关于 58空调网自动发帖软件效果怎么样 发帖软件什么比较好用?qq: 的搜索结果,共1622
2018-07-10
解密开源这门生意——商业角度看开源
在上个世纪程序员人数很少但都是精英黑客,参与开源的目的是以码会友,不会表太烂的代码,顺着开源社区容易找到技术大师,几个IT高手也容易蹭出商业火花。 2. 商业公司主导开源 现在越来越多的公司参与到开源项目中,甚至主导了很多商业开源项目;现在开源项目的精英理想主义色彩褪去,但打破认知垄断的初心没变。 开源是打破专利垄断,而且大部分都很便宜甚至免费,这就很适合做商业降维打击。这个篇幅太长我不展开细谈,只抛出三个案例: IBM提供AIX技术帮助完善了Linux,SUN和微的服务器操作系统都不太卖了。 Java、Golang的开者生态 dot Net要友热烈,这些程序员的待遇差距越来越大。 硬公司Intel支持开源云计算项目,这些可以促进家CPU、主板、SSD和卡的销售。 中国有句俗话叫“财散则人聚”,老外终于学会了“源码散则厂商聚”。对于以IT技术为核心竞争力的企业,降低门槛既可于绝地反击,又可于做大行业生态。 3.
小****园 2018-07-10
让PB级云存储不再神秘
读取数据的性能也不是大问题,互联类型数据的缓存命中功率极高,一台缓存可以减负一大堆元数据和存储服务;大数据一下要读几百T的数据必然是多链接,每个存储节点都会分到数据读取任务的,而且应要读这多数据不会要秒级完成任务,五分钟内完成下载就是闪电速度了。 回收间的性能 前文提到数据都是顺序写硬盘,这删除时回收间很慢,但4T盘浪费50%的间也买15K盘或者SSD合算,某些小规模或超有钱云存储都没做回收间这个功能。 当文有计划内滚删除需求需求,如说互联安防监控,一般是两副本或单副本群集扛性能,为回收间要浪费50%间,也有公司在开快删专的环形存储结构。如数据进了纠删码才被删掉,如说走了个PB级相册客户,那浪费磁盘间的损失可能要持续半年以上。 数据去重问题 对象存储不做数据去重功能,看着简单的功能背后都有蛛的复杂考量,元数据服务、计费服务、存储服务、增数据逻辑、删数据逻辑、回收间逻辑、户资源隔离逻辑都会因为这个很炫的功能被彻底改变。
雪****魁 2018-07-11
危险背后的机遇--云服务故障危机分析
故障 硬故障无法彻底避免,依附于物理硬的云主机也会意外中断。云主机可以在计划内跨硬迁移,所以可以说云主机可靠性略高于物理机。但是云厂商可能买劣质资源,或者频繁迁移云主机,甚至后台操作误停机误删除,以前物理机客户运维的各种故障点依然存在。理论上云平台技术人员会很专业和敬业,但很难深入了解客户业务。云户以前的硬冗余设计仍然有,而且可以利多AZ/多region/多云等云上隔离方案。 资源不足 云资源的隔离不彻底且会超卖,带来了瞬时资源不足问题。如说云主机突然变慢又恢复,导致客户的业务异常崩溃,云户缺乏有的监控手段,可能会想不到故障和云资源有关,或者无论问题都让云平台证清白。 资源不足还会影响新建资源,很多DevOPS客户化申请资源,但如账户配额不足或者区域资源不足,申请资源失败时有备选方案或者人工干预吗? 以前客户只要观测公接入资源是否紧缺,控硬和内的信息很清楚,上云以后硬和内也要多留心了。
l****m 2018-07-10
五年前的预言——2012年云计算时代的运维职位展望
我在写一篇新的文章,其中会引到这篇2012年的旧文,所以我原摘抄下来,很庆幸能转型进入云计算这个行业。 云计算的时代正在来临,运维的工作也将在今后几年中生翻天覆地的变化。 如你是一个能给己做主的人,你必须看清形势顺势而为,在变革的时代埋头苦干仍然保证不了你的正常生活;如你是一个弓骑兵,无论你勤学苦练都打不过坦克手的;铁达尼号上的乘客无论多有钱,总是免不了泡进海水里的。 首先,我作为一个运维为何唱衰运维这个职业。 我们运维靠能力在公司里立哪? A.关心硬和施工; B.关注络问题; C.擅长系统和服务的试维护; D.相对与架构师/DBA的价格优势; E.快速可靠的响应. 大家看看云计算能给企业带来的处。 A.硬完全免维护; B.络接近免维护; C.系统、服务接近免维护; D.无论是硬还是人力成本都很廉价; E.可靠性高于个人。 我们会现,云计算的目标就是要做的运维人员更到“不关心”的地步。从技术上来说,各大云计算运营商对通的Web、RDBMS、存储 服务都是可以做到很的。
布****五 2018-07-10
如何执行一条命令
面临的困难 命令行的三要素,也是如何执行一条命令行面对的三个问题,如前文所述,对于单机环境来说,这三个问题在前人的努力下已经被很的解决。可是如要在几十万台机器上每天执行几十亿条命令,同时保证时性,保证执行成功率,保证结正确收集,保证7*24小时稳定运行,就不是一简单的事情了。所谓远行无轻担,量大易也难,在构建这的执行系统的过程中要面临诸多困难,此处举几个突出的例子如下: 信息存储问题:为了支持水平扩展,需要高的内存数据库作为缓存。为了做到执行命令的可追溯、可统计,需要对执行过的命令信息持久化。日均几十亿的热数据,年均上万亿的冷数据,需要仔细选择存储方案。 任务度问题:为了达到在任意多台服务器上执行命令的要求,需要确定何时分命令、何时回收结以及的并度批量下。 消息传输问题:为了保证命令高正确送达目标服务器,需要构建一个可靠的命令传输络,使命令信息在准确送达的前提下保障传输的可靠与高,毕竟百度的几十万台服务器分布在世界各地。 代理执行问题:为了更的处理权限、单机并等单机执行问题,需要在目标机构建执行代理,以应对单机的复杂执行环境。
疏****月 2018-07-09
一键上线Archer | 百度持续部署的瑞士军刀
场景 在百度内部,通的部署系统需要适于以下场景: 各业务线拥有各的包规范,语言、框架不统一,部署策略不一致; 支持分级布,及时拦截部署引入的线上故障; 业务的多地域部署; 多种络环境及大包部署; 提高率,能够集成测试化流水线。 后面,我们将结合上面场景,向大家介绍百度持续部署是如何实现的。 服务架构 整个系统由命令行工具、web服务、中转服务及单机agent+部署插几部分组成(如图2所示)。户通过命令行工具触一次变更,在web端进行参数解析及任务分,对应执行机器agent通过心跳获取任务后,部署插执行实际任务。涉及大包及不同络环境的部署会进行中转下载。 解决方案 各业务线拥有各的包规范,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服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包规范。
G****H 2018-07-09
【 开指南 】内容播报技能,持续更新
2、教学视频 点击观看 3、开步骤 开流程详见文档:https://dueros.baidu.com/didp/doc/dueros-bot-platform/dbp-broadcast/news-broadcast_markdown 内容播报数据格式 新闻:https://dueros.baidu.com/didp/doc/dueros-bot-platform/dbp-broadcast/news-broadcast_markdown 有声:目前暂未上线,敬请期待;可以先使定义技能来实现; 资源文注意事项(符合特定的Schema) XML格式 Encoding=“UTF-8” 单个文大小 <10 Mb,且每个文记录 <50000条;否则需要拆分; 同一数据结构中,标签应按照文档中的标签序号由小到大排列 拆分后的文的URL,需要整理成一个新的文,这个新文的地址作为资源地址提交到平台 source_name是对应的技能Id 如何试播放 在线校验 直接粘贴资源文(全部\部分)的内容,系统会进行校验并提示是否存在错误; 模拟器测试 资源地址和格式校验通过后,可以在模拟测试里按照提示进行
Z****E 2018-07-09
产品迭代的最后一公里
然后由专门的执行系统解析策略,并执行批量机器的变更,如开源的Ansible、SaltStack和百度内部的CCS系统。整个执行过程进行,户只需要查看执行进度即可。另一方面,执行系统也提供了干预能力,户可以手暂停乃至撤销一个部署任务的执行。图2给出了化部署的示意图。 2分级布 分级布是指将变更过程以实例组为单位划分成多个阶段,每个阶段引入化的检查例,只有检查通过才能执行下个阶段的变更。分级布不能完全避免变更异常,但是可以有限制异常影响范围。通过把变更版本管理和历史审计与分级布结合,可以有增强对变更过程的管控,降低异常影响,加快异常恢复速度。整个分级布规范的构成可以参考图3。 3智能变更策略 采化部署和分级布之后,户已经可以获得的变更率,并且能够在相当程度上提升变更安全性,但是使更高标准来审视,其中仍存在改进的间:变更模板需要人工配置,使门槛高,复性低;变更检查强依赖人的经验,可能出现异常没被及时检查出来的问题。 得益于在AIOps上的充分实践,我们现通过将智能策略引入到变更流程中,可以进一步提升变更率和安全。
TOP