译者注：作者揭示了近些年来出现了越来越多的数据源，如何将这些数据源进行连接是一个比较困扰的话题，本文就这个话题，根据调查的结果展开了描述。以下为译文。 第四届年度全球调查显示了当前数据的使用趋势，以及如何将SaaS、RDBMS、NoSQL和大数据这些数据源连接起来的挑战。 上周，Progress发布了一项调查，该调查显示，越来越多的企业采用了大数据，SaaS数据源呈现出了爆炸式的增长，关系型数据库正在持续被使用，以及NoSQL也正在逐渐被采用。那些接受调查的回答者们称，他们面临的最大挑战就是持续增长的数据源
Hyperledger Fabric 是一个开源的区块链框架，可以用来创建私有区块链（许可区块链）业务网络，在网络中每个成员的身份和角色都被其他成员所知。
抽奖活动是许多公司年会上的传统节目之一。通过抽奖，员工们有机会赢得各种奖品，增加了活动的乐趣和参与度。在这篇文章中，我们将使用 Python 编写一个简单而实用的抽奖程序，帮助你轻松地进行抽奖活动。
ThingsBoard 是一个备受瞩目的开源物联网平台，其优秀的性能和高效的性能得到了广大开发者的认可。ThingsBoard 是用于数据收集、处理、可视化和设备管理的开源物联网平台。它通过行业标准的物联网协议 - MQTT、CoAP 和 HTTP 实现设备连接，并支持云和本地部署。Thingsboard 具有可伸缩性、容错性和性能优越的特点。
从高层次开始，OAuth 不是API或服务：它是授权的开放标准，任何人都可以实施它。
DFMEA是现代企业中非常重要的一项管理工具，它有助于发现和预防产品或服务中的潜在缺陷。然而，即使进行了DFMEA分析，也不一定能够保证在整个组织中有效地传递和执行这些分析结果。那么，如何确认DFMEA的传递是有效的呢？天行健表示：
以前在非人类动物中观察到的唤醒过程背后的神经激发模式的离线“重播”被认为是记忆巩固的一种机制。布朗大学(Brown University)，麻省总医院(Massachusetts General Hospital)等研究小组的人员通过记录两名参与者的运动皮层的尖峰活动来测试人脑的重播，这两名参与者的大脑皮质接口微电极阵列作为脑机接口试点临床试验的一部参与者在玩一个神经控制的序列复制游戏之前和之后都要打个盹，这个游戏包含一个“重复”的序列与不同的“控制”序列稀疏地交织在一起。与学习一致，两个参与者都比控制序列更准确地执行了重复序列。研究人员将在执行每个序列时导致光标移动的触发率模式与两个休息时间段的触发率模式进行比较。与控制序列相比，与重复序列的相关性在任务休息前后增加得更多，这为大脑中与学习相关的回放提供了直接证据。
继上次Spring For All 社区改版后，大家思量着，如何将大家的Spring 知识得到真正的分享与碰撞，以此同时，也能结交到更多志同道合的技术人？
我最喜欢设计和构建的东西，就是作业编排。我乐于设想软件的每个组成部分是如何构成一幅宏大的图景，系统在高负载或者系统失败等各种不同的场景下如何产生反馈。
随着云原生与微服务技术的逐步发展，业界也逐步构建出一整套比较完整的微服务技术体系。 面向云原生时代，微服务架构是从业人员绕不开的一个话题，腾讯云AI&腾讯优图的内容风控安全审核能力也与微服务技术息息相关。 本文总结了业内最新的技术沉淀，从相对宏观的角度去讲述微服务的问题域与挑战点，并深入细节讲述一些微服务关键技术，包括微服务拆分微服务间通信机制，分布式事务微服务，可观测安全性等。 目前微服务还在不断发展中，有很多技术还未发展到成熟阶段，希望本文能够帮助大家拥有基本的了解。 01.什么是云原生 上图是CNC
TCC方案是可能是目前最火的一种柔性事务方案了。关于TCC（Try-Confirm-Cancel）的概念，最早是由Pat Helland于2007年发表的一篇名为《Life beyond Distributed Transactions:an Apostate’s Opinion》的论文提出。在该论文中，TCC还是以Tentative-Confirmation-Cancellation命名。正式以Try-Confirm-Cancel作为名称的是Atomikos公司，其注册了TCC商标。
GraphQL 由于其灵活性和高效性，已经成为构建 API 的热门选择。当与 React.js 结合使用时，这个强大的 JavaScript 库为创建动态、响应式的 Web 应用程序打开了无限的可能性。在本指南中，我们将介绍如何将 GraphQL 无缝集成到您的 React.js 项目中。
Mark Rakhmilevich是Oracle公司区块链产品管理的高级总监。他致力于Oracle区块链云服务，并指导企业、isv和SIs构建区块链应用程序，并将企业系统集成到这个平台上。 与企业区块
我为什么要写这篇文章？在了解区块链相关信息时（例如维基百科上的内容），我发现这些内容非常零碎和不连贯。要把这些零碎的信息整合在一起，形成一个完整的视图需要花费大量的时间。不过现在，我想我已经知道在引入区块链时要使用哪些东西，以及应该按照怎样的顺序来了解它们，以便让开发人员能够在 1 到 1.5 小时内看到完整的视图。本文内容经过一定程度的简化，如果有人对更复杂的细节感兴趣，可以继续深入探讨。
AI诞生之初，很长一段时间都停留在个体智能阶段，即面向“识别出图像中的内容”、“听懂一段语音”、“预测蛋白质的3D结构”这类目标单一的任务。
Google Wave的设计初衷是让人们互相发送信息，一起编辑文档，但用户对此感到困惑，很快就以失败告终。Google Wave持续了大约一年时间，于2010年8月被关闭。
我们为什么在这里？我存在的目的是什么？我应该运动还是休息并节省能量？早起上班或晚起并整夜工作？我应该将炸薯条和番茄酱或蛋黄酱一起吃吗？
距离首次从人脑中解码语言至今已有十年之久，但解码语言的准确性和速度仍然远远低于自然语言。本研究展示了一种通过解码皮层脑电获得高准确率、高自然程度语言的方法。根据机器翻译的最新进展，我们训练了一个递归神经网络，将每个句子长度下诱发的神经活动序列编码为一个抽象的表达，然后逐字逐句地将这个抽象表达解码成一个英语句子。对每个参与者来说，数据包括一系列句子（由30-50个句子多次重复而来）以及约250个置于大脑皮层的电极记录到的同步信号。对这些句子的解码正确率最高可以达到97%。最后，本研究利用迁移学习的方法改进对有限数据的解码，即利用多名参与者的数据训练特定的网络层。本研究发表在Nature neuroscience杂志。
事务是计算机应用中不可或缺的组件模型，它保证了用户操作的原子性 ( Atomicity )、一致性 ( Consistency )、隔离性 ( Isolation ) 和持久性 ( Durabilily )。
可互操作媒体服务框架（The Framework for Interoperable Media Services, FIMS）是一个定义关于如何使用SOA架构构建媒体系统的标准的项目。 使用FIMS架构可以提供传统架构所缺少的灵活性，高效率和可扩展性。FIMS是由AMWA和EBU共同管理的特别工作组。FIMS 1.0版本在2012年最初被提出，目前仍在持续进行更新和迭代。FIMS2.0与时俱进，通过媒体云和微服务进行服务模型重构和提升，正在加速推进。
在当今快速发展的技术环境中，虚拟交流已经成为新的常态。虚拟现实（VR）和增强现实（AR）的出现彻底改变了用户会面和聚集的方式。随着视频会议（VC）软件的广泛采用，远程通信变得比以往任何时候都更加简便和易于访问。AR和VR环境提供了更沉浸式的体验，使用户可以在虚拟世界中感受到身临其境的感觉。这带来了更加引人入胜和有意义的体验，有助于更好地协作和构思。此外，AR/VR环境为用户提供了更高级别的环境控制，允许用户根据自己的需求自定义周围环境。在VR中，与朋友一起看电影、玩游戏、共同设计规格、在相隔数百英里的情况下在白板上协作，这都是真实的可能性。彼此之间的互动从未如此轻松。
原文地址：https://dzone.com/articles/elasticmq-070-long-polling-non
本篇博客介绍 Remote Call-In 集成模式，一言以蔽之：此种模式用于存储在Lightning Platform中的数据由远程系统创建、检索、更新或删除 先说一下针对 salesforce的 callout 以及 call in 。 简单的来说, callout就是 salesforce call外部系统。 Call in 就是外部系统 call salesforce。此模式用于 外部系统 call salesforce的场景。
form 参数，描述 Content-Type of application/x-www-form-urlencoded 和 multipart/form-data 的请求报文body的参数
图灵奖得主Silvio Micali的基础区块链平台，带着数百位内测活跃用户正式对公众开放测试网
工业4.0即第四次工业革命: 由自动化和数据驱动的下一阶段工业发展。它是物联网、工业物联网、大数据、云计算、网络物理系统、人工智能和机器学习等各种技术的统称。预计这些技术将导致下一代工厂被称为“智能工厂”，其中机器(“智能资产”或“智能机器”)应能够彼此“交谈”并“独立做出决定”基于他们收集和交流的数据对人的影响。这将减少浪费，缩短生产时间，并有助于实现成本效益和质量。
原文链接 / https://webrtchacks.com/how-does-azure-communication-services-implement-webrtc-gustavo-garcia/
作者 | Gunnar Morling 译者 | 张卫滨 核心要点 Saga 能够实现长时间运行的、分布式的业务事务，这样的事务会跨多个微服务执行一组操作，实现一致的全有或全无的语义。 为了实现解耦，微服务之间的通信最好按照异步的方式来进行，比如借助 Apache Kafka 使用分布式的提交日志。 发件箱模式为服务作者提供了一种解决方案，能够让他们在本地数据库执行写入，同时通过 Apache Kafka 发送消息，避免依赖不安全的“双重写入（dual writes）”。 Debezium 是一个分布式
作为智力的中心，运动的策划者以及我们感官的歌喉，大脑不仅仅是一个被外壳和液体包裹着的3磅重的器官。相反，它是定义自我和广义上的人性的皇冠上的明珠。
正确、完整地使用REST是困难的，关键在于RoyFielding所定义的REST只是一种架构风格，它并不是规范，所以也就缺乏可以直接参考的依据。好在Leonard Richardson补充了这方面的不足。
数据库里的事务大家都不陌生，而在微服务架构中由于一个任务执行可能涉及多个微服务，要想在分布式系统实现事务 就要用到分布式事务了。
前后端分离意味着，前后端之间使⽤ JSON 来交流，两个开发团队之间使⽤ API 作为契约进⾏交互。从此，后台选⽤的技术栈不影响前台。当我们决定需要前后端分离时，我们仍然还需要⾯对⼀系列的问题：
一、分布式系统的经典基础理论 1、分布式系统设计的两大思路：中心化和去中心化 中心化：中心化的设计思想在自然界和人类生活中是如此的普遍和自然，它的设计思想也很简单，分布式集群中的节点按照角色分工，可以分为两种角色--“领导”和“干活的”，中心化的一个思路就是“领导”通常分发任务并监督“干活的”，谁空闲了就给它安排任务，谁病倒了就一脚踢出去，然后把它的任务分给其他人；中心化的另一个思路是领导只负责生成任务而不再指派任务，由每个“干活的”自发去领任务。 去中心化：全球IP互联网就是一个典型的去中心化的分布式控
微服务（Microservices）是一种软件架构风格，将一个大型应用程序划分为一组小型、自治且松耦合的服务。每个微服务负责执行特定的业务功能，并通过轻量级通信机制（如HTTP）相互协作。每个微服务可以独立开发、部署和扩展，使得应用程序更加灵活、可伸缩和可维护。
目前许多前后端应用都采取REST架构风格，前端应用和后端服务通过API进行数据交换。 通过REST API在网络中进行数据交换时很容易被网络抓包，然后进行恶意批量调用，最终导致后端服务不堪负重而影响正常业务，甚至通过数据篡改制造大量垃圾数据。 鉴于此，REST API的安全就变得非常重要！不考虑任何REST API安全防护的系统可能会受到如下攻击：
工作流 工作流简介 工作流(Workflow): 工作流就是通过计算机技术对业务流程进行自动化管理。实现多个参与者按照预定的流程去自动执行业务流程。ACT_RE_* : 'RE'表示repository. 这个前缀的表包含了流程定义和流程静态资源(图片,规则...) ACT_RU_* : 'RU'表示runtime.这些运行时的表, 包含流程实例,任务,变量,异步任务,等运行中的数据. Activiti只在流程实例执行过程中保存这些数据,在流程结束时就会删除这些记录.这样运行时表可以一直很小速度很快
在本章中，我们试图建立一个通用的术语来定义一个坚实的基础，用于交流 Akka 所针对的并发和分布式系统。请注意，对于这些术语中的许多，并没有一个统一的定义。我们试图给出将在 Akka 文档范围内使用的定义。
在elasticsearch官网中提供了各种语言的客户端(也就是用来连接ES，用来操作ES的)
Camunda BPM 是一个轻量级、开源灵活的工作流框架，它的核心是一个在Java虚拟机内部运行的原生BPMN 2.0流程引擎，因此它可以嵌入到任何Java应用程序或运行时容器中。 下图显示了最重要的组件以及一些典型的用户角色。
LRU（Least Recently Used：最近最少使用）：简单的说，就是保证基本的 Cache容量，如果超过容量则必须丢掉最不常用的缓存数据，再添加最新的缓存。每次读取缓存都会改变缓存的使用时间，将缓存的存在时间重新刷新。其实，就是清理缓冲的一种策略。 我们可以通过双向链表的数据结构实现 LRU Cache，链表头（head）保存最新获取和存储的数据值，链表尾（tail）既为最不常使用的值，当需要清理时，清理链表的 tail 即可，并将前一个元素设置为tail。结构图如下：
在之前的博客文章中，我介绍了如何通过Swagger在Spring Boot应用程序中记录REST API。下面我将介绍如何将这些应用程序作为Docker容器部署到IBM Bluemix。作为例子，我再次使用Spring REST示例。在之前的博客文章中，我介绍了如何通过Swagger在Spring Boot应用程序中记录REST API。下面我将介绍如何将这些应用程序作为Docker容器部署到IBM Bluemix。作为例子，我再次使用Spring REST示例。
一旦您决定要开始与您的合作伙伴通过EDI交换业务信息，那么发送/接收这些信息的方式是非常重要的。这里需要决定两个关键的因素：文件标准和EDI传输协议。
全局事务XID需要通过过滤器或拦截器进行手动绑定，否则下游服务获取不到全局XID回滚不了
传统单体应用一般都会使用一个关系型数据库，好处是使用ACID事务特性，保证数据一致性只需要开启一个事务，然后执行更新操作，最后提交事务或回滚事务。更方便的是可以以借助于Spring等数据访问技术和框架后只需要关注引起数据改变的业务本身即可。
今年的PyCon于4月9日在加拿大蒙特利尔召开，凭借快速的原型实现能力， Python在学术界得到了广泛应用。最近其官方网站发布了大会教程部分的视频和幻灯片，其中有很多（接近一半数量）跟数据挖掘和机器学习相关的内容，本文对此逐一介绍。 如何形式化一个科学问题然后用Python进行分析 目前有很多很强大Python数据挖掘库，比如Python语言的交互开发环境IPython，Python机器学习库Scikit-learn和网络库NetworkX等。但是却没有一个教程告诉人们该如何将自己的问题很好的形式化处理，
随着计算能力的提升、互联网的兴起、数据的分布和存储需求、容错性和可用性的要求、业务的分布和协同需求以及云计算和大数据技术的发展，分布式系统变得越来越重要，并在各个领域得到广泛应用。分布式系统由于机器宕机、网络异常、消息丢失、消息乱序、数据错误、不可靠的 TCP、存储数据丢失等原因面临一系列挑战，本文重点讲述分布式系统面临的挑战之一数据一致性问题。
本译文自Jean-Paul Azar 在 https://dzone.com 发表的 Kafka Detailed Design and Ecosystem ，文中版权，图像代码的数据均归作者所有。为
领取专属 10元无门槛券
手把手带您无忧上云
