关于 用了ghb后的感受【V信;799.196.362】徊 的搜索结果,共1744
若****客 2018-07-10
IT架构本质--我五点
业务应不可靠,如果该应能快速重建也不阻塞其他应,月级偶发内存泄漏和意外崩溃都是可以接。 支撑性服务不可靠,对于大部分业务,预估一年都不丢一次数据,SLA能到99.95%就可以。 操作系统故障崩溃,现在商系统内核都很稳定,一般故障都出在硬件驱动兼容性上,或者有些照本宣科傻瓜乱改默认参数。 网络不稳定,内网通技术方案很成熟,少提复杂需求内网就能很稳定,我们最烦是单条网线处于半死不活状态;IDC外网SLA默认就是3个9,所以我说支撑性服务能到99.95%就已经很可靠。 硬件不稳定,大部分架构师根本不懂硬件,只要不出硬件批次故障,架构师就可以将单点硬件和系统、服务绑在一起做可靠性设计。 人力误操作,我们招不到不出故障人,我自己达不到不出错标准。只要员工没有恶意破坏,出大范围故障就是群集健壮性设计不到位,别让操作工给技术总监和架构师顶包。 监控和备份是运维职责,但架构师需要帮忙确认目正确性,别备份半天废数据,监控只看telnet80。 结束语 架构之术繁琐,架构之道浅显 本文讲是架构工作“道”,对与架构之“术”并不提及。
y****i 2018-07-11
做容器云最佳
而K8S兴起它把容器从改良工具变成革新武器。以前有过很多架构师做培训和文档,讲解服务发现、注册、编排、路由,资源监控和统计,研发就是说听不懂。可是一套来自大厂开源方案出来,研发就主动去拥抱。有K8S以,即使研发人员做不架构和运维,只要肯适应K8S设计逻辑,都可以取代这两类人工作。他们通过配合K8S或类似组件容器云,老老实实改变研发流程,让代码和架构,让架构和资源耦合到一起。 现在我们能说清楚过去为什么没有公有容器云成功案例,因为客户执行层是脑臀分离——运维推动研发把程序改造到可以上容器,以完成运维业绩,猫让狗帮忙抓条鱼给猫吃,这事能搞定才怪。而成功私有云案例,其原始推动力都是客户技术决策层和架构师,他们不依赖K8S也能搞定架构问题,这不是容器技术和容器厂商成功,而是客户技术团队成功案例。 现在是个有趣节点,K8S在逐渐被大家接,研发拥抱K8S就可能设计出符合架构美学服务。相很快就会出现容器云真正成功案例——客户技术足够普通但上云架构足够合理。
Z****E 2018-07-09
产品迭代一公里
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:使运维知识库充分收集变更目标对象属性,然基于这些对象属性特点自动生成变更模板,例如变更对象最小可度可以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。 如何应上述解决方案? 上面介绍变更面临主要问题以及我们对应解决方案,为能够让更多外部户也能体验到百度高效安全变更能力,我们将在百度云上提供百度智能变更产品。届时购买百度云服务户,即可使该产品完成业务功能日常迭代。百度智能变更产品目前在紧锣密鼓地推进中,预计很快就会与大家见面。 总结 发布变更作为产品迭代一公里,其执行效率和执行结果将直接影响功能迭代效果。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效果并不能得到保障。
不****主 2018-07-09
高精地图
摄像机、激光雷达、雷达探测物体能力,在超过一定距离都会到限制。在恶劣天气条件下或在夜间,传器识别障碍物能力可能会到进一步限制。另外当车辆遇到障碍物时,传器无法透过障碍物来确定障碍物物体。这时,就需要借助高精地图帮助。 即使传器尚未检测到交通号灯,高精地图也可以将交通号灯位置提供给软件栈其余部分,帮助车辆做下一个决策。 另一个好处在于,高精地图可帮助传器缩小检测范围,如高精地图可能会告知我们在特定位置寻找停车标志,传器就可以集中在该位置检测停车标志,被称为兴趣区域ROI。ROI可帮助我们提高检测精确度和速度,并节约计算资源。 高精地图于规划 正如定位和知依赖高精地图那样,规划也是如此。高精地图可帮助车辆找到合适行车空间,还可以帮助规划器确定不同路线选择,来帮助预测模块预测道路上其他车辆将来位置。 如高精地图可帮助车辆识别车道确切中心线,这样车辆可以尽可能地靠近中心行驶。在具有低速限制、人行横道或减速带区域,高精地图可以使车辆能够提前查看并预先减速。如果前方有障碍物,车辆可能需要变道,可帮助车辆缩小选择范围,以便选择最佳方案。
y****n 2018-07-09
Apollo 自动驾驶知技术分享
我们在图像级别会做类似分割,目是我们做场景建模和语义化描述。我们有很多任务,每个任务输入是多源,包括激光雷达、图像等。如果要 Apollo 搭建知系统,如何选择传器、传器配置?希望它做什么任务。 这是三种基本传效果对比,LiDAR 是激光雷达,Radar 是汽车通毫米波雷达,Camera 是摄像头。绿色代表做得好,黄色代表做得普通,红色代表做得差。最,说明三种传器融合效果是最好。 那么 ,知系统开放模块怎么做? 点云知。开放 LiDAR 点云检测,可以判断点云里每个点是否为障碍物,障碍物类型是什么。 知框架。是深度学习,它可以做到精准检测和识别。而深度学习非常耗费计算量。需要依靠搭建车载智能系统,来支撑深度学习模型,以达到毫秒级知。 高精地图。先以当前激光雷达作为坐标系核心,把地图中点投到坐标系里。然建立快速表格,根据距离扩大坐标区域。之对俯视图进行网格化,网格化参数可以在 Apollo 进行配置。最输送给障碍物检测。 障碍物检测。分为特征抽取、点云检测、点云聚类、处理、闭包提取。
1****6 2018-07-10
分析
文章结构: 背景介绍——模型概览——数据集介绍——配置模型——训练模型——应模型——应模型并进行预测——总结——参考文献 本教程源代码目录在book/understand_sentiment,初次使请您参考Book文档使说明。 背景介绍 在自然语言处理中,情分析一般是指判断一段文本所表达情绪状态。其中,一段文本可以是一个句子,一个段落或一个文档。情绪状态可以是两类,如(正面,负面),(高兴,悲伤);也可以是三类,如(积极,消极,中性)等等。情分析场景十分广泛,如把户在购物网站(亚马逊、天猫、淘宝等)、旅游网站、电影评论网站上发表评论分成正面评论和负面评论;或为分析户对于某一产品整体使,抓取产品户评论并进行情分析等等。表格1展示对电影评论进行情分析例子: 在自然语言处理中,情分析属于典型文本分类问题,即把需要进行情分析文本划分为其所属类别。文本分类涉及文本表示和分类方法两个问题。
雪****魁 2018-07-11
危险背机遇--云服务故障危机分析
对于落实是人为导致故障,甲方单纯索赔追责并不能解决问题,因为云厂商总是比甲方实际损失更小,甲方无法触及云厂商能倒腾出故障部门。甲方只能根据云厂商销售和服务线能力和态度,确认自己交钱能否买到靠谱服务。 最重是商誉 云计算既是资源又是服务,资源相对可以量化,但服务短期内看直观,长期看商业誉。商誉分为企业商誉和个人商誉,云厂商企业商誉都积淀不足,胜者也是比烂大赛中靠友商更烂胜出,和IDC/CDN比优大赛无法相提并论。大客户在吃够厂商亏以,会选择任能有个人商誉,能做出承诺、调动资源和平复问题销售和服务人员。 有个客户非常任某个小云销售,他告诉该销售,虽然某大云有高层合作,某大云也说报价肯定比某小云低5%;但是某大云服务机制有问题,出故障从来都是衙门话,每次故障都要客户去乱猜和背锅。最终这个单子在客户执行层暗助之下,该小云快速把业务切过来并坐实站住,这份暗中相助就是靠个人商誉带来任。 我和大客户谈故障时候,喜欢把详细故障原因刨析给客户,企业客户是讲道理,不要把糊弄ToC手段来对付ToB客户。
笑****山 2018-07-10
监控专对象存储畅想
如果厂商纠删码要不要加前置写缓冲池,而且选纠删码会提高存储节点计算压力,CPU内存也要多花钱,好在可以约束监控文件大小和写入频率,最需要厂商详细给客户算一算,纠删码方案整体TCO成本是否最合理。如果客户需求要上多机房容灾,这是双机房同步或者三机房纠删码技术PK好战场。 对于这种滚动删除文件场景,建议要定期作废存储单元而非逐个删除存储文件。这就要求同一时间存储文件尽量在同一个Trunk、PG、单款硬盘、硬盘组上,分块越小越细则IO分布更均匀,分块越大则磁头开销越低。 BTW:元数据可以延迟删除FileHandle记录,存储硬件在故障恢复也不要着急立刻释放过期数据。 记 写这篇文章是我半天时间做脑力锻炼,也是给朋友们展示一种引导客户需求可能性。但写这篇文章过程中,我更想明白一个道理,能读懂我每一条技术顾虑人绝对不是个纯粹产品经理,请大家期待我下一篇文章《为什么企业级工业级软件难寻产品经理》。
5****a 2018-07-11
监控专对象存储畅想
如果厂商纠删码要不要加前置写缓冲池,而且选纠删码会提高存储节点计算压力,CPU内存也要多花钱,好在可以约束监控文件大小和写入频率,最需要厂商详细给客户算一算,纠删码方案整体TCO成本是否最合理。如果客户需求要上多机房容灾,这是双机房同步或者三机房纠删码技术PK好战场。 对于这种滚动删除文件场景,建议要定期作废存储单元而非逐个删除存储文件。这就要求同一时间存储文件尽量在同一个Trunk、PG、单款硬盘、硬盘组上,分块越小越细则IO分布更均匀,分块越大则磁头开销越低。 BTW:元数据可以延迟删除FileHandle记录,存储硬件在故障恢复也不要着急立刻释放过期数据。 记 写这篇文章是我半天时间做脑力锻炼,也是给朋友们展示一种引导客户需求可能性。 但写这篇文章过程中,我更想明白一个道理,能读懂我每一条技术顾虑人绝对不是个纯粹产品经理,请大家期待我下一篇文章《为什么企业级工业级软件难寻产品经理》。
h****l 2018-07-09
大数据时代下隐私保护(二)
我们详细介绍差分隐私概念,以及实际应中应如何 使差分隐私。 从最开始k-anonymity, l-diversity , t-closeness 到现在 ε-差分隐私,都是为 既保证个人隐私,也能对实际应和研究提供有价值数据。在大数据时代中, 希望各公司在利数据提供更好服务同时,能保护好个人隐私。这是法律 要求,也是安全行业追求。我们相隐私保护技术会越来越到重视,并从学术理论 迅速投入工业界实战应
Z****齉 2020-08-27
刚刚升级小度音响固件后一直蓝色常亮,是不
一样问题,刚到手不到半个小时,手痒点升级固件,然就一直蓝色指示灯亮着,线拔重插也没。  
TOP