关于 幸运飞艇规律图片 zs25.com 主管Q:86>388 的搜索结果,共513
流****水 2018-07-11
度云企业级维平台——NoahEE
在业务模发展到一定程度后,维工作还停留在早期人工或脚本方式执行的阶段时,这样的差异非常频繁的发生。 在实际的维中,还有更多的因素需要考虑,例如机器是否会分配给不同部门(资源的隔离)?权限又该如何控制?随着模变大,人力成本等理成本上升,然而效率低下、可用性不升反降等等都是非常可能出现的问题。百度对于这个问题给出的答案是,必须先要解决资源组织理问题。简单的说,服务理要解决的最核心问题就是如何对资源进行有效组织理与定位: 2 解决模带来的问题 在服务理这个地基打好后,我们再来回顾下上面的例子。这个例子中,地研发的同学就可以在维平台中选中导航的模块进行升级,维平台会通过服务理来定位此次升级操作需要影响的机器并进行批量的操作。NoahEE中的所有维系统,都以服务理为基础来进行维操作,例如在监控系统中,我们可以对导航模块(而不是单台机器进行操作)添加一些指标采集任务,并在一定条件达成时报警。服务理通过对资源合理的组织,极大的简化了维操作,提升了维效率。
金****洲 2018-07-10
混乱的集群遇见TA 从此岁月静好
Q新到位10000机器,如何高效部署最新的基础设施?使集群中所有机器环境同质化? 中窥豹,我们可以发现如果在私有云或者混合云场景中还是通过人肉维的方式理,那么理效率将会十分低下,并且其中重复繁杂的操作,难以保证云环境的稳定性和安全性。急人之所急,需人之所需。百度云的工程师们便展开了一场头脑风暴...... 原始太初 私有云中存在大模的机器集群,集群中一空虚混沌,渊面黑暗,仅有字节流在其间穿梭。为有效地控体量庞大的集群,合理分配资源,降低维成本,保障云上服务穿越狂风暴雨,工程师们意识到:“必须要有一个优秀系统来控这混沌的集群世界!” 第一天 工程师们说:”这个系统要代表操作系统的意志!占用资源少!对外部系统零依赖!装机自带!要能自升级和自保活!“。当裸机启动之后,这个系统便以root身份行,能保活自己,还能托维护其余基础设施,后续迭代升级也能自动完成,整个流程高度自动化,不需要人工介入,极大地降低维成本。 第二天 工程师们说:“这个系统必须行稳定,性能卓越,支持跨平台(Linux、Windows、ARM)安装,要做到同时理上万台服务器,一点儿都不慌”。
不****主 2018-07-09
高精地
高精地,是Apollo定位、感知、划模块的基础。 与普通地不同,高精地要服务于自动驾驶车辆,通过一套独特的导航体系,帮助自动驾驶解决系统性能问题,扩展传感器检测边界。目前 Apollo 内部高精地要应用在高精定位、环境感知、决策划、仿真行四大场景,帮助解决林荫道路GPS信号弱、红绿灯是定位与感知以及十字路口复杂等导航难题。 一、高精地与传统地 当我们开车时,打开导航地通常会给我们推荐几条路线,甚至会显示道路是否拥堵以及每条路线将花费多长时间、是否有交通制,有多少个交通信号灯或限速标志等,我们会根据地提供的信息来决定是在行驶中直行、左转还是右转以及对周围驾驶环境的评估。 而无人驾驶车缺乏人类驾驶员固有的视觉和逻辑能力。如我们可以利用所看到的东西和GPS来确定自己的位置,还可以轻松准确地识别障碍物、车辆、行人、交通信号灯等,但要想让无人车变得和人类一样聪明,可是一项非常艰巨的任务。 这时就需要高精地了,高精地是当前无人驾驶车技术不可或缺的一部分。它包含了大量的驾驶辅助信息,最重要是包含道路网的精确三维表征,例如交叉路口布局和路标位置。
C****X 2018-07-10
群雄逐“”,百度缘何备受关注?
首先会需要一个像地一样的客户端,或者map engine的模块来融合这些高精度地的道路数据。这时候请求的数据就是从例如百度高精度地的云服务端直接导出来,这个过程可能是不同的开发者或车厂,他们的方案可能有不同,这与百度现在提供的方式有关系,可以以接口的形式(可以理解为API),也可以以车道级别的文件形式来直接获取。 上面提到的路径划问题,如果用从技术角度抽丝剥茧的话,可以被这样理解。 在路径划的过程中首先需要做几个限定: 一是地已知,通常来说没有做到已知就无法划。 二是立足自动驾驶领域,一般还是2D或2.5D地,而不是在3D地上六个自由度划(那是室内全自无人机行),也就是明确地的类型,个人认为。 三是路径划,一般默认自动驾驶车辆按照划的路径,每一步执行后的定位pose准确。可以理解为这里刻意把定位和路径划分开,但实际上这两者紧密联系,因为如果定位不准,路径划一定会受到影响。 即使有了这几个设定,路径划本身也有很多可能出现的版本。
b****z 2018-07-11
智能维基础-维知识库之ETL
因此,依托『书同文』的理念建立维知识库,提供一个统一的维数据理系统,来维工作中的公共基础数据,打通系统间的数据关联,使这些数据能够遵循统一的模型被共享和使用。 为了使这些数据能够遵循统一模型,我们制定了各类数据的模型(Schema),采用ETL机制从各系统获取(Extract)数据、转换(Transform)成统一的模型、并存储(Load)在知识库中,其架构如所示。 这些维数据在建设时根据业务对数据时效性要求的不同,分为以下三种: 离线数据建设,例如用于维变更效率指标统计等相关的数据; 近线数据建设,例如故障诊断过程中依赖的数据; 实时数据建设,例如智能故障自愈、智能流量调度相关的路由数据等。 对于上述不同的数据我们采用不同的ETL方式,分别是: 拉(Pull ETL),周期性从数据源拉取数据,适用于离线数据的建设; 推(Push ETL),数据源动推送变更的数据,适用于时效性较高的近线数据建设; Federation(Lazy ETL),在查询时从数据源获取数据、按照Schema转换后并返回,适用于实时数据建设。
l****m 2018-07-10
五年前的预言——2012年云计算时代的维职位展望
维人员中一多半都是网站维,这些维受到云计算行业的碾压性冲击,必然会波及整个维行业,以及因此衍生的培训、理、硬件销售、IDC工作。 我原先一直不愿意承认这一点,我也认为维工作很重要,但前端时间我看了一个故事,想和大家分享一下。 在191x年的时候,每个工厂都有一个副厂长负责理电力,那个时候新建工厂要考虑是自己建水电站还是火电站,甚至连拉煤球的车都要自己准备;但后来各个工厂用的电力标准趋于一致,就没有企业自发电而是从电网买电了,这个电力副总裁的职位就成为历史了。 我记得05年以前做维,我们都要自己找很多种驱动、学习不同的板配置方式、研究自有机房的空调系统,但如今维的职位完全不用关心这些事情了,反倒是对负载均衡、高可用、大数据等问题越研究越深了。 云计算的目标是让IT服务像电力一样随时可用,这是一个积极正面的趋势,没有人能也没有人应该挡住他,维职位可用消失,但你不应该因此而失业。 本次去参加WOT云计算架构师大会,我就是想看一下云计算究竟发展成什么样子了。这次会后我大胆估计,云计算会在短则五年、长则十年的时间里将大部分维的饭碗抢走。
TOP