推荐
专栏
教程
课程
飞鹅
本次共找到2971条
网络传输协议
相关的信息
DevOpSec
•
4年前
SLI、SLO和SLA,这次终于搞明白了
前言SLO和SLA是大家常见的两个名词:服务等级目标和服务等级协议。云计算时代,各大云服务提供商都发布有自己服务的SLA条款,比如Amazon的EC2和S3服务都有相应的SLA条款。这些大公司的SLA看上去如此的高达上,一般是怎么定义出来的呢?本文就尝试从技术角度解剖一下SLA的制定过程。说SLA不能不提SLO,这个是众所周知的,但是还有一
爱写码
•
3年前
国产开源网络编程框架t-io的炸裂性能介绍之30W长连接并发
tio的性能用炸裂来形容,一点都毫不夸张,请各位大拿仔细阅读下面的内容,想你们心里有数。具体请参考:准备工作操作系统Ubuntu12在/etc/sysctl.conf中添加如下配置:在/etc/security/limits.conf中添加如下配置:最后使用ulimitan查询设置是否生效。测试主机cpu:内存:客户端测试机用VMware创建12台虚拟
爱写码
•
3年前
国产开源网络框架t-io的炸裂性能之每秒处理1051万条聊天消息
内置各种数据监控的tio仍然可以跑出炸裂的性能数据友情提醒:开监控很耗性能,有时候为了数据得以监控必须采用性能更差的算法测试程序在tiostudy中,见下图参数设置如果想跑出好的成绩,总连接数大约保持在50300间总连接数过多或过少,不太容易跑出600万以上的数据,但是跑出100多万的连接数的范围是非常大的,各位可以亲测一下当然跑出啥成绩,还跟你的机器性能有
Stella981
•
3年前
Raft 算法在分布式存储系统 Curve 中的实践
作为网易数帆开源的高性能、高可用、高可靠的新一代分布式存储系统,Curve对于多副本数据同步、负载均衡、容灾恢复方面都有较高的要求。网易数帆存储团队选用Raft算法作为Curve底层一致性协议,并基于Raft的特性,实现了异常情况下的数据迁移和自动恢复。本文首先简要介绍一下Raft算法的一些基本概念和术语,再详细介绍其在Curve中的实践。Raft一致性
可莉
•
3年前
10.6 监控io性能 10.7 free命令 10.8 ps命令 10.9 查看网络状态 10.10 linux下抓包
10.6监控io性能关于磁盘监控更详细的查看磁盘的状态iostat是在安装sysstat这个包的时候就跟着安装了,和sar的用同一个包iostatx1root@localhost~iostatx1Linux3.10.0514.el7.x86_64
Wesley13
•
3年前
P2P技术揭秘.P2P网络技术原理与典型系统开发
Modular.Java(2009.06)\.Craig.Walls.文字版.pdf:http://www.t00y.com/file/59501950(https://www.oschina.net/action/GoToLink?urlhttp%3A%2F%2Fwww.t00y.com%2Ffile%2F59501950)\More.E
Wesley13
•
3年前
activeMQ+MQTT实现点对点发送消息
问题的提出:最近在做若干安卓设备(共享项目使用的硬件)和服务器通信实现MQTT消息的的接收。由于MQTT的限制(注意:不管你用的是paho的库还是其他任何MQTT的库都一样,这是MQTT协议的限制。)而无法实现服务器只给某一台机器(根据机器的IMEI号)发送消息。一开始使用的方法,就是服务器只管群发(消息体里会带一个终端ID字段信息),安卓端收到消息后,
Wesley13
•
3年前
TCP网络调试助手上提示错误:“1035 未知错误”的有效解决方法,本人实测确实可行
转:https://blog.csdn.net/jacket\_/article/details/97415651!(https://img2018.cnblogs.com/ibeta/1148798/202001/1148798202001071437087881913637935.png)图片转载:https://blog.csdn.n
专注IP定位
•
3年前
5G发牌三周年 云网融合加速 如何解决企业网络之忧?
2019年6月6日,工信部正式向国内运营商颁发5G商用牌照,标志着中国5G时代的开启。2022年6月,5G发牌已三周年,这三年来5G网络发展迅速,对、城市高品质信息服务的支撑及促进作用越来越明显,中国5G进入规模化应用关键期。伴随着5G、云计算、大数据、人工智能、物联网等新技术的快速发展应用,云和网也共同组成了新型数字基础设施,提供了更高质量的服务。云网融合
京东云开发者
•
2年前
京东云开发者|提高IT运维效率,深度解读京东云AIOps落地实践
基于深度学习对运维时序指标进行异常检测,快速发现线上业务问题时间序列的异常检测是实际应用中的一个关键问题,尤其是在IT行业。我们没有采用传统的基于阈值的方法来实现异常检测,而是通过深度学习提出了一种无阈值方法:基于LSTM网络的基线(一
1
•••
227
228
229
•••
298