关于 最强效的安眠药名单 扣1589.乀.309.乀.706正品代h 的搜索结果,共1600
Z****E 2018-07-09
后一公里
具体落地点在以下两个方面: 智能模板生成:分析变更对象属性特点并自动填充 智能变更检查:关联异常检测,及早发现并输出干预命令 其具体实现思路为: 智能模板生成:使用运维知识库充分收集变更目标对象属性,然后基于这些对象属性特点自动生成变更模板,例如变更对象小可用度可以用于生成变更失败容忍度; 智能变更检查:我们已经有成熟智能监控方案,可以全方位监控目标服务状态并及时汇报异常。通过订阅变更目标服务监控,可以实现变更过程中实时检查,从而及时发现变更引起异常,进而自动执行干预命令。 如何应用上述解决方案? 上面介绍了变更面临主要问题以及我们对应解决方案,为了能够让更多外部用户也能体验到百度高变更能力,我们将在百度云上提供百度智能变更产。届时购买了百度云服务用户,即可使用该产完成业务功能日常迭。百度智能变更产目前在紧锣密鼓地推进中,预计很快就会与大家见面。 总结 发布变更作为产后一公里,其执行率和执行结果将直接影响功能迭果。当把目光投向实际生产环境,我们发现,在很多企业中变更执行果并不能得到保障。
c****1 2018-07-10
数字签会被撞破么?——全 hash 攻与防
全 hash 函数在信息系统中有相当广泛应用,特别是用于消息签来保护消息完整性和不可抵赖性等任务,可以说全 hash 函数是现应用密码学重要基石之一。如果全 hash 函数出现全问题,那么整个应用密码体系乃至整个互联网全都受到严重影响,包括软件发行、网络支付、设备升级等等。全 hash 函数面临大技术全威胁是同谋碰撞攻击,但我们也发现国内不少厂家自制协议中存在着大量不全 hash 应用,导致可以利用简方法攻破其防护。近些年随着计算机性能 提高,针对 MD5、SHA1 函数碰撞攻击研究也进展迅速。而国内由于现实情况,替 换 MD5/SHA1 价高昂,很难在短期内能解决。MD5/SHA1 碰撞究竟会对现有 信息系统产生哪些威胁?本文对 MD5/SHA1 碰撞攻击及其应用场景进行讨论,给出了具体攻击实例,同时给出了缓解措施。我们指出,在进行严格约束消除同谋碰 撞条件下,要攻破 MD5/SHA1 依然是一个非常艰巨任务。
1****2 2018-07-09
百度全:AI 是系统工程 需要真开放全护航
然而,AI 是一个大生态系统,它全也是复杂多层面。任何一个企业都无 力涵盖所有。这也是OASES 联盟价值所在。它希望针对AI 全能够发动整个产 业链力量,联合终端厂商、全厂商和研究机构,通过生态开放、联合力量,保护 各种智能设备全,大化避免AI 生态出现全和隐私灾难。据悉,百度全已 经将上述云管端全方案对联盟内开放。 作为一个技术型生态联盟,它跟以往联盟不同之处就在于实现了真开 放,不仅是提供方向服务,而且是核心基础技术开源,专利共享。这就打消了产业 链上顾虑,有地推动了核心技术落地,推动联盟之间合作。 AI 时,百度全寄希望于行业联合和技术创新,让天秤向防御一方倾斜 一点,再倾斜一点。
y****i 2018-07-11
做容器云佳用户
进程创建就是申请内存、端口等系统资源,但应用初始化仍然需要时间,所以容器启动到服务可用仍然需要几秒甚至更久。容器快速部署优势在于CI/CD环境里,快速部署不只是说程序启动快慢,而是决策快、操作。 容器是一个进程,本地文件系统是容器大短板。文件和设备所与者都是“用户/OS/虚拟机ID”这类长标识,不可能是“进程ID/容器ID”这类临时状态。假设我在一个虚拟机上开了多个容器分别读写多个文件夹,现在我重新启动这些容器,新启动容器根本不知道自己“上辈子是哪个容器”,该接管哪个文件夹。K8SStatefulSet已经在尝试将磁盘等资源绑定到一个Pod内,但这个功能还不够成熟,且需要外部存储系统支持,所以容器使用本地文件存储仍然是一种冒险行为。 我们该引导客户放弃本地文件存储习惯,本地只读写重启就失缓存和socket文件,让容器用户将持久化文件都放到对象存储和数据库。这是个必然技术趋势,即使不用容器用物理机,本地文件都是无法被统一读取,集中存储在OSS和RDS数据,才能称之为数据资产。
红****2 2018-07-10
故障自愈机器人,保你心好睡
干货概览 在大型互联网公司中,机房故障因为其故障时间长、影响范围大,一直是互联网公司运维人员心头之痛。在传统运维方式中,由于故障感知判断、流量调度决策复杂性,通常需要人工止损,但人工处理性会影响服务恢复速度,同时人不可靠性也可能导致问题扩大。 为了解决这类问题,我们针对百度内外部网络环境建设了基于智能流量调度机房故障自愈能力。结合外网运营商链路监测、内网链路质量监测与业务指标监控构建了全方位故障发现能力,基于百度统一前端(BFE)与百度字服务(BNS)实现了智能流量调度与自动止损能力。同时,基于实时容量与实时流量调度自动止损策略与管控风险,实现了任意机房故障时业务均可快速自愈果。当前此解决方案已覆盖搜索、广告、信息流、贴吧、地图等众多核心产机房故障自愈场景。 机房故障频发影响业务可用性 回顾近2年来各大互联网公司被披露故障事件,机房故障层出不穷。
p****d 2018-07-11
机房故障自愈--运维春天
优先级调度需求:产对延迟敏感,止损时需要优先切到同地域机房;业务服务于多个上游,多个上游重要程度不同,优先保证重要上游服务稳定。 容量负载计算需求:请求成分不同,不同成分请求带来容量负载不同。 这部分需求一部分与业务相关,不具备通用性,另一部分则存在不同产线需求冲突情况。 【解决方案】 针对以上问题,我们推出了故障止损流量调度策略开放框架。支持用户根据业务需求自定义策略实现。同时将较为通用策略开放为插件,使业务线可以根据需求自由插拔策略。 基于以上两点,结合智能运维开发框架(详见AIOps时,你准备好了吗?),机房故障自愈框架无缝支持不同业务线,使得研发者可以更关注策略本身,而无需关注不同业务线运维模型、底层平台适配成本。 总结 通过机房故障自愈系列文章,我们详细介绍了机房故障止损必要性、准备工作,并构建了基于容量动态分步流量调度机房故障自愈框架,实现自动化智能化故障止损。对整体机房故障自愈解决方案不同阶段改进总结如下:
c****2 2018-07-10
个性化推荐(一)
优点是简直接,不需要依据其他用户对商评价,而是通过商属性进行商相似度度量,从而推荐给用户所感兴趣商相似商;缺点是对于没有任何行为新用户同样存在冷启动问题。 组合推荐[5](Hybrid Recommendation):运用不同输入和技术共同进行推荐,以弥补各自推荐技术缺点。 近些年来,深度学习在很多领域都取得了巨大成功。学术界和工业界都在尝试将深度学习应用于个性化推荐系统领域中。深度学习具有优秀自动提取特征能力,能够学习多层次抽象特征表示,并对异质或跨域内容信息进行学习,可以一定程度上处理个性化推荐系统冷启动问题[6]。本教程主要介绍个性化推荐深度学习模型,以及如何使用PaddlePaddle实现模型。 果展示 我们使用包含用户信息、电影信息与电影评分数据集作为个性化推荐应用场景。当我们训练好模型后,只需要输入对应用户ID和电影ID,就可以得出一个匹配分数(范围[0,5],分数越高视为兴趣越大),然后根据所有电影推荐得分排序,推荐给用户可能感兴趣电影。
w****0 2018-07-11
机房故障自愈-黎明之战
干货概览 在故障自愈机器人,保你心好睡一文中,我们介绍了机房故障自愈必要性和解决思路。本文主要介绍机房故障自愈前需要进行准备工作,具体包括: 机房容灾能力建设中遇到常见问题及解决方法 基于网络故障及业务故障场景全面故障发现能力 百度统一前端(BFE)和百度字服务(BNS)流量调度能力 机房容灾能力--常见问题 机房故障场景下,流量调度是止损手段,但我们发现业务线经常会遇到如下问题导致无法通过流量调度进行止损: 1.服务存在点 描述:系统内只有一个实例或者多个实例全部部署在同一物理机房程序模块即为点。 问题:点服务所在机房或点服务自身发生故障时,无法通过流量调度、主备切换等手段进行快速止损。 要求:浏览请求处理,不能存在点;提交请求处理,若无法消除点(如有序提交场景下ID分配),则需要有完整备份方案(热备或者冷备)保障机房故障时,可快速切换至其他机房。 2.服务跨机房混联 描述:上下游服务之间存在常态跨机房混联。 问题:逻辑服务元未隔离在独立物理范围内,机房故障会给产线服务带来全局性影响。
h****l 2018-07-09
大数据时隐私保护(二)
三 年后,在2010 年,Netflix 后因为隐私原因宣布停止这项比赛,并因此受到高额罚 款,赔偿金额总计九百万美元。 近几年各大公司均持续关注用户隐私全。例如苹果 在2016 年6 月份WWDC 大会上就提出了一项为Differential Privacy 差分隐私技术。苹果声称他 能通过数据计算出用户群体行为模式,但是却无法获得每个用户个体数据。那么差 分隐私技术又是怎么做呢? 在大数据时,如何才能保证我们隐私呢?要回答这个问题,我们首先要知道什么是隐私。 什么是隐私? 我们经常谈论到隐私泄漏、隐私保护,那么什么是隐私呢?举个例子,居住在海淀区五 道口小明经常在网上购买电子产,那小明、购买偏好和居住地址算不算是隐 私呢?如果某购物网站统计了用户购物偏好并公开部分数据,公开数据中显示北京 海淀区五道口用户更爱买电子产,那么小明隐私是否被泄漏了呢?要弄清楚隐私 保护,我们先要讨论一下究竟什么是隐私。 对于隐私这个词,科学研究上普遍接受定义是“个用户某一些属性”,只要符合 这一定义都可以被看做是隐私。
疏****月 2018-07-09
一键上线Archer | 百度持续部署瑞士军刀
因此,在部署系统开发后期,自身功能变更主要集中于机部署工具。为了提高自身开发迭率,脚本未采用全网部署方案,只部署到特定插件集群。每次执行时,机agent会从插件集群下载新MD5,如果有变更,将重新下载新插件进行任务执行。这种设计形式增了执行端功能可横向扩展性,并且极大降低了每次自身升级成本。每次升级只需更新一个集群插件码,在全部机器上即可生。 总结 百度部署服务经历了手工上线- Web化- 开放化一系列发展进程,目前在向智能化逐步发展。Archer作为开放化一运维产,在百度内部具有极高使用率。期待本文介绍能为您提供一些思路,也欢迎同行们与我们进行交流,共同促进AIOps发展!
TOP