Flink與Kubernetes集成

引言

在當今大數據與云計算蓬勃發展的時代，容器編排與流處理技術成為企業數據處理架構的關鍵支柱。Kubernetes作為容器編排系統的行業標準，能夠高效自動化地部署、擴展和管理計算機應用程序；Apache Flink則是流處理和批處理領域的佼佼者，以強大的實時處理能力和精準的狀態管理著稱。當Flink與Kubernetes實現深度集成，二者優勢互補，為企業帶來了更加靈活、高效、智能的數據處理解決方案。本文將基于詳實的操作筆記，深入解析Flink與Kubernetes集成的全流程，以及不同部署模式的技術要點與實踐細節。

一、集成環境搭建

1.1 環境要求

Flink與Kubernetes的集成對運行環境有著嚴格且明確的要求，這些條件是確保集成順利進行和集群穩定運行的基礎：

  • Kubernetes版本：Kubernetes集群版本必須在1.9及以上，高版本的Kubernetes不僅提供了更豐富的功能特性，還能更好地與Flink進行兼容性適配，保證Flink作業在集群上的穩定運行和高效調度。
  • kubectl配置：kubecconfig文件是連接本地客戶端與Kubernetes集群的橋梁，通常存儲在~/.kube/config路徑下 。通過執行kubectl auth can-i <list|create|edit|delete> pods命令，可以驗證當前用戶是否具備對Pods和服務進行列出、創建、編輯、刪除等操作的權限。若權限不足，在后續部署Flink集群資源時，將會遇到權限拒絕的錯誤，導致部署失敗。
  • Kubernetes DNS：Kubernetes DNS服務的開啟至關重要，它承擔著集群內服務發現的核心功能。在Flink與Kubernetes集成環境中，各組件之間需要通過服務名稱進行通信，Kubernetes DNS能夠將服務名稱解析為對應的IP地址，確保Flink JobManager、TaskManager等組件之間的網絡通信暢通無阻。
  • RBAC權限：默認的default服務賬號需要具備RBAC（基于角色的訪問控制）中創建、刪除Pods的權限。然而，為了實現更精細化的資源管理和權限隔離，建議專門為Flink創建獨立的命名空間和服務賬號。這樣做不僅可以避免因權限混亂導致的部署失敗風險，還能顯著降低后期的運維成本，使得Flink集群的管理更加清晰、安全和高效。

1.2 創建專屬資源

為了給Flink集群打造一個獨立、安全且便于管理的運行環境，需要按照以下步驟創建專屬資源：

  1. 創建命名空間：使用命令kubectl create ns flink，即可創建一個名為flink的命名空間。這個命名空間就像是一個獨立的“數據處理小世界”，后續所有與Flink相關的資源，如Pods、Services、ConfigMaps等，都將部署在這個空間內，實現與其他應用資源的邏輯隔離。
  2. 創建ServiceAccount：執行kubectl create serviceaccount flink-service-account -n flink命令，創建flink-service-account服務賬號。該服務賬號將作為Flink集群與Kubernetes集群進行交互的“身份憑證”，用于驗證操作權限和進行安全通信。
  3. 用戶授權：通過kubectl create clusterrolebinding flink-role-binding-flink --clusterrole=edit --serviceaccount=flink:flink-service-account命令，為flink-service-account服務賬號賦予edit權限。這意味著該賬號可以對集群內的資源進行創建、修改和刪除等操作，從而滿足Flink集群部署和運行過程中對資源管理的需求 。

二、Flink Standalone Kubernetes部署模式

2.1 模式概述

Flink Standalone Kubernetes集成模式支持session和application兩種部署模式，而per-job模式目前僅在YARN環境中支持，并且在Flink 1.15版本中已在YARN環境下被棄用（具體可參考FLINK-26000相關內容） 。本次重點研究非HA（高可用）部署模式，雖然在實際生產環境中，HA模式能夠提供更高的可靠性和容錯能力，但非HA模式與HA模式在核心原理和大部分配置上是相通的，HA模式的詳細配置可參考官方文檔進行深入學習。session和application模式的主要差異體現在JobManager和TaskManager服務的聲明方式上，不過兩種模式也存在一些通用的集群資源配置。

2.2 通用集群資源配置

在Flink Standalone Kubernetes部署中，以下幾種資源是通用的，它們為Flink集群的正常運行提供了基礎配置和服務支持：

  1. flink-configuration-configmap.yaml：該文件主要用于配置Flink的核心參數以及日志相關設置，是Flink集群運行的重要配置文件。示例內容如下：
apiVersion: v1
kind: ConfigMap
metadata:name: flink-configlabels:app: flink
data:flink-conf.yaml: |+jobmanager.rpc.address: flink-jobmanagertaskmanager.numberOfTaskSlots: 2blob.server.port: 6124jobmanager.rpc.port: 6123taskmanager.rpc.port: 6122queryable-state.proxy.ports: 6125jobmanager.memory.process.size: 1600mtaskmanager.memory.process.size: 1728mparallelism.default: 2   log4j-console.properties: |+# 如下配置會同時影響用戶代碼和 Flink 的日志行為rootLogger.level = INFOrootLogger.appenderRef.console.ref = ConsoleAppenderrootLogger.appenderRef.rolling.ref = RollingFileAppender# 如果你只想改變 Flink 的日志行為則可以取消如下的注釋部分#logger.flink.name = org.apache.flink#logger.flink.level = INFO# 下面幾行將公共 libraries 或 connectors 的日志級別保持在 INFO 級別。# root logger 的配置不會覆蓋此處配置。# 你必須手動修改這里的日志級別。logger.akka.name = akkalogger.akka.level = INFOlogger.kafka.name= org.apache.kafkalogger.kafka.level = INFOlogger.hadoop.name = org.apache.hadooplogger.hadoop.level = INFOlogger.zookeeper.name = org.apache.zookeeperlogger.zookeeper.level = INFO# 將所有 info 級別的日志輸出到 consoleappender.console.name = ConsoleAppenderappender.console.type = CONSOLEappender.console.layout.type = PatternLayoutappender.console.layout.pattern = %d{yyyy-MM-dd HH:mm:ss,SSS} %-5p %-60c %x - %m%n# 將所有 info 級別的日志輸出到指定的 rolling fileappender.rolling.name = RollingFileAppenderappender.rolling.type = RollingFileappender.rolling.append = falseappender.rolling.fileName = ${sys:log.file}appender.rolling.filePattern = ${sys:log.file}.%iappender.rolling.layout.type = PatternLayoutappender.rolling.layout.pattern = %d{yyyy-MM-dd HH:mm:ss,SSS} %-5p %-60c %x - %m%nappender.rolling.policies.type = Policiesappender.rolling.policies.size.type = SizeBasedTriggeringPolicyappender.rolling.policies.size.size=100MBappender.rolling.strategy.type = DefaultRolloverStrategyappender.rolling.strategy.max = 10# 關閉 Netty channel handler 中不相關的（錯誤）警告logger.netty.name = org.jboss.netty.channel.DefaultChannelPipelinelogger.netty.level = OFF
  1. flink-reactive-mode-configuration-configmap.yaml：當需要啟用Flink的響應式調度模式時，需要配置此文件。除了包含與flink-configuration-configmap.yaml類似的核心參數配置外，還會設置與響應式模式相關的特定參數，如調度模式和檢查點間隔等。示例如下：
apiVersion: v1
kind: ConfigMap
metadata:name: flink-configlabels:    app: flink
data:flink-conf.yaml:    jobmanager.rpc.address: flink-jobmanagertaskmanager.numberOfTaskSlots: 2        blob.server.port: 6124  jobmanager.rpc.port: 6123    taskmanager.rpc.port: 6122        queryable-state.proxy.ports: 6125    jobmanager.memory.process.size: 1600m    taskmanager.memory.process.size: 1728m    parallelism.default: 2scheduler-mode: reactiveexecution.checkpointing.interval: 10s   log4j-console.properties: |+# 如下配置會同時影響用戶代碼和 Flink 的日志行為rootLogger.level = INFOrootLogger.appenderRef.console.ref = ConsoleAppender    rootLogger.appenderRef.rolling.ref = RollingFileAppender# 如果你只想改變 Flink 的日志行為則可以取消如下的注釋部分#logger.flink.name = org.apache.flink    #logger.flink.level = INFO      # 下面幾行將公共 libraries 或 connectors 的日志級別保持在 INFO 級別。# root logger 的配置不會覆蓋此處配置。# 你必須手動修改這里的日志級別。logger.akka.name = akkalogger.akka.level = INFOlogger.kafka.name= org.apache.kafka    logger.kafka.level = INFOlogger.hadoop.name = org.apache.hadooplogger.hadoop.level = INFO    logger.zookeeper.name = org.apache.zookeeper    logger.zookeeper.level = INFO     # 將所有 info 級別的日志輸出到 consoleappender.console.name = ConsoleAppender    appender.console.type = CONSOLE    appender.console.layout.type = PatternLayout    appender.console.layout.pattern = %d{yyyy-MM-dd HH:mm:ss,SSS} %-5p %-60c %x - %m%n# 將所有 info 級別的日志輸出到指定的 rolling fileappender.rolling.name = RollingFileAppenderappender.rolling.type = RollingFileappender.rolling.append = false    appender.rolling.fileName = ${sys:log.file}    appender.rolling.filePattern = ${sys:log.file}.%i    appender.rolling.layout.type = PatternLayout    appender.rolling.layout.pattern = %d{yyyy-MM-dd HH:mm:ss,SSS} %-5p %-60c %x - %m%n    appender.rolling.policies.type = Policies    appender.rolling.policies.size.type = SizeBasedTriggeringPolicy    appender.rolling.policies.size.size=100MB    appender.rolling.strategy.type = DefaultRolloverStrategy    appender.rolling.strategy.max = 10     # 關閉 Netty channel handler 中不相關的（錯誤）警告    logger.netty.name = org.jboss.netty.channel.DefaultChannelPipelinelogger.netty.level = OFF
  1. jobmanager-service.yaml：這是一個可選的Service資源，僅在非HA模式下需要使用，其主要作用是定義JobManager服務，用于集群內部組件之間的通信。通過該Service，JobManager的RPC端口（用于任務調度通信）、Blob Server端口（用于管理二進制大對象）和Web UI端口（用于用戶監控和管理界面訪問）得以暴露。具體配置如下：
apiVersion: v1
kind: Service
metadata:name: flink-jobmanager
spec:type: ClusterIPports:- name: rpcport: 6123- name: blob-serverport: 6124- name: webuiport: 8081selector:app: flinkcomponent: jobmanager
  1. jobmanager-rest-service.yaml：同樣是可選的Service，該服務的作用是將JobManager的REST端口暴露為Kubernetes節點端口，使得外部客戶端可以通過節點的IP地址和指定端口訪問Flink的Web UI界面，方便用戶對Flink作業進行監控、管理和操作。配置示例如下：
apiVersion: v1
kind: Service
metadata:name: flink-jobmanager-rest
spec:type: NodePortports:- name: restport: 8081targetPort: 8081nodePort: 30081selector:app: flinkcomponent: jobmanager
  1. taskmanager-query-state-service.yaml：此Service也是可選的，它的功能是將TaskManager的查詢狀態服務端口暴露為公共Kubernetes node的節點端口，通過該端口可以訪問Flink的Queryable State服務，用于查詢和管理TaskManager中的狀態數據。配置內容如下：
apiVersion: v1
kind: Service
metadata:name: flink-taskmanager-query-state
spec:type: NodePortports:- name: query-stateport: 6125targetPort: 6125nodePort: 30025selector:app: flinkcomponent: taskmanager

當完成上述通用集群資源的配置文件編寫后，可以使用以下命令來創建這些服務資源：

# 在執行以下指令時，優先檢查是否已經定義了通用集群資源聲明
# Configuration and service definition
kubectl create -f flink-configuration-configmap.yaml -n flink# service
kubectl create -f jobmanager-service.yaml -n flink
kubectl create -f jobmanager-rest-service.yaml -n flink
kubectl create -f taskmanager-query-state-service.yaml -n flink

2.3 Application模式部署

Flink Application集群是一種專門為運行單個Application而設計的專用集群，在這種模式下，部署集群時必須確保對應的Application能夠正常運行。因此，在提交Flink作業任務時，首先需要啟動Flink Application集群，保證其處于可用狀態，然后才能進行作業提交操作。

在Kubernetes上部署一個基本的Flink Application集群時，通常需要包含以下三個核心組件：

  1. 一個運行JobManager的Application：JobManager在Flink集群中扮演著“大腦”的角色，負責作業的調度、任務分配以及與TaskManager之間的協調通信，確保整個作業的順利執行。
  2. 運行若干個TaskManager的Deployment：TaskManager是實際執行任務的工作節點，它們接收來自JobManager的任務指令，進行數據處理和計算工作。通過Deployment來管理TaskManager，可以方便地實現任務節點的擴縮容，以適應不同作業負載的需求。
  3. 暴露JobManager上REST和UI端口的Service：該Service的作用是將JobManager的REST API端口和Web UI端口暴露出來，方便用戶通過瀏覽器訪問Flink的Web界面，對作業進行監控、提交、暫停、取消等操作，同時也便于外部系統通過REST API與Flink集群進行交互。

在進行Application集群資源定義時，需要特別注意以下幾點：

  • jobmanager-job.yaml：在該文件中，args屬性必須指定用戶作業的主類，這是告訴Flink集群從哪個類開始執行用戶提交的作業。此外，還可以參考如何設置JobManager參數的相關文檔，了解如何將額外的參數傳遞給jobmanager-job.yaml配置中指定的Flink鏡像，以滿足不同作業的個性化需求。
  • job artifacts參數：該參數所對應的作業資源（如Jar包等）必須能夠從資源定義示例中的job-artifacts-volume處獲取。如果是在minikube集群中創建這些組件，那么可以將定義示例中的job-artifacts-volume掛載為主機的本地目錄，方便快捷地提供作業資源。若不使用minikube集群，也可以使用Kubernetes集群中任何其它可用類型的volume，如PersistentVolumeClaim等，來提供作業所需的資源。另外，還可以選擇構建一個已經包含job artifacts參數的自定義鏡像，將作業資源直接打包在鏡像中，簡化資源管理流程。

以下是Apllication Mode集群資源定義模板，在實際生產環境中使用時，需要根據具體需求進行相應的調整：

  1. jobmanager-application-non-ha.yaml：非HA模式下JobManager的配置模板示例：

實在抱歉，給你帶來不好的體驗！我將分多次輸出完整內容，每次保證段落完整連貫。以下從Flink Standalone Kubernetes部署模式的Session模式繼續。

2.4 Session模式部署

Flink Session集群以長期運行的Deployment形式存在，可在其上運行多個作業。部署包含運行JobManager的Deployment、運行TaskManager的Deployment和暴露JobManager端口的Service。

  1. 資源定義模板： jobmanager-session-deployment-non-ha.yaml：非HA模式下JobManager的Deployment配置。
apiVersion: apps/v1
kind: Deployment
metadata:name: flink-jobmanager
spec:replicas: 1selector:matchLabels:app: flinkcomponent: jobmanagertemplate:metadata:labels:app: flinkcomponent: jobmanagerspec:containers:- name: jobmanagerimage: apache/flink:1.14.4-scala_2.11args: ["jobmanager"]ports:- containerPort: 6123name: rpc- containerPort: 6124name: blob-server- containerPort: 8081name: webuilivenessProbe:tcpSocket:port: 6123initialDelaySeconds: 30periodSeconds: 60volumeMounts:- name: flink-config-volumemountPath: /opt/flink/confsecurityContext:runAsUser: 9999volumes:- name: flink-config-volumeconfigMap:name: flink-configitems:- key: flink-conf.yamlpath: flink-conf.yaml- key: log4j-console.propertiespath: log4j-console.properties

jobmanager-session-deployment-ha.yaml：HA模式下JobManager的Deployment配置。

apiVersion: apps/v1
kind: Deployment
metadata:name: flink-jobmanager
spec:replicas: 1 # 通過設置大于 1 的整型值來開啟 Standby JobManagerselector:matchLabels:app: flinkcomponent: jobmanagertemplate:metadata:labels:app: flinkcomponent: jobmanagerspec:containers:- name: jobmanagerimage: apache/flink:1.14.4-scala_2.11env:- name: POD_IPvalueFrom:fieldRef:apiVersion: v1fieldPath: status.podIP# 下面的 args 參數會使用 POD_IP 對應的值覆蓋 config map 中 jobmanager.rpc.address 的屬性值。args: ["jobmanager", "$(POD_IP)"]ports:- containerPort: 6123name: rpc- containerPort: 6124name: blob-server- containerPort: 8081name: webuilivenessProbe:tcpSocket:port: 6123initialDelaySeconds: 30periodSeconds: 60volumeMounts:- name: flink-config-volumemountPath: /opt/flink/confsecurityContext:runAsUser: 9999  # 參考官方 flink 鏡像中的 _flink_ 用戶，如有必要可以修改serviceAccountName: flink-service-account # 擁有創建、編輯、刪除 ConfigMap 權限的 Service 賬號volumes:- name: flink-config-volumeconfigMap:name: flink-configitems:- key: flink-conf.yamlpath: flink-conf.yaml- key: log4j-console.propertiespath: log4j-console.properties

taskmanager-session-deployment.yaml：TaskManager的Deployment配置。

apiVersion: apps/v1
kind: Deployment
metadata:name: flink-taskmanager
spec:replicas: 2selector:matchLabels:app: flinkcomponent: taskmanagertemplate:metadata:labels:app: flinkcomponent: taskmanagerspec:containers:- name: taskmanagerimage: apache/flink:1.14.4-scala_2.11args: ["taskmanager"]ports:- containerPort: 6122name: rpc- containerPort: 6125name: query-statelivenessProbe:tcpSocket:port: 6122initialDelaySeconds: 30periodSeconds: 60volumeMounts:- name: flink-config-volumemountPath: /opt/flink/conf/securityContext:runAsUser: 9999  # 參考官方 flink 鏡像中的 _flink_ 用戶，如有必要可以修改volumes:- name: flink-config-volumeconfigMap:name: flink-configitems:- key: flink-conf.yamlpath: flink-conf.yaml- key: log4j-console.propertiespath: log4j-console.properties
  1. 集群操作命令
    創建Session集群：
kubectl create -f jobmanager-session-deployment.yaml
kubectl create -f taskmanager-session-deployment.yaml

停止Flink session集群：

kubectl delete -f taskmanager-session-deployment.yaml
kubectl delete -f jobmanager-session-deployment.yaml

三、Flink Native Kubernetes部署模式

Flink Native kubernetes模式默認只啟動jobmanager，之后根據job任務提交情況，動態的申請、啟動taskmanager計算資源，目前該模式支持session、application部署方式，不支持per - job方式。

3.1 Flink Native Kubernetes（Session）

Flink Session Native on kubernetes和Flink 流程大致相同，都需要構建基礎dockerfile，首先需要將獲取的基礎鏡像push到本地倉庫中，其次才是構建鏡像倉庫。

  1. 編寫dockerfile
cat >> kubernete-native-session <<EOF
# 將以下內容填充到該docker文件
FROM apache/flink:1.14.6-scala_2.12
RUN rm -f /etc/localtime && ln -sv /usr/share/zoneinfo/Asia/Shanghai /etc/localtime && echo "Asia/Shanghai" > /etc/timezone
RUN export LANG=zh_CN.UTF-8
EOF
  1. 構建docker鏡像
docker build -t ruijie/bigdata/flink-session:1.14.6-scala_2.12. --no-cache
#推送到私有倉庫中
docker push ruijie/bigdata/flink-session:1.14.6-scala_2.12
  1. 創建flink native session kubernetes集群
./bin/kubernetes-session.sh \-Dkubernetes.cluster-id=flink-native-cluster  \-Dkubernetes.container.image=ruijie/bigdata/flink-session:1.14.6-scala_2.12 \-Dkubernetes.namespace=flink \-Dkubernetes.jobmanager.service-account=flink-service-account \-Dkubernetes.rest-service.exposed.type=NodePort

執行完畢之后，可以得到以下結果，我們指定的是nodePort而非clusterId,后續會對這一部分進行詳細解釋，執行完畢之后我們的kubernetes 的flink native session創建完畢了，可以通過日志打印看出web - ui暴露的地址進行訪問。
通過訪問控制臺打印的日志可以找到web - ui訪問地址；或者通過kubectl get pods -n flink查看，然后通過kubectl logs -f查看日志。
4. 提交任務

./bin/flink run \--target kubernetes-session \-Dkubernetes.cluster-id=flink-native-session \-Dkubernetes.namespace=flink \-Dkubernetes.jobmanager.service-account=flink-service-account \./examples/streaming/TopSpeedWindowing.jar \./examples/streaming/WordCount.jar \-Dkubernetes.taskmanager.cpu=2000m \-Dexternal-resource.limits.kubernetes.cpu=4000m \-Dexternal-resource.limits.kubernetes.memory=10Gi \-Dexternal-resource.requests.kubernetes.cpu=2000m \-Dexternal-resource.requests.kubernetes.memory=8Gi \-Dkubernetes.taskmanager.cpu=2000m
  1. 刪除集群資源
kubectl delete deployment/flink-native-session
  1. 取消正在運行的任務
echo'stop' | ./bin/kubernetes-session.sh \-Dkubernetes.cluster-id=my-first-flink-cluster \-Dexecution.attached=true

3.2 Flink Application Native Kubernetes

Flink application on native 和以上的相同都需要經過dockerfile 文件的編寫和構建鏡像。

  1. 編寫dockerfile文件
cat >> flink-application<<EOF
FROM  flink:1.14.6-scala_2.12
ENV FLINK_HOME=/opt/flink
RUN rm -f /etc/localtime && ln -sv /usr/share/zoneinfo/Asia/Shanghai /etc/localtime && echo "Asia/Shanghai" > /etc/timezone
RUN export LANG=zh_CN.UTF-8
RUN mkdir -p $FLINK_HOME/usrlib
COPY  TopSpeedWindowing.jar $FLINK_HOME/usrlib/
EOF
  1. 構建鏡像與操作
# 構建鏡像
docker build -f flink-application -t docker.ruijie.com/bigdata/application-flink:1.14.6.  --no-cache
# 推動到本地倉庫中
docker push docker.ruijie.com/bigdata/application-flink:1.14.6
# 刪除本地鏡像
docker rmi  docker.ruijie.com/bigdata/application-flink:1.14.6
# 刪除kubernetes鏡像
crictl rmi docker.ruijie.com/bigdata/application-flink:1.14.6

同時也需要構建和下發到其他node節點將鏡像加載進去，避免因找不到鏡像而報錯。命名空間和權限也相同，參考以上步驟。
3. 啟動任務

./bin/flink run-application \--target kubernetes-application \-Dkubernetes.cluster-id=flink-application-cluster \-Dkubernetes.container.image=docker.ruijie.com/bigdata/application/flink:1.14.6 \-Dkubernetes.jobmanager.replicas=1 \-Dkubernetes.namespace=flink \-Dkubernetes.jobmanager.service-account=flink-service-account \-Dexternal-resource.limits.kubernetes.cpu=2000m \-Dkubernetes.websocket.timeout=60000 \-Dexternal-resource.limits.kubernetes.memory=1Gi \-Dexternal-resource.requests.kubernetes.cpu=1000m \-Dexternal-resource.requests.kubernetes.memory=1Gi \-Dkubernetes.rest-service.exposed.type=NodePort \local:///usrlib/TopSpeedWindowing.jar
  1. 查看任務運行情況
# 查看pods和svc
kubectl get pods,svc  -n flink
# 查看日志
kubectl logs -f rj-flink-cluster-f4d9b796-lqg7q -n flink
  1. native application集群管理
# 列出集群上正在運行的作業
./bin/flink list --target kubernetes-application -Dkubernetes.cluster-id=flink-native-session
# 取消正在運行的作業
./bin/flink cancel --target kubernetes-application -Dkubernetes.cluster-id=flink-native-session <jobId>

以上就是Flink與Kubernetes集成的全流程及各模式詳細操作。如果在實際操作中有任何疑問，或想了解某部分的更多細節，歡迎隨時告訴我。

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/web/83915.shtml
繁體地址，請注明出處：http://hk.pswp.cn/web/83915.shtml
英文地址，請注明出處：http://en.pswp.cn/web/83915.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

第五節：Vben Admin 最新 v5.0 (vben5) 快速入門 - 角色管理模塊（上）

第五節：Vben Admin 最新 v5.0 (vben5) 快速入門 - 角色管理模塊（上）

Vben5 系列文章目錄 ?? 基礎篇 ? 第一節：Vben Admin 最新 v5.0 (vben5) 快速入門 ? 第二節：Vben Admin 最新 v5.0 (vben5) 快速入門 - Python Flask 后端開發詳解(附源碼) ? 第三節：Vben Admin 最新 v5.0 (vben5) 快速入門 - 對接后端登錄接口(上) ? 第四節：Vben Ad…
閱讀更多...
實施企業預算管理的企微CRM系統技巧：從成本控制到價值創造

實施企業預算管理的企微CRM系統技巧：從成本控制到價值創造

一、企微CRM管理系統為何成為預算管理新引擎? 官方數據顯示&#xff0c;接入企微CRM系統的企業平均降低客戶管理成本28%&#xff0c;預算執行效率提升40%。這源于企微CRM管理軟件的三大獨特優勢&#xff1a; 原生集成能力&#xff1a;與企業微信通訊錄、會話存檔無縫對接&…
閱讀更多...
WebFuture：手機版頁面部分區域報錯：未將對象引用設置到對象的實例

WebFuture：手機版頁面部分區域報錯：未將對象引用設置到對象的實例

問題描述&#xff1a; 手機版頁面部分區域報錯&#xff1a;未將對象引用設置到對象的實例&#xff0c;PC板訪問正常。 問題分析&#xff1a; 對比PC和手機頁面模板&#xff0c;調用代碼有以下差異&#xff0c;手機版模板沒兼容null值&#xff0c;簡介為空導致報錯。 解決方法…
閱讀更多...
【Cursor點擊登錄后一直轉圈，無反應】

【Cursor點擊登錄后一直轉圈，無反應】

Cursor點擊登錄后一直轉圈&#xff0c;無反應 一、問題描述二、解決方案 一、問題描述 1、進入Cursor官網&#xff08;國際版&#xff09;&#xff1a; Cursor國際版地址 2、填入賬號密碼&#xff0c;點擊登錄 3、一直轉圈&#xff0c;無法登錄 二、解決方案 使用梯子&…
閱讀更多...
【無標題】世界模型

【無標題】世界模型

為什么大語言模型&#xff0c;沒有真正推動經濟大幅增長&#xff0c;但世界模型有可能 5月份谷歌IO大會&#xff0c;DeepMind老板&#xff08;谷歌AI業務負責人&#xff0c;2024Nobel化學獎得主&#xff0c;黛密斯哈薩比斯&#xff09;提到&#xff0c;谷歌接下來目標是做世界…
閱讀更多...
Doc2X:?精度、?性價??檔解析 API，助力Arxiv論文智能解讀Agent構建

Doc2X:?精度、?性價??檔解析 API，助力Arxiv論文智能解讀Agent構建

前言 在AI大模型時代&#xff0c;RAG&#xff08;Retrieval-Augmented Generation&#xff09;檢索增強生成技術已經成為構建智能知識庫和問答系統的核心架構。然而&#xff0c;在實際項目實施過程中&#xff0c;開發者們往往會遇到一個關鍵痛點&#xff1a;如何高質量地將各種…
閱讀更多...
uniapp 對接deepseek

uniapp 對接deepseek

廢話不多說直接上代碼 // 小程序專用流式服務 export const streamChatMiniProgram (messages, options {secret: "" }) > {return new Promise((resolve, reject) > {// 構建請求數據 const requestData {model: deepseek-chat,messages,stream: true,ma…
閱讀更多...
Softhub軟件下載站實戰開發（四）：代碼生成器設計與實現

Softhub軟件下載站實戰開發（四）：代碼生成器設計與實現

文章目錄 Softhub軟件下載站實戰開發&#xff08;四&#xff09;&#xff1a;代碼生成器設計與實現1.前言 &#x1f4dc;2.技術選型3.架構概覽 &#x1f3d7;?3.1 架構概覽3.2 工作流程詳解 4.核心功能實現 ?4.1 配置管理系統4.2 數據庫表結構解析4.3 模板渲染引擎4.4 智能類…
閱讀更多...
鴻蒙組件通用屬性深度解析：從基礎樣式到高級定制的全場景指南

鴻蒙組件通用屬性深度解析：從基礎樣式到高級定制的全場景指南

一、引言&#xff1a;通用屬性 —— 構建視覺體驗的核心語言 在鴻蒙應用開發體系中&#xff0c;組件的視覺呈現與交互體驗主要通過通用屬性系統實現。這些屬性構成了從基礎樣式定義&#xff08;尺寸、顏色&#xff09;到復雜交互控制&#xff08;動畫、布局&#xff09;的完整…
閱讀更多...
選擇與方法專欄（9） 職場內篇： 是否要跳出舒適圈？如何處理犯錯？

選擇與方法專欄（9） 職場內篇： 是否要跳出舒適圈？如何處理犯錯？

合集文章 一個中科大差生的8年程序員工作總結_8年工作經驗 程序員-CSDN博客 選擇與方法專欄&#xff08;1&#xff09;職場外篇&#xff1a;謹慎的選擇城市、行業、崗位-CSDN博客 選擇與方法專欄&#xff08;2&#xff09;職場外篇&#xff1a; 每個時代都有自己的機遇-CSDN…
閱讀更多...
DCM4CHEE ARCHIVE LIGHT 源代碼解析(1)－前言

DCM4CHEE ARCHIVE LIGHT 源代碼解析(1)－前言

系列文章目錄 DCM4CHEE ARCHIVE LIGHT 源代碼解析(1)－前言DCM4CHEE ARCHIVE LIGHT 源代碼解析(2)－STOWRS文章目錄 系列文章目錄概述一、項目結構1、下載解壓代碼2、IntelliJ IDEA加載源代碼二、編譯發布1、編譯 dcm4chee-arc-ear 項目2、編譯 dcm4chee-arc-ui2 項目寫在結尾概…
閱讀更多...
基于DeepSeek-R1-Distill-Llama-8B的健康管理助手微調過程

基于DeepSeek-R1-Distill-Llama-8B的健康管理助手微調過程

基于DeepSeek-R1-Distill-Llama-8B的健康管理助手微調過程 本次創新實訓項目的主要任務是利用DEEPSEEK提供的開源模型&#xff0c;通過微調技術&#xff0c;實現一個專注于健康管理與醫療咨詢的人工智能助手。本文詳細記錄我們如何對DeepSeek-R1-Distill-Llama-8B模型進行微調…
閱讀更多...
TI 毫米波雷達走讀系列—— 3DFFT及測角

TI 毫米波雷達走讀系列—— 3DFFT及測角

TI 毫米波雷達走讀系列—— 3DFFT及測角 測角原理 —— 角度怎么測測角公式 —— 角度怎么算相位差測角基本公式為什么是3DFFT1. 空間頻率與角度的對應關系2. FFT的數學本質&#xff1a;離散空間傅里葉變換 測角原理 —— 角度怎么測 本節內容解決角度怎么測的問題&#xff0c…
閱讀更多...
圖解JavaScript原型：原型鏈及其分析 02 | JavaScript圖解

圖解JavaScript原型：原型鏈及其分析 02 | JavaScript圖解

? ? 任何函數既可以看成一個實例對象又可以看成一個函數 作為一個實例對象其隱式原型對象指向其構造函數的顯式原型對象 作為一個函數其顯式原型對象指向一個空對象 任何一個函數其隱式原型對象指向其構造函數的顯式原型對象 任何一個函數是 Function 函數創建的實例&…
閱讀更多...
自定義View實現K歌開始前歌詞上方圓點倒計時動畫效果

自定義View實現K歌開始前歌詞上方圓點倒計時動畫效果

在上一篇KRC歌詞解析原理及Android實現K歌動態歌詞效果介紹了動態歌詞的實現，我們繼續完善一下。在K歌場景中，一些歌曲前奏很長，用戶不知道什么時候開始唱，這時一般在歌詞上方會有一個圓點倒計時的效果來提醒用戶開始時間，如下圖：開始唱之前，圓點會逐個減少，直至圓點全…
閱讀更多...
ffmpeg subtitles 字幕不換行的問題解決方案

ffmpeg subtitles 字幕不換行的問題解決方案

使用ffmpeg在mac下處理srt中文字幕可以自動換行&#xff0c;linux環境下不換行直接超出視頻區域了 這是因為在mac環境下的SimpleText 渲染器自動處理了文本&#xff0c;而linux無法處理。 mac&#xff1a; linux&#xff1a; 方案&#xff1a; ?&#xff1a;網上找到的方案…
閱讀更多...
Trino入門：開啟分布式SQL查詢新世界

Trino入門：開啟分布式SQL查詢新世界

目錄 一、Trino 是什么 二、核心概念與架構解析 2.1 關鍵概念詳解 2.2 架構剖析 三、快速上手之安裝部署 3.1 環境準備 3.2 安裝步驟 3.2.1 下載軟件包 3.2.2 安裝軟件包 3.2.3 啟動服務 3.2.4 驗證服務 3.2.5 安裝 Trino 客戶端 3.3 目錄結構說明 四、實戰演練&…
閱讀更多...
EFK架構的數據安全性

EFK架構的數據安全性

EFK架構&#xff08;Elasticsearch Filebeat Kibana&#xff09;的數據安全性需通過?傳輸加密、訪問控制、存儲保護?三層措施保障&#xff0c;其核心風險與加固方案如下&#xff1a; 一、數據傳輸安全風險與加固 ?明文傳輸風險? Filebeat → Elasticsearch 的日…
閱讀更多...
2025年滲透測試面試題總結-安全服務工程師(駐場)（題目+回答）

2025年滲透測試面試題總結-安全服務工程師(駐場)（題目+回答）

安全領域各種資源&#xff0c;學習文檔&#xff0c;以及工具分享、前沿信息分享、POC、EXP分享。不定期分享各種好玩的項目及好用的工具&#xff0c;歡迎關注。 目錄 安全服務工程師(駐場) 1. 挖過的一些漏洞&#xff08;舉例說明&#xff09; 2. 滲透測試的思路&#xff08…
閱讀更多...
C++ 編譯流程詳解：從源碼到可執行文件

C++ 編譯流程詳解：從源碼到可執行文件

C 編譯流程是將人類可讀的源代碼轉換為計算機可執行的二進制文件的過程。這個過程可以分為四個核心階段&#xff1a;預處理、編譯、匯編和鏈接。每個階段都有明確的任務&#xff0c;共同確保代碼正確轉換為可執行程序。 一、預處理&#xff08;Preprocessing&#xff09; 預處…
閱讀更多...
最新文章

Copyright @ 2022~2023