分类
发现
榜单
服务器优惠
AI论文
免费AI编程助手
搜索
注册
登录
分类
发现
榜单
服务器优惠
AI论文
免费AI编程助手
搜索
注册
登录
搜索
书栈网 · BookStack
本次搜索耗时
0.007
秒,为您找到
1507
个相关结果.
搜书籍
搜文档
MyBatis v3.5.13 参考文档
67
24013
56
2023-07-13
MyBatis 是一款优秀的持久层框架,它支持自定义 SQL、存储过程以及高级映射。MyBatis 免除了几乎所有的 JDBC 代码以及设置参数和获取结果集的工作。MyBatis 可以通过简单的 XML 或注解来配置和映射原始类型、接口和 Java POJO(Plain Old Java Objects,普通老式 Java 对象)为数据库中的记录。
Nest.js v7.0 Document
103
72963
9
2020-06-13
Nest是构建高效,可扩展的 Node.js Web 应用程序的框架。 它使用现代的 JavaScript 或 TypeScript(保留与纯 JavaScript 的兼容性),并结合 OOP(面向对象编程),FP(函数式编程)和FRP(函数响应式编程)的元素。在底层,Nest 使用了 Express,可以方便地使用各种可用的第三方插件。
phpMyAdmin 4.9.1 documentation
22
9432
1
2020-10-16
phpMyAdmin 是一个以PHP为基础,以Web-Base方式架构在网站主机上的MySQL的数据库管理工具,让管理者可用Web接口管理MySQL数据库。借由此Web接口可以成为一个简易方式输入繁杂SQL语法的较佳途径,尤其要处理大量资料的导入及导出更为方便。
Apache RocketMQ v5.0 中文文档
75
13013
6
2024-07-15
Apache RocketMQ是一个高性能、高吞吐、云原生的分布式消息中间件,适用于微服务架构和大数据场景。它具有金融级的稳定性和极简的架构设计,能够与多种生态系统无缝对接,支持物联网和微服务架构,提供流处理和数据集成的能力。
Atlas - MySQL 数据中间件
9
14213
40
2019-05-30
Atlas是由 Qihoo 360公司Web平台部基础架构团队开发维护的一个基于MySQL协议的数据中间层项目。它在MySQL官方推出的MySQL-Proxy 0.8.2版本的基础上,修改了大量bug,添加了很多功能特性。目前该项目在360公司内部得到了广泛应用,很多MySQL业务已经接入了Atlas平台,每天承载的读写请求数达几十亿条
Angel v2.0 中文文档手册
84
111436
3
2018-11-12
Angel是一个基于参数服务器(Parameter Server)理念开发的高性能分布式机器学习平台,它基于腾讯内部的海量数据进行了反复的调优,并具有广泛的适用性和稳定性,模型维度越高,优势越明显。 Angel由腾讯和北京大学联合开发,兼顾了工业界的高可用性和学术界的创新性。
Choerodon(猪齿鱼) v0.15 中文文档
357
324762
3
2019-04-01
Choerodon猪齿鱼是开源多云应用平台,是基于Kubernetes的容器编排和管理能力,整合DevOps工具链、微服务和移动应用框架,来帮助企业实现敏捷化的应用交付和自动化的运营管理,并提供IoT、支付、数据、智能洞察、企业应用市场等业务组件,来帮助企业聚焦于业务,加速数字化转型。
Angel v3.0 全栈机器学习平台文档
86
106330
17
2019-08-25
Angel是一个基于参数服务器(Parameter Server)理念开发的高性能分布式机器学习平台,它基于腾讯内部的海量数据进行了反复的调优,并具有广泛的适用性和稳定性,模型维度越高,优势越明显。 Angel由腾讯和北京大学联合开发,兼顾了工业界的高可用性和学术界的创新性。
Sequelize ORM 实践
21
21393
26
2020-01-12
本书一共八个章节,分别讲述了如何使用 TypeScript 正确编写 Sequelize 模型,如何正确的书写 TS 代码提示接口,如何定义模型以及字段类型,如何定义模型之前的关联关系,怎样理解模型之间的关系,什么是模型关系的多态,如何对查询条件进行限定,生命周期函数,数据库迁移等。
Matplotlib 用户指南
35
46555
136
2018-02-16
Matplotlib 是一个用于在 Python 中绘制数组的 2D 图形库。虽然它起源于模仿 MATLAB®[1] 图形命令,但它独立于 MATLAB,可以以 Pythonic 和面向对象的方式使用。虽然 Matplotlib 主要是在纯 Python 中编写的,但它大量使用 NumPy 和其他扩展代码,即使对于大型数组也能提供良好的性能。
1..
«
84
85
86
87
»
..100