开源 vs. 闭源:大模型的未来竞争格局
开源 vs. 闭源:大模型的未来竞争格局
引言
在人工智能领域,尤其是大型语言模型(LLM)的发展中,开源与闭源之争已成为决定行业未来走向的关键议题。随着ChatGPT的横空出世和开源模型的蓬勃发展,技术社区正经历着一场深刻的范式转变。本文将全面分析开源与闭源大模型的竞争格局,探讨各自的优劣势,并预测未来可能的发展路径。
第一部分:大模型发展现状
1.1 闭源大模型的商业版图
闭源大模型目前由几家科技巨头主导,形成了明显的市场格局:
- OpenAI:作为行业先驱,其GPT系列模型(特别是GPT-4)代表了当前最先进的闭源模型
- Google DeepMind:Gemini系列展现了强大的多模态能力
- Anthropic:Claude模型以安全性和长上下文窗口著称
- Inflection:Pi模型专注于情感智能和个性化交互
这些闭源模型通过API服务和云平台提供商业化服务,形成了完整的商业模式。
1.2 开源大模型的崛起
开源社区在2023年迎来了爆发式增长:
- Meta的LLaMA系列:从LLaMA到LLaMA 2的开源策略改变了行业生态
- Mistral AI:这家法国初创公司推出的7B模型性能媲美更大规模的闭源模型
- Falcon系列:由阿联酋技术研究院开发的开源大模型
- 中国开源社区:如百川智能、智谱AI等推出的中英双语大模型
开源模型的快速发展正在缩小与闭源模型的性能差距,同时带来了更灵活的部署选择。
第二部分:开源与闭源的核心差异
2.1 技术透明度
开源模型:
- 完全公开模型架构、训练数据和训练方法
- 允许社区审查和改进
- 促进研究可复现性
闭源模型:
- 核心技术细节作为商业机密保护
- 用户只能通过API接触模型
- 内部机制不透明,存在"黑箱"问题
2.2 商业模式对比
闭源商业模式:
- API订阅服务(如OpenAI的按token收费)
- 企业级定制解决方案
- 云平台集成增值服务
- 技术授权和专利变现
开源商业模式:
- 提供托管服务和商业支持(如Red Hat模式)
- 开源核心模型+闭源附加组件
- 咨询和定制开发服务
- 硬件生态系统建设
2.3 创新与协作模式
开源模型通过社区协作推动创新:
- 全球开发者共同贡献
- 快速迭代和问题修复
- 多样化的应用场景探索
- 知识和技术民主化
闭源模型则依赖集中式研发:
- 专业团队定向开发
- 资源集中投入关键方向
- 商业化导向的功能设计
- 严格的质量控制和版本管理
第三部分:优势与劣势深度分析
3.1 开源大模型的优势
成本效益:
- 免许可费用,降低企业采用门槛
- 可自行部署,避免持续API成本
- 硬件选择灵活,可优化推理成本
定制化能力:
- 完全控制模型微调和优化
- 适应特定领域和垂直场景
- 可集成到私有技术栈中
安全与合规:
- 可本地部署满足数据隐私要求
- 可审计模型行为和决策过程
- 符合特定行业监管要求
3.2 开源大模型的挑战
技术支持:
- 缺乏官方专业支持团队
- 问题解决依赖社区
- 企业级SLA难以保证
持续维护:
- 版本更新不规律
- 长期维护资源不确定
- 安全补丁可能延迟
性能差距:
- 尖端能力仍落后顶级闭源模型
- 多模态支持有限
- 复杂任务处理能力不足
3.3 闭源大模型的优势
性能领先:
- 最先进的模型能力
- 持续的前沿研究投入
- 多模态和复杂推理优势
用户体验:
- 成熟的产品化接口
- 稳定的服务质量
- 完善的文档和支持
生态系统:
- 丰富的第三方集成
- 开发者工具链完善
- 应用商店和插件市场
3.4 闭源大模型的局限
供应商锁定:
- API依赖导致业务风险
- 价格调整主动权在提供商
- 技术路线不可控
灵活性限制:
- 无法深度定制模型行为
- 受限于提供商的功能路线
- 难以适应特殊需求
数据隐私:
- 必须传输数据到第三方
- 合规审查困难
- 敏感行业应用受限
第四部分:技术架构对比
4.1 模型规模与效率
闭源模型倾向于追求规模效应:
- 参数量普遍超过千亿级别
- 依赖大规模计算集群
- 训练成本极其高昂
开源模型更注重效率优化:
- 参数规模适中(7B-70B为主)
- 创新架构提高单位参数效率
- 可在消费级硬件运行
4.2 训练方法与数据策略
闭源模型的训练特点:
- 专有数据集(规模和质量优势)
- 强化学习人类反馈(RHLF)的精细调优
- 多阶段渐进式训练
开源模型的训练创新:
- 高质量公开数据集的筛选
- 参数高效微调技术(LoRA等)
- 分布式协作训练框架
4.3 推理优化技术
闭源推理优化:
- 专有推理加速技术
- 负载均衡和自动扩展
- 多模型协同推理
开源推理创新:
- 量化压缩技术(如GGML)
- 边缘设备优化
- 开源推理服务器(如vLLM)
第五部分:应用场景差异
5.1 闭源模型的典型应用
通用AI助手:
- ChatGPT、Claude等对话系统
- 需要高度自然和智能的交互
企业级解决方案:
- 微软365 Copilot等生产力工具
- 需要稳定可靠的服务质量
创新研究平台:
- 为学术机构提供受限API访问
- 支持前沿AI研究
5.2 开源模型的适用场景
垂直领域专业化:
- 医疗、法律等专业领域模型
- 需要领域知识微调
隐私敏感环境:
- 金融、政府等数据敏感场景
- 本地部署需求强烈
边缘计算应用:
- 移动端、IoT设备集成
- 低延迟、离线运行要求
新兴市场创新:
- 资源受限地区的AI应用
- 本地语言和文化适配
第六部分:经济与商业影响
6.1 投资与回报模式
闭源模型的资本特点:
- 前期投入巨大(数亿至数十亿美元)
- 长期研发才能产生回报
- 高利润率但用户获取成本高
开源模型的商业逻辑:
- 初始投入相对较低
- 通过增值服务变现
- 生态建设带来网络效应
6.2 市场结构演变
当前市场呈现分层结构:
- 闭源模型主导高端通用市场
- 开源模型占据细分领域和新兴市场
- 混合模式开始出现
未来可能的演变方向:
- 开源基础模型+闭源专业模型
- 区域化模型生态系统
- 硬件-软件协同优化市场
6.3 对创业生态的影响
闭源生态中的创业机会:
- 基于API的应用开发
- 垂直行业解决方案
- 提示工程和优化服务
开源生态催生的新机遇:
- 模型微调和服务托管
- 开源模型商业化工具
- 专用硬件加速方案
第七部分:安全与伦理考量
7.1 风险对比分析
开源模型风险:
- 潜在滥用风险(如生成有害内容)
- 安全漏洞暴露
- 缺乏使用约束机制
闭源模型风险:
- 集中化控制带来的单点故障
- 不透明决策导致的偏见固化
- 商业利益与伦理目标的冲突
7.2 治理机制差异
闭源模型的治理:
- 集中式内容审核
- 使用政策强制执行
- 商业利益导向的治理
开源模型的治理:
- 社区自治模式
- 分散式监督机制
- 透明度和可审计性
7.3 长期社会影响
闭源模型可能导致的后果:
- 技术权力集中在少数公司
- 创新壁垒提高
- 数字鸿沟扩大
开源模型的潜在影响:
- 技术民主化和普及
- 多样化AI发展路径
- 本地化适应性增强
第八部分:未来发展趋势预测
8.1 技术融合趋势
- 混合开源策略:基础模型开源+高级功能闭源
- 模块化架构:可插拔组件组合
- 协作训练:分布式模型开发框架
8.2 商业模式创新
- 开源商业化:专业支持和服务订阅
- 分层API服务:免费基础版+付费高级版
- 数据联盟:协作构建高质量训练集
8.3 生态系统演进
- 硬件协同设计:专用AI加速芯片
- 区域化模型中心:本地数据训练的区域模型
- 跨模型协作:开源与闭源模型互操作
8.4 监管环境变化
- 开源审查:对关键AI技术的出口管制
- 透明度要求:对闭源模型的监管压力
- 伦理标准:行业自律框架建立
第九部分:战略建议
9.1 对企业的建议
- 评估需求:根据场景选择开源或闭源方案
- 混合策略:关键系统闭源+创新实验开源
- 人才储备:培养开源模型部署能力
- 风险分散:避免单一技术依赖
9.2 对开发者的建议
- 技能发展:掌握开源模型工具链
- 社区参与:贡献开源项目积累经验
- 创新定位:在开源生态中寻找细分机会
- 持续学习:跟踪闭源模型API演进
9.3 对政策制定者的建议
- 平衡监管:鼓励创新同时防范风险
- 支持基础研究:资助关键开源项目
- 促进合作:建立行业协作机制
- 人才培养:加强AI教育体系建设
结论
开源与闭源大模型的竞争并非零和游戏,而是共同推动AI技术进步的双引擎。未来格局很可能是多元化共存,不同模型在不同场景中发挥优势。闭源模型将继续在尖端能力和商业化服务上领先,而开源模型将推动技术民主化和应用普及。两者的竞争与协作将决定AI技术的演进方向,最终受益的将是整个技术生态和终端用户。在这个快速发展的领域,保持开放心态、适应技术变化、制定灵活策略,将是所有参与者成功的关键。
相关文章:
开源 vs. 闭源:大模型的未来竞争格局
开源 vs. 闭源:大模型的未来竞争格局 引言 在人工智能领域,尤其是大型语言模型(LLM)的发展中,开源与闭源之争已成为决定行业未来走向的关键议题。随着ChatGPT的横空出世和开源模型的蓬勃发展,技术社区正经历着一场深刻的范式转变…...
pcl代码解析
一、库基础代码解析: PCL库基础:点云类型与算法详解-CSDN博客 主要介绍PCL库的一些基本的点云类型、相关数据类型以及ROS接口消息,和一些常用的算法。 用到的一些PCL点云类型 pcl::PointXYZ: 这是最简单也可能是最常用到的点类型;它只储存…...
中华传承-医山命相卜-梅花易数
梅花易数 灵活起卦(如数字、声音、外应等)和象数结合,准确率可达96.8%。其起卦方式摆脱传统龟壳、蓍草的繁琐,强调直觉与灵活性。 个人决策、事件预测等 尤其在短期、具体问题上表现突出。...
HOOPS Exchange 与HOOPS Communicator集成:打造工业3D可视化新标杆!
一、概述 在工业3D开发、BIM建筑、数字孪生和仿真分析等高端应用场景中,数据格式复杂、模型体量庞大、实时交互体验要求高,一直是困扰开发者的难题。Tech Soft 3D旗下的HOOPS Exchange和HOOPS Communicator,正是解决这类问题的黄金搭档。二者…...
SQL预编译——预编译真的能完美防御SQL注入吗
SQL注入原理 sql注入是指攻击者拼接恶意SQL语句到接受外部参数的动态SQL查询中,程序本身 未对插入的SQL语句进行过滤,导致SQL语句直接被服务端执行。 拼接的SQL查询例如,通过在id变量后插入or 11这样的条件,来绕过身份验证&#…...
通过 Zotero 的样式编辑器(Style Editor)自定义文献引用和参考文献列表的格式
好的!以下是一个更为详细的教程,帮助你通过 Zotero 的样式编辑器(Style Editor)自定义文献引用和参考文献列表的格式。 详细教程:使用 Zotero 样式编辑器自定义文献格式 1. 准备工作 在开始之前,请确保&a…...
PostgreSQL 通过 copy 命令导入几何数据 及 通过 CopyManager.copyIn() 导入几何数据
COPY命令介绍 copy是postgresql提供的一个专门用于快速导入导出数据的命令,通常用于从文件(TXT、CSV等)或标准输入输出中读取或写入数据。适合批量导入导出数据,速度快。 默认情况下,如果在处理过程中遇到错误,COPY将失败。 COPY只能用于表,不能用于视图!!! COPY…...
Next.js 技术详解:构建现代化 Web 应用的全栈框架
1. Next.js 概述 Next.js 是一个基于 React 的全栈框架,由 Vercel 团队开发和维护。它提供了一系列开箱即用的功能,使开发者能够快速构建高性能的 Web 应用。 核心优势 服务端渲染 (SSR)静态站点生成 (SSG)增量静态再生成 (ISR)文件系统路由API 路由图…...
【unity实战】Unity动画层级(Animation Layer)的Sync同步和Timing定时参数使用介绍,同步动画层制作角色的受伤状态
文章目录 前言方案一:复制粘贴原有层级的状态机1、实现2、问题 方法二:勾选Sync同步动画层1、简单实现同步2、同步blend tree的问题3、动画状态的播放时长4、下层状态覆盖了上层状态 专栏推荐完结 前言 如何制作角色的受伤状态? 玩家角色在…...
NFC 碰一碰发视频源码搭建,碰一碰发视频定制化开发技术
在移动互联时代,便捷的数据传输方式备受青睐。NFC(近场通信)技术以其操作简单、连接迅速的特性,为设备间的数据交互提供了高效解决方案。通过搭建 NFC 碰一碰发视频功能,用户只需将支持 NFC 的设备轻轻靠近,…...
获取视频封面
目录 实现方式注意事项代码实现 实现方式 通过 video 元素canvas 元素的方式实现 生成 video 和 canvas 元素当 video 元素资源加载完成时,将 video 元素绘制到 canvas 画布上,然后通过 toBlob 或则 toDataURL 获取到对应的封面图片资源 注意事项 vid…...
c#开发大冲锋游戏登录器
1 前言 本文主要分享登录器的简要开发过程,只适合小白选手,高手请自动避让。 此项目是复刻大冲锋计划中的子集。 (注:大冲锋是迅雷代理的一款次时代多职业第一人称FPS射击游戏,目前已经关服嗝屁。) 2 …...
堆的实现以及利用堆进行排序
堆 堆的实现1. 什么是堆?2. 最小堆的核心操作2.1 初始化堆2.2 销毁堆2.3 插入元素2.4 删除堆顶元素2.5 获取堆顶元素2.6 判断堆是否为空 3. 调整堆的算法3.1 向上调整3.2 向下调整 4. 测试代码 堆排序一.向下调整建堆二.向上调整建堆 时间复杂度分析向上建堆分析&am…...
FPGA-VGA
目录 前言 一、VGA是什么? 二、物理接口 三、VGA显示原理 四、VGA时序标准 五、VGA显示参数 六、模块设计 七、波形图设计 八、彩条波形数据 前言 VGA的FPGA驱动 一、VGA是什么? VGA(Video Graphics Array)是IBM于1987年推出的…...
仿腾讯会议项目开发——界面关闭功能实现
目录 1、include(./netapi/netapi.pri) 2、加快构建速度 3、INCLUDEPATH./netapi 4、添加控制类 5、用单例模式创建一个Ckernel的对象 6、创建一个回收的槽函数 7、添加界面文件 8、创建一个私有的界面对象 9、修改为使用单例模式的控制类创建界面 10、在Ckernel类中…...
微信小程序怎么分包步骤(包括怎么主包跳转到分包)
第一步 主包跳转到分包 第一步 第二步...
点云配准控制迭代停止的阈值
在点云配准(如ICP算法)中,setEuclideanFitnessEpsilon() 是一个设置收敛条件的函数,用于控制迭代停止的阈值。以下是关于该参数的详细说明: 函数作用 setEuclideanFitnessEpsilon() 设置的是 两次连续迭代之间均方误…...
高频面试题:Android MVP/MVVM/MVI这几种架构在实际生产中,各自的优缺点和适用场景是什么
安卓开发早期的架构模式相对简单,许多开发者直接在Activity或Fragment中堆砌业务逻辑和UI操作,这种方式虽然在小型项目中看似高效,但随着代码量的增加,很快就会导致逻辑混乱、难以测试和维护的问题。Activity和Fragment作为安卓框…...
国内主要半导体厂家
以下是国内主要半导体厂家按产品类别(模拟、数字、MCU、功率、传感器等)的分类总结,涵盖各领域代表企业及其核心产品方向: 一、模拟芯片(Analog IC) 圣邦微电子(SGMICRO)…...
DeepSeek深度观察:白宫“炒人“威胁的语义强度与市场应激量化分析
一、AI观察:政治博弈的语义强度分析 通过NLP情感分析模型对特朗普近期公开言论的语义解析显示,总统在社交媒体及记者会中多次使用"立即解雇""卷铺盖走人"等极端表述,其公开威胁解雇鲍威尔的推文互动量突破120万次&#…...
城市街拍暗色电影胶片风格Lr调色教程,手机滤镜PS+Lightroom预设下载!
调色介绍 城市街拍暗色电影胶片风格 Lr 调色,是借助 Adobe Lightroom 软件,为城市街拍的人像或场景照片赋予独特视觉风格的后期处理方式。旨在模拟电影胶片质感,营造出充满故事感与艺术感的暗色氛围,让照片仿佛截取于某部充满张力…...
图像分类标注小工具
图像分类标注小工具 不说废话 上代码 import os import cv2 import shutil import csvclass ImageLabeler:def __init__(self, input_dir, output_dir, class_names, csv_pathlabel_log.csv, preview_size(800, 800)):self.input_dir input_dirself.output_dir output_dirse…...
leetcode 2364. 统计坏数对的数目 中等
给你一个下标从 0 开始的整数数组 nums 。如果 i < j 且 j - i ! nums[j] - nums[i] ,那么我们称 (i, j) 是一个 坏数对 。 请你返回 nums 中 坏数对 的总数目。 示例 1: 输入:nums [4,1,3,3] 输出:5 解释:数对…...
网络互连与互联网3
1.SMTP简单邮件传输协议,用于发送电子邮件,默认情况下是明文传输,没有加密机制。 SSL是一种安全协议,对电子邮件进行加密传输。 POP3主要用于接收电子邮件 IMAP用于接收电子邮件 2.采用存储-转发方式处理信号的设备是交换机 …...
docker部署springboot(eureka server)项目
打jar包 使用maven: <build><plugins><plugin><groupId>org.apache.maven.plugins</groupId><artifactId>maven-compiler-plugin</artifactId><configuration><source>17</source><target>17&…...
git 出现 port 443 Connection timed out
梯子正常延迟不算严重,但在使用git push时反复出现 fatal: unable to access https://github.com/irvingwu5/xxxx.git/ Error in the HTTP2 framing layer Failed to connect to github.com port 443 after 136353 ms: Connection timed out 将git的网络配置与梯子…...
深入 MySQL 高级查询:JOIN、子查询与窗口函数的实用指南
在数据管理和分析的过程中,MySQL 提供了强大的查询功能,特别是在处理复杂数据关系时。本文将深入探讨 MySQL 的三种高级查询技术:JOIN、子查询和窗口函数。通过对这些技术的详细讲解和示例,帮助您更好地掌握并应用这些查询技巧。 …...
AXOP36061S: 60V 高压单通道运算放大器
AXOP36061S 是一款通用型高压带关断功能的单通道运算放大器,工作电压为3V至60V,具有17MHz的带宽和 15V/μs的压摆率,静态电流2.2mA,关断电流80μA,高耐压和宽带宽使其可以胜任绝大多数的高压应用场景。得益于对噪声和T…...
Aladdin显卡多任务运行教程
Aladdin显卡多任务运行 任务场景操作步骤其他说明 任务场景 当我运行我的代码后发现80G的显存仅占用了46G左右,还有很大空间没有被使用,于是想着能不能把剩下的空间也利用起来,于是有了接下来的工作。 操作步骤 当我们使用GPU run/debug/…...
Oracle AWR快照保留策略及其修改
文章目录 一、AWR快照保留机制及其修改方法二、生产环境建议三、监控建议 一、AWR快照保留机制及其修改方法 默认保留策略: • 标准保留期:8天 • 快照间隔:每小时1次(默认) • 存储位置:SYSAUX表空间 保留…...
日本公司如何实现B2B商城订货系统的自动化和个性化?
在日本构建具备前后台日文本地化、业务员代客下单、一客一价、智能拆单发货的B2B电商系统,需结合日本商业习惯与技术实现。以下是关键模块的落地方案: 一、系统架构设计 1. 前端本地化 语言与UI适配 采用全日语界面,包含敬语体系(…...
JavaScript 核心特性完全指南
引言 JavaScript 已经不再只是浏览器中的脚本语言,它支撑着前端、后端(Node.js)、桌面(Electron)、移动端(React Native)等多种生态。要在现代 Web 开发中游刃有余,除了会写代码,更要深刻理解语言特性、掌握常见模式和优化技巧。下面逐一深入解析 20 大核心特性。 1.…...
CentOS系统中排查进程异常终止的日志
在CentOS系统中排查进程异常终止的日志,可通过以下步骤结合多类日志文件和工具进行综合分析: 一、核心日志文件排查 系统全局日志 查看 /var/log/messages:记录系统级错误、内核消息及进程异常终止信息,如OOM Killer事件。…...
Vue组件安全工程的量子跃迁:从基因改造到生态免疫
总章数字生命的进化论 2023年某电商平台红蓝对抗中,一个未净化的v-html指令导致千万用户数据泄露。当我们剖开现代Web应用的器官式架构,发现90%的安全漏洞都源自组件间的信任危机。本文将带您见证如何用军工级防御体系重构Vue组件,使其具备类…...
编程技能:调试03,逐过程命令与退出调试
专栏导航 本节文章分别属于《Win32 学习笔记》和《MFC 学习笔记》两个专栏,故划分为两个专栏导航。读者可以自行选择前往哪个专栏。 (一)WIn32 专栏导航 上一篇:编程技能:调试02,设置断点与删除断点 回…...
基于Ubuntu22.04和OpenCV4.5.4的物联网人脸识别考勤机
前言:本人已有Ubuntu22.04的相关开发环境配置,并且默认C和机器学习基础,这里直接从安装opencv开始,完整代码在最后。具体情况具体分析,请以实际为主。 视频参考:【大厂敲门砖】从0到1做一个物联网人脸识别…...
java 排序算法-快速排序
快速排序(Quick Sort)是一种高效的排序算法,它使用分治法(Divide and Conquer)策略来把一个序列分为较小和较大的两个子序列,然后递归地排序两个子序列。 快速排序算法的基本思想: 选择基准值&…...
openEuler系统下源码编译安装Nginx实践教程
openEuler 24.03 LTS 源码编译安装Nginx实践教程 前言一、环境准备1. 系统要求2. 更新系统与基础配置二、依赖安装1. 安装编译工具链2. 安装Nginx核心依赖三、源码编译安装1. 下载Nginx源码2. 创建专用系统用户3. 配置编译参数4. 编译与安装四、服务配置与管理1. 创建Systemd服…...
helloword 1(安卓逆向工具简单利用)
题目 做法 下载,不要解压,直接拖入Exeinfo PE进行分析 文件后缀是apk,判断为安卓逆向题 拖进ApkIDE 先找主函数main函数,这题的flag直接出来了 (搜索内容不要习惯性空格之类,这样会找不出来)…...
基于ONT数据的乳腺癌BRCA1和BRCA2变异检测方法
评估 BRCA1/2 分子状态已成为乳腺癌患者治疗的标准操作。例如聚合酶抑制剂(PARPi)的开发和临床应用,PARPi 是肿瘤学家新疗法中的关键方式。已发现 PARPi 可改善携带 BRCA1/2 种系或体细胞突变的乳腺癌患者的临床结局,提高患者生存率和生活质量。因此,目前全球指南强烈建议…...
uniapp运行在app端如何使用缓存
uniapp运行在app端如何使用缓存 众所周知,uniapp可以一套代码,多端运行。但是需要注意的是,window对象以及document是浏览器特有的(所以app端无法使用localStorage等api),因此,uniapp贴心的为我们准备了getStorage…...
人工智能代理重塑数字成功:为何面向机器的营销是下一前沿
随着人工智能(AI)改变消费者与数字世界的互动方式,数字营销正迎来一场革命性变革。2025年4月14日发布的一项研究揭示了AI代理——代表用户自主研究、比较和推荐产品或服务的系统——的日益增长的影响力。该研究探讨了这些代理如何与在线内容交…...
《奇迹世界起源》:神之月晓活动介绍!
神之月晓是《奇迹世界起源》手游中的一项限时抽奖活动,为玩家提供了获取丰厚奖励的机会。活动期间,玩家可以通过充值达到指定金额获得抽奖资格,每次充值一定金额即可获得一次抽奖机会,每天有抽奖次数上限。 活动规则:…...
AI测试用例生成平台
AI测试用例生成平台 项目背景技术栈业务描述项目展示项目重难点 项目背景 针对传统接口测试用例设计高度依赖人工经验、重复工作量大、覆盖场景有限等行业痛点,基于大语言模型技术实现接口测试用例智能生成系统。 技术栈 LangChain框架GLM-4模型Prompt Engineeri…...
【web服务_负载均衡Nginx】二、Nginx 核心技术之负载均衡与反向代理
一、负载均衡与反向代理概述 在互联网应用场景中,随着用户访问量的不断增加,单台服务器往往难以满足性能和可靠性的需求。负载均衡与反向代理技术应运而生,成为保障高并发、稳定服务的关键技术。负载均衡旨在将大量的客户端请求合理分配到…...
前端基础之《Vue(6)—组件基础(2)》
接上一篇。 七、v-model深入学习 <html> <head><title>组件基础-4</title><style>.score {display: inline-block;}.score>span {display: inline-block;width: 25px;height: 25px;background: url(./assets/star.png) center center / 25p…...
计算机网络——应用层
一、HTTP报文结构 (1)请求 请求行:请求头:空行:请求体: (2)响应 状态行:响应头:空行:响应体: (3)补充说明…...
基于springBoot+vue的PC 端学习系统(源码+lw+部署文档+讲解),源码可白嫖!
摘要 随着我国经济的高速发展与人们生活水平的日益提高,人们对生活质量的追求也多种多样。尤其在人们生活节奏不断加快的当下,人们更趋向于足不出户解决生活上的问题,线上管理系统展现了其蓬勃生命力和广阔的前景。与此同时,在疫…...
《软件设计师》复习笔记(11.3)——需求获取、分析、定义、验证、管理
目录 一、软件需求概述 真题示例: 二、质量功能部署(QFD) 三、需求开发流程 需求获取 需求分析 需求定义(SRS) 需求验证 真题示例: 四、需求管理 真题示例: 一、软件需求概述 软件…...
iOS Google登录
iOS Google登录 SDK下载地址在 Firebase 有下载,要下载整个SDK文件,然后拿其中的Google 登录SDK来使用 Firebase 官方文档 github 下载链接...