关于 求个可靠的微信黄群秒进2020【十薇65253336】孽anb 的搜索结果,共1713
x****7 2018-07-10
从外行阶专业 传统企业AI转型差能只是一百度EasyDL
传统企业落地AI,普遍存在三大痛点: 1)通用AI无法满足企业性化需。与企业业务深度结合AI应用需,往往需要结合所在领域很强专业知识,通用AI技术无法满足,例如,目前业界推出通用物体和场景识别API无法满足大量性化:家装企业想识别装修图库中细分家居风格、房间布局分类等,物业公司想通过摄像头识别小区垃圾桶是否已满,施工单位想通过图像识别工地上工人有没有穿工服、戴安全帽等,这些场景需是常见业务场景,但是企业很难找到现成AI技术,往往需要自己做定制化研发。 2)AI技术自研及运维成本高昂。自己研发AI技术会面临多道难关,首先是AI人才关,国内AI人才池有限,据人民日报报道,我国人工智能人才缺口超过500万,供比例仅为1:10。AI人才年薪动辄数万,除非有庞大业务场景,否则,一般体量企业难以组建独立AI团队。其次是基础设施关,AI运维需要服务器、GPU,在财务上也是不承受之重。 3)开发周期过于漫长。用传统构造深度学习算法模型方式来做,整流程至少要花几月时间,此时市场需能已经“凉”了。
布****五 2018-07-10
如何执行一条命令
是如果要在几万台机器上每天执行几亿条命令,同时保证时效性,保证执行成功率,保证结果正确收集,保证7*24小时稳定运行,就不是一件简单事情了。所谓远行无轻担,量大易也难,在构建这样执行系统过程中要面临诸多困难,此处举几突出例子如下: 息存储问题:为了支持水平扩展,需要高效内存数据库作为缓存。为了做到执行命令追溯、统计,需要对执行过命令息持久化。日均几亿热数据,年均上万亿冷数据,需要仔细选择存储方案。 任务调度问题:为了达到在任意多台服务器上执行命令,需要确定何时分发命令、何时回收结果以及怎么样并发度批量下发。 消息传输问题:为了保证命令高效正确送达目标服务器,需要构建一命令传输网络,使命令息在准确送达前提下保障传输与高效,毕竟百度万台服务器分布在世界各地。 代理执行问题:为了更好处理权限、单机并发等单机执行问题,需要在目标机构建执行代理,以应对单机复杂执行环境。
小****园 2018-07-10
让PB级云存储不再神秘
客户要下载自己2000万条fileinfo息,按5条息1k算,这2000万条 fileinfo息有4GB大,就算云存储能精确0.1查完,客户有能力0.1下载完这些息吗? 如果你觉得元数据服务压力还是大,那还以让计费系统、读写代理都对查询结果做缓存,或者将数据库挂在成熟Proxy背后做分库和调度。 我们数据库能低压力运行,就是设计时充分理解适应了对象存储元数据这一简单需。 3、灵活读写代理 读写代理是整集保持松耦合高性能关键点,这也离不开对场景深度理解。 首先说读写代理用、负载均衡和高性能,我们会在读写代理前面加几台Nginx,客户端到读写代理都是无状态连接。客户端以通过LVS、单域名DNS轮询、多域名分散业务等方式将请分散到多台Nginx,Nginx将请交给任意读写代理都是能得到相同结果。单读写代理服务崩溃了SDK端会后台重试,直接访问API用户会以为是自己网慢重新刷新。这么灵活访问方式,有性能问题多堆几台机器就好了,20G带宽5万链接很容易消化。 读写代理在访问客户时代表存储服务端,在集内部扮演客户端。
若****客 2018-07-10
IT架构本质--我五点感悟
数据产生和消失 数据不会凭空产生,但会凭空消失 数据不会凭空产生,计算机或者自输入设备获取数据,或者自其他数据源导入数据,而且原始数据转化规则也要人类来定义。我们要便捷轻巧安全获取数据,就要选好数据源,保障好传输路径,定义好数据变换规则。 在一数据生命周期内,为了防止数据全部或部分凭空消失,数据容错校验、关联复原、冷热备份和安全删除都要考虑到位。 在生僻业务规划实施过程中,没人告诉我们该有哪些服务,我们只能摸透一又一访问逻辑图和数据生命周期,来摸索集内有哪些角色和依赖关系。 架构师核心技能包括画好访问逻辑和数据流量图,因为问题现状描述清楚了,问题就解决了一多半了。一业务访问逻辑图,不仅仅是几圈圈几条线连起来,其息量大到包罗访问过程所有元素,也要详略得当高亮关键点。 5. 各环节都不 容灾设计中都尽人事和听天命 整IT系统中就没有组件,架构师既不能盲目任撞大运,又不能无限冗余吓唬自己,而是在尽人事和听天命之间做好权衡。比如TCP就是要建立链接,而现在做性能优化时候,大家又嫌TCP太过笨重了。
TOP