- 综合排序
- 最热优先
- 最新优先
- 来自专栏啸天"s blog
Cola自适应简约主题
Cola主题是基于EMlog开源程序开发的成品模板，目前EM的主题市场不缺各种多功能主题，但本套主题主要打造简约而不简单为主，没有多余的花俏，功能实用，SEO简单优化。 Cola主题适用于博客站、图片站、多媒体分享站、下载站！
95920发布于 2019-12-31 - 来自专栏服务端技术杂谈
通过COLA看应用架构
在 COLA 的设计中，他们汲取了经典架构的优秀思想，此外还补充了规范设计和扩展设计，并且使用 Archetype 的方式，将架构固化下来，以便可以快速的在开发中使用。 COLA 的分层是一种改良了的三层架构，主要是将传统的业务逻辑层拆分成应用层、领域层和基础实施层。 在扩展设计中，COLA 有两个重要的概念： 一个是业务身份，是指业务在系统唯一标识一个业务或者一个场景的标志。 在规范设计方面，COLA 制定了一些列的规范：包括组件（Module）结构、包（Package）结构、命名等。 六边形架构、洋葱圈架构以及 COLA 架构的核心职责就是要做核心业务逻辑和技术细节的分离和解耦。
1.4K20发布于 2020-05-08 - 来自专栏全栈程序员必看
COLA 4.0：应用架构的最佳实践
COLA组件 使用过老版本COLA的同学，应该知道，COLA除了架构之外，还提供了一些框架级别的功能，比如拦截器功能，扩展点功能等。 在此次COLA 4.0的升级中，我把这些功能组件全部收拢到了cola-components下面。 COLA 4.0 总结一下，在本次COLA升级中，我们进一步明确了架构和框架功能的定义。 升级之后，如下图所示，COLA会被分成COLA架构和COLA组件两个部分： COLA架构：关注应用架构的定义和构建，提升应用质量。 COLA组件：提供应用开发所需要的可复用组件，提升研发效率。 COLA 开源地址： https://github.com/alibaba/COLA 你可以按照以下步骤去使用COLA： ** 第一步：安装 cola archetype ** 下载cola-archetypes
3.6K20编辑于 2022-08-31 - 来自专栏后端知识体系
COLA-statemachine事务失效踩坑
背景 cola-statemachine是阿里开源项目COLA (opens new window)中的轻量级状态机组件。 问题场景 一个简单的基于cola的状态机可能如下 创建状态机 public StateMachine<State, Event, Context> stateMachine() { StateMachineBuilder Springboot，在高版本中会有循环依赖检测) 采用AopContext.currentProxy()获取当前类的代理对象，用代理对象进行自身方法的调用 很可惜，两种方法在当前场景都不适用，因为自调用在COLA
2K12编辑于 2024-07-19 - 来自专栏采云轩
Cola-StateMachine状态机的实战使用
1.高度可扩展 1.文档和社区支持相对较少 2.语义清晰、可读性强 3.线程安全 最终我选用了一个开源的状态机引擎 Cola-StateMachine。 Cola-StateMachine 简介 COLA 框架的状态机组件是一种小巧、无状态、简单、轻量、性能极高的状态机 DSL 实现，解决业务中的状态流转问题。 Cola-StateMachine 使用 Java 实现，最简单，实现成本也最低，但是不支持“外部配置”。 1.引入依赖 第一步：引入依赖 <dependency> <groupId>com.alibaba.cola</groupId> <artifactId>cola-component-statemachine 小结 Cola-StateMachine 作为阿里开源项目 COLA 中的轻量级状态机组件，最大的特点就是无状态、采用纯 Java 实现，用 Fluent Interface (连贯接口)定义状态和事件
9.5K11编辑于 2023-10-24 - 来自专栏优雅R
cola，一个做consensus clustering的R包
今天和大家分享是我这个月发表的一个Bioconductor工具，叫做cola。它提供一个普遍的框架，用来做consensus clustering。 在cola框架中，consensus clustering被标准化为若干个步骤，其中某些关键步骤中，用户可以自定义自己的方法。如下图所示： ? 在论文中，我应用cola在基因表达数据和DNA甲基化数据上。结果建议对不同类型的数据应该选择不同的参数和方法，不能宽泛的使用相同的数据（例如缺省的参数）。 cola包支持同时运行多个聚类方法，并且cola提供了大量的函数用以对结果进行比较。下图是cola所生成一些图： ? cola提供了强大的函数集，但是同时也提供了一个简单易用的用户接口。 rl = run all consensus partition methods(matrix, ...) cola report(rl, ...)
1.6K31发布于 2021-01-04 - 来自专栏程序随笔
聊聊Cola-StateMachine轻量级状态机的实现
Cola-StateMachine Cola-StateMachine组件是一种轻量级的、无状态的、基于注解的状态机实现，可以方便地管理订单等业务对象的状态转换。 COLA框架的状态机使用了连贯接口（Fluent Interfaces）来定义状态和事件，以及对应的动作和检查。COLA框架的状态机是COLA 4.0应用架构的一部分，旨在控制复杂度，提高开发效率。 基础模型 在Cola-StateMachine组件中有如下的抽象概念模型： 1.State：状态 2.Event：事件，状态由事件触发，引起变化 3.Transition：流转，表示从一个状态到另一个状态 Transition：内部流转，同一个状态之间的流转 6.Condition：条件，表示是否允许到达某个状态 7.Action：动作，到达某个状态之后，可以做什么 8.StateMachine：状态机 Cola-StateMachine 关闭订单的简单流程图 关闭订单简单的状态流转图 添加依赖 <dependency> <groupId>com.alibaba.cola</groupId> <artifactId>cola-component-statemachine
2K20编辑于 2023-10-19 - 来自专栏后端知识体系
COLA-statemachine在多级审核业务中的实践
引用文章中的一张图概况开源状态机框架现状 本文选用的为COLA-Statemachine # 基本实现 本文涉及的MVP代码地址github (opens new window) 以小朋友要出去玩需要经过爸爸同意 code, String desc) { this.code = code; this.desc = desc; } // 省略get/set } 在使用COLA StateMachineStrategy::getMachineType, Function.identity()))) .orElse(new HashMap<>(8)); } } 在COLA 具体经验可查看COLA-statemachine事务失效踩坑 (opens new window)
2.2K10编辑于 2024-07-19 - 来自专栏媒矿工厂
NeurIPS 2023 | Cola:大语言模型是视觉推理协调器
作者还提出了Cola的两种变体，Cola-FT和Cola-Zero。其中FT对应于指令微调方法，而Zero基于上下文学习方法，以使作为协调器的大语言模型适应视觉推理。 (2)Cola在一系列具有挑战性的多样化视觉推理任务和数据集上达到了SOTA性能。 (3)本文的实验揭示了Cola是如何理解指令提示，随后协调它们以捕获视觉推理能力的。 Cola与模板 Cola的结构概述如图1(c)所示。作者使用OFA和BLIP作为VLM。大语言模型包括编码器-解码器和仅解码器的Transformers。 在给定的示例中，Cola-FT和Cola-Zero都正确预测了答案，并从视觉上下文信息和合理答案中找到了相关线索。图3(b)显示Cola-Zero将输出更多地归因于提示模板中的指令。 这一结果解释了Cola-Zero的竞争性能。这是FLAN指令调整的结果。经过这一指令调整后，Cola-FT更加关注输入中信息最丰富的部分：问题、选择项以及VLM的合理答案。
1.1K40编辑于 2023-11-02 - 来自专栏蛮三刀的后端开发专栏
一文带你了解 COLA 架构
在COLA 4.0，也就是目前最新的版本中，作者将COLA拆分为COLA架构（Archetype）和COLA组件（Components）两个部分： COLA架构：COLA应用的代码模板。 COLA整体架构 首先主要谈谈COLA架构，COLA的官方博文中是这么介绍的： 在平时我们的业务开发中，大部分的系统都需要： 接收request，响应response； 做业务逻辑处理，像校验参数，状态流转 所以对于COLA的架构，本篇文章也仅仅只是我自己对于COLA的粗浅理解，大家可以批判看待。 下一篇文章，我会和大家一起讨论下COLA组件库中的一些重要组件，比如扩展点组件（cola-component-extension-starter），状态机组件（cola-component-statemachine 我们下期再见，我是在搬砖的工程师 蛮三刀酱 参考 COLA Github https://github.com/alibaba/COLA COLA 4.0.0 版本 https://blog.csdn.net
5.1K00编辑于 2022-04-01 - 来自专栏后端技术漫谈
一文带你了解 Alibaba COLA 架构
在COLA 4.0，也就是目前最新的版本中，作者将COLA拆分为COLA架构（Archetype）和COLA组件（Components）两个部分： COLA架构：COLA应用的代码模板。 COLA整体架构 首先主要谈谈COLA架构，COLA的官方博文中是这么介绍的： 在平时我们的业务开发中，大部分的系统都需要 接收request，响应response； 做业务逻辑处理，像校验参数，状态流转 COLA的意义就在于，他不仅是思想，还提供了可落地的实践。应该是为数不多的应用架构层面的开源软件。 COLA提供了一整套代码架构，拿来即用。 所以对于COLA的架构，本篇文章也仅仅只是我自己对于COLA的粗浅理解，大家可以批判看待。 下一篇文章，我会和大家一起讨论下COLA组件库中的一些重要组件，比如扩展点组件（cola-component-extension-starter），状态机组件（cola-component-statemachine
1.3K40编辑于 2022-04-01 - 来自专栏AI派
使Twitter数据对百事可乐和可口可乐进行客户情感分析
<- tm_map(cola_corpus,tolower) cola_corpus <- tm_map(cola_corpus,removeWords,stopwords(“en”)) cola_corpus ) cola_corpus <- tm_map(cola_corpus,removeNumbers) cola_corpus <- tm_map(cola_corpus,content_transformer = get(“content”, cola_corpus)) dtm_cola <- DocumentTermMatrix(cola_corpus) dtm_cola <- removeSparseTerms <- data.frame(names(cola_df),colSums(cola_df)) names(word_cola_df) <- c(“words”,”freq”) word_cola_df $Date <- as.Date(data_cola$created_at) data_cola$Day <- day(data_cola$created_at) data_cola$hour <-
93610发布于 2021-03-19 - 来自专栏全栈程序员必看
count(distinct) 与group by 浅析
count(distinct colA)就是将colA中所有出现过的不同值取出来，相信只要接触过数据库的同学都能明白什么意思。 count(distinct colA)的操作也可以用group by的方式完成，具体代码如下： select count(distinct colA) from table1; select count (1) from (select colA from table1 group by colA)alias_1; 这两者最后得出的结果是一致的，但是具体的实现方式，有什么不同呢？ distinct需要将colA中的所有内容都加载到内存中，大致可以理解为一个hash结构，key自然就是colA的所有值。因为是hash结构，那运算速度自然就快。 group by的实现方式是先将colA排序。
1.2K10编辑于 2022-08-26 - 来自专栏JAVA 框架/源码学习
设计模式之工厂模式
简单工厂模式 public class Cocacola implements Cola { public String getCola() { return "可口可乐"; } } public class ColaFactory { public static Cola getInstance(Integer colaType) { if ( cola = pepsiColaFactory.getCola(); cola.getCola(); } 什么时候该用工厂方法模式，而非简单工厂模式呢？ if ("fake".equals(cola)) { return new FakeColaFactoryImpl(); } else if ("pepsi". Cola col = cola.getCola(); String colo = red.getColor(); return col.getCola()+"-"+colo; } public
56720发布于 2021-07-15 - 来自专栏IT大咖说
开源项目中经常看到package-info.java文件，你知道其作用吗？
="《COLA 4.x架构入门和项目实践》技术专栏首先介绍了COLA框架的使用入门，以及与IDEA开发工具的集成等等；然后基于COLA架构，创建DDD经典示例项目-货物运输系统，详细介绍了DDD领域建模 内容由浅入深，从开发实战出发，逐步掌握基于COLA架构和DDD领域建模思想构建复杂业务应用系统。" /** * 描述: COLA 领域模块
* This is domain module, the core business logic is implemented here. ="《COLA 4.x架构入门和项目实践》技术专栏首先介绍了COLA框架的使用入门，以及与IDEA开发工具的集成等等；然后基于COLA架构，创建DDD经典示例项目-货物运输系统，详细介绍了DDD领域建模 内容由浅入深，从开发实战出发，逐步掌握基于COLA架构和DDD领域建模思想构建复杂业务应用系统。"; } 生成对应的JavaDoc文档，如图所示：7.5K42发布于 2021-09-08 - 来自专栏乐沙弥的世界
PL/SQL --> INSTEAD OF 触发器
即假定有表A和B，表A中的字段COLa和表B中的字段COLb需要时时保持同 步，当表A中COLa被更新时，需要将更新的内容同步到表B的COLb中，反之，当表B的COLb被更新时，需要将COLb的内容更新到 A表的COLa中。 ; lv_oldcol := :old.COLa; IF lv_newcol <> lv_oldcol THEN UPDATE tb_b SET COLb = :new.COLa WHERE ; lv_oldcol := :old.COLa; IF lv_newcol <> lv_oldcol THEN UPDATE tb_a SET COLa = :new.COLa WHERE ID = :new.ID; UPDATE tb_b SET COLb = :new.cola WHERE ID=:new.ID; END IF; DBMS_OUTPUT.PUT_LINE
84820发布于 2018-08-07 - 来自专栏开心的学习之路
基于协同过滤的推荐引擎（实战部分）
rating，由于评分预测接受的传值是矩阵的列向量，所以转成矩阵 def get_colA_and_colB(full_data, mov_id, ref_mov_id): colA = [] (colA - colB)) # 皮尔逊系数 def pears_sim(colA, colB): if len(colA) < 3: return 1.0 return 0.5 + 0.5 * np.corrcoef(colA, colB, rowvar = 0)[0][1] # 余弦相似度 def cos_sim(colA, colB): if (colA.shape ==(1,0)): return 0 num = float(colA.T * colB) # colA和colB都是列向量，shape一样，都形如[[1],[2],[3],[4 , colB = get_colA_and_colB(full_data, movie_to_pre_id, movie_id) similarity = est(colA, colB)
1.2K50发布于 2018-04-17 - 来自专栏蛮三刀的后端开发专栏
轻量级状态机COLA StateMachine保姆级入门教程
结果在COLA架构中发现了COLA还写了一套状态机实现。COLA的作者给我们提供了一个无状态的，轻量化的状态机，接入十分简单。并且由于无状态的特点，可以做到线程安全，支持电商的高并发场景。 COLA是什么？ ，我会推荐使用COLA状态机。 PS：讲解的代码版本为cola-component-statemachine 4.2.0-SNAPSHOT 下图展示了COLA状态机的源代码目录，可以看到非常的简洁。 ，那么COLA是个十分合适的选择。
5.1K00编辑于 2022-06-01 - 来自专栏人工智能LeadAI
基于协同过滤的推荐引擎（实战部分）
rating，由于评分预测接受的传值是矩阵的列向量，所以转成矩阵 def get_colA_and_colB(full_data, mov_id, ref_mov_id): colA = [] (colA - colB)) # 皮尔逊系数 def pears_sim(colA, colB): if len(colA) < 3: return 1.0 return 0.5 + 0.5 * np.corrcoef(colA, colB, rowvar = 0)[0][1] # 余弦相似度 def cos_sim(colA, colB): if (colA.shape ==(1,0)): return 0 num = float(colA.T * colB) # colA和colB都是列向量，shape一样，都形如[[1],[2],[3], , colB = get_colA_and_colB(full_data, movie_to_pre_id, movie_id) similarity = est(colA, colB
1.3K70发布于 2018-03-08 - 来自专栏后端技术学习
状态机
下面的内容基于https://github.com/alibaba/COLA。 COLA 是 Clean Object-Oriented and Layered Architecture的缩写，代表“整洁面向对象分层架构”。目前COLA已经发展到COLA v4。 基于状态机id进行构建 stateMachine 执行fireEvent操作，fire的过程中拿到下一个状态节点setNextState(source,request) 二、状态机信息流程 可以参考COLA 里面的test，可以看到COLA的具体代码实现。 三、展示状态机信息效果 总体来说cola的状态机还是蛮实用的。 基于cola的状态机还可以实现复杂的状态-事件流转。如下图所示： 四、状态机的使用场景 审批流程、订单状态流转等。
1.6K20编辑于 2023-02-28
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号