关于 私服外推软件q扣4100506 上海颛桥优酷视频hxcbjp包 的搜索结果,共840
金****洲 2018-07-10
混乱的集群遇见TA 从此岁月静好
云计算历经多年发展,从最初的概念模型,到被大众熟知,再到现在全行业拥抱云,取得了巨大的进步。云的主要客户已从最初的中小初创公司逐步渗透到各行各业的大型企业。可以说,企业云已是企业发展的必由之路。部分数据敏感的企业结合自身数据的安全性、所有权和控制权等综合因素考虑,会选择搭建自己的有云或者混合云环境。 但是在述环境中,用户的机器都需要自行管理,这就必然给云运维人员带来很多意想不到的麻烦。 其实我们面临的问题从来就没有什么大的变化,唯一不同的只是机器规模越来越大,人心越来越复杂。 Q如何在1台机器部署基础设施?A 一切都源于那个亘古不变的道理:扔一个文到机器,然后跑一个命令。 Q如何在10台机器部署基础设施?A 写个for循环搞定。 Q如何在10000台机器部署基础设施?A 这个也好办!定制操作系统镜像CUSTOM.iso装机自动化安装! then…… Q如何快速升级所有机器的基础设施? Q务因异常挂掉,能自动重启保活吗? Q公司做活动,预计流量突增,能扩容吗? Q公司活动结束,为节约成本,能缩容吗? Q新开发的基础设施务有问题,能立马回滚吗?
s****d 2018-07-11
亿元级云用户分析
我们先列出来哪些资源是单体贩售能过亿的,云厂商把这些资源和其他的务资源做打混淆集中交付,云厂商就不是卖资源而是卖梦想了。 3.1 IaaS计算池 IaaS计算池,交付给客户的是CPU+内存+本地盘+本地网+IDC电力,产品形式可以是虚拟机、裸金属、容器,或者预装了数据库-大数据-队列等务的模板化云主机,决定资源池成本的是硬和电力的价格,以及内部浪费程度。销售铁三角对硬资源池的装,完成资源成本分析、交付务展示和付款周期核算;在硬资源池交付时,云厂商的势长处是大规模交付和成本控制,至于短处么——家家有本难念的经。 3.2 CDN和带宽池 CDN和带宽池不同于务器硬,其原始资源是相对稀缺死板的广域网带宽,其交付的资源是持续不断的务,所以资源部署比较慎重但客户流动成本较低。制约客户全量迁移的是厂商的承载能力,而挖角和反挖时刻都在细水长流。CDN和带宽池首先考察的是企业内功,有没有廉价量资源;再考验销售内部协调能力,能不能把好资源好价格抢到手里;而盯客户的套路和百万级销售类似,工作力度加大三五倍而已。
c****2 2018-07-10
个性化荐(一)
学术界和工业界都在尝试将深度学习应用于个性化荐系统领域中。深度学习具有秀的自动提取特征的能力,能够学习多层次的抽象特征表示,并对异质或跨域的内容信息进行学习,可以一定程度处理个性化荐系统冷启动问题[6]。本教程主要介绍个性化荐的深度学习模型,以及如何使用PaddlePaddle实现模型。 效果展示 我们使用含用户信息、电影信息与电影评分的数据集作为个性化荐的应用场景。当我们训练好模型后,只需要输入对应的用户ID和电影ID,就可以得出一个匹配的分数(范围[0,5],分数越高为兴趣越大),然后根据所有电影的荐得分排序,荐给用户可能感兴趣的电影。 Input movie_id: 1962 Input user_id: 1 Prediction Score is 4.25 模型概览 本章中,我们首先介绍YouTube的个性化荐系统[7],然后介绍我们实现的融合荐模型。 YouTube的深度神经网络个性化荐系统 YouTube是世界最大的传、分享和发现网站,YouTube个性化荐系统为超过10亿用户从不断增长的库中荐个性化的内容。
疏****月 2018-07-09
一键线Archer | 百度持续部署的瑞士军刀
,Archer也可作为务托管平台的底层工具链,为PaaS平台提供稳定的底层部署务。 通用场景 在百度内部,通用的部署系统需要适用于以下场景: 各业务线拥有各自的规范,语言、框架不统一,部署策略不一致; 支持分级发布,及时拦截部署引入的线故障; 业务的多地域部署; 多种网络环境及大部署; 提高自动化效率,能够集成测试发布自动化流水线。 后面,我们将结合面场景,向大家介绍百度持续部署是如何实现的。 务架构 整个系统由命令行工具、web务、中转务及单机agent+部署插几部分组成(如图2所示)。用户通过命令行工具触发一次变更,在web端进行参数解析及任务分发,对应执行机器agent通过心跳获取任务后,调用部署插执行实际任务。涉及大及不同网络环境的部署会进行中转下载。 解决方案 各业务线拥有各自的规范,语言、框架不统一,部署策略不一致 为避免杂乱无章又不规范的务代码及配置文的目录结构,Archer规定了一套既灵活又完整的规范。
小****园 2018-07-10
让PB级云存储不再神秘
这类方案对存储要求长周期平滑扩容,云务厂商的对象存储会是这类客户的最佳方案。 4、变通和妥协 对象存储并不是万能解决方案,它有解决不了的问题,也愿意为适应现状做兼容和妥协。 基于HTTP协议的文传输,天然无法满足“大文的小范围修改且实时落盘”这一需求,最典型的场景就是数据库的DBfile,以及原片的现编操作。即使我们费尽心力让对象存储把自己模拟成本地磁盘,不严谨的兼容POSIX接口,当你打开一个1G的文修改1k并保存时,本地文系统只修改1k文,而对象存储会传一个1G大的新文。 数据库这类低延迟应用天生和HTTP协议不投缘,而数据库活跃文也不可能到PB级,所以DBfile很难去尝试兼容对象存储接口。剪辑倒是有兼容对象存储接口的技术可行性,他们可以把20G大的原片分散成2000个小文,但客户的需求还不够强烈,本地的带宽还是不够稳定,这需要假以时日。 对象存储会主动用Fuse/NFS/FTP等手段来务工业级数据产生设备;比如厂家几千万卖出的医疗仪器只支持FTP协议,这些仪器不可能主动去兼容对象存储,那对象存储就来主动适应这些工业设备。
h****l 2018-07-09
大数据时代下的隐保护(二)
如果公开的数据说住在五道口 的小明爱买电子产品,那么这显然就是隐泄漏了。但是如果数据中只含一个区域的 人的购买偏好,就没有泄露用户隐。如果进一步讲,大家都知道小明住在淀区五道 口,那么是不是小明就爱买点此产品了呢?这种情况算不算事隐泄漏呢?答案是不 算,因为大家只是通过这个趋势测,数据并不显示小明一定爱买电子产品。 所以,从隐保护的角度来说,隐是针对单个用户的概念,公开群体用户的信息不算 是隐泄漏,但是如果能从数据中能准确测出个体的信息,那么就算是隐泄漏。 隐保护的方法 从信息时代开始,关于隐保护的研究就开始了。随着数据不断地增长,人们对隐越 来越重。我们在讨论隐保护的时候括两种情况。 第一种是公司为了学术研究和数据交流开放用户数据,学术机构或者个人可以向数据库 发起查询请求,公司返回对应的数据时需要保证用户的隐。 第二种情况是公司作为务提供商,为了提高务质量,主动收集用户的数据,这些在 客户端收集的数据也需要保证隐性。
2018-07-10
解密开源这门生意——商业角度看开源
前言 很多朋友都问过我,开源技术究竟好在哪里,一个公司拥抱开源是不是加分项,参与开源的人是不是很的技术大牛。本文抛开虚浮的情怀和热情,我们从商业和管理的角度看一看开源。 1. 本质是对抗认知垄断 远古期的计算机没有版权概念,每一份代码都是一份全人类都可以学习借鉴的教学数据。 随着商业的兴起,商业公司倾向于将代码当做秘方保护,引入了版权的概念。闭源实操过程中有如下缺点: IT技术无法跨跨公司进行交流,行业人才培养的很慢; 一个只能在很小可控范围内迭代,的进步速度偏慢; 公司的商业策略以盈利先,可能会掐灭技术革新; 一个黑盒化的交付物,交付质量只能靠商业信誉保障; 商业总是试图建立垄断,黑客们警惕着垄断的恶行。 在版权限制下感到压抑的IT精英,自发动开放源代码的交付方式,其中最出名的是GNU计划。GNU计划的重点是对抗IT技术认知垄断,更自由的传播IT知识;GNU等开源计划既不是为了开源公司的商业利益,也没要给参与者发高级技工证书,更不会因为开源而强行免费。
TOP