关于 蒙汗配方和解药【V信;799.196.362】俺 的搜索结果,共748
s****7 2018-07-10
见微知著看技术误——从裸光纤NTPD谈起
时间不稳会威胁到的程序健壮性业务安全性,甚至部分程序崩溃的稀里糊涂。 ntpdate只是个命令不是服务,它对远端时钟源是盲目任;假设一个根NTP服务不稳定,所有的服务器获得了错误的时间,虽然现在业务层可以包容异常,不会出现算出负利息或倒扣费的情况,但业务混乱是免不了的。我们就说联机调试分布式日志,几个节点的时间有错可能日志就看不懂了。 NTPD服务做时间调整会有效减少这类情形,它不是简单的龟速调整时间,而是有柔性时间调整策略,让时间线的跃变调整尽量少影响业务(详情见附录实验);也不会盲目任远端时钟源,甚至固执的拒绝同步时间。NTPD服务相本机时刻有可能不对,但不会忽快忽慢甚至停滞,NTPD通过多次收发包选择权威稳定的时间源,算出双间的网络延迟,然后才会采新的时刻进行时钟同步。 五、误的根源影响 因为NTPD不盲从其他时间源,让老一辈IT人会留下NTPD不好用、不靠谱的误会。2005年个人测试用虚拟机的时间经常走慢,到2010年虚拟机还要防范时间停滞的Bug。即使你用物理机投入生产,网络延迟仍然不确定,且要观测NTPD同步效果需要时间。
w****t 2018-07-10
AIOps中的四大金刚
AIOps时代的职责技能变化 运维研发工程师负责基于业务线特征的运维研发工作,在传统运维中,是运维自动化的实施者,实现了针对业务场景的自动化运维实施落地。 在AIOps时代,运维研发工程师承担了AIOps智能化运维案在业务线实施落地的职责。他们是AIOps场景的实践者,将AIOps案与业务架构特征相结合,实现AIOps在业务线的落地。 一面,他们会与运维工程师紧密合,对业务问题进行深度分析,理业务的特点。另一面,他们与平台研发工程师、AI工程师相合,基于AIOps案的策略框架,进行定制化开发,使其适合自身业务线的特征。 总结 本文介绍了运维工程师、运维AI工程师、平台研发工程师、运维研发工程师四种角色在自动化运维时代AIOps智能化运维时代,其职责技能的拓展变化。AIOps技术为运维技术的发展带来了更多的机遇,对于每个参与到AIOps实施的个人或团队也是如此。四种角色既有术业专攻,同时又紧密协作,共同将AI能力引入为运维赋能。那么,你的选择是什么呢?
h****e 2018-07-10
程序:我从哪里来?
作为一个底层的基础服务,BNS系统每天的访问量近千亿次,这对系统的可用性提出了很高的要求,因而系统需要在各个层面有完善的容灾能力流量管控能力。 1流量接入层 系统通过HTTP接口对外提供变更服务,用户通过Web页面或者接口进行服务或实例息注册。为了保证平台稳定安全的运行,需要对非法异常请求进行拒绝,在流量接入层(Proxy)端提供了以下两个功能: 流量鉴权:每一个服务组、服务单元、实例的注册都需要进行权限验证,用户只有申请了合法的Token才能允许访问,另外系统还提供了白名单等其他的鉴权式。 额限流:针对产品线、用户、IP提供一定的额,当请求的数量超过额,就会拒绝响应的请求,并提示用户Quota超限。 2Web Server Web Server提供用户进行各类BNS变更的接口,承担了BNS系统的大部分写入流量,采用分布式多地域的部署式,可以避免单实例、单机房的故障对可用性造成的影响。 3存储层 这里主要包含数据库Cache层两个部分。 数据库:采用MySQL存储,采用主从集群部署、读写分离的式。
l****m 2018-07-10
词向量(一)
在这个映射到的实数向量表示中,希望两个语义(或用法)上相似的词对应的词向量“更像”,这样如“母亲节”“康乃馨”的对应词向量的余弦相似度就不再为零了。 词向量模型可以是概率模型、共生矩阵(co-occurrence matrix)模型或神经元网络模型。在用神经网络求词向量之前,传统做法是统计一个词语的共生矩阵XX。XX是一个|V|×|V||V|×|V| 大小的矩阵,XijXij表示在所有语料中,词汇表VV(vocabulary)中第i个词第j个词同时出现的词数,|V||V|为词汇表的大小。对XX做矩阵分(如奇异值分,Singular Value Decomposition [5]),得到的UU即视为所有词的词向量: X=USVTX=USVT 但这样的传统做法有很多问题: 由于很多词没有出现,导致矩阵极其稀疏,因此需要对词频做额外处理来达到好的矩阵分效果; 矩阵非常大,维度太高(通常达到106×106106×106的数量级); 需要手动去掉停用词(如although, a,...),不然这些频繁出现的词也会影响矩阵分的效果。
TOP