- 综合排序
- 最热优先
- 最新优先
安全生产教育云平台
煤炭开采涉及地下作业，面临瓦斯爆炸、透水、塌方等多种安全威胁；而铝业生产涉及高温、高压、有毒有害物质等危险因素。这些行业特性决定了员工必须接受严格的安全培训，以确保他们的生命安全和健康。 安全生产教育云平台的主要目标是实现高效的教育管理，方便企业管理人员进行培训和管理。云平台的功能设计包括培训课程、学员管理、教师管理、考试管理等。 在技术方面要求平台稳定，能够支持多种设备的浏览和使用，设计简单易使用。 4、多终端同步学习井口休息室用手机刷题，返程通勤时用平板看课，数据实时同步，碎片化时间高效利用。 （四）数据看板：安全风险预警1、课程报表：监控各班组《井下避灾路线》学习完成率；2、学员档案：一键导出个人培训记录，满足安全检查“一人一档”要求；3、团队数据：对比各矿培训效果，定位薄弱环节。
32210编辑于 2025-11-18- 来自专栏疯狂学习GIS
全球植被生产力GPP、NPP数据下载平台合集
本文介绍全球主流植被生产力数据产品——以总初级生产力（Gross Primary Productivity，GPP）和净初级生产力（Net primary productivity，NPP）为核心，包括其获取平台的基本信息 作者：疯狂学习GIS | 更新日期：2026 年 05 月 15日 1 整体概览 植被生产力数据是全球碳循环、生态系统功能评估和气候变化研究的核心基础。 （P 模型全球总初级生产力模拟数据集，Stocker et al. 2019） 数据网站：https://www.nature.com/articles/s41561-019-0318-6 数据来源：Benjamin ，16 天 / 8 天）；NPP（净初级生产力，年度总量）；提供年度总GPP和NPP估算 数据格式：GeoTIFF / HDF；逐年数据文件夹组织 获取方式：NTSG 服务器直接下载（FTP/HTTP） ，建议访问各平台官网获取最新版本信息。
43410编辑于 2026-05-18 - 来自专栏数据猿
网易数帆：数据生产力平台2.0，推动“人人用数据 时时用数据”
网易数帆在会上发布了有数全链路数据生产力平台2.0，推出了有数DataOps、逻辑数据湖、数据湖引擎、机器学习平台等在内的最新技术实践，进一步完善数字治理能力，促进企业数字化转型升级。 作为今年的重要看点，有数全链路数据生产力平台从1.0到2.0有着怎样的不同？其中的创新技术又是如何为企业数字化赋能？ 1.0到2.0，数据生产力平台跨出了一大步 数字时代企业的生产力，大部分来自于数据生产力。 基于1.0阶段的种种痛点，网易数帆发布了有数全链路数据生产力平台2.0。 数据生产力背后的技术“推手” 在这次全链路数据生产力平台2.0版本中，网易数帆推出了有数DataOps、逻辑数据湖、数据湖引擎Arctic等最新技术产品，其中有数DataOps技术代表其数据中台的重磅升级
86820发布于 2021-11-16 - 来自专栏AI实验室应用
MES数据挖掘实战：七步打造智能生产管理平台
本文将通过一个完整的智能工厂MES数据挖掘项目案例，深入剖析工业数据项目的七大实施阶段，带你掌握从0到1打造智能生产管理平台的全过程。 技术路线上，我们选择基于工业物联网平台架构，采用Python进行数据分析，TimescaleDB处理时序数据，Grafana实现可视化监控。 经验教训： 制造企业的数据项目必须紧密结合实际生产流程，任何脱离现场的技术方案都难以落地。 第二阶段：数据准备——夯实工业大数据基础 数据准备是工业数据项目的重中之重。 生产环境数据具有多源异构、实时性强、噪声多等特点，需要专业的数据治理方法。 NiFi构建数据流水线 采用时序数据库存储设备参数 建立数据质量监控看板 第三阶段：模型开发——从数据到工业智能 模型开发是将生产数据转化为工业洞察的核心环节，需要结合制造工艺知识选择合适的算法。
37610编辑于 2025-10-28 - 来自专栏BioIT爱好者
Galaxy 生信平台(二)：生产环境部署
在上一篇文章中，我们介绍了适合单个用户进行使用和开发的 Galaxy 在线平台，今天我们来聊一下在为多用户生产环境设置 Galaxy 时，我们应采取的一些可以让 Galaxy 获得最佳性能的额外步骤。 以下许多说明是适用于任何生产应用程序的最佳实践。 创建一个名为 galaxy 的 非 ROOT 用户 。当您要授予或限制对数据的访问权限时，作为现有用户运行将导致问题。 禁用开发人员设置 配置示例文件 config/galaxy.yml 中设置了两个选项，这些选项不应在生产服务器上启用。 @localhost/mydatabase 值得注意的是，某些平台（例如，Debian/Ubuntu）将数据库套接字存储在数据库引擎默认目录以外的目录中。 总结 以上就是 Galaxy 生信平台基于生产环境下部署的一些建议，其中涉及了很多数据库、系统，以及服务器、集群相关的知识。
2.5K20发布于 2021-10-15 生产库敏感数据治理，从 “手动遮码” 到平台化自动脱敏
查询场景为什么需要数据如果明文可见会怎样脱敏后的价值BI 分析识别用户分群、统计行为轨迹敏感字段被无关人员长期接触保留分析所需结构，减少暴露测试排障定位真实线上问题测试环境与生产数据边界被打穿可看模式、 这也是为什么它比单纯的客户端插件或离线脚本更适合作为主平台。尤其是在手机号和身份证号这种高频且需要重点控制的字段场景里，平台化意味着规则终于可以脱离个人。 相反，随着 BI、测试、外包、客服、运营等角色越来越多地接触生产数据，暴露面只会越来越大。所以，更应该被升级的，不是“打码样式”，而是生产数据的使用方式。 NineData 支持对数据源中的列进行敏感列管理，既可以手动添加，也可以通过规则自动识别；平台提供了 S0 到 S5 的敏感等级、预定义敏感数据类型、脱敏算法以及对应的识别规则。 NineData 的敏感数据体系至少覆盖了几个关键支点：一是敏感列管理，支持手动和自动方式沉淀字段资产；二是数据类型与识别规则，平台预定义了 27 类敏感数据类型，可基于字段名、注释、字段类型、字段长度和数据内容等特征做识别
17200编辑于 2026-03-23AIRS开源具身智能数据生产平台：解决数据瓶颈，加速机器人智能化
这些问题导致现有厂商的数据生产与服务零散、不可持续，阻碍了技术的快速迭代与应用落地。 AIRSPEED提供高兼容性的开源解决方案 为应对上述挑战，深圳市人工智能与机器人研究院（AIRS）推出了AIRSPEED开源具身智能数据生产平台。 该平台的核心设计目标是实现广泛的兼容性与生产的柔性。 技术兼容性：平台全面支持各类真实世界数据采集技术（如位姿、视觉、光惯类遥操作）与仿真环境数据生成技术（如资产合成、决策生成）。 实现数据生产效率的显著提升 AIRSPEED平台通过其开源、柔性的架构，在数据生产关键环节实现了效率的量化提升： 真实世界数据集构建效率提升36倍。 仿真环境数据集构建效率提升3.5倍。 整体数据飞轮迭代效率加速6倍（来源：AIRS平台性能测试）。 平台通过“即插即用”的配置方式，用户仅需三个步骤（编写配置文件、启动设备、开始生产）即可快速上手，无需编程，显著降低了使用门槛。
10000编辑于 2026-05-30突破万亿级具身智能市场数据瓶颈：AIRSPEED开源数据生产平台构建与量化实践
深圳市人工智能与机器人研究院（AIRS）夏轩团队推出的 AIRSPEED（开源具身智能数据生产平台），旨在通过软硬件解耦与高度兼容的架构，解决具身智能模型在Scaling Laws驱动下面临的海量数据获取难题 构建高兼容性与软硬件解耦的开源数据生产底座 针对上述产业痛点，AIRS 研发了 AIRSPEED 开源具身智能数据生产平台。 该平台通过提供标准接口规范和底层逻辑支撑，成为对接真实世界、仿真环境、多元采集设备与多格式数据集的便捷桥梁。 最大化软硬件解耦： 平台基于 ROS 2 架构，支持分布式灵活部署。 通过剥离硬件差异，用户无需编程，仅需三步（编写配置文件 $\rightarrow$ 启动设备 $\rightarrow$ 启动服务）即可快速开展数据生产流程，大幅降低软件开发与设备适配成本。 AIRSPEED 摒弃了零散且不可持续的定制化数据生产模式，通过标准化接口与数据合成流程，将物理世界的操作数据、感知数据与仿真数据统一聚拢。
8800编辑于 2026-05-30- 来自专栏iOS逆向
WEB平台DJANGO&VUE配置部署生产环境
本文主要讲述了如何一步步在生产环境上部署django和vue，操作系统默认为centos 说明：后文中出现的以下字符串均表示具体的路径或者名称，含义如下： DJANGO_DIR----表示django的工程根目录 在collectstatic运行的时候会把STATICFILES_DIRS中的静态文件拷贝到这个目录中,达到从开发环境到生产环节过程中移植静态文件的作用。 , 配置好以上配置后，编译好的静态文件还在VUE_STATIC_DIR目录下，我们最终要执行下面命令才能把STATICFILES_DIRS中的静态文件拷贝到STATIC_ROOT这个目录中，也就是最终生产环境指定的 把它自己的需求文件放到哪了 这样你访问django的admin网址http://ip:8080/admin 时，也不会出现找不到css的问题了 当然这种方式其实是通过django的路由来访问静态文件的，一般的，生产环境不会通过
2.8K120发布于 2018-12-06 腾讯云智能体平台助力传媒行业应对数据孤岛与生产效率挑战
应对媒体行业数据孤岛与内容生产低效困境 传媒行业面临结构化与非结构化数据割裂的严重挑战。企业内超过80%的数据因处理能力不足而被浪费，数据中台BI工具无法连接内容运营与用户增长策略逻辑。 内容生产环节依赖人工策划、采编、审核，传统工作流程响应速度慢，无法满足多平台分发需求。 实现内容生产效率与数据洞察能力显著提升 应用表明，该方案使多文档信息召回率从85%提升至92%，SQL执行准确率达到80%以上。 智能问数功能支持自然语言交互，将数据分析需求响应时间从"月级别"缩短至"实时级"。内容生产环节实现自动化线索聚合、智能选题、多平台适配分发，大幅降低人工操作需求。 平台上线后，内容生产效率提升显著，数据分析需求响应速度提升10倍，人工数据查询需求减少70%。
19710编辑于 2026-04-09- 来自专栏iNeuOS
iNeuOS工业互联平台，生产过程业务联动控制
概述 工业物联网也好、工业互联网也好或是其他生产系统，反向控制始终无法回避。 搞工业最直接、最体现效果的两个方面是采集各种数据和生产过程业务控制，所谓大数据预测和分析，那是仁者见仁、智者见智，下一篇文章我们会专业来讨论工业“信息化”方面的问题。 控制主要涉及到单数据点手动控制、业务规则联动控制，不同行业、不同工艺场景，联动控制的复杂程度不一样，所以针对平台系统要能够支持不同场景控制需求的灵活脚本的能力。 平台演示 在线演示：http://www.ineuos.net/index.php/demo/demo-30.html （注：自已注册用户，体验系统功能） 3. 生产过程联动控制 联动控制平台支持在线开发业务脚本，支持多个生产过程联动控制任务，如下图： image.png 脚本引擎支持6个内置函数：控制命令（ctrl）、控制延迟（delay
53540发布于 2021-07-12 - 来自专栏云云众生s
生产中的 Backstage：平台团队需考虑的要点
生产中的 Backstage：平台团队需考虑的要点 从零开始构建一个生产级别 Backstage开发者门户网站的指导意见。 图片来自 Shutterstock 的 Skreidzeleu 开发者门户网站是大多数平台的一个突出方面，因为它是您与用户之间特权的互动点。 您可以用 Backstage 创建您梦想中的开发者门户网站，这可能包括用您组织的设计系统替换 UI 或引入您自己的数据消费机制。 您的开发者门户网站很可能需要通过集成从各种源连接数据。因此，您需要实施一个 secret 管理策略，该策略允许您将 secrets 注入到将运行 Backstage 的容器中。 如果您有兴趣了解托管生产级 Backstage 实例与自托管实例的优势和权衡，请查看我们的白皮书。
52410编辑于 2024-03-28 - 来自专栏MySQL解决方案工程师
生产系统数据丢失恢复案例
生产系统数据丢失后的恢复 一、背景和大概的思路 2020年2月25日，微信的朋友圈大量转载微盟遭遇了系统重大故障，36小时内尚未恢复核心生产数据，从而想到本人在两周前处理的一个案例，开发人员误删除了生产数据 在仿真环境验证数据恢复后应用是否正常。 7. 备份生产环境数据，应用数据恢复方案到生产环境。 8. 生产环境绿灯测试，无误后，恢复完成。 同工作流平台的同事进行确认，删除一个工作流的模板，是不是涉及到这些表的变更，工作流平台的同事确认是这个过程，数据恢复的希望诞生了！ 7. 在仿真环境里，恢复生产环境有问题的实例，同时在工作流平台将应用的jdbc的url指向新的恢复好的实例。 以上几个过程，已经解决了第一个问题，接下来我们要解决第二个问题。 1. 为什么不基于表的数据恢复？ 因为工作流平台是一个开源的平台，数据模型之间的关联性特别强，如果基于表的恢复，容易导致数据的约束出现问题。 反思： 1. 为什么在生产环境出现丢失数据的情况？
2.1K30发布于 2020-09-28 - 来自专栏大数据与实时计算
kafka-producer(数据生产)笔记
TOC 记录下kafka生产者遇到的一些问题，主要基于0.8/0.9版本的producer api。 Kafka主要被用于两大类应用：1.在应用间构建实时的数据流通道；2.构建传输或处理数据流的实时流式应用。 绝大部分情况下数据是会成功的，但是也会有失败的情况。 【性能对比测试】 总之，我们需要根据我们具体的业务场景实现我们的生产方式。 三、producer参数调优 1. acks acks=-1 强一致，不会丢数据。 生产幂等性 2. kafka生产高吞吐原理 六、kafka高可用生产的一种尝试 TBD 参考 《震惊了！原来这才是kafka！》
1.9K70发布于 2019-05-13 - 来自专栏互联网数据官iCDO
智能生产必须拥抱大数据
这些公司需要一个在线平台发布他们所面临的行业问题，找到可以解决这些问题的专家。学术界和产业开发者们需要建立必要的物理空间和网络实验室，共同努力解决问题。数据共享安全需要政策的保障。 研究通用预测模型 模型需要能够处理诸如来自传输错误的信号缺陷或来自故障传感器的数据错误等不确定性因素。丢失或错误的数据点对系统的影响可能是致命的，比如医疗植入物的生产。 公司支付费用加入，成员确定研究事项和目标——其中一个是收集工厂级数据的开放平台及其系统。 新平台 我们需要采取三个实际步骤来填补知识缺口，以实现智能制造。 联盟应该制定相应方案，让建模人可以访问企业所持有的数据。 制定智能生产政策 尽管企业会因其商业意义而大力推动智能生产，但政府应该填补其中的缺口，或是在某些对私人投资风险过高的方面给予支持。
1.3K120发布于 2018-03-05 开源LLMOps平台：从原型验证到生产落地还有多远？
目前很多开源平台没有原生的“提示词库”“工作流模板库”等团队共享机制。这是企业级应用的一个明显缺口。3.2 运维复杂性与生产级稳定性这是从“Demo”走向“生产”的最大障碍。 一个典型的编排平台是由API服务、Worker、Web前端、KV缓存、关系型数据库、向量数据库等多个组件构成的微服务架构。 3.3 数据库“膨胀”问题很多平台默认将所有数据（包括业务元数据和工作流运行日志）存储在PostgreSQL中。 在生产级高并发场景下，这些数据会迅速“撑爆”数据库，导致：表空间快速膨胀高频日志写入占用数据库连接池和I/O资源核心业务操作（创建应用、知识库检索）响应变慢甚至超时解决方案是“存算分离”——将日志存储剥离到专门的日志服务 能力能否沉淀为组织资产、系统能否在生产环境稳定运行、数据能否在合规前提下被安全使用——这些才是企业AI落地的“最后一公里”。选开源平台还是企业级底座，取决于你处于AI journey的哪个阶段。
23210编辑于 2026-04-09- 来自专栏CNCF
基于 Knative 打造生产级 Serverless 平台 | KubeCon NA2019
虽有先进的理念，却离可在生产上使用有不少的差距。 计算平台，详细分析如何用独特的技术，解决性能、容量、成本三大问题。 之后我们将介绍在 Kubernetes 上运行 Knative 平台的方案，详细介绍要使其生产可用，不得不克服的问题。 演讲最后，将刚刚的这些问题一一攻破，做出一个比社区版本优秀的 Knative 平台。 ? 在云原生 Serverless 平台模式下，我们需要处理的场景和待解决的问题还非常多，数据规模也在不断的增长，欢迎致力于云原生领域的小伙伴们加入我们，我们一起探索和创新！
1.2K30发布于 2020-01-15 - 来自专栏智能算法
BAT大数据野心：数据生产全链条浮现
对于手里的数据如何使用，这些公司正在尝试数据采集、计算引擎、数据加工、数据分析、机器学习、数据应用等数据生产全链条。 贵阳数博会上，马化腾阐述了腾讯大数据生态圈思路：“出行领域的滴滴打车，每天有超过上千万单的出行记录，数百万车辆实时把地理位置信息和我们的平台一起汇集；再比如京东有数万名送货员，每天有大量的货物在流转，会产生很多实时数据 以58集团加入腾讯的生态圈为例，58集团CEO姚劲波谈到“58和腾讯的连接”时说，第一层意义是，平台用户量越大就越好用，交易的频次，达成匹配的效率就会变高，他们希望更多地进入到QQ、微信里，让用户在更大的平台 数据生产全链条 对于微软天价收购领英，中关村一家大数据公司CEO告诉21世纪经济报道记者，很大的可能，就是LinkedIn提供的社交数据，对微软未来的布局很有用。 潘永花介绍，阿里巴巴的大数据能力除了赋能原有的电商生态外，2016年他们通过“数加”大数据平台正式对外输出，涵盖了数据采集、计算引擎、数据加工、数据分析、机器学习、数据应用等数据生产全链条。
1.3K70发布于 2018-04-02 - 来自专栏大数据在线
释放数据生产力，数据治理要“即时”
近年来，数据成为核心生产要素之后，人们总是期待充分释放数据生产力。但知易行难，如何释放数据生产力，大部分企业却莫衷一是、无所适从。 面对文档等非结构化数据的种种挑战，以爱数AnyShare Family7为代表的智能内容管理平台近年迅速兴起，获得了多个行业用户的青睐。 如果说文档治理体系专业服务2.0解决了各大企业缺乏数据治理专家方面的难题；那么，爱数AnyShare Family7 智能内容管理平台则是数据治理离不开的“百宝箱”。 正所谓“工欲善其事必先利其器”，对于文档治理而言，爱数AnyShare Family7 智能内容管理平台不仅打破数据孤岛、实现非结构化数据的统一管理，更是让内容治理、安全治理和知识治理不再割裂，从而为“ “统一标签的背后是一系列技术体系的高效集成，真正帮助企业从海量非结构化数据中挖掘价值，在日常工作中为员工提供帮助，持续释放数据生产力。”杨宇最后表示道。
67120编辑于 2022-12-13 - 来自专栏Takin应用
生产环境全链路压测平台Takin是什么？
：可以在不污染生产环境数据和日志的情况下实施性能测试，可以在生产环境对写类型接口进行直接的性能测试。 仿真性：传统的性能测试通常在测试环境或者性能环境实施，但这些环境都只是对生产环境的仿真，无法真正代表生产环境。 [Takin界面] 在生产环境进行性能压测是公认的最优解决方案，但这也是一件极具挑战性的事情，容易污染现网的数据库、日志等数据，进行生产环境测试数据清理时操作复杂且危险性高，为此，生产环境全链路压测技术应运而生 Takin作为首款生产环境全链路压测开源产品，可以较大程度地帮助企业降低生产全链路压测平台的开发复杂度，在无业务代码侵入的情况下，获得链路治理、数据隔离、性能瓶颈定位等生产压测核心能力。 在Java应用程序中植入探针（agent），它能收集性能数据、控制测试流量的流向，将数据上报给大数据模块，大数据模块会进行一些实时计算并对数据进行存储，控制台则负责这些业务流程的管理和展现。
1.7K12发布于 2021-08-11
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