推荐
专栏
教程
课程
飞鹅
本次共找到5910条
背包问题动态规划
相关的信息
Stella981
•
3年前
Kafka入门(2):消费与位移
摘要在这篇文章中,我将从消息在Kafka中的物理存储方式讲起,介绍分区日志段日志的各个层次。然后我将接着上一篇文章的内容,把消费者的内容展开讲一讲,区分消费者与消费者组,以及这么设计有什么用。根据消费者的消费可能引发的问题,我将介绍Kafka中的位移主题,以及消费者要怎么提交位移到这个位移主题中。最后,我将聊一聊消费者Rebalan
Stella981
•
3年前
Redis压缩列表
此篇文章是主要介绍Redis在数据存储方面的其中一种方式,压缩列表。本文会介绍1.压缩列表(ziplist)的使用场景2.如何达到节约内存的效果?3.压缩列表的存储格式4.连锁更新的问题 5.conf文件配置。在实践上的操作主要是对conf配置文件进行配置,具体上没有确切的一个值,更多是经验值。也有的项目会直接使用原本的默认值。此篇对于更好地理解
Stella981
•
3年前
Docker+Kubernetes(k8s)微服务容器化实战视频教程
第1章初识微服务微服务的入门,我们从传统的单体架构入手,看看在什么样的环境和需求下一步步走到微服务的,然后再具体了解一下什么才是微服务,让大家对微服务的概念有深入的理解。然后我们一起画一个微服务的架构图,再从架构上去分析微服务架构的优势和不足。...第2章微服务带来的问题及解决方案分析通过传统服务与微服务对比的方式去学习,
Stella981
•
3年前
Deepin系统安装
前一阵,我想把deepin15.10系统装在我的U盘上,首先你的用2个U盘,一个是安装盘,一个U盘是当你想安装到的硬盘,如果一个U盘的话写入时没用的,他也不能自己把自己分区,执行安装了。硬盘模式,我用的是MBR,貌似GPT也可以,还更好用!我还没来得及实践。安装成功了也没什么问题,HDMI显示器我的不显示,解决方法是$xrandrli
Stella981
•
3年前
GPT分区在基于x86的xp系统中不能被识别
背景:今天解决了一个朋友的问题,在win7系统上可以识别的硬盘,在xp系统上却识别不了.但是在硬盘管理界面,是可以识别该硬盘的,只是分区类型是GPT保护分区.原因是硬盘开始是在win7或者其他高于xp的系统上进行了格式化,应该是系统默认采用了GPT分区.百度搜索了一下,原因是xp不支持GPT分区格式的硬盘,有一下几种解决办法:
Stella981
•
3年前
SQL Server 查询优化器运行方式
一、结合实际,谈索引使用的误区理论的目的是应用。虽然我们刚才列出了何时应使用聚集索引或非聚集索引,但在实践中以上规则却很容易被忽视或不能根据实际情况进行综合分析。下面我们将根据在实践中遇到的实际问题来谈一下索引使用的误区,以便于大家掌握索引建立的方法。1、主键就是聚集索引这种想法笔者认为是极端错误的,是对聚集索引的一种浪费。虽然SQLS
Stella981
•
3年前
K8s基本概念入门
k8s是一个编排容器的工具,其实也是管理应用的全生命周期的一个工具,从创建应用,应用的部署,应用提供服务,扩容缩容应用,应用更新,都非常的方便,而且可以做到故障自愈,例如一个服务器挂了,可以自动将这个服务器上的服务调度到另外一个主机上进行运行,无需进行人工干涉。那么,问题来了,要运维何用? k8s可以更快的更新新版本,打包应用,更新的
Easter79
•
3年前
SQL Server 查询优化器运行方式
一、结合实际,谈索引使用的误区理论的目的是应用。虽然我们刚才列出了何时应使用聚集索引或非聚集索引,但在实践中以上规则却很容易被忽视或不能根据实际情况进行综合分析。下面我们将根据在实践中遇到的实际问题来谈一下索引使用的误区,以便于大家掌握索引建立的方法。1、主键就是聚集索引这种想法笔者认为是极端错误的,是对聚集索引的一种浪费。虽然SQLS
天翼云开发者社区
•
3年前
一文读懂天翼云自研 TeleDB 数据库五大关键特性
数字时代下,随着企业向数字化、在线化、智能化高速演进,存储需求呈指数级增长,业务也面临着更多热点和突发流量带来的挑战,这就对数据库安全可靠、超高性能、易运维性提出了更高要求。天翼云自研TeleDB数据库采用云原生架构,具备即开即用、稳定可靠、安全运行、弹性伸缩、轻松管理、经济实用等特点,可为用户提供稳定可靠的企业级数据库服务,帮助企业圆满解决上述问题。与
helloworld_54277843
•
2年前
PyTorch已为我们实现了大多数常用的非线性激活函数
PyTorch已为我们实现了大多数常用的非线性激活函数,我们可以像使用任何其他的层那样使用它们。让我们快速看一个在PyTorch中使用ReLU激活函数的例子:在上面这个例子中,输入是包含两个正值、两个负值的张量,对其调用ReLU函数,负值将取为0,正值则保持不变。现在我们已经了解了构建神经网络架构的大部分细节,我们来构建一个可用于解决真实问题的深度学习架构。
1
•••
565
566
567
•••
591