如需转载，请注明”来自linux大神博客”,并附上原文链接。 本文固定链接 https://www.linuxdashen.com/switch-intel-nvidia-graphics-card-ubuntu 本文转载自:https://www.linuxdashen.com/switch-intel-nvidia-graphics-card-ubuntu 现在的笔记本电脑通常有两块显卡：Intel集成显卡和Nvidia（英伟达）独立显卡。这篇教程介绍Ubuntu如何正确地切换Intel和Nvidia显卡。 你应该使用哪一个显卡？ 对于玩游戏或3D制图，图形计算这样对显卡要求高的任务，你需要使用Nvidia独立显卡。如果你既不玩游戏，不绘制3D制图，也不用图形计算，那么集成在Intel处...阅读全文
算法之时间复杂度简析 前言 最近准备对算法进行一些系统的总结和学习，不积跬步无以至千里,不积小流无以成江海.此文主要对时间复杂度进行简单梳理和个人总结，本人才疏学浅，有所疏漏在所难免，如有不当和错误之处，欢迎指正 时间复杂度的定义（Time Complexity） 时间复杂度，用简单地话描述为：为了大概估算程序运算时间的一种概量。那用什么来估算的呢？用简单的程序执行代码的次数，如int a = 3执行一次，一个n此的for循环表示执行n次等等。广义的T（n）表示在一个完全理想状态的计算机中程序所执行的实际指令次数，下面会提到的O（n）大O（Big Oh），Ω(omega)，Θ(Theta) 都是对T（n）的一个大略估算抽象而来，这里先说明一下个人理解的精确度大小为：T(n)>Θ(Theta)...阅读全文
在这里我只贴下简单实现，有兴趣了解shiro salt的，大家可以去看看源码哈，或者可以自己实现一些简单的md5，sha1,base64等的简易salt实现，以下示例基本都有注释，如有不对，欢迎指正 package com.zy.md; import java.security.MessageDigest; import java.util.Random; /** * Created by root on 16-10-2. */ public class Test { //main测试类 public static void main(String[] args) { String result = getMD5("zhoudazhuang"); System.err.println(res...阅读全文
java.sql.Date及java.sql.Timestamp继承自java.util.Date ，三个类都可以使用getTime()进行互换，java.util.Date有无参构造方法获取当前时间，其余两个没有。Timestamp为时间戳，和sql.Date的精确度一样，但表示当前时间更加方便（另外在hibernate中使用idea自动生成表的pojo时，会把sql.Date写为Timestamp）,部分示例如下： package test; import java.sql.Date; import java.sql.Timestamp; import java.text.ParseException; import java.text.SimpleDateFormat; /** * C...阅读全文
前言 最近回溯算法，对以往算法和新学习算法进行一个系统的整理和学习，本文的最大子序列和的问题在很多算法书籍和技术文章中对此都有详述，个人简单整理仅为了再次消化和日后查阅，不喜误喷。个人理解，如有错误，欢迎指正。 注：本文中提及的时间复杂度均使用大O法。 问题描述 求-2,4,-1,5,6的最大子序列和 注：如果所有值都为负，则最大子序列和为0 方案一 思路：使用穷举的方式，使用for循环列出所有的子序列进行求和，每次进行对比并把大的数赋值给最大子序列和变量，总共使用三个for循环 注：i循环为从-2到6（头到尾），j循环为i到此序列size，k为计算此时i到此时j的子序列和 源码如下： //穷举遍历法 三个for循环时间复杂度为n*n*n 十分低效 public static int max...阅读全文
前言 本文只作一些概念性说明，后续会整理每种排序算法的具体实现。个人知识和能力有限，搜集整理和理解可能不到位，如有错误，欢迎指正 插入排序原理 跑n-1趟，对于p=1到N-1趟，插入排序保证从位置0到位置p（数组也是从0开始计算）的数据是有序的，从后面每次拿一个数组往前面插，找到有序的位置（如此时51为被插入数，则在34到64之间）。需要使用两次for循环，时间复杂度为O（n^2） 希尔排序原理（缩减增量排序） 简单粗暴 计算效率取决于选择的缩减增量序列，只要序列最后最小的为1，任何增量序列都是可行的。最坏时间复杂度为n^2，而使用2^k-1的Hibbard增量序列的最坏运行事件为N^1.5 堆（优先队列）排序原理 堆分为大根堆和小根堆，是完全二叉树。大根堆的要求是每个节点的值都不大于其父节...阅读全文
运行时间中的对数 前一篇文章中分治递归的时间复杂度为O（nlogn）;对数最常出现的规律可概括为如下一般规律： 如果一个算法用常数时间O（1）将问题的大小削减为其的一部分（通常是二分之一），那么该算法就是O（logn）.另一方面，如果一个算法用常数时间O（1）将问题的大小消减一个常数数量（如将问题减少1等等），那么这种sauna就是O（n）的。 折半查找简单引论问题 求x在数组T[]中的坐标，如果不存在x，则返回-1 方案一 思路：直接穷举，进行遍历，时间复杂度O（n），线性增长 代码： public static
TalkingData 440 Flink Slot详解与Job Execution Graph优化 flink 阅读约 18 分钟 前言 近期将Flink Job从Standalone迁移至了OnYarn，随后发现Job性能较之前有所降低：迁移前有8.3W+/S的数据消费速度，迁移到Yarn后分配同样的资源但消费速度降为7.8W+/S，且较之前的消费速度有轻微的抖动。经过原因分析和测试验证，最终采用了在保持分配给Job的资源不变的情况下将总Container数量减半、每个Container持有的资源从1C2G 1Slot变更为2C4G 2Slot的方式，使该问题得以解决。 经历该问题后，发现深入理解Slot和Flink Runtime Graph是十分必要的，于是撰写了这篇文章。本文内容分...阅读全文
一、分析目的通过分析2B产品中的团队协作管理软件的对比分析，用于为公司团队协作软件的选型做产考。二、竞品归属市场概况2.1.目标用户群及需求主要面向企业用户，用于解决企业不同地域以及不同职能部门之间的团队协作难点。2.2.市场规模中国大概有4000万+企业，如采用人均年费制，均价200+/人/年，按平均一个企业或团队最少10人算，市场规模可在千亿左右。因此如果能培养行业使用习惯，市场价值可观。2.3.针对笔者所在团队的需求详细分析如下：1、需求管理；能够对需求池进行管理。2、迭代管理；能够对产品迭代版本进行管理。3、故事墙；能够查看所有工作任务的状态。4、缺陷管理；能够对开发中的缺陷进行管理。5、数据看板；能够查看团队中每个员工的工作动态（剩余工作量），数据看板。6、知识库管理；能够将项目开...阅读全文
避免OKR制定的误区 根据目标达成一致的结果，制定明确、有效的OKR可以推动团队实现伟大目标，并使组织关注最重要的优先事项。写得不好的OKR可能导致策略混乱，破坏内部指标，并导致团队专注于维持现状而非突破现状。  制定OKR时，尽量避免这些误区： 沟通不畅的OKR延伸目标 设定延伸目标需要在...阅读全文
拿沃尔玛来说，现在要进行OLAP分析，针对三个维分别是时间维，商品维和地点维，这三个维度抽象成图像就是一个立方体，也就是Data Cube，在时间维上是四个季度，在地点维上，是北京、洛杉矶、伦敦、东京、柏林等等，在商品维上是电子类、食品类、生活用品类，Data Cube中的每一个小立方体表示某个地点（比如北京），在某个时间（比如第一季度）在某类商品上（比如电子类）的销售额。 现在开始Rool-Up，就是将细度减少，比如你将地点扩大为北美洲、亚洲、欧洲（这是根据你原有的地点对应有哪些大洲来扩大的），现在每一个小立方体的含义就变成在某个大洲（比如亚洲）、某个时间（第一季度）、某类商品（电子类商品）的销售额。简单来说，Rool-UP类似对维度的汇总。 而Drill-Down就是将细度增加，比如我们...阅读全文
Flink-Task、SubTask、并行度 ldc2013的博客 08-01 292 Task与SubTask 一个算子就是一个Task. 一个算子的并行度是几,这个Task就有几个SubTask 对应关系： 算子=Task 并行度=SubTask task是抽象概念，subtask是物力概念 Parallelism并行度 默认并行度--cpu核数 关键点 不同的并行度（subtask），肯定在不同的slot，但也可能在不同的taskmanager 一个流程序的并行度，可以认为就是其所有算子中算子并行度最大的并行度 数据传输模式： One-to-one：. 【白话Flink基础理论】Flink运行时(Runtime)架构（三）并行度&Task&SubTask&Slot&Flink中的并行剖...阅读全文
Hello，小伙伴们，大家好，我是才辰。今天和大家一起学习的是排序算法中的插入排序和希尔排序。为什么把这两个排序放在一起呢？这是因为这两种排序有一定的关联，希尔排序实际上是对插入排序的一种变形。还是老样子，我先总体上介绍一下算法的过程，接着以一个例子分步讲解，最后给出了详细的代码以及相关分析。插入排序插入排序，就和我们平时玩牌是一样的因为你想，我们在打牌的时候，是不是先把手里的牌由小到大排好，然后每摸到一张牌，就依照大小把它放在排在正确的位置。同样，插入排序也是如此。步骤：首先选取数组第二个元素,若小于数组第一个元素，则插入到第一个位置，否则保持不动；接着选取第3个元素，把它和左边第一个元素比较，如果其小于左边第一个元素，则继续与左边第二个元素比较，知道遇到不比它大的元素，然后插入到这个元素...阅读全文
文章目录 官网参考1.任务2.通过flinkUI可以看到 有几个框就是几个Task3.程序模型4.流的分类5.Operator Chains6.Task Slot (TM = JVM)7.获取整个算子的执行计划8.flink通过webUI的Jar包传到哪里去了 java.io.tmpdir=/tmp 官网参考 # https://ci.apache.org/projects/flink/flink-docs-release- 1.11/concepts/flink-architecture.html 1.任务 Task:任务 是一个阶段多个相同功能的subtask的集合 ==》 对比于spark中的taskSet SubTask:子任务 subTask是Flink中任务的最小单元，subta...阅读全文
点击上方蓝字关注一下吧 看完记得点个关注呦~，了解更多职场及大数据，人工智能，java等技术文章。 在了解slot、task、并行度相关概念和原理之前先看一下企业中与之相关的高频面试题×01高频面试题1.Flink的并行度了解吗？Flink的并行度设置是怎样的？2.任务并行度与slot之间的关系？3.Flink并行度设置优先级？4.并行的任务，需要占用多少slot？5. slot并行的条件？6. taskmanager与slot之间的关系？7.什么是slot共享，slot共享的好处？8.一个流处理程序，到底包含多少个任务？ 接下来的介绍相信你会对这些问题有一个答案，当然文章最后也有对应的参考答案×02 概念解读taskmanager：Flink中每一个worker(TaskManager)都...阅读全文
公号：码农充电站pro 主页：https://codeshellme.github.io ES 中的聚合分析（Aggregations）是对数据的统计分析功能，它的优点是实时性较高，相比于 Hadoop 速度更快。 1，聚合的分类 ES 中的聚合分析主要有以下 3 大类，每一类都提供了多种统计方法： Metrics：对文档字段进行统计分析（数学运算），多数 Metrics 的输出是单个值，部分 Metrics 的输出是多个值。 Sum：求和 Max：求最大值 Min：求最小值 Avg：求平均值 等 Bucket：一些满足特定条件的文档集合（对文档进行分组）。 Terms Range 等 Pipeline：对其它的聚合结果进行再聚合。 Avg bucket：求平均值 Max bucket：求最...阅读全文
TaskManger与Slots Flink中每一个worker(TaskManager)都是一个JVM进程，它可能会在独立的线程上执行一个或多个subtask。为了控制一个worker能接收多少个task，worker通过task slot来进行控制（一个worker至少有一个task slot）。 每个task slot表示TaskManager拥有资源的一个固定大小的子集。假如一个TaskManager有三个slot，那么它会将其管理的内存分成三份给各个slot。资源slot化意味着一个subtask将不需要跟来自其他job的subtask竞争被管理的内存，取而代之的是它将拥有一定数量的内存储备。需要注意的是，这里不会涉及到CPU的隔离，slot目前仅仅用来隔离task的受管理的内存。...阅读全文
http://www.tuicool.com/articles/Jniemin 这个链接主要介绍了cgroup中使用的三种cpu资源限制方式 cpuset隔离方式是以分配核心的方式进行资源隔离，可以提供的资源分配最小粒度是核心，不能提供更细粒度的资源隔离，但是隔离之后运算的相互影响最低。需要注意的是在服务器开启了超线程的情况下，要小心选择分配的核心，否则不同cgroup间的性能差距会比较大。cpuquota给我们提供了一种比cpuset可以更细粒度的分配资源的方式，并且保证了cgroup使用cpu比率的上限，相当于对cpu资源的硬限制。cpushares给我们提供了一种可以按权重比率弹性分配cpu时间资源的手段：当cpu空闲的时候，某一个要占用cpu的cgroup可以完全占用剩余cpu时间，...阅读全文
1、实战开发遇到聚合问题 请教一个问题，ES 在聚合的时候发生了一个奇怪的现象聚合的语句里面size设置为10和大于10导致聚合的数量不一致，这个size不就是返回的条数吗？会影响统计结果吗？dsl语句摘要（手机敲不方便，双引号就不写了）： aggs:{topcount:{terms:{field:xx,size:10}}} 就是这个size，设置10和大于10将会导致聚合结果不一样，难道是es5.x的bug吗？ 以上是实战中的真实问题，基于这个问题，有了本篇文章。 本文探讨的聚合主要指：terms 分桶聚合。下图为分桶 terms 聚合示意图。 从一堆多分类的产品中聚合出 TOP 3 的产品分类和数量。TOP3 结果： 产品 Y：4 产品 X：3 产品 Z：2 2、前提认知：Elastic...阅读全文
产品：5D Mark IV(单机) 佳能 数码相机1画质王者对决 对于专业相机来说，画质无疑是消费者最为看中的地方，它直接关乎到所拍照片的最终质量。佳能5D Mark IV以及索尼A7R2都是目前市场上热销的专业级相机，相同的定位以及相似的售价往往让消费者在选购时难分伯仲。今天笔者就来详细的对比下这两台相机在画质上的表现，看看谁才是真正的画质“王者”。 “画质”其实是一个比较笼统的说法，如果对其进行细分，大致可以概括为以下四点，分别是：低感光状态下的细节表现、高感光下的控噪表现、过曝或欠曝下的宽容度表现、以及JPEG直出时的色彩表现。只有将这四点都做好，我们才能说这是一台画质优秀的相机。 在进行详细的对比之前，我们先来认识下即将出场的两位选手。EOS 5D Mark IV是佳能最新发布的专业...阅读全文
本文分享自天翼云开发者社区《云主机与云服务器：两者的区别》,作者:张****华云主机：云主机是一种通过虚拟化技术在云计算环境中提供的计算资源。它基于物理服务器上的虚拟机实例，可以进行灵活的配置和管理。云主机提供高可用性、弹性扩展和灵活的资源分配，使用户能够根据需求快速调整计算能力。云服务器：云服务器也是一种基于云计算环境的计算资源，但与云主机不同，它是通过物理服务器实现的。云服务器提供了计算、存储和网络等资源，用户可以根据自己的需求选择适当的配置，而无需购买和维护物理服务器。云主机与云服务器之间存在以下区别：1. 架构云主机基于虚拟化技术，通过在物理服务器上创建虚拟机实例来提供计算资源。它提供了更高的灵活性和可扩展性。云服务器则直接基于物理服务器，没有虚拟化层。这使得云服务器的性能更高，但灵...阅读全文
在前端面试中，只要涉及到React框架，diff算法便是我们绕不开的话题，这次让我们来系统性的梳理diff算法，不再被这个知识点所困扰。 什么是diff算法？ 在了解diff算法之前，我们要直到diff算法并非React独家首创，但是React针对diff算法做了自己的优化，使得diff算法可以帮助我们计算出Virtual Dom中真正变化的部分，并只针对该部分进行实际的DOM操作，而非渲染整个页面，从而保证了每次操作后页面的高效渲染。 传统diff算法 要想了解React的diff算法，我们首先要知道传统的diff算法是如何设计并实现的。 传统diff算法的时间复杂度 传统diff算法的时间复杂度是O(N^3),其中N是树中节点的总数，这样的时间复杂度意味着如果要展示1000个节点，就要执...阅读全文
制造业是立国之本、强国之基，决定了一个国家的综合实力和国际竞争力。数字技术作为加快制造业质量变革、效率变革、动力变革的关键技术，成为推动制造业提质增效、实现产业链现代化的重要力量。在此背景下，全国各地的制造业企业纷纷走上数字化转型之路，发力数实融合，进一步提高经济发展势能。有着“中国中小电机之都”称号的福安市，近年来积极锚定数字化转型战略，不断探索制造业“智变”之路，推动当地传统电机电器产业旧貌换新颜。作为福安电机电器龙头企业之一，巨龙电机（宁德）有限公司（以下简称“巨龙电机”）与中国电信共同打造了“5G智慧工厂”。天翼云通过“5G+iStack私有云”解决方案，仅用15天时间便助力巨龙电机完成设备部署，同时积极推动巨龙电机实现系统、数据上云，让企业数据价值得到充分释放。数字化升级在即如何让...阅读全文
本文分享自天翼云开发者社区《云主机使用的硬盘类型及对应的存储类型详解》，作者：不知不觉随着云计算的普及，云主机已成为企业和个人用户的重要选择。云主机为用户提供了灵活、可伸缩的计算资源，并且具有高可用性、高可扩展性以及易于管理的特点。在云主机的使用过程中，硬盘类型和存储类型的选择是非常重要的环节。本文将详细介绍云主机所使用的硬盘类型以及对应的存储类型，帮助读者更好地了解和选择适合自己需求的云存储方案。一、云主机使用的硬盘类型SSD硬盘SSD（Solid State Drive）硬盘，即固态硬盘，是一种基于闪存芯片的存储设备。与传统的机械硬盘（HDD）相比，SSD硬盘具有更高的读写速度、更低的延迟、更高的耐用性和更高的性能。因此，SSD硬盘通常用于需要高I/O性能的应用场景，如数据库、Web服务...阅读全文
本文分享自天翼云开发者社区《弹性云主机支持多种规格》，作者：每日知识小分享随着云计算技术的快速发展，弹性云主机已经成为了一种广泛使用的云计算服务。弹性云主机是一种可动态调整的计算资源，可以根据用户的需求进行灵活配置。其中，支持多种规格是弹性云主机的一项重要特性，它可以让用户根据实际需求选择合适的规格，以满足不同的应用场景。一、弹性云主机简介弹性云主机是一种基于云计算技术的虚拟化平台，它可以为用户提供独立的、可动态调整的计算资源。弹性云主机可以根据用户的需求进行灵活配置，包括CPU、内存、存储等方面。这种服务可以帮助用户降低IT成本，提高工作效率，同时还可以提供高可用性和灵活性。二、多种规格支持弹性云主机支持多种规格，包括不同的CPU、内存和存储配置。用户可以根据自己的需求选择合适的规格，以满...阅读全文
零、前言最近在调研NoSQL数据库，发现RocksDB、LevelDB、HBase以及Prometheus等，其底层的存储引擎都是基于LSM树，于是决定花时间彻底吃透LSM树这一数据结构。不幸的是，在查阅资料学习的过程中，发现网上各种文章汗牛充栋、抄来抄去，不是文不对题就是不知所云。一气之下决定自己写一篇出来消消气，便有了这篇文章。。。PS：学了这么多数据结构，LSMTree应该是最年轻的一个，它在1996年被设计出来(属老鼠的)，年纪比我还小~相比于B/B+树或者倒排索引，LSMTree采用了“疯狂到不顾一切”的干啥都磁盘顺序写的方案，赋予了它无与伦比的写吞吐量。一、LSM树数据结构定义查阅了一些资料，LSM树并没有一种固定死的实现方式，更多的是一种将：“磁盘顺序写” + “多个树(状数据...阅读全文
本文分享自天翼云开发者社区《如何利用容器与中间件实现微服务架构下的高可用性和弹性扩展》，作者：c****w在当今的互联网时代，微服务架构已经成为许多企业选择的架构模式，它能够提高系统的灵活性、可维护性和可扩展性。然而，微服务架构下的高可用性和弹性扩展是一个复杂的挑战。本文将介绍如何利用容器与中间件来实现微服务架构下的高可用性和弹性扩展的解决方案。1. 理解微服务架构下的高可用性和弹性扩展需求在微服务架构中，系统由多个微小的服务组成，每个服务都是一个独立的单元，可以独立部署和扩展。因此，要实现高可用性和弹性扩展，需要考虑以下几个方面：服务的自动发现和注册服务的负载均衡和容错处理弹性扩展和自动伸缩故障自愈和自动恢复2. 利用容器实现微服务的高可用性容器技术如Docker和Kubernetes可以...阅读全文
9月8日，2023 IDC中国数字金融论坛（CFSC）在北京举办。论坛汇集银行、保险、证券、投资、互联网金融等行业嘉宾，深度探讨中国金融行业数字化转型领域的洞察与实践。天翼云科技有限公司金融行业资深架构师石大伟在会上分享了天翼云在金融云基础设施领域的技术升级与发展。（图片来源：2023 IDC中国数字金融论坛）近年来，随着金融行业上云进程提速，金融云基础设施的发展呈现以下四种趋势：一云多芯、异构多样性算力统一云化成为发展热点；国内云厂商倾向选择国产化操作系统，不断夯实云网底座；私有云、公有云在技术上逐步走向统一，成为市场主流，同时云厂商积极建设金融团体云；以资源为中心的IaaS能力不断成熟，支撑应用现代化转型和应用创新的PaaS、MaaS能力也在不断发展。作为云服务国家队，天翼云深耕金融行...阅读全文
本文分享自天翼云开发者社区《云数据库实现架构与设计的构想》，作者：不知不觉随着云计算技术的飞速发展，云数据库作为云计算的重要组成部分，其实现架构与设计日益受到开发工程师的关注。本文将从开发工程师的角度出发，探讨云数据库的实现架构，并提出云数据库设计的构想，以期为云数据库的发展提供参考。一、云数据库实现架构分布式架构：云数据库通常采用分布式架构，通过多个数据库节点协同工作，实现数据的水平扩展和高可用性。这种架构可以充分利用云计算资源，提高数据库的处理能力和容错性。虚拟化技术：云数据库利用虚拟化技术，将物理硬件资源抽象为虚拟资源，实现资源的动态分配和管理。这样可以提高资源利用率，降低运维成本，并为用户提供灵活可扩展的数据库服务。微服务化：云数据库采用微服务架构，将数据库功能拆分为一系列独立的服务...阅读全文
本文分享自天翼云开发者社区《ceph数据重构原理》，作者:x****n在分布式存储系统Ceph中，硬盘故障是一种常见问题。为了保证数据安全，当发生硬盘故障后，分布式存储系统会依据算法对故障硬盘上的数据进行数据重构及转储。和一般分布式系统一样的是，Ceph同样使用多副本机制来保证数据的高可靠性（注：EC在实现层面可以理解为副本机制的一种），给定一份数据，Ceph在后台自动存储多份副本（一般使用3个副本），从而使得在硬盘损毁、服务器故障、机柜停电等故障情况下，不会出现数据丢失，甚至数据仍能保持在线。不过在故障发生后，Ceph需要及时做故障恢复，将丢失的数据副本补全，以维系持续的数据高可靠性。一.PG和PGLogCeph中对象数据的维护由PG（Placement Group）负责，PG作为Ceph...阅读全文
本文分享自天翼云开发者社区《双栈网络使用什么技术实现总部网络能访问分部网络？》，作者：SD万为了实现总部和分部之间的IPv4和IPv6互访，可以使用以下隧道技术：1、IPv4隧道技术：可以使用GRE（Generic Routing Encapsulation）隧道技术，在IPv4网络中隧道传输IPv6数据包。在总部和分部之间分别配置一个GRE隧道接口，并将IPv6数据包封装在IPv4数据包中进行传输。配置完成后，总部的IPv4地址就可以访问分部的IPv4地址。2、IPv6隧道技术：可以使用6to4、Teredo等IPv6隧道技术，在IPv4网络中隧道传输IPv6数据包。在总部和分部之间分别配置一个6to4或Teredo隧道接口，并将IPv4数据包封装在IPv6数据包中进行传输。配置完成后，总...阅读全文
AI+云原生应用开发 从设计到部署运维全链路实战与提效【11章】 云原生开发是一种利用云平台优势,使用微服务、容器、服务网格、不可变基础设施等技术手段,构建弹性、可靠、自动化的云原生应用的开发模式。其核心特征包括: 容器化: 使用 Docker 等容器技术,将应用和运行时环境打包,以更轻量和灵活的方式交付和部署应用。 动态编排: 使用 Kubernetes 等编排框架,实现应用的自动部署、扩缩容、维护等。 微服务架构: 采用微服务架构和接口规范,拆分应用为松耦合的微服务。 持续交付: 借助持续集成和持续交付(CI/CD)实践,自动将代码构建、测试并部署到生产环境。 自动伸缩: 根据负载情况,平台可以自动调度资源,实现应用的弹性伸缩。 服务发现: 应用间通过服务注册与发现而非预配置与硬编码来实...阅读全文
AI+云原生应用开发 从设计到部署运维全链路实战与提效【已完结11章】 大模型的分类 按照输入数据类型的不同，大模型主要可以分为以下三大类： 语言大模型 是指在自然语言处理（NLP）领域中的一类大模型，通常用于处理文本数据和理解自然语言。 视觉大模型 是指在计算机视觉（CV）领域中使用的大模型，通常用于图像处理和分析。 多模态大模型 是指能够处理多种不同类型数据的大模型，例如文本、图像、音频等多模态数据。 按照应用领域的不同，大模型主要可以分为 L0、L1、L2 三个层级： L0 通用大模型 是指可以在多个领域和任务上通用的大模型。通用大模型就像完成了大学前素质教育阶段的学生，有基础的认知能力，数学、英语、化学、物理等各学科也都懂一点。 L1 行业大模型 是指那些针对特定行业或领域的大模型。...阅读全文
本文分享自天翼云开发者社区《遗传算法介绍》，作者：朱****洲遗传算法（Genetic Algorithm, GA）起源于对生物系统所进行的计算机模拟研究。它是模仿自然界生物进化机制发展起来的随机全局搜索和优化方法，借鉴了达尔文的进化论和孟德尔的遗传学说。由于遗传算法是模拟自然规律的一种算法，它常用术语也都是用自然科学的名词来代替，主要有以下部分：1.个体：问题的一个解（无论可行）2.种群：问题的一个解的集合，包含多个个体3.染色体：个体以编码形式的存在方式4.基因：标识染色体的信息最小存在5.遗传：产生新个体的方式6.适应度：个体对应问题的解决能力遗传算法简单来说分为以下几个阶段：编码、生成初始种群、遗传操作、筛选。图为遗传算法运用的流程图，其分为以下步骤：1.编码编码是体现遗传算法借鉴...阅读全文
随着信息技术的飞速发展，云计算在企业数字化转型中发挥着愈发重要的作用。弹性计算作为云计算技术的重要组成部分，以灵活的资源分配、高可用性等优势，在数字化转型中扮演着举足轻重的角色。为打造更加卓越的上云体验，天翼云不断升级弹性计算服务，自研第八代升级款弹性云主机，依托天翼云自研TeleCloudOS4.0架构，实现从底层硬件到IaaS云平台的融合优化，AI场景平均性能提升超过50%，计算增强型c8e实例性能提升高达15%，相同功耗下平均性能提升超过20%，带来更高的能源效率和更低的运营成本。同时该款实例还提供了虚拟化、内存数据层面的安全防护，为金融、医疗和政企等行业提供更隐私更安全的算力支撑。硬件升级处理器升级：搭载全新处理器，在整数计算、浮点计算、LINPACK HPC场景分别实现45%、50...阅读全文
MQ大牛成长课–从0到1手写分布式消息队列中间件（完结） 获课：www.bcwit.top/5291/ 获取ZY↑↑方打开链接↑↑ 如何吃透分布式MQ框架 要吃透分布式消息队列（MQ）框架，首先需要理解消息队列的基础概念、工作原理以及如何在分布式系统中应用它。以下是一个从基础到进阶的学习路线，可以帮助你全面掌握分布式消息队列框架。 1. 理解消息队列的基础概念 1.1 消息队列（MQ）的基本定义 消息队列（Message Queue, MQ）是一种进程间通信的中间件，它允许应用程序之间通过消息的形式交换信息。消息队列的核心是解耦系统间的依赖关系，使得生产者和消费者可以独立地运行。MQ系统通常支持异步通信，可以提高系统的性能和扩展性。 1.2 MQ的基本概念 生产者：产生消息的应用。 消费者：...阅读全文
xia仔ke：xingkeit.top/9583/ 随着互联网和大数据技术的迅猛发展，消息队列作为一种重要的消息传递机制，在分布式系统中扮演着至关重要的角色。RocketMQ是一个开源的分布式消息中间件，广泛应用于企业级消息传递、流量控制和异步处理等场景。本文将深入剖析RocketMQ的架构原理，探讨其核心组件、消息传递机制、存储机制以及高可用性设计等方面，以帮助读者更好地理解其工作原理和应用场景。 1. RocketMQ概述 RocketMQ最初由阿里巴巴开发，旨在为高可用、高性能的消息传递提供解决方案。它支持多种消息传递模式，包括点对点和发布/订阅，具备良好的扩展性和可靠性。RocketMQ不仅适用于传统的消息传递需求，还支持事务消息、定时消息和顺序消息等多种复杂场景。 2. Rocke...阅读全文
简介流式作业长时间运行过程中常常会经历不同流量负载的情况。流量负载会出现周期性的变化，如：白天与晚上、周末与工作日、节假日与非节假日，这些波动可能是突发事件或是业务的自然增长。虽然这些波动有些是可预见的，但是如果想要在所有场景下保证相同的服务质量，那么就需要解决如何让作业资源随着需求的变化而动态调整。 一个简单的衡量当前所需资源与可用资源是否匹配的方法是：计算当前负载与可用的 workers 数之间的面积。如下图所示，左图中分配了固定的资源量，可用看到：实际负载与可用的 workers 之间有很大的差距 —— 因此造成了资源的浪费。右图中展示了弹性资源分配的情况，红线与黑线之间的距离在负载的变化中不断的努力减小。 多亏了 Flink 1.2 引入的可扩展状态（rescalable state...阅读全文
本文分享自天翼云开发者社区《如何基于云产品搭建一个高可用性的网站》，作者：黎****伟如何基于云产品搭建一个高可用性的网站？从传统机房服务器迁移至云计算平台，无论是可用性的提高，还是维护成本的降低，都是云计算带来的不可否认的优势。本案示例通过使用天翼云常用的三个云产品 ECS+ELB+RDS 来帮助用户快速地在云端搭 建具备高可用性的网站 wordpress。一、所需资源配置1）ECS 云主机 2台2） RDS MySQL8.0示例 1套3）EIP 2 个4）ELB 增强型负载均衡 1 套二、网站架构三、 高可用架构部署实现1、RDS 作为 WordPress 网站数据库云数据库 RDS 是一种稳定可靠、可弹性伸缩的在线数据库服务，默认 部署的是主备架构。出于这方面的考虑，我们让应用数据库...阅读全文
MQ大牛成长课–从0到1手写分布式消息队列中间件获课：MQ大牛成长课–从0到1手写分布式消息队列中间件获取ZY↑↑方打开链接↑↑创建一个分布式消息队列中间件（MQ）是一个复杂的任务，涉及到多个计算机科学领域的知识。从零开始手写一个MQ可以帮助你深入理解其工作原理和内部机制。下面我们将探讨一些关键概念和技术点，这些对于构建一个高效的分布式消息队列至关重要。1. 消息模型首先需要定义消息队列的基本模型。通常有两种常见的模式：点对点（P2P） 和 发布/订阅（Pub/Sub）。在P2P中，消息被发送到特定的接收者；而在Pub/Sub模式下，生产者将消息发布到主题，所有订阅该主题的消费者都可以收到消息。2. 基本组件Producer（生产者）：负责生成消息并将其发送到队列。Consumer（消费者...阅读全文
近日，天翼云官网正式升级焕新，通过全新改版和功能优化，为用户打造更加高效的服务体验，助力企业数字化转型升级提速！作为云服务国家队，天翼云历经十几年发展，走出了一条以科技创新驱动高质量发展之路。如今，天翼云已经全面迈向智能云发展的新阶段。天翼云官网与时俱进，围绕天翼云红云的核心特色，以用户为中心，升级成为集浏览、访问、产品订购等一体化的智能平台，实现了服务、体验齐进阶。智能服务加持，打造更优用户体验天翼云新版官网深度集成自主研发的翼搭云脑平台，全面聚焦用户体验，引领智能服务新纪元。翼搭云脑平台可实现企业级站点低代码搭建，即时预览、实时反馈，省去切换烦恼，能快速推进项目，提升交付速度；平台赋予用户全方位掌控力，从文字排版至创意设计，再到功能集成与代码个性化，满足用户多元化需求；融合高低代码优势，...阅读全文
【完结13章】Electron+Vue3+AI+云存储--实战跨平台桌面应用 课程融合Electron、Vue3、AI及云存储，以项目为驱动，从零打造跨平台、智能化、高安全性及扩展性的桌面应用。全面应用并高效掌握Electron，及与主流技术整合的疑难问题解决。 什么是云存储？ 云存储是一种数据存储在远端服务器集群在线访问的存储类型，用户无需关注存储位置。云存储服务提供商负责安全地存储、管理和维护存储服务器、基础设施和网络，以确保用户数据的可靠性、可用性以及性能。基于高度虚拟化的基础架构云存储可以提供广泛的弹性来应对不确定性的容量和性能的诉求。 与传统的数据存储方式相比，云存储提供了更灵活、可靠、可扩展的解决方案，用户无需购买和管理自己的存储基础设施，并且可以随时随地方便地访问和管理数据。传...阅读全文
本文分享自天翼云开发者社区《一体机场景ceph高可用介绍》，作者：b****n一体机场景使用ceph开源架构作为存储系统的主体架构,原生方案支持存储数据高可用性，包括副本数可以灵活控制/支持故障域分隔，数据强一致性/多种故障场景自动进行修复自愈/没有单点故障，自动管理。部署形态存储引擎组件部署形态IO高可用-流程组件高可用-心跳存储数据高可用-备份 图像 小部...阅读全文
LLM算法工程师全能实战教程 获课：xuelingit.xyz/13757/ 获取ZY↑↑方打开链接↑↑ 如何保证LLM系统的高可用性？ 保证大型语言模型（LLM）系统的高可用性（High Availability, HA）对于确保服务的连续性和用户体验至关重要。实现这一目标需要从系统架构设计、运维管理以及容错机制等多个角度入手。以下是确保LLM系统高可用性的关键策略： 1. 架构设计 分布式部署：将应用和服务分散部署在多个地理区域或数据中心，以减少单点故障的风险。 负载均衡：使用硬件或软件负载均衡器来分配流量，避免某些服务器过载，并提高整体系统的响应速度。 微服务架构：将应用程序分解为一系列小而独立的服务，这些服务可以独立部署、扩展和维护，从而增加灵活性和可靠性。 2. 容错与冗余 多实例...阅读全文
MQ大牛成长课–从0到1手写分布式消息队列中间件（完结）xia仔ke：itazs.fun/5291/获取资源：上方URL获取资源构建一个从零开始的分布式消息队列中间件是一个复杂但非常有意义的项目。分布式消息队列在现代微服务架构中扮演着至关重要的角色，它可以解耦服务之间的直接依赖，提高系统的可扩展性和可靠性。以下是一个从设计到实现的详细指南，帮助你从零开始构建一个简单的分布式消息队列中间件。1. 设计阶段1.1 确定需求消息持久化：消息是否需要持久化存储？消息顺序：是否需要保证消息的顺序？消息确认：是否需要消息确认机制？高可用性：如何保证系统的高可用性？负载均衡：如何实现负载均衡？安全性：如何保证消息的安全传输？1.2 架构设计消息代理：负责接收、存储和转发消息。生产者：发送消息到消息代理。...阅读全文
xia仔ke：xingkeit.top/9520/ 引言 在当今快速发展的信息技术时代，企业和组织面临着日益复杂的系统架构和多样化的应用需求。为了提升业务灵活性、减少开发周期以及提高系统的可维护性，许多企业选择了集成各种新技术和工具，其中ICE（Interface, Component, and Event）技术正是实现这一目标的重要方法。本文将探讨学习ICE技术的必要性，包括其在系统集成中的优势、对提升开发效率的贡献、促进业务创新的作用以及适应未来技术趋势的意义。 1. ICE技术概述 ICE技术是一种关注系统组件之间交互的架构设计方法，主要包括接口（Interface）、组件（Component）和事件（Event）三大要素。通过定义清晰的接口，模块化的组件和基于事件的通信机制，ICE技...阅读全文
Kubernetes系统精讲 Go语言实战K8S集群可视化（完整分享）获课：Kubernetes系统精讲 Go语言实战K8S集群可视化（完整分享）Kubernetes系统精讲 主要的知识内容Kubernetes（通常简称K8s）是一个开源的容器编排平台，用于自动化部署、扩展和管理容器化应用程序。它最初由Google设计，现在由云原生计算基金会（CNCF）维护。以下是Kubernetes系统精讲中涵盖的主要知识内容：1. Kubernetes 架构Master节点：负责集群管理和控制，包括API服务器、调度器、控制器管理器和etcd（键值存储数据库）。Worker节点：运行实际的应用程序容器，包含Kubelet（与主节点通信）、Kube-proxy（网络代理）和容器运行时（如Docker或c...阅读全文
前端跳槽突围课：React18底层源码深入剖析(完结)React 18 引入了很多新的特性和改进，最引人注目的是对并发渲染的支持，使得应用的响应能力大大提升。React 18 的底层源码变化主要集中在以下几个方面：并发模式的引入：React 18 引入了并发渲染的支持（Concurrent Rendering），它通过 ReactDOM.createRoot() 和 Suspense 等新 API 来提升渲染性能，支持多个任务并行执行，避免阻塞 UI 渲染。自动批量更新：React 18 通过 automatic batching，自动批量化更新，提高渲染效率。批量更新指的是 React 会将多个状态更新合并成一次渲染，提高性能，减少不必要的重渲染。React Suspense：React ...阅读全文
本文分享自天翼云开发者社区《浅析IPV6单栈的优缺点》，作者：赵****越IPv6单栈是一种仅使用IPv6协议栈的方案，与IPv4单栈相比，它具有更大的地址空间、更高的安全性和更好的隐私保护。但是，IPv6单栈也存在一些缺点，如兼容性问题、网络配置复杂度和流量识别困难等。在实际应用中，需要根据具体的场景和需求来选择合适的协议栈。IPV6单栈的优点：更大的地址空间：IPv6协议拥有比IPv4更大的地址空间，可以满足未来几年甚至十几年的IP地址需求。这将有利于更好地管理网络资源，避免IPv4地址枯竭带来的问题。提高安全性：IPv6协议对安全性进行了改进，例如支持IPSec加密通信、网络层身份验证和抗DoS攻击等。这些功能增强了网络的安全性，提高了数据传输的安全性。更好的隐私保护：IPv6协议采用...阅读全文
C++大型流媒体项目-从底层到应用层千万级直播系统实战获课：点我获取资源：上方URL获取资源构建一个支持千万级用户的大型流媒体直播系统是一项复杂且具有挑战性的任务。这样的系统需要从底层到应用层进行全面的设计和优化，以确保高性能、高可用性和可扩展性。以下是一个从底层到应用层的详细设计方案，帮助你构建一个支持千万级用户的直播系统。1. 系统架构设计1.1 总体架构前端：用户界面，包括Web、移动应用等。后端：处理业务逻辑，包括用户管理、房间管理、消息管理等。流媒体服务器：处理视频流的推流、转码、分发等。存储系统：存储用户数据、视频数据等。数据库：存储用户信息、直播信息等。缓存系统：提高数据读取速度，减轻数据库压力。消息队列：处理异步任务，如消息推送、日志记录等。监控系统：实时监控系统性能，及时...阅读全文
