早晨一上班，测试跟我说，上午创建的数据，返回的时间是下午，话不多说先上图

页面返回展示的数据

数据库返回的数据 

 看完这个我就想起来了，实体类上少了一个注解

 

    @ApiModelProperty(value = "创建时间")
    @JsonFormat(locale = "zh", timezone = "GMT+8", pattern = "yyyy-MM-dd HH:mm:ss")
    private Date createTime;

加上这个注解以后，时间就一致了，我就顺便搜了一下timezone这个时区

格林威治时间+8小时

GMT 就是格林威治标准时间的英文缩写(Greenwich Mean Time 格林尼治标准时间)，是世界标准时间，gmt+8 是格林威治时间+8小时，中国所在时区就是gmt+8 。

# java # 数据库 # 开发语言
Logo
DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

模型预测控制（MPC）十年演进（2015–2025）

摘要： 2015-2025年，模型预测控制（MPC）从传统线性优化（手工建模、秒级求解）演进至端到端VLA大模型时代（可微MPC、量子加速、社交博弈）。中国实现从跟随到领跑（小鹏XNGP、华为ADS等），实时性从秒级突破至20μs，预测时域扩展至100+步，鲁棒性升级为全场景自愈。MPC推动智驾/机器人从刚性轨迹优化迈向意图级社交预测控制，完成技术范式跃迁。

avatar DAMO开发者矩阵

Go比Python更适合做Agent应用开发的场景

Python的GIL限制多线程性能，尽管可通过异步（asyncio）或进程池缓解，但Go的轻量级协程在Agent需要高频交互或并行任务时更具优势。Go编译为单一二进制文件，依赖少，部署简单，适合资源受限的嵌入式或边缘计算场景。Python的动态类型虽开发快捷，但重构或扩展时易出现运行时错误，尤其在团队协作中。Go的垃圾回收机制优化较好，延迟可控，适合对响应时间敏感的Agent（如实时交易、机器人控

avatar DAMO开发者矩阵

智能驾驶决策控制十年演进（2015–2025）

摘要： 2015至2025年，智能驾驶决策控制技术经历了从规则状态机到端到端VLA大模型的跨越式发展。2015年以手工调参的PID/MPC为主，决策时延达秒级；2019年后引入博弈优化和强化学习，实现社交交互；2023年进入VLA大模型时代，时延降至50ms以下，控制精度达厘米级。中国厂商（如小鹏、华为、比亚迪）从跟随到全球领跑，推动技术从“被动执行”向“主动社交”跃迁，预计2030年全域社交级控

avatar DAMO开发者矩阵