开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

Highcharter依赖轮没有出现？

Highcharter是一个基于JavaScript的图表库，用于创建交互式和可视化的图表。它提供了丰富的图表类型和配置选项，使开发人员能够轻松地创建各种图表，包括线图、柱状图、饼图等。

在Highcharter中，"依赖轮没有出现"这个问题通常是由于以下几个原因导致的：

缺少必要的依赖库：Highcharter依赖于一些其他的JavaScript库，如jQuery和Highcharts。如果没有正确引入这些依赖库，就会导致"依赖轮没有出现"的错误。解决方法是确保在使用Highcharter之前正确引入所有必要的依赖库。
版本不兼容：Highcharter的不同版本可能对依赖库的版本有要求。如果使用的Highcharter版本与依赖库的版本不兼容，也会导致"依赖轮没有出现"的错误。解决方法是查看Highcharter的官方文档或社区支持，了解当前使用的Highcharter版本与依赖库的兼容性要求，并进行相应的版本调整。
脚本加载顺序错误：在引入Highcharter和其依赖库的脚本时，需要确保它们的加载顺序正确。如果依赖库的脚本在Highcharter脚本之后加载，也会导致"依赖轮没有出现"的错误。解决方法是将依赖库的脚本放在Highcharter脚本之前加载。

总结起来，解决"Highcharter依赖轮没有出现"的问题，需要确保正确引入所有必要的依赖库，并且版本兼容，并按照正确的加载顺序引入脚本。如果仍然遇到问题，可以参考Highcharter的官方文档或社区支持，寻求进一步的帮助。

腾讯云相关产品和产品介绍链接地址：

腾讯云官网：https://cloud.tencent.com/
云服务器（CVM）：https://cloud.tencent.com/product/cvm
云数据库 MySQL 版：https://cloud.tencent.com/product/cdb_mysql
云原生应用引擎（TKE）：https://cloud.tencent.com/product/tke
人工智能平台（AI Lab）：https://cloud.tencent.com/product/ai
物联网开发平台（IoT Explorer）：https://cloud.tencent.com/product/iotexplorer
移动应用开发平台（MPS）：https://cloud.tencent.com/product/mps
云存储（COS）：https://cloud.tencent.com/product/cos
区块链服务（BCS）：https://cloud.tencent.com/product/bcs
腾讯云元宇宙：https://cloud.tencent.com/solution/virtual-universe

相关搜索:Python轮反依赖 Buildozer失败，出现pip依赖关系，“没有有效的依赖关系图”如何更改依赖于变量的highcharter柱状图的调色板颜色？诱惑testng依赖项出现错误有没有办法避免在React Native中出现包依赖警告？没有框架的依赖注入依赖项中没有jar JPanel没有出现安装没有子依赖项的Cocoa Pod依赖项安装python依赖项时出现Docker错误-没有名为“databases”的模块 C++出现LNK2019错误，即使没有循环依赖，也没有包含两次内容部署应用程序时出现PyTorch轮在此平台上不受支持错误 @InjectMocks没有正确注入依赖项 pyinstaller exe没有任何依赖关系？Angular测试:没有管理依赖项有没有办法将回调函数添加到highcharter中的图表中？键盘没有出现吗？wpf busyindicator没有出现 Java JTable没有出现 Shopware: PayPal没有出现

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

登顶对话式语义解析国际权威榜单SParC和CoSQL，全新多轮对话表格知识预训练模型STAR解读

机器之心专栏作者：蔡泽枫、李翔宇阿里巴巴达摩院联合中国科学院深圳先进技术研究院提出面向多轮 Text-to-SQL 语义解析的 SQL 查询语句导向型预训练模型 STAR。目前高速发展的互联网时代中，各种类型的数据不断涌现，其中，我们较为常用的就有表格数据，表格作为一种通用的结构化数据，我们可以根据需求设计 SQL 查询语句来获得表格中的知识，但是往往需要较高的设计成本以及学习成本。此时，Text-to-SQL 解析任务显得格外重要，而根据对话场景的不同，还分为单轮 Text-to-SQL 解析和多轮

02

什么是时间轮？

时间轮（Timing Wheel）是计算机科学中用于任务调度和时间管理的一种数据结构，特别是在实现高效的定时器和调度策略时非常有用。它主要用于需要高效处理大量定时任务的场景，如网络服务器或实时系统中。

01

V神详述：如何实现99%的容错共识

很长一段时间以来，我们一直听说在同步网络中,实现50%容错的共识是有可能的。在同步网络中，任何可信节点广播的消息都可以保证在某个已知时间段内被所有其它可信节点接收。

04

漫画：架构师是吧？什么是哈希轮？

小码收到猎头小姐姐的面试邀约后，认真进行了准备，并在约定时间到达了面试公司....

04

Java 近期新闻：外部函数和内存 API、OpenJDK JEP、Apache Tomcat CVE

在结束了评审之后，JEP 454（外部函数和内存 API）从 Proposed to Target 进入到了 Targeted（JDK 22）状态。该 JEP 建议在经历了两轮孵化和三轮预览之后确定这个特性：在 JDK 17 中交付的 JEP 412（外部函数和内存 API(孵化器)）、在 JDK 18 中交付的 JEP 419（外部函数和内存 API(第二轮孵化器)）、在 JDK 19 中交付的 JEP 424（外部函数和内存 API(预览)）、在 JDK 20 中交付的 JEP 434（外部函数和内存 API(第二次预览)），以及在 JDK 21 GA 版本中交付的 JEP 442（外部函数和内存 API(第三次预览)）。自上一个版本以来的改进包括：新的 Enable-Native-Access manifest 属性，允许可执行 JAR 包中的代码调用受限制的方法而无需使用——Enable-Native-Access 标志；允许客户端通过编程的方式构建 C 函数描述符，避免使用特定于平台的常量；改进了对本地内存中可变长度数组的支持；支持多字符集本地字符串。InfoQ 将会继续跟进报道。

01

火山引擎A/B测试“广告投放实验”基础能力重构实践

企业在进行营销推广时，广告投放通常是必备环节之一。为了避免投放“乱烧钱”，在大规模投放前，企业和广告优化师都会希望在多种广告策略中，找准效果更好策略才进行投放。早期这样的方案决策只能通过“拍脑袋”，或者简易的分流投放测试来粗略进行。在火山引擎AB测试推出“广告投放AB实验”后，可逐步支撑企业快速、科学地验证不同投放策略的平均转化成本数据效果，并根据实验报告得到计划中不同素材、不同落地页、不同人群包、不同预算等变量到底哪种更好。

02

Java 近期新闻：新的候选 JEP、Spring里程碑版本和Micrometer

JEP 466（类文件 API(第二轮预览)）已从其 JEP Draft 8324965 进入 Candidate 状态。该 JEP 提议进行第二轮预览，以便获取针对前一轮预览的反馈：将在 JDK 22 中交付的 JEP 457（类文件 API(预览)）。这个特性提供用于解析、生成和转换 Java 类文件的 API。它最初将作为 JDK 中 ASM （ Java 字节码操作和分析框架）的内部替代方案，并计划在后续将其开放为公共 API。Goetz 将 ASM 描述为“一个带有大量遗留负担的旧代码库”，并提供了背景信息，说明该草案将如何演化并最终取代 ASM。

01

初探敏捷

带着个小团队学习敏捷运作也有三个多月了，目前执行了近八轮迭代，对比以前的瀑布式运作，感觉运作差别比较大的主要是每日晨会、测试前移、持续交付；

01

[转] 四层和七层负载均衡的特点及常用负载均衡Nginx、Haproxy、LVS对比

四层负载均衡工作在 OSI 模型中的四层，即传输层。四层负载均衡只能根据报文中目标地址和源地址对请求进行转发，而无法修改或判断所请求资源的具体类型，然后经过负载均衡内部的调度算法转发至要处理请求的服务器。四层负载均衡单纯的提供了终端到终端的可靠连接，并将请求转发至后端，连接至始至终都是同一个。LVS 就是很典型的四层负载均衡。

03

在阿里离职后，从内部带走的这份485页面试合集，在GitHub上火了

有个朋友去阿里面试，面试总共花费了20天左右，包含了 4 轮电话面试、1 轮笔试，1轮主管视频面试、1轮 hr 视频面试。

01

看中国版“华尔街之狼”，论创业融资之事

今日，此前曾是互联网创业热点的神奇百货官网已经无法访问，而就在三个月前，“神奇少女”王凯歆还曾回应称：“不存在公司倒闭传言，且资金流足以支撑两年以上”。作为神奇百货的天使轮投资机构、创新谷CEO朱波说

03

2000字总结3种项目和面试中常用的集成学习算法

俗话说，“三个臭皮匠，顶个诸葛亮”，多个比较弱的人若能有一种方法集中利用他们的智慧，也可以达到比较好的效果，这就是集成学习的思想。

00

2024春晚纸牌魔术原理----环形链表的约瑟夫问题

https://www.nowcoder.com/practice/41c399fdb6004b31a6cbb047c641ed8a?tab=note

01

【RASA】TED Policy：Dialogue Transformers

最近工作中使用到rasa，其core部分有一个rasa自己提出的TED Policy框架组建，可用于进行对话决策。今天有空，就来研究下它~

01

Java 近期新闻：JDK 22 的 JEP、Spring Shell、Quarkus、Apache Camel、JDKMon

在结束了审查之后，JEP 460，Vector API（第七轮孵化）已从 JDK 22 的 Proposed to Target 状态提升为 Targeted 状态。该 JEP 由 Panama 项目赞助，整合了对前六轮孵化反馈的改进：JEP 448，Vector API (第六轮孵化)，在 JDK 21 中交付；JEP 438，Vector API (第五轮孵化)，在 JDK 20 中交付；JEP 426，Vector API (第四轮孵化)，在 JDK 19 中交付；JEP 417，Vector API (第三轮孵化)，在 JDK 18 中交付；JEP 414，Vector API (第二轮孵化)，在 JDK 17 中交付；以及 JEP 338，Vector API (孵化器)，在 JDK 16 中作为孵化器模块发布。JEP 448 最重要的变更包括对 JVM 编译器接口（JVMCI）的增强，以支持 Vector API 值。

02

订单超时取消的11种方式（非常详细清楚）

由于Redis具有过期监听的功能，于是就有人拿它来实现过期订单关闭，但是这个方案并不完美。今天来聊聊11种实现订单定时关闭的方案，总有一种适合你！

04

再有人问你如何实现订单到期关闭，就把这篇文章发给他！

在电商、支付等系统中，一般都是先创建订单（支付单），再给用户一定的时间进行支付，如果没有按时支付的话，就需要把之前的订单（支付单）取消掉。

01

Moonstarter IDO 一步一步的操作

第1轮:每一个白名单的个人将能够参与分配164,31美元，将与BNB挂钩，星期二，6月8日中午12 UTC时间。该回合将持续1小时。

02

三大主流软件负载均衡器对比(LVS VS Nginx VS Haproxy)（转）

LVS： 1、抗负载能力强。抗负载能力强、性能高，能达到F5硬件的60%；对内存和cpu资源消耗比较低 2、工作在网络4层，通过vrrp协议转发（仅作分发之用），具体的流量由linux内核处理，因此没有流量的产生。 2、稳定性、可靠性好，自身有完美的热备方案；（如：LVS+Keepalived） 3、应用范围比较广，可以对所有应用做负载均衡； 4、不支持正则处理，不能做动静分离。 5、支持负载均衡算法：rr（轮循）、wrr（带权轮循）、lc（最小连接）、wlc（权重最小连接） 6、配置复杂，对网络依赖比较大，稳定性很高。

01

redis基于zset实现延迟队列

一、延迟队列使用场景二、zset如何实现延迟队列三、springboot基于zset实现延迟队列四、做成服务化五、使用zset实现延迟队列的缺点六、其他实现方式

03

XXL-JOB定时任务调度平台原理

elastic-job 是由当当网基于quartz 二次开发之后的分布式调度解决方案，由两个相对独立的子项目Elastic-Job-Lite和Elastic-Job-Cloud组成。

06

互联网资讯早知道

1、网传ofo北京总部人去楼空，ofo：正常办公 2、58被禁止发布房源5天因平台仍存在违法行为 3、讯飞AI同传被指造假：同传译员亲自揭发，讯飞用人类翻译冒充AI 4、消息称荣耀将从华为独立回应：继续独立运作仍是华为一部分 5、微信6.7.3内测版优化订阅号瀑布流 6、传腾讯调整组织架构，腾讯云成独立事业群或早有布局 7、天猫奥特莱斯业务再升级，推出KOL+直播模式 8、美媒：中国知识付费规模庞大和美国依赖广告不同 9、乐视网不再是乐融致新的第一大股东 7、刘强东代理律师：路透社报道与事实不符，不愿干扰司法公正【周边新闻】 1、易到大股东韬蕴资本深陷被查风波曾投资多家乐视系公司 2、百度、蔚来等获北京市自动驾驶路测资格 4、三星Galaxy S10手机型号曝光，有曲面屏和三摄像头 5、北京试运行“网约公交车” 最少3人可成行，价格远低于普通网约车 6、苹果引入"信用评分"：或为防Apple ID账号盗刷 7、恒大144.9亿元入股广汇集团 8、乐视系资产拍卖遇冷，打七折仍无人出价 9、前谷歌CEO预计：2028年互联网将分成两大阵营中国主导其中一个 10、刘强东性侵案女主：这是个陷阱他强迫我发生性关系 11、微软正式发布了Office 2019 for Windows and Mac 12、彭博社：白宫拟“彻底调查”谷歌、Facebook等科技公司 13、谷歌曾试图人为操控搜索结果，内部邮件遭到泄露【融资收购】 1、测风激光雷达和雷达激光光源设计研制商“牧镭激光”完成数千万B轮融资 2、原生影像互动平台“影谱科技”完成2亿D+轮融资 3、红包广告服务商“红图App”完成2000万A轮融资 4、制造企业转型升级一站式服务平台“镑镑天工”完成1000万天使轮融资 5、专业连锁齿科机构“马泷齿科”完成2.3亿D轮融资 6、全宅智能家居品牌商“卡特加特”完成1000万A轮融资 7、AI研发公司“帝视科技”完成数千万A轮融资 8、知识产权以及财税代理服务提供商“大瑞商务”完成500万天使轮融资 9、新型社区社群电商平台“小美鲜生”完成1000万天使轮融资 10、交叉双旋翼无人直升机研发商“清航装备”完成9500万A轮融资

05

首次不依赖生成模型，一句话让AI修图！

机器之心专栏作者：网易互娱 AI Lab 2022 年是人工智能生成内容（AI Generated Content，AIGC）爆发的一年，其中一个热门方向就是通过文字描述（text prompt）来对图片进行编辑。已有方法通常需要依赖在大规模数据集上训练的生成模型，不仅数据采集和训练成本高昂，且会导致模型尺寸较大。这些因素给技术落地于实际开发和应用带来了较高的门槛，限制了 AIGC 的发展和创造力发挥。针对以上痛点，网易互娱 AI Lab 与上海交通大学合作进行了研究，创新性地提出一套基于可微矢量渲染器

02

延迟任务多种实现姿势--上

例如：pdd下单,但是没有付款,那么24小时候，订单会自动取消。收货后，如果一直不进行确认，那么默认七天后自动确认收货等等。

03

首次不依赖生成模型，一句话让AI修图！

来源：机器之心本文约4500字，建议阅读9分钟本文为你介绍一套基于可微矢量渲染器的解决方案。 2022 年是人工智能生成内容（AI Generated Content，AIGC）爆发的一年，其中一个热门方向就是通过文字描述（text prompt）来对图片进行编辑。已有方法通常需要依赖在大规模数据集上训练的生成模型，不仅数据采集和训练成本高昂，且会导致模型尺寸较大。这些因素给技术落地于实际开发和应用带来了较高的门槛，限制了 AIGC 的发展和创造力发挥。针对以上痛点，网易互娱 AI Lab 与上海交通

02

干货 | CMU博士生杨植麟：如何让AI像人类一样学习自然语言？

本文分享了无监督学习和情景化学习的一些最新进展，其中包括一篇 ICLR Oral 论文的解读。 AI 科技评论按：近几年，由于深度神经网络的快速发展，自然语言处理借此取得了重大突破，但同时也达到了它的发展瓶颈期。因此，研究如何让 AI 像人类一样去学习自然语言成为了现在研究者们最关心的问题。在近期 GAIR 大讲堂上，来自卡内基 · 梅隆大学三年级博士生杨植麟同学分享了无监督学习和情景化学习的一些最新进展，其中包括一篇 ICLR Oral 论文的解读，点击阅读原文可查看完整视频回放。杨植麟，卡内基梅隆

05

CVPR 2022｜快手&中科院开源StyTr^2：基于Transformer的图像风格化方法

图像风格化是一个有趣且实用的课题，它可以使用参考的风格图像来呈现内容图像，多年以来在学术界被广泛研究，并已在包括短视频领域在内的业界得到大规模的落地应用。例如，移动互联网用户可以通过快手主站、极速版、一甜相机和快影等一系列 APP，体验包括手绘、水彩、油画和 Q 版萌系风格在内的各种人像风格化特效。

02

详解持续集成是什么持续交付、持续部署、流程

互联网软件的开发和发布，已经形成了一套标准流程，最重要的组成部分就是持续集成（Continuous integration，简称 CI）。

02

CVPR 2022｜快手联合中科院自动化所提出基于Transformer的图像风格化方法

机器之心专栏作者：快手Y-tech 本文提出了一种基于 Transformer 的图像风格迁移方法，我们希望该方法能推进图像风格化的前沿研究以及 Transformer 在视觉尤其是图像生成领域的应用。论文链接：https://arxiv.org/abs/2105.14576 代码地址：https://github.com/diyiiyiii/StyTR-2 图像风格化是一个有趣且实用的课题，它可以使用参考的风格图像来呈现内容图像，多年以来在学术界被广泛研究，并已在包括短视频领域在内的业界得到大规模的

03

CVPR 2022｜快手联合中科院自动化所提出基于Transformer的图像风格化方法

来源：机器之心本文约1800字，建议阅读5分钟本文提出了一种基于 Transformer 的图像风格迁移方法。本文提出了一种基于 Transformer 的图像风格迁移方法，我们希望该方法能推进图像风格化的前沿研究以及 Transformer 在视觉尤其是图像生成领域的应用。论文链接：https://arxiv.org/abs/2105.14576 代码地址：https://github.com/diyiiyiii/StyTR-2 图像风格化是一个有趣且实用的课题，它可以使用参考的风格图像来呈现内容图

06

现代对称加密和DataEncryptionStandard

S 盒接受特定数量的输入比特 m，并将其转换为特定数量的输出比特 n，其中 n 不一定等于 m 。一个 m×n 的S盒可以通过包含 2m 条目，每条目 n 比特的查找表实现。

01

GreenPlum内核升级

PostgreSQL(简称pg)是一个高级的对象关系数据库管理系统，它支持SQL标准的一个扩展子集。最近在研究pg14的create table like语句，如下命令会被拆分成若干个statement，在greenplum中QD与QE的处理还不一样，会将statement从QD分发到各个QE上。

01

持续集成是什么？

互联网软件的开发和发布，已经形成了一套标准流程，最重要的组成部分就是持续集成（Continuous integration，简称 CI）。　　本文简要介绍持续集成的概念和做法。一、概念　　持续

03

持续集成是什么？

互联网软件的开发和发布，已经形成了一套标准流程，最重要的组成部分就是持续集成（Continuous integration，简称CI）。本文简要介绍持续集成的概念和做法。一、概念持续集成指的是，

03

一分钟理解什么是持续集成和持续部署

互联网软件的开发和发布，已经形成了一套标准流程，最重要的组成部分就是持续集成（Continuous integration，简称 CI）。

01

机器学习十大经典算法之AdaBoost

集成学习大致可分为两大类：Bagging和Boosting。Bagging一般使用强学习器，其个体学习器之间不存在强依赖关系，容易并行。Boosting则使用弱分类器，其个体学习器之间存在强依赖关系，是一种序列化方法。Bagging主要关注降低方差，而Boosting主要关注降低偏差。Boosting是一族算法，其主要目标为将弱学习器“提升”为强学习器，大部分Boosting算法都是根据前一个学习器的训练效果对样本分布进行调整，再根据新的样本分布训练下一个学习器，如此迭代M次，最后将一系列弱学习器组合成一个强学习器。而这些Boosting算法的不同点则主要体现在每轮样本分布的调整方式上。

02

零成本突破多模态大模型瓶颈！多所美国顶尖高校华人团队，联合推出自增强技术CSR

多模态大模型展现出了多种多样的能力，这些能力都通过SFT和预训练从庞大的训练数据集中学习。

01

如何在金融企业推进故障演练？中国人寿分阶段实践总结

TakinTalks社区专家团成员。拥有多年开发和运维经验，专注高可用领域，目前负责中国人寿混沌工程等多项高可用举措的规划和落地实施，对于构建高可用系统具有深入的理解和实践经验。

01

快速搭建博客-提升篇，主题美化

我们刚开始默认的菜单只有首页和归档两个，不能够满足我们的要求，所以需要添加菜单，打开主题配置文件找到Menu Settings

02

Java 近期新闻：JobRunr 7.0、Commonhaus 基金会介绍、Payara 平台、Devnexus

在宣布成为 Candidate 后不到一周的时间里，JEP 473，流聚合器（Stream Gatherers，第二次预览），已经从 JDK 23 的 Candidate 状态提升为 Proposed to Target 状态。该 JEP 是对上一次预览，即 JEP 461，流聚合器（Stream Gatherers，预览版），在 JDK 22 中交付，进行的第二次预览。这将允许有更多的时间来进行反馈，并使用该功能获得更多的体验，而不会对 JEP 461 进行面向用户的更改。该特性旨在增强 Stream API，以支持自定义的中间操作，这些操作将“允许流管道以现有内置中间操作无法轻松实现的方式转换数据”。有关该 JEP 的更多详细信息，请参阅原始设计文档和 InfoQ 新闻报道。审查预计将于 2024 年 4 月 16 日结束。

01

三歪写Bug写哭了

三歪最近每天都很忙，一直在整合系统，期间遇到了不少奇奇怪怪的问题。今天想分享一个Bug，如果后面你遇到了希望你能想起这篇文章。

02

快速实现一个分布式定时器

作者：刘若愚，腾讯 WXG 后台开发工程师定时器（Timer）是一种在业务开发中常用的组件，主要用在执行延时通知任务上。本文以笔者在工作中的实践作为基础，介绍如何使用平时部门最常用的组件快速实现一个业务常用的分布式定时器服务。同时介绍了过程中遇到问题的一些解决方案，希望能够给类似场景提供一些解决思路。 1.什么是定时器定时器（Timer）是一种在指定时间开始执行某一任务的工具（也有周期性反复执行某一任务的Timer，我们这里暂不讨论）。它常常与延迟队列这一概念关联。那么在什么场景下我才需要使用定时

04

算法基础：动态规划

动态规划与分治法的区别是：从分治法的视角来看，每个子问题必须相互独立；但在多轮决策中，这个假设显然不成立，而多轮决策就用到了动态规划方法。

02

创业公司Neurala新突破：在本地计算中解决“灾难性遗忘”

安妮编译整理在英伟达的GPU技术大会上，创业公司Neurala演示了新型深度学习神经系统解决方案，宣布解决了深度神经网络设计中的“灾难性遗忘”问题。他们正在为这个解决方案申请专利，并宣布计划在

07

Tendermint: 共识概览

Tendermint 是一个易于理解，大部分操作为异步的 BFT 共识协议。下图是一个简单的状态机，它展示了协议遵循的规则：

01

解密“达达-京东到家”的订单即时派发技术原理和实践1、前言2、关于作者3、订单即时派发架构的演进5、订单派发方案的具体实现6、结语附录：更多相关技术文章

达达-京东到家作为优秀的即时配送物流平台，实现了多渠道的订单配送，包括外卖平台的餐饮订单、新零售的生鲜订单、知名商户的优质订单等。为了提升平台的用户粘性，我们需要兼顾商户和骑士的各自愿景：商户希望订单能够准时送达，骑士希望可以高效抢单。那么在合适的时候提升订单定制化的曝光率，是及时送物流平台的核心竞争力之一。

02

挎斗模式

将应用程序的组件部署到单独的进程或容器中，以提供隔离和封装。使用此模式还可以使用异构组件和技术来构建应用程序。

04

Ensemble Learning

集成学习(ensemble [ɒnˈsɒmbl] learning)通过构建并结合多个学习器来完成任务，有时也被称为多分类器系统(multi-classifier system)。

01

消息队列之kafka-服务端

kafka依赖于ZooKeeper，如果以单机模式调试kafka，需要确保本机已经安装了ZooKeeper，并处于启动状态。

04

老大的新需求：生成订单30分钟未支付，则自动取消，该怎么实现？

对上述的任务，我们给一个专业的名字来形容，那就是延时任务。那么这里就会产生一个问题，这个延时任务和定时任务的区别究竟在哪里呢？一共有如下几点区别

01

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭