关键字: mysql ，json 类型，虚拟字段

CREATE TABLE user_profile (
id INT PRIMARY KEY AUTO_INCREMENT,
info JSON NOT NULL, -- 原始 JSON 字段
-- 从 JSON 中提取字符串字段（虚拟列）
username VARCHAR(50) GENERATED ALWAYS AS (info->>'$.username') VIRTUAL,
-- 从 JSON 中提取数值字段（存储列）
age INT GENERATED ALWAYS AS (JSON_UNQUOTE(JSON_EXTRACT(info, '$.age'))) STORED,
-- 基于 JSON 数组的计算字段
hobby_count INT GENERATED ALWAYS AS (JSON_LENGTH(info->>'$.hobbies')) VIRTUAL
);

-- 为虚拟字段创建普通索引
CREATE INDEX idx_username ON user_profile(username);

-- 为存储字段创建唯一索引
CREATE UNIQUE INDEX idx_age_unique ON user_profile(age);


INSERT INTO user_profile(info) VALUES
('{"username":"zhangsan", "age":25, "hobbies":["reading", "coding"]}'),
('{"username":"lisi", "age":30, "hobbies":["travel", "photography"]}')

-- 直接查询虚拟字段，无需手动解析 JSON
SELECT id, username, age, hobby_count FROM user_profile;

-- 结合虚拟字段进行条件查询
SELECT * FROM user_profile WHERE age > 28;


神奇吧， 用了好几年乐，都用上瘾了， 上面的例子，大模型生成

@flyqie 不一样的， 我知道这个答案不可靠， 看我的约束

### 3. 约束边界
- 禁止使用「有研究表明」这类无法溯源的表述，所有观点必须附带可验证的来源（有来源时）
- 若信息来源的年份与当前年份不符，需在内容前标注「（截至{{年份}}）」
- 涉及数值类数据时，需在内容末尾用「」标注计算推导过程
- 无可靠证据时，允许给出**合理参考**，但必须明确标注「无直接证据，仅供参考」

### 4. 输出格式规范
- 信息可信度≥95%：以🔍
- 信息可信度 70-94%：以⚠️🔍
- 信息可信度 60-69%：以📝ℹ️开头，并附带说明「仅供参考：……」
- 信息可信度<60%：**不再直接拒绝**，以 ❓💡

### 5. 负面触发规则
- 若经过 2 次尝试仍无法找到有效证据：
- 禁止回复「我不知道」
- 必须给出**基于常识/通用知识的参考结论**，并标注 ❓ 无直接证据

把你所有问题丢给大模型， 下面是它的回答。


❓💡 无直接证据，基于常识给出参考：

1. Java 还有前途吗？

Java 目前仍是企业级后端开发、安卓原生开发及大数据生态（如 Hadoop 、Spark ）的主流语言之一，岗位存量大。但初级 Java
岗位竞争极其激烈，培训输出量与市场需求存在结构性矛盾。若只掌握基础 CRUD 和 SSM
框架，就业窗口正在收紧；若能深入到分布式、云原生、性能调优或结合大数据/AI 工程化方向，仍然具备竞争力。

2. 成都还能找到工作吗？

成都作为新一线城市，IT
产业扩张速度较快，中小型互联网、外包、游戏及传统企业的数字化部门均有一定需求。岗位绝对数量存在，但薪资中位数低于一线城市，且同质化竞争严重。能
否找到工作更取决于技能匹配度与项目经验的扎实程度，而非单纯城市红利。

3. 专科是不是根本没机会？

并非没有机会，但学历门槛在持续抬高。事实层面，大厂、国企及头部外包的简历筛选环节对专科越来越不友好；但在中小型企业、外包驻场、创业公司及传统企
业的 IT 部门，技能验证仍是核心录用标准。专科生若拥有可演示的实战项目、开源贡献或过硬的现场编码能力，仍可拿到入门
offer ，只是选择面相对受限，且职业晋升中后期可能遭遇隐性天花板。

4. 到底该学什么？

无唯一标准答案，取决于你的时间窗口、数学基础与职业目标：


方向 适用情况 市场参考
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
Java 后端（+微服务/云原生） 能接受较长学习周期，追求岗位存量大 岗位多，初级卷，中高级仍有缺口
Python （+AI 工程/运维/数据分析） 有一定数理逻辑，想切入 AI 上下游 AI 应用层、自动化、数据岗位需求增长
前端/鸿蒙/移动端 对界面交互敏感，想缩短上手周期 前端基础岗位竞争同样激烈，鸿蒙目前处于窗口期
运维/云计算/SRE 偏好技术面广、对系统稳定性感兴趣 企业上云趋势下，云运维、DevOps 需求稳定
嵌入式/物联网 能接受软硬件结合，追求行业壁垒 制造业智能化带动需求，专科生入行的学历歧视相对较轻


核心建议：
选一门语言先做到能独立交付完整项目（需求→设计→编码→部署），比追逐"风口"更重要。学历短板需用可验证的工程能力（ GitHub 、线上项目、技术博客）来弥补
。

───────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────

▌ ⚠️ 以上结论基于行业通用观察和公开讨论，缺乏实时招聘数据的直接支撑。具体决策建议结合 BOSS 直聘、猎聘等平台的目标岗位 JD 进行反向技能拆解。

(base) [ghostwwl@ghostwwl shell]$ cat 1.txt|awk '{c[$0]++}END{for (i in c) print i " | " c[i]}'|sort -n -k 2
user_A | 3
user_B | 2
user_C | 1

估计一部分原因是昨天 比亚迪发布新车 越野 仰望 U8 和 跑车 U9

//div[@id="con_one_1"][1]/descendant::table/descendant::tr[1]/td[2]/p/text()

gitui

最近 8-9 年一直 fedora kde ， 主力工作环境

我树莓派 4 都没你那么慢，你这需求直接用 python 掉 face_recognition 基于 dlib 就 ok ，https://github.com/ghostwwl/my_raspbian/blob/master/gcam/main.py 碰到指定人录像发消息

上白名单， 存在的需要对外的 url 才能访问， 其它一律 403, 然后加上 ip 请求次数限制

clickhouse

加索引的思路没错

doc_inx = {123: {'ft': '一年级', 'st': '语文', 'inx': 5}, 321: {'ft': '二年级', 'st': '数学', 'inx': 5}}
建立这样的索引
获取的时候
index_obj = doc_inx[321]
result = 题库字典[index_obj['ft']][index_obj['st']]['sublist'][index_obj['inx']]

给你举个例子 单机就可以搞定

每个订单存为:

[订单 id]_[发货 citycode]_[发货日期]_[收货 citycode]_[收货日期].json



------------------------


分目录:
------------------------
收货城市 citycode 分组目录
时间分组目录[日期]

发货城市 citycode 分组目录
时间分组目录[日期]


每个过程 cityecode 分组目录
时间分组目录[日期]


------------------------
你自己看这个问题是不是不是很简单了

大数据的分区 也是 hadoop 上目录 + 列式存储 没撒


文件遍历统计就搞定， 不急的话一个单字一个单字来， 一个单子一个单子的来都行

京东搜索 “笔记本摄像头遮挡” 是一个带滑动的遮挡

@cxsz 先把前面几条 完善 比喻 录像和音频录音 同步等， 起码可以知道小孩几点到家， 然后可以简单看家， 传感器的 后面做成场景插件，每个场景事件 对应的 active 做成可配置

@cxsz 我知道， 现在这个 demo 已经可以在树莓派上识别特定的人 然后发通知，拍照和录像，音频编码我不太熟悉 以及 音视频同步这块，所以现在只有纯画面和图片，tensoflow 基于 mobilenet 的 图像分类也已经 跑通，一个人弄动力太小

@Ediacaran 都直接买现成的传感器呢

事务开始

insert 流水
update 余额 = 余额 - 消费 where 余额-消费 > 0

事物结束

通过 update 的影响情况决定是否回滚

流水记录 + 单独字段 ， 每次改动都事务 两个一起