麦轲数据管家/MyKore UniKeeper
2025-06-27 17:04:29
行业：企业内部管理
载体：Windows应用、算法模型
技术：Delphi/Object Pascal、AutoIt、SQLite、Delphi
业务背景
为个人提供一个简单实用、安全可靠、纯绿色的个人知识管理、电子书制作软件。帮助你高效管理与分享知识库
功能介绍
麦轲数据管家(Mykore UniKeeper)是一款简单实用、永久免费、纯绿色的个人知识管理、电子书制作软件：
*它专注于个人数据与知识管理(PKM)，所有数据加密保存于本地，安全可控
*它的首要目的是帮助你高效管理你的个人零散数据、构建并分享知识库(MKP,CHM,EPub)
*它具有知识管理视角的文件管理功能，让你轻松地将计算机内的各种文档融入到你的知识体系，形成统一知识库（Unified KenBase）
*它还提供了强大的知识标签与批注功能，可以随意给知识点打上标签，添加批注。并按标签结构进行分级显示（标签视图）。
*它专注于个人数据与知识管理(PKM)，所有数据加密保存于本地，安全可控
*它的首要目的是帮助你高效管理你的个人零散数据、构建并分享知识库(MKP,CHM,EPub)
*它具有知识管理视角的文件管理功能，让你轻松地将计算机内的各种文档融入到你的知识体系，形成统一知识库（Unified KenBase）
*它还提供了强大的知识标签与批注功能，可以随意给知识点打上标签，添加批注。并按标签结构进行分级显示（标签视图）。
项目实现
产品为Delphi开发的桌面应用，涉及富文本格式文档编辑处理，知识树管理，知识标签管理，快速全文查找，快速磁盘文件查找，知识库管理等，大量使用树结构及模块化技术。
本软件数据库使用SQLite，压缩使用改进的LZMA+SynLZ，搜索使用独创的FlexRec+Sunday算法，使用独创的AutoItX for Delphi框架进行自动化功能测试，涉及到界面多语言支持（自研技术）、语音合成，CHM、EPub电子书生成。
本软件数据库使用SQLite，压缩使用改进的LZMA+SynLZ，搜索使用独创的FlexRec+Sunday算法，使用独创的AutoItX for Delphi框架进行自动化功能测试，涉及到界面多语言支持（自研技术）、语音合成，CHM、EPub电子书生成。
示例图片视频
相似推荐
青春湘行-微信小程序
用户端核心功能：
1. 1.
商品浏览与搜索 - 首页轮播图、多维度分类、智能搜索、高级筛选、商品详情展示
2. 2.
购物车与订单管理 - 购物车管理、完整订单流程、状态跟踪、支付集成、退款申请
3. 3.
用户评价与问答 - 1-5星评分、文字图片评价、商品问答、点赞互动功能
4. 4.
用户中心 - 个人信息、订单历史、评价管理、收藏功能、消息通知
管理端功能：
1. 1.
商品管理 - 商品CRUD、分类管理、库存控制、销量统计
2. 2.
订单管理 - 订单处理、状态管理、退款审核、数据统计
3. 3.
用户管理 - 用户信息、行为分析、增长统计
4. 4.
内容管理 - 轮播图配置、评价审核、问答回复、推荐设置
技术特色：
- 20+个云函数覆盖所有业务场景
- 完整的数据库设计和关系管理
- 智能推荐算法和动态库存管理
- 订单超时自动处理机制
- 完善的安全保障和性能优化
Tob商旅平台
1.机票业主要功能有机票查询，改签机票查询，机票订单查询，机票预定，退票，改签等主要功能。
2.其中机票数据以壹号数据打底，聚合多家运营商数据进行数据聚合，为客户提供更多选择。
3.在此期间，同时对现有系统查询等功能做相关优化，旨在带给用户更好的使用体验。
4.同时对管理后台增加兜底功能，以便用户预定改签等出现问题可及时进行补救。
5.资源对接项目进行优化。
ToB商旅平台
1.主要分为5大模块分别为：机票业务、酒店业务、火车票业务、用车业务、用户模块，在其中主要负责机票业务。
2.机票业主要功能有机票查询，改签机票查询，机票订单查询，机票预定，退票，改签等主要功能。
3.其中机票数据以壹号数据打底，聚合多家运营商数据进行数据聚合，为客户提供更多选择。
票务销售核销系统
此系统为在线售票系统，提供销售客户端和核销端两大部分，集成微信支付功能，后台可集中管理商品，并提供锁座，核销二维码功能，多终端适配：H5/小程序/PC三端覆盖，智能选座：可视化场馆地图+3D视角切换，根据上座率自动调整价格梯度
携程门票交易秒杀场景优化
与传统电商相比，携程门票交易系统具有两大特点：
1) 强一致性：用户预 订后保证出票且尽可能快速确认，确保每一笔交易都能履约。
2) 多维度和跨商品组合限购：限购规则复杂多变，例如多维度和跨商品组合限购，保障每位用户有公平购票的机会，避免囤票行为。
当系统遇到洪峰流量时，容易出现页面打开慢、卡顿等问题，主要原因有以下几点：
1) Redis 超负载与缓存热点。
2) 数据库超负载。
3) 供应商系统不稳定。
系统优化：
一、Redis负载与缓存热点优化
a) 缓存热点应对方案：热点识别自动构建多级缓存将单位时间内高频访问的Key ，识别出来。例如：同一个 Key 1 秒内单机访问 10 次。
b) 缓存大key问题：
1. 精简缓存对象：去除缓存中的冗余字段。
2. 压缩缓存对象：采用压缩比更高的压缩方式，缩小缓存对象。
3. 拆分大 Key ：若精简和压缩后还是过大，根据业务逻辑，将大 Key 拆分成多个小 Key 。
5. 长期治理：建立长期治理机制，定期扫描 Redis 中的大 Key ，每周跟进，将隐患在日常治理中消除。
二、数据库超载优化
a) 缓存覆盖更新策略：替代直接删除缓存 Key 的做法，采用了缓存覆盖更新策略。当商品信息发生变更时，系统不再删除缓存 Key ，而是直接更新该 Key 对应的缓存值。避免了流量穿透到底层数据库。
b) 消息聚合：针对商品变化消息量过大的问题，引入了消息聚合机制。将商品多次变化消息在一段时间窗口内合并成一个，减少消息处理的频率。
c) 异步更新缓存：为了进一步降低 对数据库的实时压力，采用了异步更新缓存的策略。当商品信息发生变更时，系统不会立即更新缓存，而是将更新任务放入一个异步队列中，由后台线程异步处理。
三、供应商系统不稳定
当供应商系统面临大流量冲击时，往往会出现响应缓慢甚至被限流的情况，这直接影响了我们自身系统的稳定性和用户体验。
为了缓解上述问题，我们采取以下技术策略：
1）削峰填谷 缓冲池：利用消息队列作为订单提交的缓冲池，将订单信息先写入队列，再由后台服务异步处理。这样可以将订单提交的高峰流量削平，减少对供应商系统的瞬时压力。
帮助文档
Copyright @ 2021-2024 程序聚合 | 浙ICP备2021014372号
人工客服