Milvus（1）：什么是 Milvus
Milvus 由 Zilliz 开发，并很快捐赠给了 Linux 基金会下的 LF AI & Data 基金会，现已成为世界领先的开源向量数据库项目之一。它采用 Apache 2.0 许可发布，大多数贡献者都是高性能计算（HPC）领域的专家，擅长构建大规模系统和优化硬件感知代码。核心贡献者包括来自 Zilliz、ARM、英伟达、AMD、英特尔、Meta、IBM、Salesforce、阿里巴巴和微软的专业人士。
1 非结构化数据、Embeddings 和 Milvus
非结构化数据（如文本、图像和音频）格式各异，蕴含丰富的潜在语义，因此分析起来极具挑战性。为了处理这种复杂性，Embeddings 被用来将非结构化数据转换成能够捕捉其基本特征的数字向量。然后将这些向量存储在向量数据库中，从而实现快速、可扩展的搜索和分析。
Milvus 提供强大的数据建模功能，使您能够将非结构化或多模式数据组织成结构化的 Collections。它支持多种数据类型，适用于不同的属性模型，包括常见的数字和字符类型、各种向量类型、数组、集合和 JSON，为您节省了维护多个数据库系统的精力。
Milvus 提供三种部署模式，涵盖各种数据规模--从 Jupyter Notebooks 中的本地原型到管理数百亿向量的大规模 Kubernetes 集群：
- Milvus Lite 是一个 Python 库，可以轻松集成到您的应用程序中。作为 Milvus 的轻量级版本，它非常适合在 Jupyter Notebooks 中进行快速原型开发，或在资源有限的边缘设备上运行。
- Milvus Standalone 是单机服务器部署，所有组件都捆绑在一个 Docker 镜像中，方便部署。
- Milvus Distributed 可部署在 Kubernetes 集群上，采用云原生架构，专为十亿规模甚至更大的场景而设计。该架构可确保关键组件的冗余。
2 Milvus 为何如此快速？
Milvus 从设计之初就是一个高效的向量数据库系统。在大多数情况下，Milvus 的性能是其他向量数据库的 2-5 倍（参见 VectorDBBench 结果）。这种高性能是几个关键设计决策的结果：
- 硬件感知优化：为了让 Milvus 适应各种硬件环境，专门针对多种硬件架构和平台优化了其性能，包括 AVX512、SIMD、GPU 和 NVMe SSD。
- 高级搜索算法：Milvus 支持多种内存和磁盘索引/搜索算法，包括 IVF、HNSW、DiskANN 等，所有这些算法都经过了深度优化。与 FAISS 和 HNSWLib 等流行实现相比，Milvus 的性能提高了 30%-70%。
- C++ 搜索引擎：向量数据库性能的 80% 以上取决于其搜索引擎。由于 C++ 语言的高性能、底层优化和高效资源管理，Milvus 将 C++ 用于这一关键组件。最重要的是，Milvus 集成了大量硬件感知代码优化，从汇编级向量到多线程并行化和调度，以充分利用硬件能力。
- 面向列：Milvus 是面向列的向量数据库系统。其主要优势来自数据访问模式。在执行查询时，面向列的数据库只读取查询中涉及的特定字段，而不是整行，这大大减少了访问的数据量。此外，对基于列的数据的操作可以很容易地进行向量化，从而可以一次性在整个列中应用操作，进一步提高性能。
3 是什么让 Milvus 具有如此高的可扩展性？
2022 年，Milvus 支持十亿级向量，2023 年，它以持续稳定的方式扩展到数百亿级，为 300 多家大型企业的大规模场景提供支持，包括 Salesforce、PayPal、Shopee、Airbnb、eBay、NVIDIA、IBM、AT&T、LINE、ROBLOX、Inflection 等。Milvus 的云原生和高度解耦的系统架构确保了系统可以随着数据的增长而不断扩展：
Milvus 本身是完全无状态的，因此可以借助 Kubernetes 或公共云轻松扩展。此外，Milvus 的各个组件都有很好的解耦，其中最关键的三项任务--搜索、数据插入和索引/压实--被设计为易于并行化的流程，复杂的逻辑被分离出来。这确保了相应的查询节点、数据节点和索引节点可以独立地向上和向下扩展，从而优化了性能和成本效率。
4 Milvus 支持的搜索类型
Milvus 支持各种类型的搜索功能，以满足不同用例的需求：
- ANN搜索：查找最接近查询向量的前 K 个向量。
- 过滤搜索：在指定的过滤条件下执行 ANN 搜索。
- 范围搜素：查找查询向量指定半径范围内的向量。
- 混合搜索：基于多个向量场进行 ANN 搜索。
- 全文搜索：基于 BM25 的全文搜索。
- Rerankers：根据附加标准或辅助算法调整搜索结果顺序，完善初始 ANN 搜索结果。
- 获取：根据主键检索数据。
- 查询使用特定表达式检索数据。
5 综合功能集
除了上述主要搜索功能外，Milvus 还提供了一系列围绕 ANN 搜索实现的功能，以便您能充分利用其功能。
5.1 应用程序接口和 SDK
- RESTful API（官方）
- PyMilvus（Python SDK）（官方）
- Go SDK（官方）
- Java SDK（官方）
- Node.js（JavaScript）SDK（官方）
- C#（微软提供）
5.2 高级数据类型
除了原始数据类型外，Milvus 还支持各种高级数据类型及其各自适用的距离度量。
- 稀疏向量
- 二进制向量
- 支持JSON
- 数组支持
- 距离度量
5.3 加速
- 搜索算法：Milvus 支持一系列可调整的索引和搜索算法。
- 分区和分区键：分区是 Milvus Collection 的子分区。你可以选择一个标量字段作为分区键，以获得更好的搜索性能。
- 可调一致性模型：一致性可确保每个 Milvus 节点或副本在给定时间写入或读取数据时拥有相同的数据视图。在 Milvus 中进行 ANN 搜索时，可以轻松调整一致性级别。
- 高通量数据导入：要将大量数据导入 Milvus，而不是一个接一个地插入，可以考虑使用我们的高通量数据导入工具。=
- 多租户支持：Milvus 实现了许多面向多租户场景的功能，包括 Partition Key、Clustering Key 等。
5.4 安全和授权
- 可调一致性模型 一致性可确保每个 Milvus 节点或副本在给定时间写入或读取数据时拥有相同的数据视图。在 Milvus 中进行 ANN 搜索时，您可以轻松调整一致性级别。
- 数据隔离和资源控制 对于多租户场景，数据隔离是基本的安全要求。Milvus 实现了多种功能来解决您的安全问题。
5.5 人工智能集成
- Embeddings 模型集成：Embedding 模型将非结构化数据转换为其在高维数据空间中的数字表示，以便您能将其存储在 Milvus 中。目前，PyMilvus（Python SDK）集成了多个嵌入模型，以便您能快速将数据准备成向量嵌入。
- Reranker 模型集成：在信息检索和生成式人工智能领域，Reranker 是优化初始搜索结果顺序的重要工具。PyMilvus 也集成了几种 Rerankers 模型，以优化初始搜索返回结果的顺序。
- LangChain：和其他人工智能工具集成 在 GenAI 时代，LangChain 等工具受到了应用程序开发人员的广泛关注。作为核心组件，Milvus 通常在此类工具中充当向量存储。
5.6 工具和生态系统
- Attu：Attu 是一个一体化的直观图形用户界面，可帮助您管理 Milvus 及其存储的数据。
- Birdwatcher：Birdwatcher 是 Milvus 的调试工具。使用它连接到 etcd，你可以检查 Milvus 系统的状态，或动态配置它。
- Promethus 和 Grafana 集成：Promethus 是 Kubernetes 的开源系统监控和警报工具包。Grafana 是一个开源可视化堆栈，可以连接所有数据源。您可以使用 Promethus 和 Grafana 作为监控服务提供商，对 Milvus Distributed 的性能进行可视化监控。
- Milvus 备份：Milvus 备份是一个允许用户备份和恢复 Milvus 数据的工具。它同时提供 CLI 和 API，以适应不同的应用场景。
- Milvus Capture Data Change (CDC)：Milvus-CDC 可以捕获和同步 Milvus 实例中的增量数据，并通过在源实例和目标实例之间的无缝传输，确保业务数据的可靠性，从而轻松实现增量备份和灾难恢复。
- Milvus 连接器：Milvus 为您规划了一套连接器，以便将 Milvus 与 Apache Spark 等第三方工具无缝集成。目前，您可以使用我们的 Spark 连接器将 Milvus 数据馈送到 Apache Spark 进行机器学习处理。
- 向量传输服务（VTS）：Milvus 为您提供了一套工具，用于在 Milvus 实例和一系列数据源（包括 Zilliz 集群、Elasticsearch、Postgres (PgVector) 和另一个 Milvus 实例）之间传输数据。
相关文章：
Milvus（1）：什么是 Milvus
Milvus 由 Zilliz 开发，并很快捐赠给了 Linux 基金会下的 LF AI & Data 基金会，现已成为世界领先的开源向量数据库项目之一。它采用 Apache 2.0 许可发布，大多数贡献者都是高性能计算（HPC）领域的专家，擅…...
第十六节：高频开放题-React与Vue设计哲学差异
响应式原理（Proxy vs 虚拟DOM） 组合式API vs Hooks React 与 Vue 设计哲学差异深度解析 一、响应式原理的底层实现差异 1. Vue 的响应式模型（Proxy/数据劫持） Vue 的响应式系统通过 数据劫持 实现自动依赖追踪： • …...
【Hot100】 240. 搜索二维矩阵 II
目录 引言搜索二维矩阵 II我的解题贪心求解解题思路详解搜索策略（以从右上角开始为例）为什么这种方法有效？ 完整代码实现复杂度分析示例演示 🙋♂️ 作者：海码007📜 专栏：算法专栏Ὂ…...
每日面试实录·携程·社招·JAVA
📍面试公司：携程 👜面试岗位：后端开发工程师（社招） 🕐面试时长：约 50 分钟 🔄面试轮次：第 1 轮技术面 ✨面试整体节奏： 这场携程的社招 Java 一面…...
Oracle--用户管理
前言：本博客仅作记录学习使用，部分图片出自网络，如有侵犯您的权益，请联系删除 用户管理在 Oracle 数据库中至关重要。一个服务器通常只运行一个 Oracle 实例，而一个 Oracle 用户代表一个用户群，他们通过该用…...
20.3 使用技巧5
版权声明：本文为博主原创文章，转载请在显著位置标明本文出处以及作者网名，未经作者允许不得用于商业目的 20.3.8 CellContentClick事件 当增加新按钮列或者超链接列后，按钮或者超链接，会发现，按钮或者超链…...
Kubernetes相关的名词解释Metrics Server组件（7）
什么是Metrics Server？ Metrics Server 是 Kubernetes 集群中的一个关键组件，主要用于资源监控和自动扩缩容。 kubernetes 从1.8版本开始不再集成cadvisor，也废弃了heapster，使用metrics server来提供metrics。那么...... 什么…...
17.【.NET 8 实战--孢子记账--从单体到微服务--转向微服务】--单体转微服务--SonarQube部署与配置
在将孢子记账系统从单体架构转向微服务架构的过程中，代码质量的管理变得尤为重要。随着项目规模的扩大和团队协作的深入，我们需要一个强大的工具来帮助我们持续监控和改进代码质量。我们首选SonarQube，它能够帮助我们识别代码中的潜在问题、技…...
计算机是如何看待数据的？
一、计算机如何“看待”数据？ 物理层本质： 计算机的所有数据最终以二进制（0和1）在电路中表示（高电平1，低电平0）。 无论你用何种进制描述数据（如十六进制 0xA1 或十进制 161…...
25.4.20学习总结
如何使用listView组件来做聊天界面 1. 什么是CellFactory？ 在JavaFX中，控件（比如ListView、TableView等）用Cell来显示每一条数据。 Cell：代表这个单元格（即每个列表项）中显示的内容和样式。 …...
SpringBoot3集成ES8.15实现余额监控
1. gradle依赖新增 implementation org.springframework.boot:spring-boot-starter-data-elasticsearch implementation co.elastic.clients:elasticsearch-java:8.15.02. application.yml配置 spring:elasticsearch:uris: http://localhost:9200username: elasticpassword: …...
STM32基础教程——串口收发
目录 前言 字长设置 编辑 停止位 起始位侦测 波特率 1. UART波特率的基本原理 2. 为什么需要先除以分频因子（USARTDIV）？ （1）PCLK频率太高 （2）分频因子的作用 3. 为什么还需要再除以…...
Matlab 步进电机传递函数模糊pid
1、内容简介 Matlab 210-步进电机传递函数模糊pid 可以交流、咨询、答疑 2、内容说明 略 3、仿真分析 略 4、参考论文 略...
unordered_map、unordered_set详解
深入理解C中的 unordered_map 和 unordered_set 在C标准库中，unordered_map 和 unordered_set 是两个基于哈希表（Hash Table）实现的高效容器。它们以O(1)的平均时间复杂度实现快速查找、插入和删除操作，特别适合需要高频…...
详解trl中的GRPOTrainer和GRPOConfig
引言 在大型语言模型（LLM）的强化学习微调领域， Group Relative Policy Optimization (GRPO) 算法因其高效性和资源友好性受到广泛关注。Hugging Face的 TRL (Transformer Reinforcement Learning) 库通过GRPOTrainer和GRPOConfig提供了该算法的开箱即用实现。本文将深入解析…...
【C++】多态 - 从虚函数到动态绑定的核心原理
📌 个人主页： 孙同学_ 🔧 文章专栏：C 💡 关注我，分享经验，助你少走弯路 文章目录 1. 多态的概念2. 多态的定义及实现2.1 多态的构成条件2.1.1实现多态还有两个必须重要条件：2.1.2 虚…...
项目预期管理：超越甘特图，实现客户价值交付
引言 在项目管理实践中，许多项目经理习惯于将注意力集中在甘特图的进度条上，关注任务是否按时完成、里程碑是否达成。然而，这种以计划管理为中心的方法往往忽略了项目管理的核心目标：满足客户预期，交付真正的价值。项…...
FISCO 2.0 安装部署WeBASE与区块链浏览器（环境搭建）
FISCO BCOS 2.0 安装部署WeBASE与区块链浏览器-对应的官网地址： WeBASE平台：https://webasedoc.readthedocs.io/zh-cn/latest/docs/WeBASE/install.html 区块链浏览器：https://fisco-bcos-documentation.readthedocs.io/zh-cn/latest/docs/br…...
xss学习3之服务端session
一、服务端的Session 1. cookie和session 1）cookie和session对比 cookie: 保存在客户端，包含所有key-value信息，浏览器访问多个网站时会积累大量cookie，占用存储空间，并在每次请求时携带所有cookie，增加…...
23种设计模式-结构型模式之适配器模式（Java版本）
Java 适配器模式（Adapter Pattern）详解 🔌 什么是适配器模式？ 适配器模式用于将一个类的接口转换成客户端所期望的另一种接口，让原本接口不兼容的类可以协同工作。 📦 就像插头转换器，让不同…...
【2025计算机网络-面试常问】http和https区别是什么，http的内容有哪些，https用的是对称加密还是非对称加密，流程是怎么样的
HTTP与HTTPS全面对比及HTTPS加密流程详解 一、HTTP与HTTPS核心区别 特性HTTPHTTPS协议基础明文传输HTTP SSL/TLS加密层默认端口80443加密方式无加密混合加密（非对称对称）证书要求不需要需要CA颁发的数字证书安全性易被窃听、篡改、冒充防窃听、防篡改…...
使用安全继电器的急停电路设计
使用安全继电器的急停电路设计 一，急停回路的设计1，如何将急停接到线路当中？2，急停开关 如何接到安全继电器中 一，急停回路的设计 急停是每一个设备必不可少的部分，因为关乎安全，所以说所以说他…...
SpringCloud概述和环境搭建
SpringCloud概述和环境搭建 一.微服务的引入1.单体架构2.集群和分布式架构3.集群和分布式4.微服务架构4.微服务的优缺点 二.微服务解决方案-SpringCloud1.Spring Cloud简介2.Spring Cloud版本3.Spring Cloud实现方案4.Spring Cloud Alibaba 三.环境搭建1.安装JDK172.Ubantu上下…...
System.out 详解
System.out 详解 System.out 是 Java 提供的标准输出流（PrintStream 类型），默认关联控制台（Console），用于向终端打印文本信息。它是 Java 中最常用的输出方式之一，尤其在调试和命令行程序开发中。 1. 核心知识点 （1）System.out 的本质 类型：PrintStream（字节流，但…...
每天学一个 Linux 命令（28）：ln
可访问网站查看，视觉品味拉满： http://www.616vip.cn/28/index.html ln 是 Linux 中用于创建文件或目录链接的命令，主要生成硬链接（Hard Link）和符号链接（Symbolic Link，软链接）。链接常用于文件共享、快捷访问或版本管理。 命令格式 ln [选项] 源文件 目标链接链…...
【微知】服务器如何获取服务器的SN序列号信息？（dmidecode -t 1）
文章目录 背景命令dmidecode -t的数字代表的字段 背景 各种场景都需要获取服务器的SN（Serial Number），比如问题定位，文件命名，该部分信息在dmi中是标准信息，不同服务器，不同os都能用相同方式获…...
4.20刷题记录（单调栈）
第一部分：简单介绍 单调栈我的理解是在栈中存储数字出现的位置，然后通过遍历比较当前栈顶元素与当前元素的大小关系，从而确定逻辑相关顺序。 第二部分：真题讲解 （1）739. 每日温度 - 力扣（Lee…...
Opencv图像处理：模板匹配对象
文章目录 一、模板匹配1、什么是模板匹配？2、原理 二、单模板匹配（代码实现）1、预处理2、 开始模板匹配并绘制匹配位置的外接矩形 三、多模板匹配（代码实现）1、读取图片和模板2、模板匹配3、设置阈值1）阈值…...
Web3.0热门领域NFT项目实战课程
课程大小：3.8G 课程下载：https://download.csdn.net/download/m0_66047725/90616383 更多资源下载：关注我 深度掌握Solidity合约开发，助力成为抢手的Web3.0开发工程师 深入Web3.0技术的人才，一将难求。本课程由We…...
DAY 50 leetcode 1047--栈和队列.删除字符串中的所有相邻重复项
题号1047 给出由小写字母组成的字符串 s，重复项删除操作会选择两个相邻且相同的字母，并删除它们。 在 s 上反复执行重复项删除操作，直到无法继续删除。 在完成所有重复项删除操作后返回最终的字符串。答案保证唯一。 import java.util.Ar…...
单例模式与消费者生产者模型，以及线程池的基本认识与模拟实现
前言 今天我们就来讲讲什么是单例模式与线程池的相关知识，这两个内容也是我们多线程中比较重要的内容。其次单例模式也是我们常见设计模式。 单例模式 那么什么是单例模式呢？上面说到的设计模式又是什么？ 其实单例模式就是设计模式的一种。…...
微信小程序通过mqtt控制esp32
目录 1.注册巴法云 2.设备连接mqtt 3.微信小程序 备注 本文esp32用的是MicroPython固件，MQTT服务用的是巴法云。 本文参考巴法云官方教程：https://bemfa.blog.csdn.net/article/details/115282152 1.注册巴法云 注册登陆并新建一个topicÿ…...
QML、Qt Quick 、Qt Quick Controls 2
一、概念 基本关系 QML 是声明式语言，用于描述用户界面。声明式语法（类似JSON+JavaScript），定义UI结构和行为。 Qt Quick 是 QML 的标准库，提供基本类型和功能。提供QML语言运行时的基础能力，相当于QML的"标准模板库(STL)"。 Quick Controls 2 是基于 Qt Quic…...
基于maven-jar-plugin打造一款自动识别主类的maven打包插件
🧑 博主简介：CSDN博客专家，历代文学网（PC端可以访问：https://literature.sinhy.com/#/?__c1000，移动端可微信小程序搜索“历代文学”）总架构师，15年工作经验，精通Java编…...
利用 HEMT 和 PHEMT 改善无线通信电路中的增益、速度和噪声
本文要点 高电子迁移率晶体管 （High electron mobility transistors ，HEMTs） 和应变式异质接面高迁移率晶体管（pseudomorphic high electron mobility transistors ，PHEMTs） 因其独特的、可提高性能的特点而…...
探秘C#用户定义类型：突破预定义的边界
在C#的编程世界里，除了系统提供的16种预定义类型，开发者还拥有强大的自主能力——创建自己的用户定义类型。这大大拓展了编程的灵活性和可扩展性，让开发者能根据具体需求定制数据结构和功能。 六种用户定义类型 类类型（class&am…...
idea中导入从GitHub上克隆下来的springboot项目解决找不到主类的问题
第一步：删除目录下的.idea和target，然后用idea打开 第二步：如果有需要，idea更换jdk版本 原文链接：https://blog.csdn.net/m0_74036731/article/details/146779040 解决方法（idea中解决）&#…...
北理工宫某的瓜ppt下载地址
关于“北理工宫某瓜”PPT下载地址相关技术探讨 摘要：本文围绕“北理工宫某瓜”事件中PPT下载地址相关情况展开分析，探讨了网络资源传播的技术机制、涉及的网络安全问题以及围绕此类资源分享应遵循的规范和注意事项，旨在从技术角度对这类网络…...
[论文阅读]Making Retrieval-Augmented Language Models Robust to Irrelevant Context
Making Retrieval-Augmented Language Models Robust to Irrelevant Context [2310.01558v2] Making Retrieval-Augmented Language Models Robust to Irrelevant Context 检索增强语言模型（RALMs），它包含一个检索机制，以减少将…...
论文阅读：2023 arxiv A Survey of Reinforcement Learning from Human Feedback
A Survey of Reinforcement Learning from Human Feedback https://arxiv.org/pdf/2312.14925 https://www.doubao.com/chat/3506943124865538 速览 这篇论文是关于“从人类反馈中进行强化学习（RLHF）”的综述，核心是讲如何让AI通过人类反…...
【图像处理基石】什么是去马赛克算法？
RAW数据的Demosaic算法（去马赛克算法）是图像处理中的关键技术，主要用于将图像传感器（如数码相机、手机摄像头）采集的原始马赛克数据恢复为完整的RGB三通道图像。 1. RAW数据的特性 马赛克结构：图像传感器…...
transformer注意力机制
单头注意力机制 import torch import torch.nn.functional as Fdef scaled_dot_product_attention(Q, K, V):# Q: (batch_size, seq_len, d_k)# K: (batch_size, seq_len, d_k)# V: (batch_size, seq_len, d_v)batch_size: 一次输入的句子数。 seq_len: 每个句子的词数。 d_mo…...
Ubuntu 22.04 更换 Nvidia 显卡后启动无法进入桌面问题的解决
原显卡为 R7 240, 更换为 3060Ti 后, 开机进桌面时卡在了黑屏界面, 键盘有反应, 但是无法进入 shell. 解决方案为 https://askubuntu.com/questions/1538108/cant-install-rtx-4060-ti-on-ubuntu-22-04-lts 启动后在开机菜单中(如果没有开机菜单, 需要按shift键), 进入recove…...
ROS机器人开发实践-＞机器人建模与仿真
前言： 这篇博客知识一个整体性的了解对于机器人建模和仿真，更多详细的细节，见 6.4.2 Xacro_语法详解 Autolabor-ROS机器人入门课程《ROS理论与实践》零基础教程 一、整体框架 机器人模型分为两个部分具体的形状和插件。有了这个具体的形状…...
中国占全球工业机器人装机量的52%,国产机器人崛起加速洗牌，拆分机器人业务独立上市,软硬件协同增强,AI工业机械臂催生业务再增长
一、内部战略优化：聚焦核心业务与释放增长潜力 业务协同效应有限 ABB的机器人业务（全球市场份额第二）与集团其他业务（如电气化、过程自动化）的协同性较低。机器人业务专注于柔性制造和智能自动化，而其他业务更偏向能源效率和大型工业系统。分拆后，ABB集团可更聚焦于电气…...
)
C#森林中的兔子(力扣题目)
C#森林中的兔子(力扣题目) 题目介绍 森林中有未知数量的兔子。提问其中若干只兔子 “还有多少只兔子与你（指被提问的兔子）颜色相同?” ，将答案收集到一个整数数组 answers 中，其中 answers[i] 是第 i 只兔子的回答。 给你数组…...
OSPF特殊区域
四种特殊区域 1、stub 2、完全stub 3、nssa 4、完全nssa 作用：用于优化OSPF的LSDB空间 stub： [R2-ospf-1-area-0.0.0.1]stub //配置一个区域为stub区域 只在ABR上配置的话会导致OSPF邻居关系断开，因为此时Option选项中Nbit和Ebit置位不一致所…...
深入理解 CICD 与 Jenkins 流水线：从原理到实践
前言：在当今数字化飞速发展的时代，软件开发行业的竞争日益激烈。为了能够快速响应市场需求，及时交付高质量的软件产品，开发团队们不断探索和采用新的开发模式与工具。CICD（持续集成、持续交付 / 部署）作为一…...
1.Vue自动化工具安装（Vue-cli）
目录 1.node.js 安装： 2 npm 安装 3 安装Vue-cli 4总结： 一般情况下，单文件组件，我们运行在 自动化工具vue-CLI中，可以帮我们编译单文件组件。所以我们在学习时一般需要在系统中先搭建vue-CLI工具 下面就是一些我…...
前端亮点：大文件上传技术详解及问题解析
大片文件上传 文件上传 大片文件上传需考虑问题 一、核心实现步骤 分片唯一标识计算 （优化比较时间） • Hash生成：使用SparkMD5或crypto.subtle.digest计算文件整体Hash（秒传依据）及分片Hash（断点续传依据）。 • 优化：通过Web Worker多线程计算，避免主线程阻塞（如…...