博客 RSS 訂閱

u_16213661 頭像

mob64ca140b0bc8 - grafana 閾值大於變顏色

首先我們來看一下我用到的素材（在百度圖庫裏下載的）。 一、打開PS，在PS中打開素材。 二、複製一個圖層（好習慣不解釋）。 三、圖像-調整-閾值，或者按下圖示按鈕後選擇閾值，彈出閾值窗口，調整閾值色階。 四、按下Ctrl+Shift+Alt+E鍵，蓋印可見圖層。 五、選擇-色彩範圍，選擇陰影，或者直接用吸管點擊

色彩範圍 , grafana 閾值大於變顏色 , 快捷鍵 , 圖層 , 雲計算 , 雲原生

收藏 評論

u_12196 頭像

footballboy - 有ip為什麼還要vlan csdn

IPv6自1998年以來一直在努力解決IPv4中可用IP地址的短缺問題，但儘管它具有效率和安全優勢，數據分析表明，企業採用它的速度比預期的要慢。 關於互聯網地址耗盡的可怕（和可怕）警告幾乎已經完全停止，因為從互聯網協議版本4（IPv4）到IPv6的遷移已經開始，而且軟件已經實現，以防止許多人預測的地址“末日”。但在我們弄清楚IPv6的位置和發展方向之前，讓我們先回顧

ipv4 , 雲計算 , ip , ipv6 , ip地址 , 雲原生 , 有ip為什麼還要vlan csdn

收藏 評論

u_16099262 頭像

信息流星 - 配置使用cpprest的VS配置步驟

基於VS Code的C++語言的構建調試環境搭建指南 1.首先安裝Visual Studio Code 進入官網下載強大的VS Code，地址是：https://code.visualstudio.com 打開之後會發現界面如圖所示： 環境變量配置的時候勾選添加到path即可，接下來安裝中文語言包。 2.安裝 the Microsof

code , g++ , 雲計算 , 配置使用cpprest的VS配置步驟 , 雲原生 , Json

收藏 評論

u_13778063 頭像

u_13778063 - 深度解析雲監控 2.0 日誌審計：統一採集、實體建模與告警溯源能力

作者：孫玉梅 背景 在現代雲環境中，安全合規與故障溯源面臨着如下問題： 控制面與數據面的割裂：雲端的資源變更（如 OpenAPI 調用）與底層的運行時行為天然處於兩個平行的觀測維度。 異構數據的孤島效應：K8s 的編排事件、ECS 的系統日誌以及雲產品的操作記錄分散在不同的存儲介質中，缺乏統一的上下文關聯。 這種多維度的碎片化導致

數據 , 雲計算 , 可觀測 , 日誌審計 , 阿里雲 , 雲服務 , 雲監控

收藏 評論

dayong_59b0e68b1ed0d 頭像

六邊形架構 - 手搓RPC框架系列（三）：服務註冊與發現、完整實現與測試

文 / Kenyon，資深軟件架構師，15年軟件開發和技術管理經驗，從程序員做到企業技術高管，專注技術管理、架構設計、AI技術應用和落地。 由於公眾號推流的原因，請在關注頁右上角加星標，這樣才能及時收到新文章的推送。 摘要：本文完成了RPC框架的剩餘核心功能，包括基於Nacos的服務註冊中心、多種負載均衡策略（隨機、輪詢、最小連接數）及服務端核心實現，提供了完整的使用示例（服務定義、服務端/客户端

rpc , 後端

收藏 評論

lying7 頭像

躺柒 - 讀捍衞隱私10讀後總結與感想兼導讀

1.基本信息 捍衞隱私 ​[美]凱文·米特尼克，羅伯特·瓦摩西，浙江人民出版社2019年9月 1.1.讀薄率 書籍總字數17.9萬字，筆記總字數35721字。 讀薄率35721÷179000≈19.96% 1.2.讀厚方向 當我點擊時，算法在想什麼？ 算法霸權 極簡算法史：從數學到機器的故事 算法的陷阱：超級平台、算法壟斷

網絡安全

收藏 評論

u_17603560 頭像

mb6942808bc02a3 - Redis是什麼

Redis全稱 Remote Dictionary Server（即遠程字典服務），它是一個基於內存實現的鍵值型非關係（NoSQL）數據庫，由意大利人 Salvatore Sanfilippo 使用 C 語言編寫。 Redis 遵守 BSD 協議，實現了免費開源，其最新版本是 6.20，常用版本包括 3.0 、4.0、5.0。自 Redis 誕生以來，它以其超高的性能、完美

redis , yyds乾貨盤點 , 數據庫 , 鍵值

收藏 評論

gexia_com 頭像

閣下AI - 閣下AI平台：工具生成效率的實際觀察

\# 閣下AI平台：工具生成效率的實際觀察 在我們實際使用閣下AI平台的過程中，其工具生成效率確實給我們留下了深刻印象。它能夠將傳統需要數週甚至數月的手工開發工作，壓縮到以分鐘或小時計算，並且生成結果的成功率和質量都保持在線。以下是我們結合真實使用情況整理的一些數據與觀察。 \## 一、生成需要多長時間？ | 任務類型 | 閣下AI平台大致耗時 | 補充説明 | | 簡單工具 （例如文案生

機器學習 , 人工智能

收藏 評論

u_16653481 頭像

金海境科技 - 【服務器數據恢復】數據中心私有云Ceph分佈式集羣文件丟失數據恢復案例

一：客户信息 內蒙古某警務雲數據中心 二：案例背景 什麼是分佈式文件系統 分佈式文件系統（DistributedFile System，DFS）是一種能夠在多台計算機之間共享文件存儲資源的系統。它將文件存儲在多個節點上，這些節點通常是位於不同地理位置的服務器或計算機集羣。分佈式文件系統的核心目標是提高文件存儲的可靠性、可擴展性和性能，同時為用户提供透明的文

服務器 , 分佈式數據恢復 , 服務器數據恢復 , 數據恢復 , 分佈式

收藏 評論

lxlinux 頭像

良許 - 《C語言電子書-2026最新版》-C語言數據類型概述

大家好，我是良許，一個深耕嵌入式 12 年的老工程師，前世界 500 強高工。 我花了 3 個月時間，寫了一個 C 語言電子書，以非常通俗的語言跟大家講解 C 語言，把複雜的技術講得連小學生都能聽得懂，絕不是 AI 生成那種晦澀難懂的電子垃圾。 點擊此處免費領取 C 語言電子書 C 語言電子書目錄如下： 2.1 C語言數據類型概述 在我們的日常生活中，我們會遇到各種各樣的信息：數字、文字、圖片、

go , 後端

收藏 評論

u_15742790 頭像

數據科技訊 - 中新社國是論壇熱議科技創新 歐菲光深耕機器視覺技術賽道

推進中國式現代化，科學技術要打頭陣，科技創新是必由之路。在中國新聞社於12月16日舉辦的“國是論壇：2025年會”上，多位專家學者、行業、企業代表齊聚一堂，共同探討如何以科技創新賦能經濟社會高質量發展，為推進中國式現代化鑄造強力引擎。 企業是創新的主體，也是推動創新創造的生力軍。企業憑藉其獨特的市場地位、資源優勢和敏鋭的市場洞察力，在推動科技創新、培育新質生產力上發揮着關鍵

MySQL , 機器視覺 , 數據庫 , 高精度 , 人形機器人

收藏 評論

wuxiedekeben 頭像

無邪的課本 - Apache Maven 3.9.9 安裝使用教程 7z 壓縮包詳細步驟

​ 1. 先下載並解壓​ 安裝包下載：https://pan.quark.cn/s/942225e55ce0，去官網或者鏡像站下apache-maven-3.9.9.7z這個文件。 下載完以後，用 7-Zip 或者能解 7z 的工具把它解開，會得到一個文件夾，比如叫apache-maven-3.9.9。 * 2. 把 Maven 放到合適位置​ 你可以把這個文件夾放到

apache

收藏 評論

deephub 頭像

deephub - Scikit-Learn 1.8引入 Array API，支持 PyTorch 與 CuPy 張量的原生 GPU 加速

Scikit-Learn 1.8.0 更新引入了實驗性的 Array API 支持。這意味着 CuPy 數組或 PyTorch 張量現在可以直接在 Scikit-Learn 的部分組件中直接使用了，且計算過程能保留在 GPU 上。 1.8.0 到底更新了什麼？ Scikit-Learn 開始正式支持Python Array API 標準。這是一個由 NumPy、CuPy、PyTorch、J

神經網絡 , pytorch , 人工智能 , 深度學習 , sklearn-pandas

收藏 評論

Goblinscholar 頭像

哥布林學者 - 吳恩達深度學習課程四：計算機視覺 第二週：經典網絡結構 （四）CV 方法論

此分類用於記錄吳恩達深度學習課程的學習筆記。 課程相關信息鏈接如下： 原課程視頻鏈接：[雙語字幕]吳恩達深度學習deeplearning.ai github課程資料，含課件與筆記:吳恩達深度學習教學資料 課程配套練習（中英）與答案：吳恩達深度學習課後習題與答案 本篇為第四課的第二週內容，2.8到2.11的內容，同時也是本週理論部分的最後一篇。 本週為第四課的第二週內容，這一課所有

AI

收藏 評論

coderdd 頭像

程序猿DD - 人工智能如何改變 Anthropic 的工作方式

如果有一天，你走進公司，發現寫代碼、查 bug、跑實驗的大部分體力活，都已經由一位看不見的 AI 搭檔在後台悄悄完成了——而你更多是在提問題、定方向、做決策，而不是一行行敲代碼，這會是什麼感覺？是興奮，因為產出翻倍、想法終於可以快速落地；還是隱隱不安，因為自己賴以安身立命的“手藝”似乎正在慢慢被接管？ 對於正在建設 AI 的公司來説，這個問題來得比想象中更早、更猛。 Anthropic 在 202

程序員

收藏 評論

nancheng_692928b663b3c 頭像

南城 - 延遲隊列的實現範式——ZSet與Stream方案對比、時間輪思想與使用邊界

寫在前面，本人目前處於求職中，如有合適內推崗位，請加微信：lpshiyue 感謝 在異步任務調度與時間觸發機制中，延遲隊列是平衡精度、可靠性與複雜度的藝術 在分佈式鎖與冪等性解決數據安全寫入的挑戰後，我們面臨另一個關鍵問題：如何可靠地調度未來事件。延遲隊列作為異步任務調度的核心組件，在訂單超時、定時提醒等場景中扮演着重要角色。本文將深入解析 Redis ZSet 與 Stream 兩種主流延遲隊列

redis , JAVA

收藏 評論

u_106065 頭像

laokugonggao - ArchiveManager需要單獨安裝

一般情況下自己為了學習 dyamics 365， 需要安裝一個虛擬機，在虛擬機上安裝一個環境。這個環境一般有成本限制會將所有的組件都安裝到一台機器上，叫做 FullServer 既有 ad (activity dictionary)服務，也有 AD Domain Services，SQL SERVER 數據庫，Dynamics 365也是前端和異步服務數據庫全部安裝在一台服務器上

Dynamics , 服務器 , 大數據 , hive , microsoft

收藏 評論

u_11659620 頭像

爾等氏人 - PostgreSQL高可用架構設計

引言 在現代企業應用中，數據庫的高可用性已成為保障業務連續性的關鍵要素。PostgreSQL作為一款功能強大的開源關係型數據庫，其高可用架構設計對於確保數據安全和服務穩定性至關重要。本文將深入探討PostgreSQL的高可用架構設計理念與實現方案。 什麼是高可用性 高可用性(High Availability)是指系統在面對各種故障情況下仍能持續提供服務的能力。通常用"幾個9

redis , 數據庫 , postgresql , 高可用 , 高可用架構

收藏 評論

u_16099330 頭像

網絡小墨 - SUPPORTED RELEASES 和ARCHIVED RELEASES 區別

一、Debug 和 Release 編譯方式的區別： Debug 通常稱為調試版本，它包含調試信息，並且不作任何優化，便於程序員調試程序。Release Debug 和 Release編譯方式在木馬製作方面的應用是：調試完成以後，使用Release模式編譯，這樣生成的木馬體積可以減小很多 二、編譯器選項： #pragma主

大數據 , hive , 自定義 , 編譯器 , pragma

收藏 評論

collen7788 頭像

collen7788 - 【趙渝強老師】國產金倉數據庫的數據庫集羣

金倉數據庫的邏輯存儲結構主要是指數據庫中的各種數據庫對象，包括：數據庫集羣、數據庫、表、索引、視圖等等。所有數據庫對象都有各自的對象標識符oid（object identifiers）,它是一個無符號的四字節整數，相關對象的oid都存放在相關的系統目錄表中，比如數據庫的oid和表的oid分別存放在sys_database,sys_class表中。下圖展示了金倉數據庫的邏輯存儲結構。

yyds乾貨盤點 , 金倉數據庫 , 數據庫 , postgresql , KingBase , SQL Server , 國產數據庫

收藏 評論

u_16077267 頭像

mb643e0d0904d99 - 包你學會 AWK

概述 AWK是一門解釋型的編程語言。在文本處理領域它是非常強大的，它的名字來源於它的三位作者的姓氏：Alfred Aho， Peter Weinberger 和 Brian Kernighan。 GNU/Linux發佈的AWK目前由自由軟件基金會（FSF）進行開發和維護，通常也稱它為 GNU AWK。 AWK的類型 下面是幾個AWK

字段 , 操作符 , 運維 , 正則表達式

收藏 評論

zentaopms 頭像

易軟項目平台分享 - 分佈式團隊10款雙視圖項目管理軟件選型指南

在數字技術的支撐下，分佈在全球的團隊成員只需一個界面，就能在項目進展的縱覽與個人任務的聚焦之間自由切換，遠程協作不再受限於空間和視角。 禪道作為國內知名的開源項目管理軟件，融合了Scrum敏捷框架與PMP概念，完整覆蓋了研發類項目管理的核心流程。它將產品、項目、測試三者的概念明確分開，使產品人員、開發團隊和測試人員通過需求、任務、Bug進行交互。 以下是當前市場上適合分佈式團隊的10款主流雙

軟件工程

收藏 評論

wintersun 頭像

PetterLiu - Table-RAG破解海量表格檢索難題

破解海量表格檢索難題 一.概述 在當今的商業與科研領域，結構化數據——尤其是那些動輒包含數十萬、數百萬單元格的大型表格——構成了我們決策與洞察的基石。然而，一個令人困惑的現實是，即便強大如GPT系列的大型語言模型（LLM），在面對這些海量、規整的數據時，也常常會“迷航”。它們就像一位才華橫溢的語言學家被要求在沒有地圖的情況下，穿越一片由數字和文本構成的汪洋大海。將深入剖析這一困境的根源，並拆解一

AI

收藏 評論

u_39037 頭像

jimoshalengzhou - 數據倉庫書籍PDF

凡事應該儘量簡單，直到不能再簡單為止。 維度建模簡介 一、用於度量的事實表 1.應該儘量將來源於同一個業務過程的底層度量結果存儲於一個維度模型中。 2.事實表中的每一行對應一個度量事件。每行中的數據是一個特定級別的細節數據，稱為粒度。 　　物理世界的每一個度量事件與對應的事實錶行具有一對一的關係，這一思想是維度建模的基本原則。 3.事實表包含多

大數據 , 數據 , 數據倉庫 , 數據倉庫書籍PDF , 三範式 , 主鍵

收藏 評論