他来了他来了，停了快2个月了终于又开始更新文章啦，这次带来的绝对是干货！！！。由于公司项目进行重构的时候考虑到，OpenFeign做为服务通信组件在高并发情况下有一定的性能瓶颈，所以将其替换为更高性能的通信组件Grpc，Grpc也是业界比较流行的服务通信组件，底层采用HTTP/2进行网络通信性能上高于基于Http/1.1的OpenFeign。我将把Grpc的整合过程整理成文字分享给大家，喜欢请三连

通过上面的 route 配置，会将 app_db.orders 表的结构和数据同步到 ods_db.ods_orders 中。这样，就可以将诸如 app_db.order01、app_db.order02、app_db.order03 的表汇总到 ods_db.ods_orders 中。参考：https://nightlies.apache.org/flink/flink-cdc-docs-rel

使用AI几乎成为互联网工作者必备技能了，DeepSeek的出现把AI再次推向高潮，在本文中，我们将带领大家借助 Ollama、WebUI 和 deepseek 这三个工具，成功搭建属于自己的本地大模型环境。Ollama 作为一款轻量级的大模型运行工具，为模型在本地的运行提供了坚实的基础；WebUI 则为我们打造了直观便捷的用户交互界面，让操作更加简单易懂；而 deepseek 作为一款优秀的大模型

本文主要介绍了深度学习基础，包括机器学习、深度学习的概念，机器学习的两种典型任务分类任务和回归任务，机器学习中的基础名词解释以及模型训练的基本流程等。深度学习和机器学习最大的区别是深度学习引入了神经网络，神经网络的构建是通过模拟人类神经元之间的信息传递过程。人体大脑学习过程是通过感觉器官接收外界刺激信息，如视觉、听觉、触觉等，这些信息转化为神经信号传递到大脑，神经信号在神经元之间通过突触进行传导。

在人工智能技术迅猛发展的今天，大型语言模型(LLM)已成为推动技术创新的核心引擎。从ChatGPT到Gemini，从Claude到文心一言，这些强大的AI模型正在重塑我们与计算机交互的方式，也为开发者提供了前所未有的机遇。然而，如何将这些前沿技术真正落地到实际应用中，构建出真正智能、实用的AI代理(Agent)，仍是许多开发者面临的挑战。Java作为企业级应用开发的主流语言，在全球拥有庞大的开发者

本篇文章介绍了RAG的优势和必要性，通过搭建PGVector本地向量数据库，使用Langchain4j创建RAG知识库的全过程。如果文章对你有帮助请一定三连哦，你的鼓励是我最大的动力！！！

可能我们都用过三方的大模型如：文心一言，通义千问等的文生图/语音/视频的功能，当我们输入需求大模型就可以根据我们的需求生成对应的图片或者视频。那么在你的项目中可能也会有这样的需求，我们一起来看看如何实现它。好吧文章到这结束，本文介绍了如何通过百炼大模型实现文生图/文生视频等，其实学到这里你时候已经有想法搭建自己的大模型平台了呢？实现一套用户系统，开发一套UI界面，对接自己的大模型或者三方大模型实现

前面我们介绍了基于硅基流动训练私有大模型《10分钟教你微调自己的私有大模型》，该平台有三个不好的点就是可选的模型有限，训练时间需要排队等待耗时长，另外还要 给钱。今天我们换一个平台，使用：魔搭平台 + llamaFactory训练私有模型。平台会赠送服务器时长这样我们就可以不用花钱就可以训练自己的大模型了(学习使用)

千呼万唤始出来，太忙了太忙了，本次带来腾讯云COS对象存储。也是因为搞项目正好用到COS，所以就记录下来，希望对大家有所帮助。

快一个月没有更新文章了，太忙了太忙了，虽然慢了一点，但是我肯定不会断更。上一篇文章是《Mysql主从复制》，光是数据库层面的主从复制可不行，应用层面也是需要读写分离的，所以接上一篇文章我们来讲如何通过Sharding-JDBC实现应用读写分离。