关于 让人昏迷的香烟亲身用后感【V信;799.196.362】有 的搜索结果,共1731
若****客 2018-07-10
IT架构本质--我五点
我们要搞架构设计最重要就是砍需求,将上层应需求优化删减,同级业务能容错。上层需求优化,即前端对端少输入少查询多容错,而同级容错可以看做应需求优化,比如两个服务可以幂等重试就是好解耦,而A系统会等B系统等到死锁就是架构悲剧。 某电商ERP系统户点一次查询按钮,台系统就锁库查询一次;实操过程中系统越慢户就重复点查询按钮,而并行查询越多台速度就更慢。这种环境要搞架构优化,首先要理解自然并不要求实时数据,ERP客户端限制每15秒才能点一次查询按钮,在Web接入层限制每个Session每分钟只能查询一次,还可在数据库链接类库上做一层控制策略。多媒体服务工程师最好节礼物会是一个完美播放器;它可以自助容错选择CDN,可以主动预缓存下一分钟点播内容,可以完成私有解密编码工作,可以和广告系统解耦独立加载,可以在卡顿时更换线路和存储日志,广告日志和卡顿日志都低速适时台上传。
y****n 2018-07-09
Apollo 自动驾驶知技术分享
知技术是什么? 知属于自动驾驶核心技术,我们可以将汽车上知与官进行一个类比:知,通过官器官获取外界息,传达知功能区,把形象化东西抽象成概念性或者更高层语义,供我们思维记忆、学习、思考或者决策,我们运动控制功能区,我们体对外界进行反馈。无车类似这样结构,这是强相关东西,我们无车也是一样。 下图所示这辆车是 2016 年 12 月乌镇演示车队其中一台,它有传器、雷达、摄像头,这是覆盖比较全面设置,包括视觉、触觉、嗅觉等息。它需要大脑处理,大脑是无车里知功能模块。 由于知范围是广泛,它依赖于工驾驶或者自动驾驶需要环境匹配,工况复杂度越高,知复杂度越高。自动驾驶不同级别里,复杂度也不同。Apollo 目前开放定位是 Level3 或者 Level4,知、决策、控制是三位一体过程。 知与传器系统紧密结合,获取外部环境息,比如有没有障碍物,障碍物距离、速度等,把数据交给知处理模块,我们会收集息,构成开车时理解环境。
y****i 2018-07-11
做容器云最佳
容器编排系统核心优势 很多都说容器云是“私有云谁谁爽,公有云谁谁丧”,其实原因就是:容器云需要开发员配合才能好,而容器编排系统比容器自更重要。K8S与其说是Docker竞争者,不如说是容器行业庇护者。有了K8S这个容器编排系统,虽然Docker技术不那么醒目了,但其可性更高更接地气了。 单纯Dokcer容器,更像是个封装比较彻底,做足了资源隔离JVM。研发员只在程序出错时才会关注Runtime,而运维员没觉到这有什么酷,但确实容器云已经有存在价值了。比如说OpenStack、PaddlePaddle这类新兴软件和开发框架部署环境没那么简单,Docker包一层就变非常友好了。 对于持续集成和交付场景来说,以前我们是硬压着研发和测试,务必保持版本一致、务必保证文件打好包,从不盲回滚预案,必须半夜上线,就这样还天天出故障;现在自动上线压力确实小多了,大家都可以放心测试生产环境一致、保证文件不漏传、可以和Git无缝集成,可以扔给研发和测试半自助上线了。这就是我前文所说,容器快速部署优势在于决策快、操作简单。
Z****E 2018-07-09
产品迭代一公里
软件产品生命力在于不断功能迭代。一个新功能从需求产生到完整地呈现给终端户,中间经过了调研、立项、需求分析、设计、开发、测试等一系列步骤,而发布变更则是整个流程一步。具体来说,发布变更是指将产品功能修改内容发布到一组服务器上过程。 变更过程可以简单到由一个研发员手工将代码上传到一台服务器上,也可以复杂到上万台机器数据传输和命令执行。如果我们深入地考查整个变更过程,可以发现无论变更过程本如何变化,其中有些组成部分是不可或缺,这里将其总结为变更三要素,即变更源、变更策略、变更目标。 变更源:描述变更涉及具体内容,可以是程序、数据或者命令; 变更策略:描述变更过程如何执行,包括但不限于顺序、并发度、失败容忍度等; 变更目标:描述落地变更内容一个或者多个目标机器,也可能是虚拟机或容器。
l****m 2018-07-10
词向量(一)
虽然按照常理,我们知道这两个词之间是有联系——母节通常应该送给母一束康乃馨;但是这两个词对应one-hot vectors之间距离度量,无论是欧氏距离还是余弦相似度(cosine similarity),由于其向量正交,都认为这两个词毫无相关性。 得出这种与我们相悖结论根本原因是:每个词本息量都太小。所以,仅仅给定两个词,不足以我们准确判别它们是否相关。要想精确计算相关性,我们还需要更多息——从大量数据里通过机器学习方法归纳出来知识。 在机器学习领域里,各种“知识”被各种模型表示,词向量模型(word embedding model)就是其中一类。通过词向量模型可将一个 one-hot vector映射到一个维度更低实数向量(embedding vector),如embedding(母节)=[0.3,4.2,−1.5,...],embedding(康乃馨)=[0.2,5.6,−2.3,...]embedding(母节)=[0.3,4.2,−1.5,...],embedding(康乃馨)=[0.2,5.6,−2.3,...]。
不****主 2018-07-09
高精地图
高精地图,是Apollo定位、知、规划模块基础。 与普通地图不同,高精地图主要服务于自动驾驶车辆,通过一套独特导航体系,帮助自动驾驶解决系统性能问题,扩展传器检测边界。目前 Apollo 内部高精地图主要应在高精定位、环境知、决策规划、仿真运行四大场景,帮助解决林荫道路GPS号弱、红绿灯是定位与知以及十字路口复杂等导航难题。 一、高精地图与传统地图 当我们开车时,打开导航地图通常会给我们推荐几条路线,甚至会显示道路是否拥堵以及每条路线将花费多长时间、是否有交通管制,有多少个交通号灯或限速标志等,我们会根据地图提供息来决定是在行驶中直行、左转还是右转以及对周围驾驶环境评估。 而无驾驶车缺乏类驾驶员固有视觉和逻辑能力。如我们可以利所看到东西和GPS来确定自己位置,还可以轻松准确地识别障碍物、车辆、行、交通号灯等,但要想车变得和类一样聪明,可是一项非常艰巨任务。 这时就需要高精地图了,高精地图是当前无驾驶车技术不可或缺一部分。它包含了大量驾驶辅助息,最重要是包含道路网精确三维表征,例如交叉路口布局和路标位置。
TOP