这个就是装饰器啊，不推荐在装饰器里做异常处理，这样会导致装饰器有隐藏的顺序要求

从关系正常到没有交流的变化比较奇怪，楼主可能隐瞒了什么

改成单值模型

用 C#写 T4 Text Templates

@meeop 没有绝对的言论自由，比如你没法支持损害你平台言论自由的言论的自由

看到很多都提到了，说个冷门点的，Freelance 自由枪骑兵

@JasonLaw #3 了解了，两个方案吧，要么把积分扣减和将订单改为已支付这两个操作写到一个事务里，这里必然要用分布式事务。
或者也可以在扣减积分记录里记下订单 ID ，这样查询订单是未支付的时候需要再查一下积分记录，查看是否真的扣减成功。

逆行倒不是很大的问题，靠右慢走就行了，主要还是路口，路口出来一定得小心

感觉顺序就错了，应该先创建订单，然后再扣积分

1.单代码库 monorepo ，对程序员要求高，任一 lib 项目 merge 都必然影响其他项目
2.多代码库做 stable 分支依赖，需要自己管理依赖以及反向构建来保证 stable 分支可用

不建议 tag 依赖

老哥，看你发了不少帖子了，怎么入股啊

#2 楼提到了问题的关键

mysql 查询优化器要么用 mchcode 索引 要么用 create_time 索引 （假如 where 只考虑 mchcode ）

1 如果用 mchcode 索引：从 mchcode 索引树里拿到所有满足条件的主键->回表->排序拿到第一个
优点是用到 mchcode 索引，查询比较快 缺点是要排序

2 如果用 create_time 索引：对 create_time 索引树扫全表->每次都要回表判断 where 条件->一旦满足条件直接返回
优点是不用额外排序了，缺点是 where 条件过滤无法用到索引，只能全表扫描

所以如果 mchcode 过滤之后结果非常多，导致额外的排序非常耗时那么 2 比较好，反之 1 比较好
查询优化器根本无法判断，这种只有执行了才知道

不说别的，就说贵公司依赖环境，是 depend on stable 还是 depend on head

要是 depend on head 那是真的🐮🍺

各种 xx 云

直接特征拼起来 + 树形分类器 e.g. rf xgboost

@xiaolinjia 不是大佬哈……只是想提供一点帮助

不可能每帧都 detection，也不可能不做 detection
detection 能辅助 tracking，tracking 也能提高 detection 的准确度

你领导给你的这个任务……都可以用来做硕博的毕业课题了，既然你这是工业应用，那自然应该找现成的用

推荐一个流程：
1. 对初始帧做 detection 拿到多个目标 boundingbox，或者用交互手段直接框
2. 针对每个 boundingbox，tracking N 帧之后的位置，计算它们之间的相似度
3. 相似度大于某个阈值 continue， 否则重新 detection

detection 用的方法推荐用深度学习，直接拿别人的模型用，用传统的 cv 特征学习门槛比较高，还得自己训练
至于模型，楼上有大佬提到了一些方法，……或者你康康 12306 的验证码识别能不能直接用
https://github.com/zhaipro/easy12306
https://github.com/testerSunshine/12306model
detection 再考虑细一点的话，还有一个候选区域生成的问题，可以用滑动窗，mser 或者 selective search

tracking 的方法 opencv 3.0 之后的版本里有很多，自己选一个就行

计算相似度的方法，7#已经帮你想好了

这个流程可以 handle 多目标情况