: Ruleservices:- name: java-demoport: 8080

部署完成后通過域名訪問驗證。

部署 python 應用

這里我們將使用一個名為 python-demoapp 的 python 應用程序，這是一個使用 flask 構建的 web 應用程序。該應用程序將使用 OpenTelemetry 生成數據。

項目地址：https://github.com/benc-uk/python-demoapp

apiVersion: apps/v1
kind: Deployment
metadata:name: python-demo
spec:selector:matchLabels:app: python-demotemplate:metadata:labels:app: python-demospec:containers:- name: python-demoimage: ghcr.io/benc-uk/python-demoapp:latestimagePullPolicy: IfNotPresentresources:limits:memory: "500Mi"cpu: "200m"ports:- containerPort: 5000
---
apiVersion: v1
kind: Service
metadata:name: python-demo
spec:selector:app: python-demoports:- port: 5000targetPort: 5000
---
apiVersion: traefik.io/v1alpha1
kind: IngressRoute
metadata:name: python-demo
spec:entryPoints:- webroutes:- match: Host(`python-demo.local.com`)kind: Ruleservices:- name: python-demoport: 5000

接下來通過域名訪問應用

應用埋點

java 應用自動埋點

對于 Java 應用，我們可以通過下載 OpenTelemetry 提供的 opentelemetry-javaagent 這個 jar 包來使用 OpenTelemetry 自動檢測應用程序。

opentelemetry-javaagent 地址：https://github.com/open-telemetry/opentelemetry-java-instrumentation

只需要將這個 jar 包添加到應用程序的啟動命令中即可，比如：

java -javaagent:opentelemetry-javaagent.jar -jar target/*.jar

Java 自動檢測使用可附加到任何 Java 8+ 應用程序的 Java 代理 JAR。它動態注入字節碼以從許多流行的庫和框架捕獲遙測數據。它可用于捕獲應用程序或服務“邊緣”的遙測數據，例如入站請求、出站 HTTP 調用、數據庫調用等。通過運行以上命令，我們可以對應用程序進行插樁，并生成鏈路數據，而對我們的應用程序沒有任何修改。
尤其是在 Kubernetes 環境中，我們可以使用 OpenTelemetry Operator 來注入和配置 OpenTelemetry 自動檢測庫，這樣連 javaagent 我們都不需要去手動注入了。
接下來為 Java 應用程序添加一個 Instrumentation 資源。

apiVersion: opentelemetry.io/v1alpha1    
kind: Instrumentation                     # 聲明資源類型為 Instrumentation（用于語言自動注入）
metadata:name: java-instrumentation              # Instrumentation 資源的名稱（可以被 Deployment 等引用）namespace: opentelemetry
spec:propagators:                            # 指定用于 trace 上下文傳播的方式，支持多種格式- tracecontext                        # W3C Trace Context（最通用的跨服務追蹤格式）- baggage                             # 傳播用戶定義的上下文鍵值對- b3                                  # Zipkin 的 B3 header（用于兼容 Zipkin 環境）sampler:                                # 定義采樣策略（決定是否收集 trace）type: always_on                       # 始終采樣所有請求（適合測試或調試環境）java:# image: ghcr.io/open-telemetry/opentelemetry-operator/autoinstrumentation-java:latest# 使用的 Java 自動注入 agent 鏡像地址image:  harbor.cuiliangblog.cn/otel/autoinstrumentation-java:latestenv:- name: OTEL_EXPORTER_OTLP_ENDPOINTvalue: http://center-collector.opentelemetry.svc:4318

為了啟用自動檢測，我們需要更新部署文件并向其添加注解。這樣我們可以告訴 OpenTelemetry Operator 將 sidecar 和 java-instrumentation 注入到我們的應用程序中。修改 Deployment 配置如下：

apiVersion: apps/v1
kind: Deployment
metadata:name: java-demo
spec:selector:matchLabels:app: java-demotemplate:metadata:labels:app: java-demoannotations:instrumentation.opentelemetry.io/inject-java: "opentelemetry/java-instrumentation" # 填寫 Instrumentation 資源的名稱sidecar.opentelemetry.io/inject: "opentelemetry/sidecar" # 注入一個 sidecar 模式的 OpenTelemetry Collectorspec:containers:- name: java-demoimage: contrastsecuritydemo/spring-petclinic:1.5.1imagePullPolicy: IfNotPresentresources:limits:memory: "500Mi"cpu: "200m"ports:- containerPort: 8080

接下來更新 deployment，然后查看資源信息，java-demo 容器已經變為兩個。

# kubectl get pod
NAME                        READY   STATUS    RESTARTS      AGE
java-demo-557fff6b7c-x8tjg  2/2     Running   0               3m6s
# kubectl get opentelemetrycollectors -A                 
NAMESPACE       NAME      MODE         VERSION   READY   AGE   IMAGE                                                                                     MANAGEMENT
default         sidecar   sidecar      0.123.1           39m                                                                                             managed
opentelemetry   simple    deployment   0.123.1   1/1     39m   ghcr.io/open-telemetry/opentelemetry-collector-releases/opentelemetry-collector:0.123.1   managed
# kubectl get instrumentations -A                 
NAMESPACE       NAME                   AGE   ENDPOINT   SAMPLER     SAMPLER ARG
opentelemetry   java-instrumentation   39m              always_on

查看 sidecar日志，已正常啟動并發送 spans 數據

# kubectl logs java-demo-557fff6b7c-x8tjg -c otc-container
2025-04-23T08:56:32.664Z        info    grpc@v1.71.0/server.go:690      [core] [Server #3]Server created        {"grpc_log": true}
2025-04-23T08:56:32.669Z        info    otlpreceiver@v0.123.0/otlp.go:116       Starting GRPC server    {"endpoint": "0.0.0.0:4317"}
2025-04-23T08:56:32.670Z        info    otlpreceiver@v0.123.0/otlp.go:173       Starting HTTP server    {"endpoint": "0.0.0.0:4318"}
2025-04-23T08:56:32.670Z        info    service@v0.123.0/service.go:287 Everything is ready. Begin running and processing data.
2025-04-23T08:56:32.670Z        info    grpc@v1.71.0/server.go:886      [core] [Server #3 ListenSocket #4]ListenSocket created     {"grpc_log": true}
2025-04-23T08:56:32.686Z        info    grpc@v1.71.0/clientconn.go:1224 [core] [Channel #1 SubChannel #2]Subchannel Connectivity change to READY   {"grpc_log": true}
2025-04-23T08:56:32.686Z        info    pickfirst/pickfirst.go:184      [pick-first-lb] [pick-first-lb 0xc000ab7530] Received SubConn state update: 0xc0008b6550, {ConnectivityState:READY ConnectionError:<nil> connectedAddress:{Addr:simple-collector.opentelemetry.svc:4317 ServerName:simple-collector.opentelemetry.svc:4317 Attributes:<nil> BalancerAttributes:<nil> Metadata:<nil>}}    {"grpc_log": true}
2025-04-23T08:56:32.686Z        info    grpc@v1.71.0/clientconn.go:563  [core] [Channel #1]Channel Connectivity change to READY    {"grpc_log": true}
2025-04-23T08:57:26.022Z        info    Traces  {"resource spans": 1, "spans": 72}
2025-04-23T08:57:36.027Z        info    Traces  {"resource spans": 1, "spans": 4}

查看collector 日志，已經收到 traces 數據

# kubectl logs -n opentelemetry simple-collector-5b5699b46f-qgdw6
2025-04-23T07:28:27.220Z        info    service@v0.123.0/service.go:197 Setting up own telemetry...
2025-04-23T07:28:27.220Z        info    builders/builders.go:26 Development component. May change in the future.
2025-04-23T07:28:27.223Z        info    memorylimiter@v0.123.0/memorylimiter.go:148     Using percentage memory limiter    {"total_memory_mib": 7914, "limit_percentage": 75, "spike_limit_percentage": 15}
2025-04-23T07:28:27.223Z        info    memorylimiter@v0.123.0/memorylimiter.go:74      Memory limiter configured {"limit_mib": 5935, "spike_limit_mib": 1187, "check_interval": 1}
2025-04-23T07:28:27.270Z        info    service@v0.123.0/service.go:264 Starting otelcol...     {"Version": "0.123.1", "NumCPU": 4}
2025-04-23T07:28:27.270Z        info    extensions/extensions.go:41     Starting extensions...
2025-04-23T07:28:27.271Z        info    otlpreceiver@v0.123.0/otlp.go:116       Starting GRPC server    {"endpoint": "0.0.0.0:4317"}
2025-04-23T07:28:27.271Z        info    otlpreceiver@v0.123.0/otlp.go:173       Starting HTTP server    {"endpoint": "0.0.0.0:4318"}
2025-04-23T07:28:27.272Z        info    service@v0.123.0/service.go:287 Everything is ready. Begin running and processing data.
2025-04-23T08:57:26.022Z        info    Traces  {"resource spans": 1, "spans": 72}
2025-04-23T08:57:36.027Z        info    Traces  {"resource spans": 1, "spans": 4}

python 應用自動埋點

與 java 應用類似，python 應用同樣也支持自動埋點， OpenTelemetry 提供了 opentelemetry-instrument CLI 工具，在啟動 Python 應用時通過 sitecustomize 或環境變量注入自動 instrumentation。

我們先創建一個java-instrumentation 資源

apiVersion: opentelemetry.io/v1alpha1    
kind: Instrumentation                     # 聲明資源類型為 Instrumentation（用于語言自動注入）
metadata:name: python-instrumentation              # Instrumentation 資源的名稱（可以被 Deployment 等引用）namespace: opentelemetry
spec:propagators:                            # 指定用于 trace 上下文傳播的方式，支持多種格式- tracecontext                        # W3C Trace Context（最通用的跨服務追蹤格式）- baggage                             # 傳播用戶定義的上下文鍵值對- b3                                  # Zipkin 的 B3 header（用于兼容 Zipkin 環境）sampler:                                # 定義采樣策略（決定是否收集 trace）type: always_on                       # 始終采樣所有請求（適合測試或調試環境）python:image: ghcr.io/open-telemetry/opentelemetry-operator/autoinstrumentation-python:latestenv:                                  - name: OTEL_PYTHON_LOGGING_AUTO_INSTRUMENTATION_ENABLED # 啟用日志的自動檢測value: "true"- name: OTEL_PYTHON_LOG_CORRELATION # 在日志中啟用跟蹤上下文注入value: "true"- name: OTEL_EXPORTER_OTLP_ENDPOINTvalue: http://center-collector.opentelemetry.svc:4318

然后更新 deployment 資源清單，添加注解

apiVersion: apps/v1
kind: Deployment
metadata:name: python-demo
spec:selector:matchLabels:app: python-demotemplate:metadata:labels:app: python-demoannotations:instrumentation.opentelemetry.io/inject-python: "opentelemetry/python-instrumentation" # 填寫 Instrumentation 資源的名稱sidecar.opentelemetry.io/inject: "opentelemetry/sidecar" # 注入一個 sidecar 模式的 OpenTelemetry Collector……

接下來觀察日志既可。

查看更多

崔亮的博客-專注devops自動化運維，傳播優秀it運維技術文章。更多原創運維開發相關文章，歡迎訪問https://www.cuiliangblog.cn

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/pingmian/81410.shtml
繁體地址，請注明出處：http://hk.pswp.cn/pingmian/81410.shtml
英文地址，請注明出處：http://en.pswp.cn/pingmian/81410.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

大數據場景下數據導出的架構演進與EasyExcel實戰方案

大數據場景下數據導出的架構演進與EasyExcel實戰方案

一、引言&#xff1a;數據導出的演進驅動力 在數字化時代&#xff0c;數據導出功能已成為企業數據服務的基礎能力。隨著數據規模從GB級向TB級甚至PB級發展&#xff0c;傳統導出方案面臨三大核心挑戰&#xff1a; ?數據規模爆炸?&#xff1a;單次導出數據量從萬級到億級的增長…
閱讀更多...
拓展運算符與數組解構賦值的區別

拓展運算符與數組解構賦值的區別

拓展運算符與數組解構賦值是ES6中用于處理數組的兩種不同的特性&#xff0c;它們有以下區別&#xff1a; 概念與作用 ? 拓展運算符&#xff1a;主要用于將數組展開成一系列獨立的元素&#xff0c;或者將多個數組合并為一個數組&#xff0c;以及在函數調用時將數組作為可變參…
閱讀更多...
2025年全國青少年信息素養大賽初賽真題（算法創意實踐挑戰賽C++初中組：文末附答案）

2025年全國青少年信息素養大賽初賽真題（算法創意實踐挑戰賽C++初中組：文末附答案）

2025年全國青少年信息素養大賽初賽真題（算法創意實踐挑戰賽C++初中組：文末附答案） 一、單項選擇題（每題 5 分） C++ 程序流程控制的基本結構不包括以下哪項? A. 分支結構 B. 數據結構 C. 循環結構 D. 順序結構 以下哪段代碼能將數組 int a[4] = {2, 4, 6, 8}; 的所有元素變…
閱讀更多...
計算機視覺與深度學習 ｜ Python實現EMD-CNN-LSTM時間序列預測（完整源碼、數據、公式)

計算機視覺與深度學習 ｜ Python實現EMD-CNN-LSTM時間序列預測（完整源碼、數據、公式)

EMD-CNN-LSTM 1. 環境準備2. 數據生成（示例數據）3. EMD分解4. 數據預處理5. CNN-LSTM模型定義6. 模型訓練7. 預測與重構8. 性能評估核心公式說明1. 經驗模態分解（EMD）2. CNN-LSTM混合模型參數調優建議擴展方向典型輸出示例以下是使用Python實現EMD-CNN-LSTM時間序列預測的完…
閱讀更多...
React 19中useContext不需要Provider了。

React 19中useContext不需要Provider了。

文章目錄 前言一、React 19中useContext移除了Provider&#xff1f;二、使用步驟總結 前言 在 React 19 中&#xff0c;useContext 的使用方式有所更新。開發者現在可以直接使用 作為提供者&#xff0c;而不再需要使用 <Context.Provider>。這一變化簡化了代碼結構&…
閱讀更多...
單片機-STM32部分：14、SPI

單片機-STM32部分：14、SPI

飛書文檔https://x509p6c8to.feishu.cn/wiki/VYYnwOc9Zi6ibFk36lYcPQdRnlf 什么是SPI SPI 是英語Serial Peripheral interface的縮寫&#xff0c;顧名思義就是串行外圍設備接口。是Motorola(摩托羅拉)首先在其MC68HCXX系列處理器上定義的。 SPI&#xff0c;是一種高速的&…
閱讀更多...
Vue 3 動態 ref 的使用方式（表格）

Vue 3 動態 ref 的使用方式（表格）

一、問題描述 先給大家簡單介紹一下問題背景。我正在開發的項目中&#xff0c;有一個表格組件&#xff0c;其中一列是分鏡描述&#xff0c;需要支持視頻上傳功能。用戶可以為每一行的分鏡描述上傳對應的視頻示例。然而&#xff0c;在實現過程中&#xff0c;出現了一個嚴重的問…
閱讀更多...
構建 TypoView：一個富文本樣式預覽工具的全流程記錄

構建 TypoView：一個富文本樣式預覽工具的全流程記錄

我正在參加CodeBuddy「首席試玩官」內容創作大賽&#xff0c;本文所使用的 CodeBuddy 免費下載鏈接&#xff1a;騰訊云代碼助手 CodeBuddy - AI 時代的智能編程伙伴 在一次和 CodeBuddy 的日常交流中&#xff0c;我提出了一個構想&#xff1a;能不能幫我從零構建一個富文本樣式…
閱讀更多...
AI：OpenAI論壇分享—《AI重塑未來：技術、經濟與戰略》

AI：OpenAI論壇分享—《AI重塑未來：技術、經濟與戰略》

AI&#xff1a;OpenAI論壇分享—《AI重塑未來&#xff1a;技術、經濟與戰略》 導讀&#xff1a;2025年4月24日&#xff0c;OpenAI論壇全面探討了 AI 的發展趨勢、技術范式、地緣政治影響以及對經濟和社會的廣泛影響。強調了 AI 的通用性、可擴展性和高級推理能力&#xff0c;以…
閱讀更多...
Bash fork 炸彈 —— :(){ :|: }；:

Bash fork 炸彈 —— :(){ :|: }；:

&#x1f9e0; 什么是 Fork 炸彈&#xff1f; Fork 炸彈是一種拒絕服務&#xff08;DoS&#xff09;攻擊技術&#xff0c;利用操作系統的 fork() 系統調用不斷創建新進程&#xff0c;直到系統資源&#xff08;如進程表、CPU、內存&#xff09;被耗盡&#xff0c;從而使系統無法…
閱讀更多...
＜前端小白＞ 前端網頁知識點總結

＜前端小白＞ 前端網頁知識點總結

HTML 標簽 1. 標題標簽 h1到h6 2. 段落標簽 p 3. 換行 br 水平線 hr 4. 加粗 strong 傾斜 em 下劃線 ins 刪除 del 5. 圖像標簽 img src-圖像的位置 alt- 圖片加載失敗顯示的文字 替換文本 title--- 鼠標放到圖片上顯示的文字 提示…
閱讀更多...
tomcat查看狀態頁及調優信息

tomcat查看狀態頁及調優信息

準備工作 先準備一臺已經安裝好tomcat的虛擬機&#xff0c;tomcat默認是狀態頁是默認被禁用的 1.添加授權用戶 vim /usr/local/tomcat/conf/tomcat-users.xml22 <role rolename"manager-gui"/>23 <user username"admin" password"tomcat&q…
閱讀更多...
.NET NativeAOT 指南

.NET NativeAOT 指南

目錄 1. 引言 2. 什么是 .NET NativeAOT&#xff1f; 2.1 NativeAOT 的定義 2.2 NativeAOT 與傳統 JIT 的對比 2.3 NativeAOT 的適用場景 3. NativeAOT 的核心優勢 3.1 性能提升 3.2 簡化部署 3.3 更小的應用體積 3.4 知識產權保護 4. NativeAOT 的基本用法 4.1 環境…
閱讀更多...
產品周圍的幾面墻

產品周圍的幾面墻

不能把排序&#xff0c;當單選題做。 2025年的杭州咖啡館&#xff0c;味道最濃的不是咖啡&#xff0c;是聊各種項目和創業的卷味。 在過去幾年&#xff0c;聊項目的也不少&#xff0c;那時候帶著更加濃烈的自信和松弛感&#xff0c;不過今年略帶幾分忐忑和試探的口吻。 看到網…
閱讀更多...
例舉3種強制類型轉換和2種隱式

例舉3種強制類型轉換和2種隱式

1. 強制類型轉換 強制類型轉換是指程序員顯式地將一個數據類型的值轉換為另一種數據類型。這種轉換通常是通過使用特定的函數或運算符來完成的。 常用的強制類型轉換方法&#xff1a; 使用Number()函數 let value "123"; let num Number(value); // 強制轉換為數字…
閱讀更多...
UI-TARS本地部署

UI-TARS本地部署

UI-TARS本地部署 UI-TARS本地部署 UI-TARS 論文&#xff08;arXiv&#xff09; UI-TARS 官方倉庫&#xff1a;包含部署指南、模型下載鏈接及示例代碼。 UI-TARS-Desktop 客戶端&#xff1a;支持本地桌面應用的交互控制。 模型部署框架&#xff1a;vLLM本地部署 1.下載項目…
閱讀更多...
新電腦軟件配置三 pycharm

新電腦軟件配置三 pycharm

快捷鍵放大和縮小字體 按住ctrl鼠標滾輪向上 縮小同理
閱讀更多...
華為OD機試真題——考勤信息（2025A卷：100分）Java/python/JavaScript/C/C++/GO最佳實現

華為OD機試真題——考勤信息（2025A卷：100分）Java/python/JavaScript/C/C++/GO最佳實現

2025 A卷 100分 題型 本專欄內全部題目均提供Java、python、JavaScript、C、C++、GO六種語言的最佳實現方式； 并且每種語言均涵蓋詳細的問題分析、解題思路、代碼實現、代碼詳解、3個測試用例以及綜合分析； 本文收錄于專欄：《2025華為OD真題目錄+全流程解析+備考攻略+經驗分…
閱讀更多...
Python語法規則：縮進、代碼塊與空格規范

Python語法規則：縮進、代碼塊與空格規范

在眾多編程語言中&#xff0c;Python 以其“簡潔而優雅”的語法風格獨樹一幟。然而&#xff0c;這種“簡潔”并非輕率隨意&#xff0c;而是建立在一套嚴謹的語法哲學之上。縮進、代碼塊與空格規范&#xff0c;不僅是 Python 的語法基礎&#xff0c;更是它傳達代碼意圖、塑造開發…
閱讀更多...
Baklib智能知識管理增效方案

Baklib智能知識管理增效方案

Baklib智能知識管理核心優勢 基于Baklib構建的知識中臺&#xff0c;通過多維度結構化處理與智能語義引擎&#xff0c;重構了企業知識管理范式。該系統支持文檔、表格、音視頻等多格式內容聚合&#xff0c;利用自然語言處理技術實現知識資產的自動化分類與標簽匹配&#xff0c;…
閱讀更多...
最新文章

Copyright @ 2022~2023