登录社区云，与社区用户共同成长
邀请您加入社区
本文重磅开源了一套功能完整的IM系统——WebChat，采用Vue3+SpringBoot前后端分离架构，真实复刻微信核心体验。支持单聊群聊、语音录制、朋友圈、文件传输、实时消息推送等企业级特性，并深入剖析了WebSocket+STOMP、JWT+Redis互踢、MediaRecorder录音等高阶实现。
基于SpringBoot的网络商城购物系统，网络商城购物系统围绕系部管理员、会员用户两种角色，主要功能包括首页、公共管理（公告信息，轮播图）信息管理（商城资讯、资讯分类），订单信息、帮助反馈、运营计划、订单列表、分类列表、商品信息、个人资料等功能模块。论文首先介绍了本系统的相关技术，并进行了需求分析，分别给出了系统Web服务器端和移动终端的概要设计、数据库设计和详细设计，实现完成的系统经测试上线，
摘要：本文设计并实现了一个基于Spring Boot框架的校园快递代取系统，采用JAVA语言和MySQL数据库开发。系统分为用户、配送员和管理员三个角色，具备快递订单管理、接单信息处理、送达订单跟踪、代取评价及留言反馈等功能。通过B/S架构实现跨平台访问，具有流畅性高、响应速度快的特点。系统采用三层架构设计（控制层、业务层、持久层），结合Tomcat服务器确保稳定运行。测试结果表明，该系统能有效提
应用模块：前端开发未完成部分主页应用创建、我的应用/精选应用展示应用对话页 SSE 流式输出与网页预览应用管理页（管理员）操作完善菜单可见性与权限提示修复对话历史模块：库表设计相关部分设计并落地表增加游标分页关键复合索引本次任务中我需要将同组同学制作的后端接口，完成相应的前端显示。主要完成的是主页的展示以及应用管理和用户管理。在本次实现过程中，在写好前端页面时与ai的对话一直不能正常实现，并多次出
2026届计算机专业毕业设计推荐采用微信小程序+云开发方案，可有效解决传统毕设的技术断层、部署复杂、答辩效果差等问题。本文提供8个高通过率校园类选题（如二手书交易平台），详细拆解功能模块与云数据库设计，并给出核心代码示例（如模糊搜索云函数）。该方案具有零服务器成本、原生交互体验、开发效率高等优势，配套完整技术文档模板与答辩话术，帮助学生30分钟完成部署，实现代码与论文同步推进。经多校验证，采用此方
Redisson是Redis的一个java客户端，主要提供了分布式锁的实现。其在提供了redis基本操作的同时，还具备其他客户端一些不具备的高精功能，例如：分布式锁+看门狗、分布式限流、远程调用等等。Reddissin的缺点是api抽象，学习成本高。
分布式调度：自动分片、负载均衡弹性调度：服务器宕机自动故障转移定时任务：支持Cron表达式任务监控：运维控制台可视化分布式环境下的任务分片高可用故障转移动态扩缩容完善的监控体系注意事项生产环境建议使用独立ZooKeeper集群注意ElasticJob版本与Spring Boot的兼容性复杂任务建议使用DataflowJob类型。
OpenTelemetry介绍OpenTelemetry是一组标准和工具的集合，旨在管理观测类数据，如 trace、metrics、logs 等。通过标准化不同的应用程序和框架如何收集和发...
本文详细介绍了SpringBoot项目的完整开发流程，涵盖了从环境配置到项目部署的各个环节。现代化技术栈：基于SpringBoot 3.x + Java 17多种ORM框架：同时集成JPA和MyBatis-Plus完善的缓存机制：Redis二级缓存RESTful API设计：统一的响应格式生产就绪配置：包含监控、日志等配置这个项目可以作为学习和企业开发的起点，根据实际需求进行相应的扩展和优化。版权
Mysql我使用的mysql8版本，部署在10.0.3.164服务器上，需要创建一个seata数据库并准备SQL脚本参考seata/script/server/db at 1.4.0 · seata/seata · GitHubNacosnacos我部署到了10.0.3.164这台服务器上中文官网：home从1.4.2版本开始支持从一个Nacos dataId中获取所有配置信息seata部署到10
推荐场景需要分布式锁机制（如秒杀系统）分布式数据共享需求（如全局配置）高并发计数统计（如实时在线人数）延迟任务处理（如订单超时关闭）学习路线掌握基本锁的使用学习分布式集合操作了解集群部署方案研究性能优化策略TIP：本文代码基于Spring Boot 3.x + Redisson 3.23.x，建议使用Redisson官方控制台进行监控。
上一篇，SpringCloudAlibaba篇（六）整合Seata（微服务分布式事务nacos+seata）文章目录前言1、 zipkin下载安装1.1、zipkin下载1.2、zipkin建表语句1.3、zipkin启动2、zipkin整合SpringCloud2.1、添加依赖2.2、修改配置文件2.3、dubbo配置修改2.4、测试前言zipkin官网Zipkin是一个分布式跟踪系统。它有助于
Redission是一个在Redis基础上实现的Java客户端，它不仅提供了对Redis各种数据结构的访问接口，还封装了一系列的分布式系统常用的高级功能，比如分布式锁、原子操作、分布式集合、发布订阅消息队列等Redission旨在简化Java应用与Redis服务之间的交互，使得Java开发者能够更加方便地使用Redis提供的各种功能基础与扩展：Redis是基础的数据存储服务，而Redission是
本文深入解析Spring Boot 3.2性能优化全链路方案，涵盖启动优化、运行时加速、数据库访问提速等六大核心模块。通过电商系统、物联网平台、金融交易系统三大高并发场景的实战案例，详解线程池配置、JVM参数调优、SQL执行计划优化等15项关键技术，助您实现平均响应时间从300ms降至150ms以下，系统吞吐量提升3倍的工业级优化效果。
本文介绍了一个基于SpringBoot框架开发的社区便民服务平台，采用B/S架构，整合了Java、Vue.js和MySQL等技术栈。系统面向社区居民、企业、医护人员和维修工等多类用户，提供商品购买、物业报修、健康体检、文娱预约等一站式服务。通过详细的需求分析和UML用例设计，实现了包括用户管理、订单处理、报修跟踪等15个核心功能模块。系统采用前后端分离架构和RESTful接口，数据库设计遵循规范化
在实际业务开发中，调度任务（Scheduled Task）扮演着重要角色，例如：定时同步第三方数据；定时清理过期缓存或日志；定时发送消息或报告。Spring Boot 提供了非常方便的@Scheduled注解，可以轻松实现定时任务。但在分布式环境下（多个服务实例同时运行），调度任务经常会遇到重复执行任务一致性丢失任务抢占失败等问题，轻则数据重复，重则业务异常。本文将结合实际案例，深入剖析这些坑，并
ruoyi-ai —— 全栈式 AI 开发平台，支持多智能体协同、Supervisor 模式编排、多种决策模式、RAG 技术和流程编排能力，旨在帮助开发者快速构建和部署个性化的 AI 应用。
本文为 Spring AI 实战系列第十八课，聚焦 Java 开发者 AI 转型，详解ReAct 架构与 AI Agent 智能体核心原理。通过挂载天气、计算器、邮件多工具，实现大模型自主拆解任务、动态决策、多工具协同调用。剖析 Spring AI 底层递归执行机制，演示 Agent 异常自省修复能力，同时指出生产级 Agent 短板，预告 MCP 协议进阶内容，助力 Java 开发者快速掌握智能
本文为 Java 开发者 AI 转型第十五课内容，详解 Spring AI 两款核心 RAG 顾问组件。讲解 QuestionAnswerAdvisor 快速实现基础知识库问答、自定义 Prompt 模板，深入剖析 RetrievalAugmentationAdvisor 模块化企业级 RAG 引擎，拆解八大执行流程。结合源码与实战案例，演示 RAG 全链路闭环实现，还讲解记忆 + RAG 组合方
本文为 Java 开发者 AI 转型第十四节内容，基于 Spring AI 结合 Redis 向量库，详解 RAG 核心检索召回与相似度检索实战。讲解 Top-K、相似度阈值、元数据过滤三大核心参数，完成文档自动化入库、精准检索代码实操，重点剖析 Redis 元数据索引失效致命坑，梳理 RAG 检索常见问题与优化方案，助力开发者落地企业级向量检索业务。
本文介绍了一个基于B/S架构的班级回忆录系统设计。系统采用浏览器/服务器结构和Web服务模式，支持互联网环境下随时访问。主要内容包括：1）系统架构设计，采用B/S模式；2）数据库设计，包含管理员、用户、班级等12个数据表及其E-R关系图；3）功能模块实现，展示管理员模块（用户管理、班委管理、班级信息管理）和用户模块（班委注册、班级信息维护、加入班级）的操作界面。系统通过完善的数据库设计和模块化功能
本文介绍了一个基于B/S架构的大学城水电管理系统设计方案。系统采用B/S结构和Web服务模式，支持互联网环境下随时随地的访问。文章重点阐述了系统结构、数据库设计和功能模块实现：1) 系统采用分层架构，包含管理员和用户两大角色；2) 数据库设计包括18张核心表，涵盖设备管理、维修保养、报表统计等功能；3) 实现了领用设备管理、消耗设备管理、设备申请审核等管理员功能模块，以及设备申请、状态汇报、用户反
本文介绍了AI健康分析报告生成系统的多阶段流程架构，包括数据聚合、提示词构建、大模型调用等核心环节。系统通过分层参数验证、结构化提示词设计和多维度健康数据融合，确保分析报告的专业性和准确性。关键技术实现包含双策略健康等级提取、API调用异常处理机制和优化数据存储方案。系统采用模块化设计，支持饮食、运动等5个维度的数据分析，并通过缓存、重试等机制提升性能和稳定性。未来计划引入更智能的提示词优化和数据
这篇文章详细记录了从零开始开发中国历史地理电子地图网站的全过程。作者首先明确了项目目标——打造中文版历史地理地图网站，参考哈佛大学经典案例。文章详细拆解了四大功能模块：主地图展示区、图层控制栏、搜索定位区和顶部操作栏。技术栈采用Java+SpringBoot后端、Vue前端、PostgreSQL+PostGIS空间数据库的架构。重点介绍了GIS数据处理流程：从哈佛CHGIS获取开源数据集，通过QG
本文介绍了基于SpringBoot+Vue的在线考试系统开发方案。系统采用前后端分离架构，后端使用SpringBoot框架简化配置并集成Tomcat服务器，前端采用Vue.js实现组件化开发。数据库选用MySQL关系型数据库确保数据安全。文章详细说明了系统设计原则、技术选型理由，并提供了功能演示、代码片段和测试用例。此外，还包含毕设选题推荐和源码获取方式。该系统具有界面友好、响应快速、安全性高等特
本文介绍了一个基于SpringBoot+Vue的小说阅读平台系统开发方案。系统采用前后端分离架构，后端使用SpringBoot框架简化配置并集成Tomcat服务器，前端采用Vue.js实现组件化开发。数据库选用MySQL确保数据安全性和高并发处理能力。文章详细说明了系统功能演示、技术选型、代码结构（包括商品服务实现类）、测试用例以及项目获取方式，为开发者提供了完整的参考实现方案。系统设计遵循用户体
本文深入讲解 LangChain4j 在 Java 中构建 AI 应用的核心能力，涵盖大模型接入、AiService 高阶封装、聊天记忆管理、RAG 检索增强生成、工具调用及 MCP 协议集成。特别聚焦 Spring Boot 场景下，@Tool 注解与 CGLIB 代理冲突问题，详细剖析原因并提供两种实用解决方案：强制启用 JDK 动态代理或改用 @AiService 注解。通过丰富代码示例，从
本文详细介绍了AI作文智能评阅系统的后端实现方案。系统采用三层架构设计，包含高考标准的三维度评分体系（内容、表达、发展等级），通过精心设计的Prompt工程优化AI评阅质量，并实现JSON解析容错机制确保稳定性。数据库使用MongoDB存储完整的评阅记录，支持历史追溯。系统具有结构化评分、智能建议、容错解析等核心优势，采用Builder模式、策略模式等设计模式，实现了高内聚低耦合的模块化设计，为高
通过以上讲解，我们可以得知 每个用户其实对应都是去找tomcat线程池中的一个线程来完成工作的， 使用完成后再进行回收，既然每个请求都是独立的，所以在每个用户去访问我们的工程时，我们可以使用threadlocal来做到线程隔离，每个线程操作自己的一份数据。原文链接：https://blog.csdn.net/chan12345678910/article/details/150496902。log
摘要 本文针对计算机专业毕业设计答辩中普遍面临的"创新点不足"问题，提出了一套**"3帧创新框架法"**，帮助学生系统性地构建答辩亮点。框架包含： 技术栈组合创新：通过"痛点-技术-效果"逻辑链，展示技术选型的针对性优化； 业务场景差异化：在垂直领域挖掘特有规则，用专属数据模型和流程体现场景理解； 工程实践优化：以代码规范、自动化测试等工
Spring Boot 3.x 与 Spring AI 的集成方式同步与流式对话的实现多模型支持的配置方法企业级应用的注意事项AI 大模型正在改变软件开发方式，掌握这些技能能让你的项目更具竞争力。赶紧动手试试吧！关注我，获取更多 Java & AI 技术干货！
本系统是一款基于Spring Boot框架开发的高考生智能配餐平台，旨在为高考生提供个性化、科学的饮食建议和服务。系统以为关键字，通过整合营养学知识、饮食计划制定算法以及用户行为数据分析等技术，实现智能化、定制化的配餐服务。系统首先收集了大量的食材营养数据和高考生饮食需求信息，通过数据深入分析，建立了科学的营养配餐模型。用户只需输入个人的基本信息、饮食习惯和偏好，系统即可根据算法生成个性化的饮食计
本文介绍了Spring AI Alibaba Chat Example项目的技术架构与核心原理。该项目通过Spring AI统一抽象层实现多模型无缝接入，支持阿里云DashScope、Ollama等多种大语言模型服务。项目基于Spring Boot 3.x构建，采用分层设计：底层通过ChatModel接口对接不同供应商API，上层通过ChatClient提供流畅的编程接口，支持同步/异步调用和流式
本文介绍了如何在Spring Boot应用中集成国产图数据库HugeGraph。HugeGraph具有高性能、可扩展性和多存储后端支持等优势，适用于社交网络分析、知识图谱等场景。文章详细讲解了技术栈选型（Spring Boot 3.2.0+HugeGraph 0.12.0+TinkerPop 3.5.0）、环境搭建步骤、核心配置与连接管理方案，以及数据模型设计方法。通过配置HugeGraph客户端
本文介绍了Mem0（Memory for AI Agents），这是一个为AI智能体设计的长期记忆层系统。Mem0通过语义理解和分层存储机制，使AI能够记住用户信息、偏好和对话历史。相比普通数据库或RAG技术，Mem0具有三大优势：存储提取后的语义事实而非原始文本、支持三维隔离（用户/智能体/会话）、采用向量+图双引擎存储。 技术架构上，Mem0由Spring Boot应用、Mem0 Server
这篇文章介绍了基于Spring Boot响应式编程和Spring AI 1.1.4的流式AI应用开发实践。主要内容包括： 响应式编程优势：对比传统阻塞式编程，分析响应式编程在资源利用率、并发能力和用户体验方面的优势，特别适合AI应用场景。 技术实现核心：详细讲解Reactor模型（Mono/Flux）、响应式执行流程和线程模型比较，提供完整的项目依赖配置和yml配置示例。 实战开发指南：展示流式对
本文深入解析了SpringMVC的执行流程，主要分为三个部分： 核心入口DispatcherServlet的doDispatch方法，展示了请求处理的完整流程，包括获取处理器链、适配器、执行拦截器和控制器方法等关键步骤。 服务器启动时的初始化过程，详细追踪了从Servlet初始化到九大组件初始化的源码链路。 重点解析了获取处理器执行链HandlerExecutionChain的过程，说明如何通过H
Harness层是Agent的核心控制平面，相当于Agent的操作系统内核，所有的请求调度、资源编排都经过这一层，标准的Agent架构如下：fill:#333;important;important;fill:none;color:#333;color:#333;important;fill:none;fill:#333;height:1em;用户端Harness调度层记忆层大模型推理层工具服务层
bootstrap 模块就像是项目的 “启动引擎”，作为应用启动入口，负责启动和装配。以一个电商项目为例，在项目启动时，bootstrap 模块首先被加载，它会读取项目的配置文件，如 application.properties 或 application.yml，获取数据库连接信息、服务器端口等配置参数。然后，它会创建 Spring 应用上下文，初始化各种 Bean，包括数据源、事务管理器等基础
本文介绍了一种全栈开发中前后端分离项目的简便部署方案。通过Vite的代理机制和cpolar工具，实现只暴露前端到公网，后端保持在本地，避免购买云服务器和复杂配置。具体步骤包括：1)准备Spring Boot+Vue3演示项目环境；2)启动前后端项目并测试连通性；3)利用Vite的proxy解决跨域问题；4)使用cpolar将前端映射到公网。该方案既保证了后端安全性，又降低了部署成本，适合快速演示和
调用云服务商API（如AWS/Azure）管理算力节点，设计资源分配算法时需考虑负载均衡。算力规格配置（CPU/GPU/TPU选项）、实时算力监控（使用率/温度可视化）、算力租赁管理（按小时/天计费）、算力资源动态调度（自动分配最优节点）。商品分类展示（多级树形结构）、商品搜索（关键词/分类筛选）、商品详情页（参数、图片、AI算力规格说明）、商品评价系统（评分与评论）。
spring boot
——spring boot
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
AtomGit开源社区
openEuler 社区
深开鸿 技术专区
2048 AI社区
龙虾开发者社区
