编程范儿 编程范儿
3年前
博客接入谷歌广告(Google Ads)
随着博客的流量越来越大,成功申请到了谷歌平台的广告流量主。对于广告平台的选择,个人觉得谷歌的广告在设计上简洁清爽,广告类型可以根据自己的爱好进行选择,比较适合我。另外国内的也有比较合适的可以选择比如阿里妈妈,百度联盟等。可以看到我的博客文章中间已经成功嵌入了谷歌广告,整个申请过程也很简单。首先到注册账号,如果有谷歌其他账号可以直接同步。有了账号之后,登入
浩浩 浩浩
4年前
面试官:给你了十分钟,讲出实现 Router 框架的原理
Android开发中,组件化,模块化是一个老生常谈的问题。随着项目复杂性的增长,模块化是一个必然的趋势。除非你能忍受改一下代码,就需要十几分钟的漫长阅读时间。模块化,组件化随之带来的另外一个问题是页面的跳转问题,由于代码的隔离,代码之间有时候会无法互相访问。于是,路由(Router)框架诞生了。目前用得比较多的有阿里的ARouter,美团的WM
捉虫大师 捉虫大师
4年前
Cobar SQL审计的设计与实现
本文已收录https://github.com/lkxiaolou/lkxiaolou欢迎star。背景介绍Cobar简介Cobar是阿里开源的一款数据库中间件产品。在业务高速增长的情况下,数据库往往成为整个业务系统的瓶颈,数据库中间件的出现就是为了解决数据库瓶颈而产生的一种中间层产品。在软件工程中,没有什么问题是加一层中间层解决不了的,如果有,再
Stella981 Stella981
3年前
2019 斗鱼java面试笔试题 (含面试题解析)
  本人5年开发经验、18年年底开始跑路找工作,在互联网寒冬下成功拿到阿里巴巴、今日头条、斗鱼等公司offer,岗位是Java后端开发,因为发展原因最终选择去了斗鱼,入职一年时间了,之前面试了很多家公司,感觉大部分公司考察的点都差不多,趁空闲时间,将自己的心得记下来,希望能给正在找或者准备找工作的朋友提供一点帮助。  下面提的问题可以看下你自
Easter79 Easter79
3年前
TOP100summit:【分享实录
王洋:猫眼电影商品业务线技术负责人、技术专家。主导了猫眼商品供应链和交易体系从0到1的建设,并在猫眼与美团拆分、与点评电影业务融合过程中,从技术层面保障了商品业务的平稳切换,同时也是美团点评《领域驱动设计》课程的讲师。在加入猫眼电影之前,曾就职于蚂蚁金服,参与了阿里网商银行从0到1的建设,以及支付宝钱包、花呗等产品的研发。导读:互联网电影行业在2016年
可莉 可莉
3年前
2019 巨人网络java面试笔试题 (含面试题解析)
本人3年开发经验、18年年底开始跑路找工作,在互联网寒冬下成功拿到阿里巴巴、今日头条、巨人网络等公司offer,岗位是Java后端开发,最终选择去了巨人网络。面试了很多家公司,感觉大部分公司考察的点都差不多,所以将自己的心得记下来,希望能给正在找或者准备找工作的朋友提供一点帮助。另外,目前在巨人网络也做面试官的工作,身份从求职者变为面试官,看
Stella981 Stella981
3年前
509道Java面试题解析:2020年最新Java面试题
《Java面试全解析》是我在GitChat发布的一门电子书,全书总共有15万字和505道Java面试题解析,目前来说应该是最实用和最全的Java面试题解析了。我本人是2009年参加编程工作的,一路上在技术公司摸爬滚打,前几年一直在上海,待过的公司有360和游久游戏,因为自己家庭的原因,放弃了阿里钉钉团队的offer回到了西
Stella981 Stella981
3年前
B站的“前浪” idol,为快手喊了一声“奥利给”
我是在B站的“土味视频”中看到“奥利给”,阿里的朋友前阵子频繁发我看奥利给,这位自称是“朝阳怪鸽”的快手主播,脸型和说话都像我们的一位共同朋友。没有青春,没有MCN机构资源,所以许多快手主播,为了博出位,几乎是不疯癫不成活。我不玩快手,因为自己和太太都是农村出来的,农村有根,也在湖南几处乡村做助学,我们深知快手上许多主播背后的乡土辛酸,生活不易。
Stella981 Stella981
3年前
2019 巨人网络java面试笔试题 (含面试题解析)
本人3年开发经验、18年年底开始跑路找工作,在互联网寒冬下成功拿到阿里巴巴、今日头条、巨人网络等公司offer,岗位是Java后端开发,最终选择去了巨人网络。面试了很多家公司,感觉大部分公司考察的点都差不多,所以将自己的心得记下来,希望能给正在找或者准备找工作的朋友提供一点帮助。另外,目前在巨人网络也做面试官的工作,身份从求职者变为面试官,看
DeepSeek-R1满血版性能飙升四倍,成本大降,竟是因为……
近日,天翼云DeepSeek模型推理技术迎来重大升级!该技术不仅支撑DeepSeekR1满血版模型实现性能的四倍提升,更将大规模部署模型的成本降至原来的25%以下,为AI应用落地铺就更为宽广的道路。