当前位置： 首页 > news >正文

线程池分析与设计

news 2025/8/9 7:56:27

线程池

基本功能接口

C++11 及以后的标准中，std::packaged_task和std::future是并发编程中用于任务封装和结果获取的重要组件，它们通常与线程配合使用，实现异步操作。

std::packaged_task

std::packaged_task：封装可调用对象为异步任务，它是一个模板类，用于封装任何可调用对象（包括函数、lambda、函数对象等），并且它还需要与std::future关联使用，当std::packaged_task被执行时，其中封装的任务也会运行，结果会存储在内部，和这个std::packaged_task关联的std::future可以进行调用。

核心功能
  1. 异步任务封装：将任务（在线程池中每个任务起始就是一个函数）打包起来，让它可以异步执行
  2. 和std::future绑定：因为每一个std::packaged_task()会对应一个std::future,所以在std::packaged_task执行之后，其中的任务也运行了，结果就存储在内部，等待std::future通过get_future()调用.
  3. 执行任务：可以直接通过operator()调用，也可传递给线程执行（std::thread接收std::packaged_task()当参数就行）
简单函数的示例

这里先给出一个简单的小示例，之后会结合线程池进行阐述

#include <future>
#include <thread>
#include <iostream>int add(int a, int b) {return a + b;
}int main()
{// 1、首先需要封装任务-->这里是封装add()，需要一个int做返回值以及两个int参数std::packaged_task<int(int, int)> task(add);// 2、和std::future绑定   异步任务task调用get_future进行绑定std::future<int> f = task.get_future();// 3、在一个线程中执行这个封装好的异步任务std::thread t(std::move(task), 10, 20);// 这里需要强调一下，封装后的异步任务不可复制，只能进行移动，所以再传给线程做参数时，只能使用std::move()// 因为这里是异步执行的，所以主线程可以执行其他任务// 现在获取这个线程中执行的结果// future() 具有唯一性，使用get()获取一次之后，就不能获取第二次了，如果结果没有就绪就阻塞等待结果就绪int res = f.get();	// 现在就可以打印获得的这个结果了std::cout << "res = " << res << std::endl;// 在创建线程之后，必须 join或者detach，否则就会出现错误t.join();return 0;
}

那么接下来是关于std::future获取结果

std::future

用于获取异步操作（线程、任务）执行的结果，可以理解为一种类似于“未来结果的占位符”，因为你启动一个异步线程时，可能无法立即得到结果，但是可以使用std::future对象在未来某个时刻获取结果。

核心功能
  1. 可以通过get()方法获取异步操作得到的结果（返回值），如果在调用get()时，异步操作还未完成，那么就会阻塞当前线程等待有结果产生。
  2. 可以通过valid()判断future是否与一个有效的异步操作关联成功，可以通过wait()阻塞等待结果，也可以通过wait_for()或wait_until()等待指定时长之后返回状态。

上方已经给出了示例用法，都是一样的，这里就不给了，待会直接上线程池相关的示例。

任务入队操作

当有新任务到来时，任务会被添加到任务队列中，这个过程中，需要先获取互斥锁，保证任务队列的线程安全，添加任务后，通过条件变量通知等待的线程有新任务到来。我这里将任务划分成了不带返回值的普通任务和带返回值的任务，其中带返回值的任务使用异步封包的方式进行封装，分别如下：

带返回值的异步任务提交到任务队

步骤：

  1. 通过std::bind()和std::make_shared()创建一个包装了任务的std::package_task
  2. 获取其对应的std::future用于获取任务执行结果
  3. 在临界区内（加锁）将任务添加到任务队列tasks中
  4. 通知一个等待的线程有新任务

以下是线程池提交带有返回值的任务的示例过程

template<typename F, typename... Args>
auto SubmitRetTask(F&& func, Args... args) -> std::future<std::invoke_result_t<F, Args...>> {// 首先定义返回类型auto ret_type = std::invoke_result_t<F, Args...>;// 状态判断if (is_shuntdown_.load() || !is_available_.load()) {// 返回一个控制return std::future<ret_type>();}// 开始封装异步任务auto bind_task = std::bind(std::forward<F>(func), std::forward<Args>(args...));auto task = std::make_shared<std::packaged_task<ret_type>()>(std::move(bind_task));std::future<ret_type> res = task.get_future();{// 在临界区加锁，将任务添加到任务队列中std::lock_guard<std::mutex> lock(task_mutex_);tasks_.emplace([task](){(*task)();});}task_cv_.notify_one();return res;
}// 用到的成员变量
std::queue<std::function<void()> tasks_;	// 任务队列
std::atomic<bool> is_shutdown_;			// 线程是否关闭
std::atomic<bool> is_available_;		// 线程池是否还有效std::mutex task_mutex_;					// 任务锁
std::condition_variable task_cv_;		// 条件变量，用于阻塞任务

不带返回值的普通任务

template<typename F, typename... Args>
void SubmitTask(F&& func, Args... args) {// 终止条件if (is_shutdown_.load() || !is_available_.load()) {return;}// 封装任务auto task = std::bind(std::forward<F>(func), std::forward<Args>(args...));{std::lock_guard<std::mutex> lock(task_mutex_);tasks.emplace([task](){task();		// 调用对应的任务});}// 唤醒一个阻塞中的线程task_cv_.notify_one();
}

所以可以看出，起始线程池中任务的提交过程整体思路都是一致的，只是有返回值的提交上，添加了std::packaged_task与std::future来做异步任务的封装而已。

工作线程取出任务执行过程

在工作线程开启之后，需要去任务队列中取出任务然后执行。主要的过程是，获取互斥锁保证资源的互斥访问，然后检查任务队列是否为空，如果为空，就需要通过条件变量阻塞，等待任务添加进来。获取到任务之后就会执行任务，执行完毕马上继续获取任务，除非线程池停止并且任务队列为空。

主要的过程如下：

  1. 由于每次都会取出一个任务task，每个任务都是一个函数std::function<void()>
  2. 无限循环，一直访问任务队列，直到线程池停止，然后任务队列为空
  3. 取出任务队列中的任务，执行

我的取出任务的接口函数

成员变量信息：

using ThreadPtr = std::shared_ptr<std::thread>;
using Task = std::function<void()>;// 一个线程信息结构体，包含管理线程的智能指针
struct ThreadInfo {ThreadInfo();~ThreadInfo();ThreadPtr ptr{nullptr};
}// 每一个线程的信息都是有一个智能指针来管理
using ThreadInfoPtr = std::shared_ptr<ThreadInfo>;// 线程数组
std::vector<ThreadInfoPtr> work_threads_;

添加线程函数：

void ThreadPool::AddThread() {// 先从任务队列中取出一个任务auto func = [this]() {while (true) {Task task;{// 首先获取互斥锁std::unique_lock<std::mutex> lock(task_mutex_);// 通过条件变量等待条件满足task_cv_.wait(lock, [this](){return is_shutdown_.load() || !tasks.empty();});if (is_shutdown_.load() && tasks.empty()) {return;}// 取出任务task = std::move(tasks.front());tasks.pop();}task();}};// 将取出来的任务封装到线程中添加到线程池ThreadInfoPtr thread_ptr = std::shared_ptr<std::thread>();thread_ptr->ptr = std::make_shared<ThreadInfo>(std::move(func));// 添加到线程池中work_threads_.emplace_back(std::move(thread_ptr));
}

线程池类设计

线程池类负责创建线程池、销毁线程池以及管理线程队列、任务队列以及添加任务或者取出任务执行等操作。

类定义如下：

class ThreadPool{
public:explicit ThreadPool(uint32_t thread_count);// 禁止拷贝线程池ThreadPool(const ThreadPool&) = delete;ThreadPool& operator=(const ThreadPool&) = delete;~ThreadPool();bool Start();	// 启动线程池void Stop();	// 停止线程池// 提交任务，分别有普通任务和带返回值的任务template<typename F, typename... Args>void SubmitTask(F&& func, Args... args) {if (is_shutdown_.load() || !is_available_.load()) {return;}auto task = std::bind(std::forward<F>(func), std::forward<Args>(args...));{std::unique_lock<std::mutex> lock(task_mutex_);// 添加任务tasks.emplace([task](){task();});}// 唤醒一个等待任务的阻塞线程task_cv_.notify_one();}// 提交带有返回值的任务template<typename F, typename... Args>auto SubmitRetTask(F&& func, Args... args) -> std::future<std::invoke_result_t<F, Args...>> {auto ret_type = std::invoke_result_t<F, Args...>;// 检查变量判断是否还能继续if (is_shutdown_.load() || !is_available_.load()) {return std::future<ret_type>();		// 此时需要返回一个空对象}auto bind_task = std::bind(std::forward<F>(func), std::forward<Args>(args...));// 用packaged_task和shared_ptr封装异步任务auto task = std::make_shared<std::packaged_task<ret_type>()>(std::move(bind_task));// 与future绑定std::future<ret_type> res = task.get_future();{std::unique_lock<std::mutex> lock(task_mutex_);tasks_.emplace([task](){(*task)();});}// 唤醒等待线程task_cv_.notify_one();return res;}private:// 增加线程函数void AddThread();// 通过智能指针来管理线程using ThreadPtr = std::shared_ptr<std::thread>;using Task = std::function<void()>;struct ThreadInfo{ThreadInfo();~ThreadInfo();ThreadInfo ptr{nullptr};}using ThreadInfoPtr = std::shared_ptr<ThreadInfo>;std::vector<ThreadInfoPtr> works_threads_;	std::queue<Task> tasks_;std::mutex task_mutex_;std::condition_variable task_cv_;std::atomic<uint32_t> thread_count_;std::atomic<bool> is_shutdown_;std::atomic<bool> is_available_;
}

接口实现

构造与析构

我这里的思路是构造函数初始化一些基本的成员变量，比如thread_count_,is_shutdown_,is_available_就够了，在启动线程池时采取初始化，并且创建线程添加到线程池中，所以构造函数如下：

explicit ThreadPool::ThreadPool(uint32_t thread_count) : thread_count_(thread_count), is_shutdown_(false), is_available(false){}

析构函数和构造函数的思路类似，里面由Stop()这个接口来处理线程池的终止

ThreadPool::~ThreadPool() { Stop();}
Start() 启动线程池和 Stop()终止线程池

Start()负责启动线程池，然后循环创建线程并且添加到容器中

bool ThreadPool::Start() {if (!is_available_.load()) {is_availeable_.store(true);uint32_t thread_count = thread_count_.load();for (uint32_t i = 0; i < thread_count; i++) {AddThread();	// 由这个添加函数完成创建线程并且绑定任务添加到容器中}return true;}return false;
}

Stop()代表线程池停止接口，首先需要将所有相关的成员变量置为停止状态下对应的值，然后停止所有进程，回收所有进程，保证所有进程只join()一次

void ThreadPool::Stop() {if (!is_shotdown_.load()) {return ;}// 将对应的变量置为退出状态is_shutdown_.store(true);is_available_.store(false);// 通知所有线程task_cv_.notify_all();// 回收所有线程for (auto& thread_info_ptr : work_threads_) {if (thread_info_ptr && thread_info_ptr->ptr) {std::thread& t = *thread_info_ptr->ptr;if (t.joinable()) {t.join();}}}// 清空所有线程容器work_threads_.clear();{// 在线程池关闭的时候，还需要将任务队列中的所有任务popstd::lock_guard<std::mutex> lock(task_mutex_);while (!tasks_.empty()) {tasks_.pop();}}
}

取出任务绑定线程然后添加到线程函数 AddThread()

AddThread()这个函数主要是从任务队列中取出任务，然后将其绑定到线程，并且添加到容器中.

void ThreadPool::AddThread() {// 取出任务auto func = [this]() {while(true) {Task task;{std::unqiue_lock<std::mutex> lock(task_mutex_);task_cv_.wait(lock, [this](){return is_shutdown_.load() || !tasks.empty(); });if (is_shutdown_.load() && tasks.empty()) {return;}// 取出任务task = std::move(tasks.front());tasks.pop();}task();}}// 将其封装为线程ThreadInfoPtr thread_ptr = std::make_shared<ThreadInfo>();thread_ptr->ptr = std::make_shared<std::thread>(std::move(func));work_threads_.emplace_back(std::move(thread_ptr));
}

线程池

基本功能接口

C++11 及以后的标准中，std::packaged_task和std::future是并发编程中用于任务封装和结果获取的重要组件，它们通常与线程配合使用，实现异步操作。

std::packaged_task

std::packaged_task：封装可调用对象为异步任务，它是一个模板类，用于封装任何可调用对象（包括函数、lambda、函数对象等），并且它还需要与std::future关联使用，当std::packaged_task被执行时，其中封装的任务也会运行，结果会存储在内部，和这个std::packaged_task关联的std::future可以进行调用。

核心功能
  1. 异步任务封装：将任务（在线程池中每个任务起始就是一个函数）打包起来，让它可以异步执行
  2. 和std::future绑定：因为每一个std::packaged_task()会对应一个std::future,所以在std::packaged_task执行之后，其中的任务也运行了，结果就存储在内部，等待std::future通过get_future()调用.
  3. 执行任务：可以直接通过operator()调用，也可传递给线程执行（std::thread接收std::packaged_task()当参数就行）
简单函数的示例

这里先给出一个简单的小示例，之后会结合线程池进行阐述

#include <future>
#include <thread>
#include <iostream>int add(int a, int b) {return a + b;
}int main()
{// 1、首先需要封装任务-->这里是封装add()，需要一个int做返回值以及两个int参数std::packaged_task<int(int, int)> task(add);// 2、和std::future绑定   异步任务task调用get_future进行绑定std::future<int> f = task.get_future();// 3、在一个线程中执行这个封装好的异步任务std::thread t(std::move(task), 10, 20);// 这里需要强调一下，封装后的异步任务不可复制，只能进行移动，所以再传给线程做参数时，只能使用std::move()// 因为这里是异步执行的，所以主线程可以执行其他任务// 现在获取这个线程中执行的结果// future() 具有唯一性，使用get()获取一次之后，就不能获取第二次了，如果结果没有就绪就阻塞等待结果就绪int res = f.get();	// 现在就可以打印获得的这个结果了std::cout << "res = " << res << std::endl;// 在创建线程之后，必须 join或者detach，否则就会出现错误t.join();return 0;
}

那么接下来是关于std::future获取结果

std::future

用于获取异步操作（线程、任务）执行的结果，可以理解为一种类似于“未来结果的占位符”，因为你启动一个异步线程时，可能无法立即得到结果，但是可以使用std::future对象在未来某个时刻获取结果。

核心功能
  1. 可以通过get()方法获取异步操作得到的结果（返回值），如果在调用get()时，异步操作还未完成，那么就会阻塞当前线程等待有结果产生。
  2. 可以通过valid()判断future是否与一个有效的异步操作关联成功，可以通过wait()阻塞等待结果，也可以通过wait_for()或wait_until()等待指定时长之后返回状态。

上方已经给出了示例用法，都是一样的，这里就不给了，待会直接上线程池相关的示例。

任务入队操作

当有新任务到来时，任务会被添加到任务队列中，这个过程中，需要先获取互斥锁，保证任务队列的线程安全，添加任务后，通过条件变量通知等待的线程有新任务到来。我这里将任务划分成了不带返回值的普通任务和带返回值的任务，其中带返回值的任务使用异步封包的方式进行封装，分别如下：

带返回值的异步任务提交到任务队

步骤：

  1. 通过std::bind()和std::make_shared()创建一个包装了任务的std::package_task
  2. 获取其对应的std::future用于获取任务执行结果
  3. 在临界区内（加锁）将任务添加到任务队列tasks中
  4. 通知一个等待的线程有新任务

以下是线程池提交带有返回值的任务的示例过程

template<typename F, typename... Args>
auto SubmitRetTask(F&& func, Args... args) -> std::future<std::invoke_result_t<F, Args...>> {// 首先定义返回类型auto ret_type = std::invoke_result_t<F, Args...>;// 状态判断if (is_shuntdown_.load() || !is_available_.load()) {// 返回一个控制return std::future<ret_type>();}// 开始封装异步任务auto bind_task = std::bind(std::forward<F>(func), std::forward<Args>(args...));auto task = std::make_shared<std::packaged_task<ret_type>()>(std::move(bind_task));std::future<ret_type> res = task.get_future();{// 在临界区加锁，将任务添加到任务队列中std::lock_guard<std::mutex> lock(task_mutex_);tasks_.emplace([task](){(*task)();});}task_cv_.notify_one();return res;
}// 用到的成员变量
std::queue<std::function<void()> tasks_;	// 任务队列
std::atomic<bool> is_shutdown_;			// 线程是否关闭
std::atomic<bool> is_available_;		// 线程池是否还有效std::mutex task_mutex_;					// 任务锁
std::condition_variable task_cv_;		// 条件变量，用于阻塞任务

不带返回值的普通任务

template<typename F, typename... Args>
void SubmitTask(F&& func, Args... args) {// 终止条件if (is_shutdown_.load() || !is_available_.load()) {return;}// 封装任务auto task = std::bind(std::forward<F>(func), std::forward<Args>(args...));{std::lock_guard<std::mutex> lock(task_mutex_);tasks.emplace([task](){task();		// 调用对应的任务});}// 唤醒一个阻塞中的线程task_cv_.notify_one();
}

所以可以看出，起始线程池中任务的提交过程整体思路都是一致的，只是有返回值的提交上，添加了std::packaged_task与std::future来做异步任务的封装而已。

工作线程取出任务执行过程

在工作线程开启之后，需要去任务队列中取出任务然后执行。主要的过程是，获取互斥锁保证资源的互斥访问，然后检查任务队列是否为空，如果为空，就需要通过条件变量阻塞，等待任务添加进来。获取到任务之后就会执行任务，执行完毕马上继续获取任务，除非线程池停止并且任务队列为空。

主要的过程如下：

  1. 由于每次都会取出一个任务task，每个任务都是一个函数std::function<void()>
  2. 无限循环，一直访问任务队列，直到线程池停止，然后任务队列为空
  3. 取出任务队列中的任务，执行

我的取出任务的接口函数

成员变量信息：

using ThreadPtr = std::shared_ptr<std::thread>;
using Task = std::function<void()>;// 一个线程信息结构体，包含管理线程的智能指针
struct ThreadInfo {ThreadInfo();~ThreadInfo();ThreadPtr ptr{nullptr};
}// 每一个线程的信息都是有一个智能指针来管理
using ThreadInfoPtr = std::shared_ptr<ThreadInfo>;// 线程数组
std::vector<ThreadInfoPtr> work_threads_;

添加线程函数：

void ThreadPool::AddThread() {// 先从任务队列中取出一个任务auto func = [this]() {while (true) {Task task;{// 首先获取互斥锁std::unique_lock<std::mutex> lock(task_mutex_);// 通过条件变量等待条件满足task_cv_.wait(lock, [this](){return is_shutdown_.load() || !tasks.empty();});if (is_shutdown_.load() && tasks.empty()) {return;}// 取出任务task = std::move(tasks.front());tasks.pop();}task();}};// 将取出来的任务封装到线程中添加到线程池ThreadInfoPtr thread_ptr = std::shared_ptr<std::thread>();thread_ptr->ptr = std::make_shared<ThreadInfo>(std::move(func));// 添加到线程池中work_threads_.emplace_back(std::move(thread_ptr));
}

线程池类设计

线程池类负责创建线程池、销毁线程池以及管理线程队列、任务队列以及添加任务或者取出任务执行等操作。

类定义如下：

class ThreadPool{
public:explicit ThreadPool(uint32_t thread_count);// 禁止拷贝线程池ThreadPool(const ThreadPool&) = delete;ThreadPool& operator=(const ThreadPool&) = delete;~ThreadPool();bool Start();	// 启动线程池void Stop();	// 停止线程池// 提交任务，分别有普通任务和带返回值的任务template<typename F, typename... Args>void SubmitTask(F&& func, Args... args) {if (is_shutdown_.load() || !is_available_.load()) {return;}auto task = std::bind(std::forward<F>(func), std::forward<Args>(args...));{std::unique_lock<std::mutex> lock(task_mutex_);// 添加任务tasks.emplace([task](){task();});}// 唤醒一个等待任务的阻塞线程task_cv_.notify_one();}// 提交带有返回值的任务template<typename F, typename... Args>auto SubmitRetTask(F&& func, Args... args) -> std::future<std::invoke_result_t<F, Args...>> {auto ret_type = std::invoke_result_t<F, Args...>;// 检查变量判断是否还能继续if (is_shutdown_.load() || !is_available_.load()) {return std::future<ret_type>();		// 此时需要返回一个空对象}auto bind_task = std::bind(std::forward<F>(func), std::forward<Args>(args...));// 用packaged_task和shared_ptr封装异步任务auto task = std::make_shared<std::packaged_task<ret_type>()>(std::move(bind_task));// 与future绑定std::future<ret_type> res = task.get_future();{std::unique_lock<std::mutex> lock(task_mutex_);tasks_.emplace([task](){(*task)();});}// 唤醒等待线程task_cv_.notify_one();return res;}private:// 增加线程函数void AddThread();// 通过智能指针来管理线程using ThreadPtr = std::shared_ptr<std::thread>;using Task = std::function<void()>;struct ThreadInfo{ThreadInfo();~ThreadInfo();ThreadInfo ptr{nullptr};}using ThreadInfoPtr = std::shared_ptr<ThreadInfo>;std::vector<ThreadInfoPtr> works_threads_;	std::queue<Task> tasks_;std::mutex task_mutex_;std::condition_variable task_cv_;std::atomic<uint32_t> thread_count_;std::atomic<bool> is_shutdown_;std::atomic<bool> is_available_;
}

接口实现

构造与析构

我这里的思路是构造函数初始化一些基本的成员变量，比如thread_count_,is_shutdown_,is_available_就够了，在启动线程池时采取初始化，并且创建线程添加到线程池中，所以构造函数如下：

explicit ThreadPool::ThreadPool(uint32_t thread_count) : thread_count_(thread_count), is_shutdown_(false), is_available(false){}

析构函数和构造函数的思路类似，里面由Stop()这个接口来处理线程池的终止

ThreadPool::~ThreadPool() { Stop();}
Start() 启动线程池和 Stop()终止线程池

Start()负责启动线程池，然后循环创建线程并且添加到容器中

bool ThreadPool::Start() {if (!is_available_.load()) {is_availeable_.store(true);uint32_t thread_count = thread_count_.load();for (uint32_t i = 0; i < thread_count; i++) {AddThread();	// 由这个添加函数完成创建线程并且绑定任务添加到容器中}return true;}return false;
}

Stop()代表线程池停止接口，首先需要将所有相关的成员变量置为停止状态下对应的值，然后停止所有进程，回收所有进程，保证所有进程只join()一次

void ThreadPool::Stop() {if (!is_shotdown_.load()) {return ;}// 将对应的变量置为退出状态is_shutdown_.store(true);is_available_.store(false);// 通知所有线程task_cv_.notify_all();// 回收所有线程for (auto& thread_info_ptr : work_threads_) {if (thread_info_ptr && thread_info_ptr->ptr) {std::thread& t = *thread_info_ptr->ptr;if (t.joinable()) {t.join();}}}// 清空所有线程容器work_threads_.clear();{// 在线程池关闭的时候，还需要将任务队列中的所有任务popstd::lock_guard<std::mutex> lock(task_mutex_);while (!tasks_.empty()) {tasks_.pop();}}
}

取出任务绑定线程然后添加到线程函数 AddThread()

AddThread()这个函数主要是从任务队列中取出任务，然后将其绑定到线程，并且添加到容器中.

void ThreadPool::AddThread() {// 取出任务auto func = [this]() {while(true) {Task task;{std::unqiue_lock<std::mutex> lock(task_mutex_);task_cv_.wait(lock, [this](){return is_shutdown_.load() || !tasks.empty(); });if (is_shutdown_.load() && tasks.empty()) {return;}// 取出任务task = std::move(tasks.front());tasks.pop();}task();}}// 将其封装为线程ThreadInfoPtr thread_ptr = std::make_shared<ThreadInfo>();thread_ptr->ptr = std::make_shared<std::thread>(std::move(func));work_threads_.emplace_back(std::move(thread_ptr));
}

最后，希望自己继续加油，学无止境，还请各位大佬海涵，如有错误请直接指出，我一定会及时修改。如果侵权，请联系我删除~

http://www.dtcms.com/a/321310.html

相关文章：

  • 【设计模式】访问者模式模式
  • Claude Code 实战场景解析：从代码生成到系统重构的典型应用案例
  • 修复C++14兼容性问题 逻辑检查
  • 控制建模matlab练习11：伯德图
  • 数据大集网：重构企业贷获客生态的线上获客新范式​
  • C++信息学奥赛一本通-第一部分-基础一-第2章-第5节
  • 亚马逊 Alexa + 广告整合：智能语音交互重构电商营销范式
  • AI日报 - 2025年08月08日
  • [科普] AI加速器架构全景图：从GPU到光计算的算力革命
  • vue3 map和filter功能 用法
  • 仅需8W，无人机巡检系统落地 AI 低空智慧城市！可源码交付
  • 远期(Forward)交易系统全球金融市场解决方案报告
  • 智能体协同作战：实现工具调用成功率提升47%的架构奥秘
  • 支付宝「安全发-甲方直发」架构详解及与「安全发ISV模式」对比
  • Python训练营打卡Day26-函数专题2：装饰器
  • 可信数据空间（Trusted Data Space）的技术架构概述
  • matplotlib库和seaborn库
  • 深度学习调参技巧总结
  • 5 种简单方法将 Safari 书签转移到新 iPhone
  • 商品期货场外期权系统解决方案：跨境金融科技赋能大宗商品风险管理
  • duxapp 2025-05-29 更新 兼容鸿蒙C-API方案，现在鸿蒙端可以用于生产
  • 中小业务遭遇网络攻击，防护能力不足的解决办法​
  • 滑动窗口与双指针训练
  • 机器学习概念2
  • 数据库冗余设计：平衡性能与一致性的艺术
  • 机器学习-Logistic Regression
  • Android Studio第一个kotlin项目“Hello Android”
  • 解决Ollama外部服务器无法访问：配置 `OLLAMA_HOST=0.0.0.0` 指南
  • 鲸签云解决互联网行业合同管理难题​
  • 北京-4年功能测试2年空窗-报培训班学测开-第七十一天-面试第二天