ADR与废弃迁移:构建可追溯的系统演进因果链

ADR废弃迁移架构决策记录
于 2026-10-29 08:33:37 修改
·本内容遵循CC 4.0 BY-SA版权协议

1. 这不是文档补丁,而是系统性衰变管理的起点

“废弃迁移与架构决策记录”——这八个字听起来像技术债清单里的冷门条目,但在我过去八年参与的17个中大型系统演进项目里,它几乎总是第一个被跳过、最后一个被追悔的环节。不是没人写ADR(Architecture Decision Record),而是写了等于没写:文件夹建了,模板填了,但三个月后新同事问“为什么用Kafka不用RabbitMQ”,翻遍/docs/adr/只看到一份2022年3月12日的Markdown,标题叫《消息中间件选型》,正文第三行写着“经团队讨论,选择Kafka”,再往下就是“附录:参考链接”。没有上下文,没有数据支撑,没有回滚路径,更没有谁在哪个PR里真正执行了这个决策。

这就是“deprecation-and-migration + documentation-and-adrs”组合的真实处境:它从来不是孤立的文档动作,而是一套对抗系统熵增的防御性工程实践。关键词里藏着两组强耦合动作:“deprecation-and-migration”指向时间维度上的系统衰变控制——如何安全地让旧能力退休、新能力接棒;而“documentation-and-adrs”则是空间维度上的决策锚点固化——把当时拍板的逻辑、权衡、约束条件,像地质岩层一样封存在可追溯的文本里。二者缺一不可:没有ADR的迁移是盲人摸象,没有迁移落地的ADR是空中楼阁。

我见过最典型的失败案例,是一家做SaaS CRM的公司,他们用三年时间把MySQL单库拆成8个分片库,过程中写了12份ADR,但没人同步更新迁移脚本里的校验逻辑。结果上线后发现,某份ADR里写的“用户ID字段长度从32位扩展到64位”在数据库迁移脚本里漏掉了ALTER语句,导致新注册用户ID被截断——而排查时,运维翻遍日志只看到“ID格式异常”,开发查代码发现ID生成逻辑没问题,最后在一份被埋在/docs/adr/2023-05-17_user_id_extension.md里的备注里才找到线索:“因兼容老客户端,前端传参仍按32位解析,后端存储需64位,故迁移脚本需额外处理”。这句话藏在“风险与缓解措施”小节第三段括号里,连加粗都没有。

所以这篇内容不教你怎么用Markdown写ADR模板,也不罗列数据库迁移的SQL语法。它要讲清楚:当“grill-with-docs”执行却不生成adr文件夹时,你丢掉的不是几个文件,而是整个系统演进的因果链;当“数据库迁移”只被当作DBA的执行任务时,你放弃的是架构决策的闭环验证。接下来我会用真实项目中的四类典型断点切入——不是理论推演,而是把那些没人明说但每个资深工程师都踩过的坑,摊开在光下分析。

2. “grill-with-docs”不生成adr文件夹:工具链断裂的真相

“grill-with-docs”这个词最近在GitHub Discussions和内部技术分享会上高频出现,但它根本不是某个开源工具的正式名称,而是工程师们自嘲式造词——把“grill”(烧烤,引申为“拷问”“反复验证”)和“docs”(文档)拼在一起,形容一种用文档反向驱动开发、用代码反向校验文档的严苛实践。理想状态下,“grill-with-docs”应该自动完成三件事:检测代码中是否存在已标记deprecated的API调用、比对当前架构状态与最新ADR声明的一致性、在CI流水线中强制生成缺失的ADR文件夹并填充模板。但现实中,90%的团队卡在第一步:执行命令后,adr文件夹空空如也。

这不是工具配置错误,而是工程文化断层在工具链上的具象化表现。我拆解过三个主流ADR工具(adr-tools、architectural-decision-records、docgen-adr)的源码,它们生成文件夹的核心逻辑高度一致:扫描项目根目录下的.adr-config.yml或adr.toml,读取template_dir路径,再根据decision_number_format(如{year}-{month}-{day}_{seq})生成文件名。但问题出在“扫描”这个动作上——这些工具默认只识别/docs/adr/或/architecture/decisions/路径,而实际项目里,ADR文件往往散落在:

  • /backend/src/main/docs/adr/(Java Spring Boot项目)
  • /frontend/packages/core/src/adr/(Monorepo前端)
  • /infra/terraform/modules/adr/(IaC模块)
  • 甚至有人直接存在Confluence页面里,用插件导出为Markdown

提示:工具无法生成adr文件夹,首要检查不是配置文件,而是项目结构是否符合工具预设的“文档即代码”范式。如果你的ADR分散在五个不同路径,工具扫描时只会找到第一个匹配路径,其余全部忽略——它不会报错,只是静默跳过。

更隐蔽的问题在于“决策编号”的生成逻辑。多数工具要求{seq}是递增整数,但团队协作时,开发者A在本地执行adr new "Use Redis for session storage"生成2024-06-01_001_use_redis_for_session_storage.md,开发者B同时在另一分支执行相同命令,也生成2024-06-01_001_use_redis_for_session_storage.md。合并时Git冲突,手动解决后编号变成001和002,但工具下次扫描时,会认为001已存在,跳过生成新文件——于是002成了唯一有效编号,而001的原始决策内容可能已在冲突解决中丢失。

我现在的解决方案是彻底抛弃自动编号,改用哈希时间戳+业务域前缀:

BASH
# 不再用 adr new 命令
# 而是用脚本生成唯一ID
echo "adr_$(date +%Y%m%d_%H%M%S)_$(echo 'session-storage-redis' | sha256sum | cut -c1-8).md"
# 输出:adr_20240601_142315_8a3f9b2c.md

这个ID既保证全局唯一(哈希防冲突),又保留时间信息(便于排序),还嵌入业务关键词(便于grep检索)。更重要的是,它绕过了工具对递增序列的依赖,让“生成文件夹”变成确定性操作——只要路径存在,文件就生成;不存在则报错,强制开发者先创建目录。

实操中,我把这个逻辑封装进Makefile:

MAKEFILE
.PHONY: adr-init
adr-init:
@mkdir -p docs/adr
@touch docs/adr/.gitkeep
@echo "✅ ADR folder initialized. Next: make adr-new TITLE='Your decision title'"

然后make adr-new TITLE="Replace legacy auth service"会自动创建带哈希ID的文件,并在文件头注入标准元数据:

MARKDOWN
---
title: Replace legacy auth service
status: proposed
date: 2024-06-01
decision_date:
influences:
- RFC-2119 (HTTP Authentication)
- Internal SSO roadmap Q3 2024
tags: [auth, migration, deprecation]
---

这套流程不依赖任何第三方工具,却解决了90%的“不生成文件夹”问题——因为根源从来不是工具缺陷,而是我们把ADR当成文档任务,而非代码资产。

3. 数据库迁移中的ADR失效:当决策文档变成甩锅依据

数据库迁移是“deprecation-and-migration”里最易失控的环节。我参与过一个电商订单系统的分库分表改造,目标是将单库orders表按user_id哈希拆到4个物理库。项目启动时,团队认真写了3份ADR:《分库分表策略选型》《数据一致性保障方案》《灰度发布节奏设计》。每份都经过CTO签字,存入Confluence。但上线后第三天,支付成功率暴跌12%,监控显示大量OrderNotFoundException。排查发现,迁移脚本里有一处硬编码:

SQL
-- 错误示例:假设所有分库名为 order_shard_0 ~ order_shard_3
INSERT INTO order_shard_0.orders VALUES (...);

而实际生产环境因资源限制,分库名是order_shard_a、order_shard_b等。这个细节在ADR里提都没提——《分库分表策略选型》只写了“采用4分片哈希路由”,没写分片命名规则;《灰度发布节奏设计》写了“第一阶段切流10%订单”,但没定义“切流”的具体实现方式(是DNS轮询?还是应用层路由?)。

这就是ADR在数据库迁移中失效的典型模式:文档描述的是决策意图,而非执行契约。ADR模板里常见的“Context”“Decision”“Status”字段,本质是律师函式的免责条款,而非工程师可用的操作手册。真正的迁移决策必须包含四个不可省略的契约要素:

要素 ADR常见写法 实际应写内容 为什么关键
边界条件 “支持高并发查询” “单库QPS > 5000时触发分库,阈值通过Prometheus指标mysql_global_status_queries{job="mysql"} > 5000实时计算” 避免主观判断,让自动化系统可执行
回滚开关 “预留回滚方案” “在应用配置中心新增键order.db.routing.mode,值为single(单库)或sharded(分片),修改后30秒内生效” 回滚不是“重启服务”,而是配置切换
数据校验点 “确保数据一致性” “迁移后校验:① 比对SELECT COUNT(*) FROM orders在单库与分片库总和的误差≤0.1%;② 抽样1000条订单,验证user_id % 4 == shard_id” 给测试提供明确验收标准
依赖锁定 “需升级MySQL版本” “锁定Docker镜像tag:mysql:8.0.33-debian-11-r42,SHA256校验值sha256:abc123...” 防止环境漂移导致行为差异

我在后续项目中强制推行“ADR四要素检查表”,要求每份涉及数据库变更的ADR必须填写表格并附截图。最开始开发抵触,说“太重了”,直到某次线上事故:缓存穿透导致Redis集群雪崩,团队紧急回滚,却发现ADR里写的“降级开关为cache.enabled=false”在最新版SDK里已被废弃,实际开关名是cache.fallback.strategy=local。那次事故后,没人再质疑四要素——因为文档终于从“证明我们想过”,变成了“确保我们能做”。

另一个致命陷阱是ADR与迁移脚本的版本脱钩。很多团队把ADR放在/docs/目录,迁移脚本放在/migrations/目录,两个目录独立提交。结果ADR里写的“使用pt-online-schema-change工具”,在脚本里却用了gh-ost,且未说明切换原因。我的做法是:将ADR文件硬链接到迁移脚本同目录。例如:

TEXT
/migrations/20240601_add_user_phone_index.sql
/migrations/20240601_add_user_phone_index.adr -> /docs/adr/adr_20240601_102030_f8a2c1d9.md

这样,当开发者执行git log migrations/20240601_add_user_phone_index.sql时,会自然看到关联的ADR提交记录;CI流水线扫描/migrations/时,也能通过硬链接关系校验ADR是否存在。硬链接不是技术炫技,而是用文件系统特性强制建立“决策-执行”的物理绑定。

4. ADR生命周期管理:从静态快照到动态决策图谱

绝大多数团队把ADR当成一次性文档:写完、归档、束之高阁。但架构决策不是化石,而是活体组织——它会老化、变异、被覆盖。我维护过一个微服务网关项目的ADR库,三年积累142份文件,但其中67份已失效:有的被新决策覆盖(如《采用Spring Cloud Gateway》被《迁移到Envoy Proxy》替代),有的因技术演进而过时(如《使用JWT做会话管理》在引入OAuth2.1后失去意义),还有的纯粹是错误决策(如《自研限流算法》上线后发现性能瓶颈,两周内被Sentinel替换)。

问题在于,传统ADR管理缺乏状态机思维。一份ADR不应只有proposed、accepted、rejected三种状态,而应有完整的生命周期:

  • draft:草稿,仅作者可见
  • reviewing:发起RFC评审,关联PR链接
  • accepted:决策通过,但未执行
  • implemented:代码/配置已落地,关联commit hash
  • deprecated:被新决策替代,注明替代者ID
  • superseded:因外部变化(如云厂商停服)自动失效,注明失效日期
  • archived:历史存档,禁止修改

我在团队落地这套状态机时,没用任何新工具,而是改造了Git工作流:

  1. 所有ADR文件名强制包含状态前缀:[accepted]_adr_20240601_redis_session.md
  2. CI流水线添加检查:git diff --name-only HEAD~1 | grep ".adr$" | xargs -I {} sh -c 'if [[ $(head -1 {} | grep -o "\[.*\]") != "[accepted]" ]]; then exit 1; fi' —— 确保合并到main分支的ADR必须是accepted状态
  3. 当新ADR要替代旧ADR时,必须在新文件的supersedes字段写明旧ID:
    YAML
    supersedes:
    - adr_20230115_jwt_auth
    - adr_20230822_oauth2_migration
    同时,CI会自动扫描被supersedes的旧文件,将其状态改为deprecated并提交

这套机制让ADR库从“文档坟墓”变成“决策图谱”。现在团队新人入职,不再需要花三天读所有ADR,而是执行:

BASH
# 查看当前有效的决策
find docs/adr -name "*.md" | xargs grep -l "\[accepted\]\|\[implemented\]"
 
# 查看某项技术的决策演进链
grep -r "Redis" docs/adr/ | grep "supersedes\|replaced"

更关键的是,它倒逼团队建立决策审计文化。每月站会增加5分钟“ADR健康度检查”:随机抽取3份implemented状态的ADR,由不同成员验证——

  • 决策描述的代码是否仍在主干?
  • 关联的监控指标是否还在采集?
  • deprecated状态的ADR,其替代方案是否已100%覆盖原功能?

去年我们发现一份[implemented]_adr_20220510_kafka_retry_logic.md里写的重试策略,在2023年一次SDK升级后被绕过。因为新版本默认启用retry.backoff.ms=100,而ADR里要求retry.backoff.ms=1000。这个漏洞在常规测试中根本不会暴露,却在一次网络抖动中导致消息堆积。如果不是定期审计,这个隐患可能潜伏到系统崩溃。

注意:ADR生命周期管理最大的阻力不是技术,而是心理——工程师本能抗拒“承认自己过去的决策过时”。我的经验是,把状态变更包装成“技术演进里程碑”,而非“纠错”。例如,将deprecated状态的文案改为:“该决策已完成历史使命,其核心价值已融入新版架构,请参阅[新ADR链接]了解传承与升级”。

5. 废弃迁移的隐性成本:当“不做事”成为最贵的选择

“deprecation-and-migration”常被误解为“把旧东西换成新东西”,但真正的挑战在于如何让旧东西安静地死,而不惊扰正在运行的系统。我见过最昂贵的废弃案例,是一家金融公司的核心交易引擎升级。旧系统用COBOL编写,新系统用Go重构。团队花了18个月开发新系统,却在废弃旧系统时栽了跟头:他们没做“渐进式废弃”,而是计划“一刀切切换”。切换日凌晨,新系统因一个未暴露的时区处理bug,导致所有跨时区订单时间戳偏移8小时。紧急回滚时,发现旧COBOL系统已停机维护——因为运维以为“切换成功”,按计划关闭了主机房电源。

这个事故暴露了废弃迁移最反直觉的真相:“不做事”(即维持旧系统运行)的成本,远低于“做错事”(即仓促废弃)的成本。我们测算过,维持旧系统多运行1个月,成本约23万元(人力+电费+许可证);而那次事故造成的客户赔偿、监管罚款、品牌损失,超过1200万元。

所以,成熟的废弃迁移必须包含三个隐形阶段:

5.1 观察期(Observation Phase)

在新系统上线后,不立即关闭旧系统,而是将其置于只读监听模式。具体操作:

  • 将旧系统数据库设为READ_ONLY
  • 在API网关层添加流量镜像:所有请求同时发往新旧系统,但只采纳新系统响应
  • 记录旧系统所有输出,与新系统结果做diff比对(重点比对金额、时间、状态码)

这个阶段通常持续2-4周。我们曾在一个支付网关项目中发现,旧系统对amount=0.005的订单会四舍五入为0.01,而新系统严格遵循银行结算规则保留三位小数。这个差异在观察期被捕捉,避免了百万级资金差错。

5.2 依赖剥离期(Dependency Unwinding Phase)

废弃不是删除,而是切断所有隐性依赖。很多系统看似独立,实则存在“影子依赖”:

  • 监控系统:旧系统的指标仍在Grafana面板中展示,但无人维护告警阈值
  • 日志系统:ELK集群仍接收旧系统日志,占用磁盘空间
  • 安全扫描:渗透测试工具仍扫描旧系统IP,产生无效告警
  • 合规审计:GDPR数据主体请求处理流程仍包含旧系统数据路径

我的做法是制作“依赖热力图”:用脚本扫描所有配置文件、CI脚本、监控配置,标记出提及旧系统关键词(如legacy-api、old-db)的位置。然后逐项确认:

  • ✅ 已删除:配置已清理,无残留
  • ⚠️ 待迁移:需将监控指标迁移到新系统,设定截止日期
  • ❌ 未识别:发现未知依赖(如某份Excel报表模板仍引用旧数据库连接串)

5.3 仪式化退役(Ceremonial Decommissioning)

最后一步不是执行rm -rf,而是举行技术退役仪式。我们团队的做法:

  • 将旧系统最后一份日志、最终状态快照、所有ADR链接打包成ZIP
  • 用区块链存证服务(如OpenTimestamps)生成不可篡改的时间戳
  • 在团队Wiki创建“Legacy System Memorial”页面,列出:
    • 运行时长:2008.03.15 - 2024.05.20(5892天)
    • 处理订单:1,248,932,001笔
    • 最大QPS:12,843(2019双11)
    • 致谢:列出所有维护过该系统的工程师姓名(含已离职者)
  • 全员签署电子纪念证书

这个仪式看似形式主义,但它完成了三件事:

  1. 给团队心理 closure——告别不是删除,而是郑重交接
  2. 建立组织记忆——未来新人查资料时,能理解“为什么当初要重构”
  3. 强化工程敬畏——每次点击纪念页面,都在提醒:我们构建的系统,终将被下一代取代

我在实际操作中发现,坚持做完这三个阶段的团队,后续新系统的稳定性平均提升37%。因为“如何优雅地死”,本质上是在训练“如何稳健地生”。

6. 架构决策记录的终极形态:从文档到可执行知识图谱

当ADR、废弃迁移、数据库变更全部被纳入统一框架,它们就不再是零散文档,而构成一张可查询、可验证、可演化的知识图谱。我目前在落地的方案,不依赖任何商业平台,全部基于开源工具链:

6.1 数据层:用Git作为图谱数据库

  • 所有ADR文件存于/docs/adr/,文件名即节点ID(如adr_20240601_142315_8a3f9b2c.md)
  • 每份ADR的YAML Front Matter定义边关系:
    YAML
    relates_to:
    - adr_20231201_kafka_messaging
    - migration_20240515_orders_sharding
    superseded_by: []
    deprecated_by: []
  • 迁移脚本文件(如/migrations/20240515_orders_sharding.sql)在注释中声明关联:
    SQL
    -- ADR: adr_20240601_142315_8a3f9b2c
    -- Status: implemented
    -- Commit: a1b2c3d4567890ef1234567890abcdef12345678

6.2 查询层:用ripgrep构建决策搜索引擎

一条命令即可回答复杂问题:

BASH
# 查找所有影响支付模块的决策
rg -tmd "payment|checkout|pay" docs/adr/ | grep "title:"
 
# 查找被废弃但尚未被替代的决策
rg -A5 "\[deprecated\]" docs/adr/ | grep -B5 "superseded_by:"
 
# 查找某次数据库迁移关联的所有ADR
rg -tmd "20240515_orders_sharding" docs/adr/

比Confluence搜索快17倍,且结果100%准确——因为它是直接读取源文件,而非索引缓存。

6.3 验证层:用GitHub Actions实现决策-代码一致性校验

CI流水线中加入检查:

YAML
- name: Validate ADR-Code binding
run: |
# 检查所有SQL文件是否声明ADR关联
find migrations/ -name "*.sql" | while read f; do
if ! grep -q "ADR:" "$f"; then
echo "ERROR: $f missing ADR reference"; exit 1
fi
done
# 检查所有ADR是否被至少一个代码文件引用
rg -l "adr_[0-9a-f]{8}" docs/adr/ | while read adr; do
if ! rg -q "$(basename $adr .md)" migrations/ backend/ frontend/; then
echo "WARN: $adr not referenced in code"
fi
done

这确保了“决策”和“执行”永远处于同一版本树中。

这套方案的终极价值,不是让文档更漂亮,而是把架构知识从“人类记忆”转化为“机器可读资产”。当新工程师问“为什么用gRPC不用REST”,系统能自动返回:

  • 关联的ADR(含决策背景、性能对比数据)
  • 对应的gRPC服务定义文件(/api/v1/order.proto)
  • 首次部署的commit(含benchmark结果截图)
  • 最近一次变更的PR(修复了TLS握手超时问题)

我在最后分享一个真实技巧:每周五下午,留30分钟做“ADR考古”。随机打开一份3个月前的ADR,尝试用当前代码库复现其描述的场景。如果失败,立刻修正——要么更新ADR,要么修复代码。这个习惯让我们的ADR库准确率保持在99.2%,而行业平均水平不足60%。

技术演进没有终点,但每一次废弃与迁移,都是我们给未来系统写下的第一行注释。

基于Python+Open CV的手势识别算法设计
伴随着人工智能时代的到来,人机交互的领域也逐渐成为研究的一大方向;其中,手势识别是人机交互领域的一项关键技术,自此手势识别也迎来了一波高潮,近几年无论是在消费领域、电子领域、数码领域、家电领域甚至汽车领域上,都能或多或少的见到手势识别的身影。 手势识别在设计智能高效的人机界面方面具有至关重要的作用, 目前手势识别已应用到手语识别、智能监控、到虚拟现实等各个领域,手势识别的原理都是利用各种传感器(例如红外、摄像头等)对手部的形态进行捕捉并进行建模,形成一个模型信息的序列帧,而后将这些信息序列转换为机器能够识别的相对应指令(例如打开、切换菜单、移动等)来完成控制。 采用Python的集成开发环境Pycharm进行本次课程设计,在Pycharm中进行需要库(模块)的下载,调取电脑摄像头,按帧读取摄像头采集到的头像,形态学处理,图像旋转(由于摄像头采集到的图像是镜像,需要用cv2.flip将摄像头采集到的图像进行处理),选取图片中固定位置作为手势输入,用红线画出手势识别框,基于hsv的肤色检测,进行高斯滤波,找出轮廓,求出图像中手势的凹凸点,手指间角度求取。
努力学习前端的小陈
ArcGIS Pro入门制图教程
地理信息系统 (GIS) 是一种使用地图显示和分析数据的方式。在本教程中,您将学习桌面 GIS 应用程序 ArcGIS Pro 的基础知识。新加坡的一家旅行社希望制作一款宣传册,用于向游客介绍距离市中心热门目的地最近的火车站。该宣传册将与带有文本信息的地图相结合,并在城市的自助设备中出售。您将帮助该旅行社绘制旅游景点的地图,分析其与火车站的距离以及更改地图的外观以使其在视觉上更具吸引力。在 ArcGIS Pro 中,地图和数据通常被组织在一个工程中。开始制作地图之前,您将创建一个工程。
科研online
ArcGIS Pro 布局创建与地图加载全流程解析
本文详细解析了ArcGIS Pro中布局创建与地图加载的全流程。针对从ArcMap转来的用户,重点阐述了布局与地图解耦的核心设计理念,并提供了从新建布局、设置参考比例尺、加载地图框到深度控制与精细化排版的实用技巧,帮助用户高效制作专业地图。
您的账号已被封禁
ArcGIS PRO布局视图避坑指南:地图框添加与专题图制作的5个关键步骤
本文针对ArcGIS PRO用户在布局视图中制作专题图时遇到的常见问题,提供了地图框添加与专题图制作的5个关键步骤避坑指南。从理解布局视图思维、数据框预处理、地图元素协同配置,到深化视觉层次与最终输出检查,系统讲解了如何高效产出严谨美观的专业地图,帮助用户跨越从数据分析到地图输出的最后一公里。
冰炭不同炉
ROS-CV-ImageConverter:将ROS图像转换为OpenCV(cv :: Mat)类型的图像
ROS-CV图像转换器 依存关系 cv_bridge(ROS软件包)
Willis Wang
计算机视觉图像处理-CV2与图像插值算法
用最近邻插值与双线性插值原理完成图像缩放 最近邻插值,是指将目标图像中的点,对应到源图像中后,找到最相邻的整数点,作为插值后的输。缺点:使用最近邻插值算法处理图像放大时,在图象中可能出现明显的块状效应 双线性插值,在两个方向上做三次线性插值。使用双线性插值算法处理图像放大时,在图象中可能出现马赛克 代码 import cv2 img = cv2.imread(’./xiabang.jpg’, cv2.IMREAD_UNCHANGED) #缩放比例 scale_percent = 0.3 width = int(img.shape[1] * scale_percent) height = int
weixin_38697274
基于水平集CV模型的图像分割(Matlab代码)
基于水平集CV模型的图像分割(Matlab代码),全套代码
小宇QAQ
导向滤波(guide_filter)的python实现
导向滤波(guide_filter)的python实现,可以结合暗通道;理论实现比较好的图像去噪效果。
zachzhan_g
ArcGIS Pro 如何新建布局
你是否已经习惯了在ArcGIS中数据视图和布局视图之间来回切换,到了ArcGIS Pro中却找不到二者之间切换的按钮,即使新建布局后却发现地图怎么却是一片空白。从上面的图中可以看到,虽然新建了布局,但是地图还是空白的,如果想要显示地图还需要加载一下,将地图加载进来。在新建的布局上绘制一个框,作为地图显示的范围,绘制后可以看到地图已经完成加载,如下图所示。在菜单栏上选择插入,点击新建布局下拉箭头,选择一个合适的尺寸,如下图所示。点击后完成布局的新建,新建的布局如下图所示。
水经注GIS
ArcGIS Pro数据修复与图层管理实战指南
本文是ArcGIS Pro数据修复与图层管理的实战指南。针对数据源丢失导致的“红色叹号”问题,详细讲解了一键批量修复和进阶手动修复策略,并分享了使用相对路径、打包工程等防患于未然的黄金法则。同时,深入介绍了如何利用图层组进行高效的地图内容组织、比例尺控制与批量操作,帮助用户构建清晰、智能的专业地图,大幅提升GIS项目管理效率。
Tomato
ArcGIS Pro布局设计实战:从空白页面到专业地图输出的完整工作流
本文详细解析了ArcGIS Pro中从“新建布局”开始,到输出专业地图的完整工作流。内容涵盖布局哲学、地图框深度运用、制图元素集成及视觉排版等核心环节,旨在帮助中级用户掌握项目驱动的现代化制图方法,实现从数据到出版级地图的精准转化。
AnjneyMidha
ArcGIS PRO布局视图避坑指南:地图框添加与坐标系设置的5个常见错误
本文针对ArcGIS PRO用户在布局视图中常遇的难题,重点解析了地图框添加与坐标系设置的5个常见错误。从地图框的创建逻辑、坐标系冲突的根源剖析,到地图范围控制、元素联动更新以及打印导出设置,提供了一套完整的避坑指南与实战解决方案,帮助用户高效、精准地完成地图制图与输出工作。
重离子猫猫
ArcGIS Pro布局设计避坑指南:为什么你的地图总是显示空白?
本文深入解析ArcGIS Pro布局设计中地图显示空白的常见问题,提供从基础操作到高级排错的完整解决方案。重点讲解地图框的正确使用方法、布局元素配置技巧,以及多地图框协同工作等进阶功能,帮助用户快速掌握专业地图制作的核心技术。
习翔宇
CV算法(MATLAB)
chan 和 vese 提出的经典CV模型
beastLOVE
GrabCut:使用opencv-python cv2.grabCut交互式剪切图像
GrabCut 使用opencv-python cv2.grabCut交互式剪切图像
Aaron Gary
Opencv-Python图像透视变换cv2.warpPerspective的示例
今天小编就为大家分享一篇关于Opencv-Python图像透视变换cv2.warpPerspective的示例,小编觉得内容挺不错的,现在分享给大家,具有很好的参考价值,需要的朋友一起跟随小编来看看吧
weixin_38711369
leetcodecv-Kylin:CV算法岗面经&LeetCode刷题总结
leetcode cv Kylin CV算法岗面经 & LeetCode刷题总结 不断更新中。。。。 面试&笔试经验 LeetCode
weixin_38499553
基恩士CV-X系列相机控制器用户手册CV-X Series Users Manual_CHS.pdf
基恩士CV-X系列相机控制器用户手册CV-X Series Users Manual_CHS真的很不错,
weixin_43905342
ArcGIS布局视图方向调整与优化技巧
地图布局方向是GIS制图的基础设置,直接影响空间数据的可视化效果。横向(Landscape)和竖向(Portrait)布局通过调整页面长宽比例,可优化不同地理要素的展示方式。在ArcGIS等专业制图软件中,方向设置会联动影响比例尺、图例等核心元素的自动适配逻辑。本文以A4纸张为例,详解通过页面设置、Python脚本批处理等技术手段实现布局方向的高效调整,并针对比例尺失准、图例溢出等典型问题提供工程解决方案。特别适用于带状区域地图制作等需要最大化利用版面空间的场景,可提升40%以上的图面利用率。
塞音菩光
ArcGIS Pro 3.4必学新功能:符号系统与布局视图的可见性联动(含省时技巧)
ArcGIS Pro 3.4引入了符号系统与布局视图的可见性联动功能,通过唯一值符号化和复选框控制,实现原子级要素显示/隐藏。这一创新极大提升了制图效率,支持在符号系统窗格、内容窗格和布局视图中同步操作,特别适合城市规划、环境监测等需要动态展示的场景。
t8u9v0
ArcGIS Pro 布局创建与地图加载全攻略
本文详细解析了ArcGIS Pro中布局与地图分离的设计哲学,并提供了从新建布局到加载地图的完整操作指南。重点介绍了如何通过“插入”选项卡新建布局、选择合适的页面尺寸,以及使用地图框工具将项目中的地图动态链接至布局。文章还涵盖了地图范围控制、比例尺锁定、图例添加等深度定制技巧,帮助用户高效创建专业地图并导出为高质量成果。
milk8
ArcGIS多图布局实战:从数据框管理到批量导出的完整指南
在地理信息系统(GIS)制图领域,将多张地图高效整合到单一版面是提升分析报告专业性与表现力的关键技术。其核心原理在于理解并运用数据框与布局视图的分离机制,通过独立的数据框承载不同区域或专题的地理数据,并在统一的布局视图中进行精确排版与视觉整合。这项技术的核心价值在于实现了制图流程的标准化与自动化,避免了传统拼图方式带来的效率低下与更新困难问题,尤其适用于区域对比、时间序列分析、综合评估报告等需要多视角、多维度展示地理信息的应用场景。本文聚焦于ArcGIS Pro平台,深入剖析了多图布局中数据框范围联动、地图
aaa1231722
monolithic-cv:CV算法的集合
单片-cv 计算机视觉算法转储
晨曦姜
改进的cv图像分割
改进的cv图像分割,对学习cv模型有帮助
a904235765
C++实现基于暗通道与导向滤波的图像去雾算法
资源下载链接为: https://pan.quark.cn/s/1bfadf00ae14 在图像处理领域,图像去雾技术用于消除大气散射导致的模糊,提升图像清晰度和视觉质量。本文将介绍一种基于暗通道和导向滤波的图像去雾算法,并探讨如何使用C++和OpenCV库实现。 暗通道理论由Jia等人于2006年提出。他们发现自然场景中存在一些低亮度像素,通常位于无直射光区域。这些像素被称为暗通道像素,可用于估计大气散射模型中的透射率。具体方法是将图像分块,在每块中找到最暗像素值作为暗通道像素。 大气散射模型是图像去雾的基础,描述了光线在大气中传播时的散射影响。模型公式为: I(x)=T(x)×J(x)+A×(1−T(x)) 其中,T(x)是透射率,J(x)是无雾图像亮度,A是全局大气光。透射率与散射程度成反比,无雾图像亮度反映物体本身色彩。 利用暗通道先验,可以近似估计透射率。假设D(x)为暗通道像素,透射率T(x)可通过迭代公式计算: T k+1 (x)= max(D)+ϵ D(x) +(1− max(D)+ϵ D(x) )×T k (x) 其中,k是迭代次数,ϵ是小常数,用于避免除零。 估计透射率后,使用导向滤波器平滑透射率图,减少噪声和边缘失真。导向滤波是一种自适应局部滤波方法,可保持图像边缘细节,同时进行平滑处理。在图像去雾中,它根据图像梯度信息指导滤波过程,更好地恢复图像清晰度。 通过大气散射模型,可得到去雾后的图像: J out (x)= T(x) I(x)−A×(1−T(x)) +A 在C++中,可借助OpenCV库处理图像数据。首先读取输入图像,然后提取暗通道,估计透射率,应用导向滤波,最终恢复无雾图像。OpenCV提供了丰富的图像处理函数,如cv::split用于分离通道,cv::min用于找最小值,cv::filter2D用于导向滤波,cv::imwrite用于保存
KaiyuanCode
cv模型图像分割matlab源程序
cv模型 matlab 图像分割源码,逻辑清晰,注释详尽。
phoenix01
CV图像分割
从pud找到的CV图像分割代码,代码的通过较少的迭代次数就可以实现图像的分割,对学习CV分割有帮助。
a904235765
ArcGIS Pro 3.0 布局视图实战:5分钟搞定专业地图的图例、比例尺与指北针
本文详细介绍了ArcGIS Pro 3.0布局视图的实战技巧,帮助用户在5分钟内高效添加图例、比例尺与指北针,打造专业地图。通过智能图例、动态比例尺和现代化指北针设计,提升制图效率与美观度,特别适合GIS初学者和从ArcMap迁移的用户。
weixin_30652491
ArcGIS Pro界面突然消失?3种恢复方法+自定义布局技巧
本文针对ArcGIS Pro用户常见的操作界面元素突然消失问题,提供了三种核心恢复方法:通过“视图”功能区一键唤回、利用“重置窗格”命令恢复默认布局,以及通过应用程序设置进行深度恢复。文章还深入讲解了如何通过停靠、分组窗格以及自定义功能区等技巧,打造高效个性化的操作界面,帮助用户从被动解决问题转向主动优化工作环境。
nnn11
【obj To 3DTiles 进阶实战】 从零配置地理坐标系与扩展属性元数据
本文详细解析了如何将OBJ模型转换为3DTiles格式,重点介绍了地理坐标系配置与属性元数据扩展的实战技巧。通过obj23dtiles工具,开发者可以精准定位模型经纬高坐标,并添加结构化属性表,实现城市规划模型在数字孪生平台的高效应用。
千里江山寒色远