博客
关于我
CuteKe网站开发与安全1——CuteKe网站架构与更新记录
阅读量:519 次
发布时间:2019-03-07

本文共 722 字,大约阅读时间需要 2 分钟。

我的CuteKe网站开发财历

1. 网站架构

近期我在自主开发一个名为CuteKe的个人博客网站。为了确保网站功能的稳定性和用户体验,我最终采用了双云服务器协同工作的架构方案。具体来说,阿里云ECS负责着重要的前台服务和搜索功能,而腾讯云ECS则承担了后台管理和文件存储等任务。

阿里云ECS部署了mariaDB数据库,为博客内容提供存储支持,同时还集成了elasticsearch,实现了快速的页面搜索功能。腾讯云ECS方面,我部署了iText PDF服务,用于生成和编辑PDF文档。这种分工明确的架构设计极大提升了系统的运行效率。

此外,两套云服务器之间采用边缘调用的方式进行数据交流,有效降低了带宽压力,保证了无缪传输速度。

2. 更新记录

自开发CuteKe网站以来,我都在仔细记录每一次技术突破和系统优化。以下是一些关键 개발点:

2018年3月

  • 开启了基础库建模工作,完成了一个简洁易用的Hibernate数据库搭建方案。
  • 借助专业课程学习,快速掌握了java web开发的核心技能。
  • 推出了基础的后台管理功能,包括用户权限管理和评论审核系统。

2018年4月

  • 开始对整个网站进行布局和视觉优化,核心目标是提升用户体验。
  • 完成了响应式设计,为不同设备类型提供更灵活的展示效果。
  • 大量改进了帖子发布功能,增加了多分类管理和定向发布模式。

2018年5月

  • 实施了static资源CDN加速,显著提升了页面跳转速度。
  • 建立了基于iText5.x版本的全面PDF处理解决方案,为个人简历制作提供了支持。

通过细心的迭代优化,我的CuteKe网站正在逐步向专业化方向发展。这些技术改进不仅增强了系统的稳定性,还在不断提升我的技术深度思考能力。

转载地址:http://lxjnz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 实战 | YOLOv10模型微调检测肾结石并提高准确率
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV确定对象的方向(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
查看>>
OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>
OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
查看>>