当前位置: 首页 > article >正文

LangChain-Chatchat 开发与应用(十) 企业级部署方案-Docker-Compose-K8s集群化实践

企业级部署方案Docker Compose / K8s 集群化实践标签Docker | Kubernetes | 高可用 | 生产部署 | DevOps一、从单机玩具到生产系统前面九篇咱们从 0 到 1 搭起了 Chatchat做了二次开发优化了性能。但到目前为止所有操作都是单机的。要真正上线服务企业用户还需要解决服务挂了怎么办怎么扩容配置怎么管理数据怎么备份怎么灰度发布今天这篇咱们把 Chatchat 从单机部署升级到企业级集群部署。二、部署方案选型2.1 三种部署方式对比方案复杂度适用场景扩展性Docker Compose低中小团队、单/多机手动扩容Kubernetes高大规模、云原生自动扩容云服务商方案中快速上线、不想运维按需扩展建议团队 10 人用户 1000 → Docker Compose团队 10 人需要自动运维 → Kubernetes想最快上线 → 云服务商方案阿里云、腾讯云等2.2 本文覆盖这篇重点讲Docker Compose和Kubernetes两种方案。三、Docker Compose 部署3.1 整体架构┌─────────────────────────────────────────────────┐ │ Nginx (反向代理) │ │ 端口 80/443SSL 终止 │ └─────────────────────────────────────────────────┘ │ ┌───────────────┼───────────────┐ ↓ ↓ ↓ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │ Chatchat │ │ Chatchat │ │ Xinference │ │ API x2 │ │ WebUI │ │ (LLM Emb) │ │ (负载均衡) │ │ │ │ │ └──────────────┘ └──────────────┘ └──────────────┘ │ │ │ └───────────────┼───────────────┘ ↓ ┌──────────────────┐ │ Milvus / FAISS │ │ 向量数据库 │ └──────────────────┘ │ ┌──────────────────┐ │ PostgreSQL │ │ (元数据存储) │ └──────────────────┘3.2 docker-compose.ymlversion:3.8services:# 反向代理 nginx:image:nginx:alpineports:-80:80-443:443volumes:-./nginx.conf:/etc/nginx/nginx.conf:ro-./ssl:/etc/nginx/ssl:rodepends_on:-chatchat-api-1-chatchat-api-2-chatchat-webuirestart:unless-stopped# Chatchat API 实例 1 chatchat-api-1:image:chatchat/chatchat:latestenvironment:-CHATCHAT_ROOT/data/chatchat-MODEL_PLATFORMS__0__API_BASE_URLhttp://xinference:9997/v1volumes:-chatchat-data:/data/chatchat-./configs:/app/configs:rodepends_on:-postgres-milvus-xinferencerestart:unless-stoppeddeploy:resources:limits:memory:4G# Chatchat API 实例 2 chatchat-api-2:image:chatchat/chatchat:latestenvironment:-CHATCHAT_ROOT/data/chatchat-MODEL_PLATFORMS__0__API_BASE_URLhttp://xinference:9997/v1volumes:-chatchat-data:/data/chatchat-./configs:/app/configs:rodepends_on:-postgres-milvus-xinferencerestart:unless-stoppeddeploy:resources:limits:memory:4G# Chatchat WebUI chatchat-webui:image:chatchat/chatchat-webui:latestenvironment:-API_BASE_URLhttp://nginx:80/apidepends_on:-chatchat-api-1-chatchat-api-2restart:unless-stopped# Xinference (模型服务) xinference:image:xprobe/xinference:latestports:-9997:9997environment:-XINFERENCE_HOME/data/xinferencevolumes:-xinference-data:/data/xinference-./models:/models:ro# 预下载的模型deploy:resources:reservations:devices:-driver:nvidiacount:1capabilities:[gpu]restart:unless-stopped# Milvus 向量数据库 milvus-standalone:image:milvusdb/milvus:latestports:-19530:19530environment:-ETCD_ENDPOINTSetcd:2379-MINIO_ADDRESSminio:9000volumes:-milvus-data:/var/lib/milvusdepends_on:-etcd-miniorestart:unless-stoppedetcd:image:quay.io/coreos/etcd:v3.5.5environment:-ETCD_AUTO_COMPACTION_MODErevision-ETCD_AUTO_COMPACTION_RETENTION1000volumes:-etcd-data:/etcdrestart:unless-stoppedminio:image:minio/minio:latestenvironment:-MINIO_ACCESS_KEYminioadmin-MINIO_SECRET_KEYminioadminvolumes:-minio-data:/minio_datacommand:minio server /minio_datarestart:unless-stopped# PostgreSQL postgres:image:postgres:15-alpineenvironment:-POSTGRES_USERchatchat-POSTGRES_PASSWORDyour-strong-password-POSTGRES_DBchatchatvolumes:-postgres-data:/var/lib/postgresql/data-./init.sql:/docker-entrypoint-initdb.d/init.sql:rorestart:unless-stopped# 数据卷 volumes:chatchat-data:xinference-data:milvus-data:etcd-data:minio-data:postgres-data:3.3 Nginx 配置# nginx.conf upstream chatchat_api { least_conn; # 最少连接负载均衡 server chatchat-api-1:7861; server chatchat-api-2:7861; } server { listen 80; server_name chatchat.yourcompany.com; # 强制 HTTPS return 301 https://$server_name$request_uri; } server { listen 443 ssl http2; server_name chatchat.yourcompany.com; ssl_certificate /etc/nginx/ssl/cert.pem; ssl_certificate_key /etc/nginx/ssl/key.pem; # API 代理 location /api/ { proxy_pass http://chatchat_api/; proxy_set_header Host $host; proxy_set_header X-Real-IP $remote_addr; proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for; # SSE 流式支持 proxy_buffering off; proxy_cache off; # 超时设置 proxy_read_timeout 300s; proxy_send_timeout 300s; } # WebUI location / { proxy_pass http://chatchat-webui:8501; proxy_set_header Host $host; proxy_set_header X-Real-IP $remote_addr; } # Xinference 管理界面可选限制 IP location /xinference/ { allow 10.0.0.0/8; # 仅内网访问 deny all; proxy_pass http://xinference:9997/; } }3.4 启动和运维# 启动所有服务docker-composeup-d# 查看状态docker-composeps# 查看日志docker-composelogs-fchatchat-api-1# 扩容 API 实例docker-composeup-d--scalechatchat-api-13# 重启单个服务docker-composerestart xinference# 备份数据docker-composeexecpostgres pg_dump-Uchatchat chatchatbackup.sql四、Kubernetes 部署4.1 架构设计┌─────────────────────────────────────────┐ │ Ingress Controller │ │ (Nginx / Traefik / ALB) │ └─────────────────────────────────────────┘ │ ┌───────────────┼───────────────┐ ↓ ↓ ↓ ┌────────┐ ┌────────┐ ┌────────────┐ │Service │ │Service │ │ Service │ │API │ │WebUI │ │Xinference │ └────┬───┘ └────┬───┘ └─────┬──────┘ │ │ │ ┌────┴───┐ ┌────┴───┐ ┌────┴──────┐ │Pod x3 │ │Pod x2 │ │Pod x1(GPU)│ │(API) │ │(WebUI) │ │(模型服务) │ └────────┘ └────────┘ └───────────┘4.2 Namespace 和 ConfigMap# namespace.yamlapiVersion:v1kind:Namespacemetadata:name:chatchat---# configmap.yamlapiVersion:v1kind:ConfigMapmetadata:name:chatchat-confignamespace:chatchatdata:basic_settings.yaml:|# 基础配置...model_settings.yaml:|# 模型配置...kb_settings.yaml:|# 知识库配置...4.3 Chatchat API Deployment# chatchat-api.yamlapiVersion:apps/v1kind:Deploymentmetadata:name:chatchat-apinamespace:chatchatspec:replicas:3# 3 个副本selector:matchLabels:app:chatchat-apitemplate:metadata:labels:app:chatchat-apispec:containers:-name:apiimage:chatchat/chatchat:latestports:-containerPort:7861env:-name:CHATCHAT_ROOTvalue:/data/chatchat-name:MODEL_PLATFORMS__0__API_BASE_URLvalue:http://xinference:9997/v1volumeMounts:-name:configmountPath:/app/configsreadOnly:true-name:datamountPath:/data/chatchatresources:requests:memory:2Gicpu:500mlimits:memory:4Gicpu:2000mlivenessProbe:httpGet:path:/healthport:7861initialDelaySeconds:30periodSeconds:10readinessProbe:httpGet:path:/readyport:7861initialDelaySeconds:5periodSeconds:5volumes:-name:configconfigMap:name:chatchat-config-name:datapersistentVolumeClaim:claimName:chatchat-data-pvc---# ServiceapiVersion:v1kind:Servicemetadata:name:chatchat-apinamespace:chatchatspec:selector:app:chatchat-apiports:-port:7861targetPort:7861type:ClusterIP---# HPA 自动扩缩容apiVersion:autoscaling/v2kind:HorizontalPodAutoscalermetadata:name:chatchat-api-hpanamespace:chatchatspec:scaleTargetRef:apiVersion:apps/v1kind:Deploymentname:chatchat-apiminReplicas:3maxReplicas:10metrics:-type:Resourceresource:name:cputarget:type:UtilizationaverageUtilization:70-type:Resourceresource:name:memorytarget:type:UtilizationaverageUtilization:804.4 Xinference GPU Deployment# xinference.yamlapiVersion:apps/v1kind:Deploymentmetadata:name:xinferencenamespace:chatchatspec:replicas:1selector:matchLabels:app:xinferencetemplate:metadata:labels:app:xinferencespec:nodeSelector:accelerator:nvidia# 调度到 GPU 节点containers:-name:xinferenceimage:xprobe/xinference:latestports:-containerPort:9997env:-name:XINFERENCE_HOMEvalue:/data/xinferencevolumeMounts:-name:model-cachemountPath:/data/xinferenceresources:requests:memory:8Gicpu:2000mnvidia.com/gpu:1# 请求 1 张 GPUlimits:memory:16Gicpu:4000mnvidia.com/gpu:1---apiVersion:v1kind:Servicemetadata:name:xinferencenamespace:chatchatspec:selector:app:xinferenceports:-port:9997targetPort:99974.5 Ingress 配置# ingress.yamlapiVersion:networking.k8s.io/v1kind:Ingressmetadata:name:chatchat-ingressnamespace:chatchatannotations:nginx.ingress.kubernetes.io/ssl-redirect:truenginx.ingress.kubernetes.io/proxy-body-size:100mnginx.ingress.kubernetes.io/proxy-read-timeout:300nginx.ingress.kubernetes.io/proxy-send-timeout:300cert-manager.io/cluster-issuer:letsencryptspec:tls:-hosts:-chatchat.yourcompany.comsecretName:chatchat-tlsrules:-host:chatchat.yourcompany.comhttp:paths:-path:/apipathType:Prefixbackend:service:name:chatchat-apiport:number:7861-path:/pathType:Prefixbackend:service:name:chatchat-webuiport:number:85014.6 K8s 运维命令# 部署kubectl apply-fnamespace.yaml kubectl apply-fconfigmap.yaml kubectl apply-fchatchat-api.yaml kubectl apply-fxinference.yaml kubectl apply-fingress.yaml# 查看状态kubectl get pods-nchatchat kubectl get svc-nchatchat kubectl get hpa-nchatchat# 查看日志kubectl logs-fdeployment/chatchat-api-nchatchat# 手动扩容kubectl scale deployment chatchat-api--replicas5-nchatchat# 进入容器排查kubectlexec-itdeployment/chatchat-api-nchatchat -- /bin/bash# 更新镜像滚动更新kubectlsetimage deployment/chatchat-apiapichatchat/chatchat:v2.0-nchatchat五、数据持久化和备份5.1 需要持久化的数据数据存储位置备份策略知识库文件PVC / 对象存储每日增量向量索引Milvus / FAISS每周全量对话记录PostgreSQL每日全量配置文件ConfigMap / Git版本控制模型文件PVC / 对象存储冷备5.2 备份脚本#!/bin/bash# backup.shBACKUP_DIR/backup/$(date%Y%m%d)mkdir-p$BACKUP_DIR# 1. 备份 PostgreSQLkubectlexec-nchatchat deployment/postgres --\pg_dump-Uchatchat chatchat$BACKUP_DIR/db.sql# 2. 备份知识库文件kubectlcp-nchatchat chatchat-api-xxx:/data/chatchat/knowledge_base\$BACKUP_DIR/knowledge_base# 3. 备份 Milvus调用 Milvus 备份 APIcurl-XPOST http://milvus:19530/api/v1/backup\-d{\backup_name\:\backup_$(date%Y%m%d)\}# 4. 上传到对象存储aws s3sync$BACKUP_DIRs3://chatchat-backup/# 5. 清理 7 天前的备份find/backup-typed-mtime7-execrm-rf{}\;六、高可用和灾备6.1 高可用设计┌─────────────────────────────────────────┐ │ 多可用区部署 │ │ │ │ 可用区 A 可用区 B │ │ ┌─────┐ ┌─────┐ │ │ │ API │◄────────►│ API │ │ │ └─────┘ └─────┘ │ │ │ │ │ │ ┌─────┐ ┌─────┐ │ │ │ GPU │ │ GPU │ │ │ └─────┘ └─────┘ │ │ │ │ 共享存储NAS / 对象存储 │ │ 共享数据库RDS / 自建主从 │ └─────────────────────────────────────────┘6.2 灾备策略级别RTORPO方案单点故障分钟级0多副本 健康检查单机故障分钟级0K8s 自动迁移机房故障小时级分钟级多可用区数据误删小时级天级定期备份灾难恢复天级天级异地备份七、CI/CD 流水线7.1 GitLab CI 示例# .gitlab-ci.ymlstages:-build-test-deployvariables:DOCKER_REGISTRY:registry.yourcompany.comIMAGE_NAME:chatchatbuild:stage:buildscript:-docker build-t $DOCKER_REGISTRY/$IMAGE_NAME:$CI_COMMIT_SHA .-docker push $DOCKER_REGISTRY/$IMAGE_NAME:$CI_COMMIT_SHAtest:stage:testscript:-pip install-r requirements-test.txt-pytest tests/deploy-staging:stage:deployscript:-kubectl set image deployment/chatchat-api api$DOCKER_REGISTRY/$IMAGE_NAME:$CI_COMMIT_SHA-n chatchat-stagingonly:-developdeploy-production:stage:deployscript:-kubectl set image deployment/chatchat-api api$DOCKER_REGISTRY/$IMAGE_NAME:$CI_COMMIT_SHA-n chatchatonly:-mainwhen:manual# 需要手动触发八、小结这篇咱们完成了企业级部署✅ Docker Compose 方案多服务编排、负载均衡、数据持久化✅ Kubernetes 方案Deployment、Service、HPA、Ingress✅ 数据备份知识库、向量库、数据库的备份策略✅ 高可用多副本、健康检查、多可用区✅ CI/CDGitLab CI 流水线示例生产部署 checklist□ SSL 证书配置 □ 反向代理和负载均衡 □ 服务健康检查 □ 自动扩缩容 □ 数据持久化 □ 定期备份 □ 日志收集 □ 监控告警 □ 灰度发布 □ 灾备演练你们团队目前用什么部署方案Docker Compose 还是 K8s遇到过什么坑欢迎交流

相关文章:

LangChain-Chatchat 开发与应用(十) 企业级部署方案-Docker-Compose-K8s集群化实践

企业级部署方案:Docker Compose / K8s 集群化实践标签:Docker | Kubernetes | 高可用 | 生产部署 | DevOps一、从"单机玩具"到"生产系统" 前面九篇,咱们从 0 到 1 搭起了 Chatchat,做了二次开发,优…...

LangChain-Chatchat 开发与应用(九) 性能优化实战-从能用到好用的调优之路

性能优化实战:从"能用"到"好用"的调优之路 标签:性能优化 | 并发 | 显存 | 缓存 | 监控 | 调优 一、性能问题的"众生相" 你的 Chatchat 系统是不是遇到过这些情况? 一个人用挺快,三个人同时问就卡…...

观察Taotoken在多模型聚合调用下的稳定性与路由表现

🚀 告别海外账号与网络限制!稳定直连全球优质大模型,限时半价接入中。 👉 点击领取海量免费额度 观察Taotoken在多模型聚合调用下的稳定性与路由表现 1. 引言 在构建依赖大模型能力的应用时,服务的连续性与稳定性是开…...

HDLxGraph:图数据库与LLM在硬件设计中的应用

1. HDLxGraph:当硬件设计遇上图数据库与LLM 在芯片设计领域,硬件描述语言(HDL)如Verilog和VHDL是工程师们将电路构想转化为可执行代码的核心工具。然而,随着现代芯片设计复杂度的爆炸式增长,一个中等规模的…...

单神经元动态记忆机制及其神经形态计算应用

1. 动态记忆的神经实现范式革新在神经科学与类脑计算领域,动态记忆(或称工作记忆)一直被视为认知功能的基础模块。传统理论认为,这种能够短暂保持神经活动状态的功能必须依赖于神经元群体构成的递归网络——通过兴奋性神经元间的相…...

大模型推理优化:激活稀疏性技术解析与实践

1. 大模型推理优化的核心挑战与机遇在自然语言处理领域,大型语言模型(LLM)的推理效率已成为制约其广泛应用的关键瓶颈。以GPT-3 175B为例,单次推理需要约350GB显存和数千亿次浮点运算,这对硬件资源提出了极高要求。传统…...

2026年免费去水印工具哪个好用?免费好用的去水印工具对比推荐

在2026年,无论是自媒体运营者、内容创作者还是普通用户,去水印都是日常高频操作。但面对市场上琳琅满目的去水印工具,要找到一款免费好用的去水印工具着实不易。本文将从多个维度对免费去水印工具对比 2026的各类产品进行详细评测&#xff0c…...

Polar Sparsity技术:提升LLM推理效率的动态稀疏优化

1. 项目概述:Polar Sparsity技术背景与核心价值 在大型语言模型(LLM)推理任务中,计算效率始终是制约实际部署的关键瓶颈。传统稀疏化方法(如权重剪枝或神经元激活稀疏化)虽然在小批量场景下有效&#xff0c…...

UVA12822 Extraordinarily large LED 题解

UVA12822 Extraordinarily large LED 题目描述 Link: https://uva.onlinejudge.org/index.php?optioncom_onlinejudge&Itemid8&category861&pageshow_problem&problem4687 PDF 输入格式 输出格式 输入输出样例 #1 输入 #1 START 09:00:00 SCORE 09:01:05…...

【ChatGPT】锂电卷绕机深度拆解、信息图、爆炸图、C++代码框架

深度拆解信息图...

抖音无水印下载终极指南:douyin-downloader让你轻松保存喜欢的视频

抖音无水印下载终极指南:douyin-downloader让你轻松保存喜欢的视频 【免费下载链接】douyin-downloader A practical Douyin downloader for both single-item and profile batch downloads, with progress display, retries, SQLite deduplication, and browser fa…...

5步搭建私人云游戏服务器:Sunshine游戏串流完全指南

5步搭建私人云游戏服务器:Sunshine游戏串流完全指南 【免费下载链接】Sunshine Self-hosted game stream host for Moonlight. 项目地址: https://gitcode.com/GitHub_Trending/su/Sunshine 你是否曾经想过在客厅电视上玩电脑游戏,或者在平板上继…...

DS4Windows终极指南:如何让PlayStation手柄在Windows上完美运行

DS4Windows终极指南:如何让PlayStation手柄在Windows上完美运行 【免费下载链接】DS4Windows Like those other ds4tools, but sexier 项目地址: https://gitcode.com/gh_mirrors/ds/DS4Windows 想在Windows电脑上畅玩所有游戏,却只有PlayStation…...

Salesforce 扩展“无头”概念至企业数据管理,新架构与系统二季度末或年底推出

分析师提醒分析师表示,此次更新或许能让开发者省去构建 AI 驱动工作流时通常所需的大量集成和定制开发工作,但首席信息官(CIO)们应警惕成本和准确性方面的问题。“无头”概念扩展Salesforce 似乎正致力于“颠覆”企业软件领域。在…...

Jetson Orin AGX INT4 推理优化实践:super 分支从 9 tok/s 到 24 tok/s

Jetson Orin AGX INT4 推理优化实践:super 分支从 9 tok/s 到 24 tok/s 项目地址:https://github.com/luogantt/LLM-inference-engine 本文总结 jetson-orin-agx-super 分支上的一次端侧大模型推理优化实践。目标设备是 Jetson Orin AGX,目…...

Topit:Mac窗口置顶终极指南 - 三步打造高效多任务工作环境

Topit:Mac窗口置顶终极指南 - 三步打造高效多任务工作环境 【免费下载链接】Topit Pin any window to the top of your screen / 在Mac上将你的任何窗口强制置顶 项目地址: https://gitcode.com/gh_mirrors/to/Topit 还在为Mac上频繁切换窗口而烦恼吗&#x…...

7 年评测经验博主发布扫地机器人挑选指南,邀你探讨机器人革命!

评测多款扫地机器人,Matic 脱颖而出博主发布了关于挑选最佳扫地机器人的指南,近期评测了戴森的 Spot & Scrub、鲨客的 Power Detect 以及 Matic。在其 7 年的扫地机器人评测生涯中,Matic 是最有意思的新型扫地机器人。拨开营销迷雾&#…...

ai内容创作团队如何通过taotoken统一管理多个模型的调用

🚀 告别海外账号与网络限制!稳定直连全球优质大模型,限时半价接入中。 👉 点击领取海量免费额度 AI 内容创作团队如何通过 Taotoken 统一管理多个模型的调用 应用场景类,聚焦于 AI 内容生成团队,成员使用不…...

逻辑回归实战:从原理、数值稳定到生产级代码实现

1. 什么是逻辑回归:从医生诊断到快递分拣的真实场景逻辑回归不是教科书里那个干巴巴的“S型曲线”,它是我过去八年带团队做工业质检项目时,每天早上打开监控大屏第一眼就要确认的模型——当产线摄像头拍下第372个电路板,系统在0.8…...

COOT模型详解:视频时序理解与跨模态对齐技术

1. 项目概述:让视频自己“开口说话”的底层逻辑 你有没有遇到过这样的场景:手头有一段3分钟的产品演示视频,需要快速生成一段精准的图文摘要发给客户;或者正在做无障碍内容建设,得为一段教学视频配上符合语义节奏的字幕…...

视频理解新范式:COOT模型实现对象-场景联合建模的视频描述生成

1. 项目概述:让视频自己“开口说话”的底层逻辑你有没有遇到过这样的场景:手头有一段3分钟的产品演示视频,需要快速生成一段精准的图文摘要发给客户;或者在做无障碍内容开发时,得为一段教学视频配上逐帧语义描述&#…...

线性回归实战指南:从建模直觉到生产部署

1. 线性回归:不是公式堆砌,而是建模思维的起点 你打开一份销售数据表,发现广告投入每增加1万元,销售额平均涨了8.3万元;你翻看房屋成交记录,发现面积每多10平方米,总价大概多出65万元&#xff1…...

Claude Mythos:首个具备自主渗透能力的通用AI安全模型

1. 这不是一次普通升级:Mythos 的能力跃迁到底意味着什么 如果你过去三年一直在跟进大模型的演进节奏,大概率会记得2023年Claude 2发布时那种“稳扎稳打”的观感——推理更连贯、长文本更可靠、代码能力有提升,但整体仍属于渐进式优化。2024年…...

机器学习驱动的中微子-核散射截面建模:从数据学习到振荡分析

1. 项目概述与核心价值 中微子物理正步入一个前所未有的“精密测量”时代。像DUNE(深地下中微子实验)这样的下一代长基线实验,目标是将中微子混合参数的测量精度推至百分之一量级。然而,一个长期存在的“拦路虎”限制了这一目标的…...

14101开源难题解榜141期第一题:大规模光网络LLM亲和拓扑理解与决策协同标准化解题框架

开源难题解榜141期第一题:大规模光网络LLM亲和拓扑理解与决策协同标准化解题框架 摘要 本文依照标准化无偏差解题架构,完成黄大年茶思屋141期首道光网络技术难题全流程拆解,依次开展原题复刻、脱敏信息还原、工程需求定义、规范文献引用、基础…...

机器学习赋能粒子物理全局拟合:破解B介子衰变反常之谜

1. 项目概述:当粒子物理遇上机器学习 如果你在粒子物理领域,特别是味物理和超出标准模型(BSM)物理的探索前线工作过,那么对“全局拟合”这个词一定不会陌生。它就像是我们理论家和实验家之间的翻译官,把对撞…...

剪映专业版教程:制作堆排序算法原理演示视频

前言 今天教大家用剪映制作堆排序算法的原理演示视频。堆排序的原理是:先将无序序列构建成一个小根堆(堆顶元素是整个堆中最小的),然后反复取出堆顶元素放到有序序列末尾,再将剩余元素重新调整成小根堆,重…...

14100开源难题解榜141期:5道前沿技术难题完整收录|后续五期分步保姆级落地开源方案

开源难题解榜141期:5道前沿技术难题完整收录|后续五期分步保姆级落地开源方案 摘要 本文完整原样提取黄大年茶思屋难题解榜第141期全部五道硬核技术原题、技术背景、现存痛点、当前技术成果与详细技术诉求,不作内容删减与修改。本篇定为题目抽…...

终极QR码修复指南:三步让损坏的二维码“起死回生“

终极QR码修复指南:三步让损坏的二维码"起死回生" 【免费下载链接】qrazybox QR Code Analysis and Recovery Toolkit 项目地址: https://gitcode.com/gh_mirrors/qr/qrazybox 你是否遇到过这样的尴尬场景?精心打印的会议签到二维码被咖…...

3个步骤让你的Switch Joy-Con在Windows上焕发新生:JoyCon-Driver完全指南

3个步骤让你的Switch Joy-Con在Windows上焕发新生:JoyCon-Driver完全指南 【免费下载链接】JoyCon-Driver A vJoy feeder for the Nintendo Switch JoyCons and Pro Controller 项目地址: https://gitcode.com/gh_mirrors/jo/JoyCon-Driver 你是否曾想过让闲…...