摘要这一章将进入机器人语音交互的学习，让机器人能跟人进行语音对话交流。这是一件很酷的事情，本章将涉及到语音识别、语音合成、自然语言处理方面的知识。本章内容：1.语音交互相关技术(https://www.oschina.net/action/GoToLink?urlhttps%3A%2F%2Fwww.cnblogs.com%2Fhira

!(https://oscimg.oschina.net/oscnet/b41e3a6367d04dee9f4e4acdbce5c45c.jpg)1.场景描述因项目访问压力有点大，需要做负载均衡，但是登录使用的是公司统一提供的单点登录系统，需要做session共享，否则假如在A机器登录成功，在B机器上操作就会存在用户未登录情况。

ChatGPT让沟通更智能、更便捷ChatGpt是最近引起强烈关注的一种技术，它可以实现聊天机器人，为使用者解决复杂的信息获取和学习任务。但他也不仅仅是一个聊天机器人，它是一种基于深度学习算法的自然语言生成模型，由OpenAI公司开发。它可以模拟人类的对话

场景：你有若干机器，却只有一台能被外网访问，如果要让外网访问到你其它机器上的服务，就需要做反向代理，在上一篇(http://my.oschina.net/waterbear/blog/287481)文章中，我们用nodejs轻松实现了http反向代理。如果是TCP服务，例如mysql数据库，同样用nodejs来做实现一个反向代理也是很容易的。

在日志收集服务器上使用Flume（1.6）的KafkaSink将日志数据发送至Kafka，在FlumeAgent启动之后，发现每个Agent的CPU使用率都非常高，而我们需要在每台机器上启动多个FlumeAgent来收集不同类型的日志，如果每个Agent都这样，那肯定会把机器的CPU吃满了，刚开始使用jstack定位到是org.apache.flume

前言从去年11月下旬开始入坑机器学习，到现在也已经有半年了，一开始就是学习机器学习理论方面的知识，但是学到两三个月的时候总觉得没点实际操作，所以感到知识点很空洞。自己是自学机器学习的，周围又没有实际项目可以做，能拿来练手的恐怕只有各种数据算法竞赛了。今年二月到三月第一次参加了kaggle上的Toxic文本分类比赛，但是由于自身经验严重不足，和理论

手势识别是现代计算机视觉领域不可或缺的一部分，是指通过分析输入信号的空间变化来获取表达者的意图。手势识别技术可以应用于很多领域，比如交互式系统、人脸识别以及智能家居等。在许多场景中，手势识别是更加便捷的控制方式，它可以更方便地与设备进行交互，并且可以方便地

Rust是一种系统编程语言，旨在快速、安全和并发。其性能令人印象深刻，可以生成快速高效的机器代码。

公司在推进降本增效，在尝试多种手段之后，发现应用太多，每个应用都做跨机房容灾部署，则最少需要4台机器（称为容器更合适）。那么，将相近应用做一个合并，减少维护项目，提高机器利用率就是一个可选方案。经过前后三次不同的折腾，最后探索出来一个可行方案。记录一下，分