莱加内斯对西班牙人直播:InfoQ中文版

莱加内斯在哪个城市 www.ayxeps.com.cn

2019-10-15 16:18    2019-10-16 04:00

從“光桿司令”一路走來的前端團隊效能管理心得

吳子房是網易嚴選ToB前端開發負責人,作為技術團隊管理者,他是如何進行團隊規劃、團隊組建、打造高效團隊的?管理的核心價值是什么?是成就團隊、成就他人、成就自我。以下是吳老師在帶領前端團隊的一些心得和體會整理。從光桿司令起步萬事開頭難,2015年初剛開始組建團隊的時候,只有兩三個人,但是沒過幾天他們都跑路了。因為團隊人少,工作壓力大,業務剛起步,前景不明,工作太累,還沒來得及溝通,就開始跑路了。這里簡單概述一下,在不同階段對團隊的組建重心也不一樣。2015年,團隊起步時(5個人),重點是確定核心成員,希望他們能夠在后續長遠發展中能夠起到核心骨干的作用。

PayPal 資深總監常青:目前還很難判斷AI能否在金融領域有效落地

金融科技是時下熱度頗高的風口之一,但爆發式增長背后的風險和錯誤不容忽視,合規失效、團伙欺詐等問題此起彼伏,金融強監管勢頭依舊不減。在堅持金融技術創新的同時,做好風險管理與合規才是促進金融科技行業健康發展的唯一途徑。近年來,人工智能、大數據、云計算等前沿技術的發展也為傳統的金融風控、合規方式帶來了變革。近日, InfoQ 采訪了PayPal 資深總監,全球合規監管部產品和技術負責人常青,她分享了人工智能等技術在金融風控和合規管理領域的應用實踐。

基于Web組件,手把手教你搭建黑暗主題

我們繞了一圈后,又回到了黑暗模式。從黑暗模式到淺色模式,繞了一大圈然后又回到了黑暗模式。在個人電腦時代的早期,黑暗模式是唯一的選擇。單色CRT計算機顯示器的工作原理是將電子束發射到熒光屏上。早期CRT中使用的熒光粉是綠色的,導致文本顯示為綠色,而屏幕的其余部分顯示為黑色。這些模式通常被稱為綠色屏幕。圖片來自wikimedia隨著后來彩色CRT的引入,顯示器通過使用紅、綠、藍三色熒光粉可以顯示多種顏色。白色是通過同時激活所有三種熒光粉而產生的。現在我們又回到了黑暗主題,因為它讓人的眼睛更舒服,并且從主觀審美上讓人更愉悅。

Netflix技術博客:服務全球超1.5億用戶的微服務實踐

在全球,Netflix擁有超過1.5億的用戶,因此,創新和速度是我們優先考慮的。這樣才能為用戶帶來最佳體驗。這意味著我們的微服務不斷發展和變化,但不變的是我們的責任。我們有責任提供高可用性服務,這些服務每天向訂閱用戶提供1億小時以上的流媒體內容。為實現這種級別的可用性,我們利用了N+1的體系結構。在這種結構中,我們將Amazon Web Services (AWS:亞馬遜的云服務)上的區域視為很多的故障域,這種策略允許我們承受單個區域的故障。在單個獨立的區域發生故障時,我們首先在健康區域對微服務進行規模預擴展,之后我們就可以將流量從那個故障區域轉移出去。點擊查看原文>

兼容性測試為什么非做不可?| 對話優測技術團隊

所謂兼容,是指硬件之間、軟件之間、軟硬件之間相互配合的程度。而兼容性測試,是指測試軟件在特定的硬件平臺上、不同的應用軟件之間、不同的操作系統平臺上、不同的網絡環境中是否能正常運行的測試。當下無論是 Android 系統還是 iOS 系統,一直都在不斷更新升級,這無疑給移動終端的兼容性測試帶來極大的挑戰。為此,InfoQ 專訪大連市世紀鯤鵬科技有限公司兼容性測試技術團隊,深入了解優測(Utest)如何實現自動化全面兼容性測試,并將采訪整理如下。 2019 年 5 月,谷歌再次更新 Android 版本占有情況,從更新數據可以看到,Android 8.0/8.1 和 Android 9.

到2023年,人工智能將為銀行業節省50萬工作年

都說人工智能是當前正在研發和應用的技術中,前途最為光明的技術之一。人工智能已經開始向經濟社會各領域滲透。在勞動力供給方面,人工智能的到來不僅會彌補勞動力供給數量、提升供給質量、重塑勞動力生產效率,也會在一定程度上緩解人口老齡化對勞動力市場所造成的消極影響。那么,落實到銀行這一具體行業,人工智能會帶來哪些顯著的提升呢?我們正在邁入會話式銀行的時代:Juniper Research 最近的一項研究發現,到 2023 年,在全球范圍內,通過使用聊天機器人,銀行業將節省 73 億美元的運營成本。這意味著到 2023 年,銀行業將節省 8.62 億小時的時間,這一數字相當于將近 50 萬個工作年。

谷歌聯合斯坦福推出可解釋AI新方法,揭秘圖像分類器到底是如何工作的

當AI系統變得越來越益復雜,它的可解釋性通?;岜淶迷嚼叢講?。不過業內已經涌現了不少研究成果來挑戰這個難題,比如Facebook的研究人員推出了Captum庫,該庫可以解釋基于深度學習框架PyTorch的神經網絡是如何做決定的,同類型的研究還有IBM的AI Explainability 360工具包和Microsoft的InterpretML。為了使AI的決策更加透明,來自Google和Stanford的團隊最近開發了一種新的機器學習模型:Automated Concept-based Explanation(ACE),該模型可以自動提取用來預測模型且“對人類有意義”的視覺概念。

搞定網絡隱私安全,這10款免費安全工具值得嘗試

隨著互聯網的發展,如今網絡安全是我們面臨的一個嚴重問題,互聯網上有很多免費的工具,可以幫助我們免費獲得比較好的隱私安全?;し?,本文重點介紹了幾種安全的免費隱私?;し槳覆?。無論你是想避免定向廣告,避開地理信息封鎖,還是不太信任在線隱私的條款,本文將推薦一些方法、工具可以保證你的數據安全。公司和政府機構收集的數據與我們許多人息息相關,但?;ぷ約旱氖菀揭彩嗆苤匾?。幸運的是,互聯網上有很多免費工具,可以幫助你在不花一分錢的情況下?;つ愕囊槳踩?。

動輒年薪百萬招聘程序員的研究院都是什么來頭?

微軟亞洲研究院、百度研究院、阿里巴巴達摩院……研究院在互聯網公司是一種怎樣的存在?互聯網公司到底該不該設立研究院?研究院在公司內部又該起到怎樣的作用?怎么能夠設置一個有效的研究院架構?怎么來衡量研究院是否成功?本文嘗試給您一個解答。什么是研究院前百度研究院首席科學家吳恩達在我們討論其他話題之前,我們首先來看看目前互聯網公司的各種研究院有什么特征。怎樣的團隊就算是一個“研究院類型”的團隊(因為有一些公司并不直接單獨稱這些團隊為“研究院”)。我們這里總結下面這么一些特征:特征一:以博士為核心組成的團隊大多數研究院的核心人員,甚至是全部研發人員都具有博士或以上(含博士后、有教職經驗)研究經歷。

1000行Python代碼腳本bug,或影響上百篇學術論文

《Nature》雜志 2014 年的一篇論文包含了一個 Python 腳本,其中有一個??槭歉菸募吶判蚍禱刂?,但 Python 并沒有定義查詢的文件順序。這意味著在不同的操作系統上,該腳本返回的值是不同的。這個 bug 直到最近才被發現,而這篇論文被引用了 158 次,如果這些論文使用了相同的腳本那么文章的結果很可能是錯誤的。藏在《Nature》論文里的腳本 Bug《Nature》雜志 1869 年創刊于英國,是世界上最早的國際性科技期刊,涵蓋生命科學、自然科學、臨床醫學、物理化學等領域。對于學者而言,論文能被《Nature》收錄是一種榮耀。

Apache Flink 進階(五):數據類型和序列化

本文根據 Apache Flink 系列直播整理而成,由 Apache Flink Contributor、360 數據開發高級工程師馬慶祥老師分享。文章主要從如何為Flink量身定制的序列化框架、Flink序列化的最佳實踐、Flink通信層的序列化以及問答環節四部分展開。如果你對于Apache Flink了解不多,可以先閱讀Apache Flink 零基礎入門系列文章。為 Flink 量身定制的序列化框架為什么定制?為什么要為 Flink 量身定制序列化框架?

馬云捐款1億元?;の饗?;騰訊退出拼多多母公司股東之列;谷歌宣布新品發布會將于10月15日舉行;ofo恐難還清螞蟻金服借款 | Q資訊

騰訊退出拼多多母公司股東之列,張震等退出高管之列;Facebook天秤幣在證明安全之前不能發行使用;谷歌宣布新品發布會將于10月15日舉行;ofo恐難還清螞蟻金服借款,仍有超1500萬用戶排隊退押;據預測:蘋果明年一季度將發售iPhone SE2;馬云捐款1億元?;の饗?稱“杭州會越來越幸?!?;Hunt 1.4.0 正式版,不僅僅是 I/O 性能優秀還很實用??萍脊咎諮鍛順銎炊嘍嗄腹竟啥?,張震等退出高管之列10月14日,據天眼查數據顯示,拼多多母公司杭州埃米網絡科技有限公司(下稱杭州埃米網絡)近期發生一系列工商變更,其中林芝騰訊科技有限公司從股東中退出。

AI大佬“互懟”:圖靈獎得主Yoshua Bengio杠上Gary Marcus

AI大師、圖靈獎得主Yoshua Bengio在近日陷入了一場“舌戰”,與他“交火”的對象是現年49歲的Gary Marcus。Marcus是 Robust.AI、Geometric Intelligence兩家AI公司的創始人,本身也是研究人工智能多年的科學家,同時還是一位暢銷書作家。兩人爭論的焦點在于:神經網絡是不是通用人工智能的解決方案?深度學習的出現為進展緩慢的人工智能領域帶來了突破,而神經網絡更是讓人們看到了未來無限的潛能。隨著神經網絡的廣泛使用,不少企業、研究機構已經構建出了層數、復雜度都相當可觀的模型,但是瓶頸還是出現了:通用人工智能的目標仍然難以達成。

機器學習框架局勢突變:TensorFlow逐漸式微,PyTorch橫掃頂會

自 2012 年深度學習占據人工智能領域主導地位之后,機器學習框架便成為人工智能學習必不可少的一環。經過幾年時間的發展,無論是學術界還是工業界,機器學習框架都在發揮著重要的作用。近期,在 PyTorch 開發者大會上,Facebook 發布了最新版 PyTorch 1.3,并推出一系列的工具和庫,就此 2019 年機器學習框架之爭,仿佛瞬間進入了白熱化。關于本年度兩者的王者之戰,你是支持學術界翹楚 PyTorch,還是站位工業界名流 TensorFlow?

Christine Bailey 博士訪談:如何使用數據講述令人信服的故事

本文要點:每個好故事都有開頭、中間和結尾故事比數據更有影響力除了情感外,還可以使用數據和洞察力來講述那些打動人心的故事從“為什么”開始,并且別忘了加入好奇心、期待和幽默永遠不要忘了常識!我們擁有的證據越多,別人就越有可能相信我們的想法,或者說,我們習慣于這樣思考。但是,數據不總是吸引人;此時,講故事可以有助于把數據、洞察力和情感結合起來,Christine Bailey博士如是說。在2019年科技女性大會(Women in Tech 2019)上,她介紹了可以用來借助數據講述令人信服故事的技術,并展示了增加我們在外部和內部利益相關者中的影響力的方式。

JVM CPU Profiler技術原理及源碼深度解析

引言研發人員在遇到線上報警或需要優化系統性能時,常常需要分析程序運行行為和性能瓶頸。Profiling技術是一種在應用運行時收集程序相關信息的動態分析手段,常用的JVM Profiler可以從多個方面對程序進行動態分析,如CPU、Memory、Thread、Classes、GC等,其中CPU Profiling的應用最為廣泛。

今日頭條推出強化學習新成果:首次改進DQN網絡,解決推薦中的在線廣告投放問題

本文來自“深度推薦系統”專欄,這個系列將介紹在深度學習的強力驅動下,給推薦系統工業界所帶來的最前沿的變化。本文主要介紹今日頭條推出的強化學習應用在推薦的最新論文[1],首次改進DQN網絡以解決推薦中的在線廣告投放問題。背景介紹隨著最近RL研究的火熱,在推薦平臺上在線廣告投放策略中如何利用RL引起了大家極大的興趣。然而,大部分基于RL的在線廣告投放算法只聚焦于如何使廣告收益最大化,卻忽略了廣告對推薦列表的用戶體驗可能會帶來的負面影響。在推薦列表中不適當地插入廣告或者插入廣告太頻繁都會損害推薦列表的用戶體驗,與此同時插入太少的廣告又會減少廣告收入。

UC 國際信息流推薦中的多語言內容理解

多語言內容理解的需求和挑戰1. 結構化是推薦的基礎結構化是推薦的基礎,對于大多數做推薦的同學應該會比較有感受??梢園淹萍魷低撤治糠鄭耗諶堇斫夂陀沒Ю斫飭礁齟蟮睦胂吣??;在線的推薦業務分為召回、排序、多樣性等,主要利用離線的 NLP 結構化信號以及離線的用戶理解信號來完成推薦的工作,本文主要介紹內容理解的部分。對于內容理解,我們面臨的是多個國家、多種語言的新聞推薦場景:從 item 的維度,我們會做語言的識別、質量的控制、時效的控制(由于我們是新聞推薦的場景,跟商品以及其他物品的推薦不太一樣,對于時效的控制會比較嚴)。從用戶興趣的維度,我們會做分類、標簽、關鍵詞以及主題等內容信號的建設。

從 DevOps 到 Serverless : 運維前景展望

沒有比“不用做”更有效的方式來解決“如何更高效做”的問題了。DevOps 概述DevOps 是一組用于促進開發和運維人員之間協作的過程、方法和系統的統稱。DevOps 提倡通過一系列的技術和工具降低開發和運維人員之間的隔閡,實現從開發到最終部署的全流程自動化,從而達到開發運維一體化。通過將 DevOps 的理念引入到整個系統的開發過程中,能夠顯著提升軟件的開發效率,縮短軟件交付的周期,更加適應當今快速發展的互聯網時代。

實戰!5分鐘在AWS上設置SSO

眾所周知,有多種方法可以實現相似的SSO。 最近,我寫了一篇有關使用SAML(特別是ADFS)將SSO設置到您的AWS賬戶中的文章。盡管多數大型公司或老牌公司還在使用Active Directory進行SSO身份驗證,但是較小的公司或初創公司可以選擇使用AWS上進行SSO以降低成本。 那么,如果您仍然想使用集中式登錄系統,也可以選擇AWS SSO,它也恰好是一項免費服務,讓我們開始吧。1.進行設置在開始前,請務必記下AWS SSO的前提條件,因為這些前提條件很重要。以下所有步驟都需要在AWS的主帳戶中執行。在AWS控制臺中,搜索并打開SSO服務,您應該可以看到啟用AWS SSO的選項。

用這三種方法,?;つ愕腁mazon RDS實例安全

導讀:Amazon RDS(Amazon Relational Database Service)是讓能夠在云端中輕松設置、操作和擴展的關系數據庫。它在自動執行耗時的管理任務(如硬件預置、數據庫設置、修補和備份)的同時,可提供經濟實用的可調容量。這使你能騰出時間專注于應用程序,為它們提供所需的快速性能、高可用性、安全性和兼容性。本文作者 Riley Smith 介紹了?;?RDS 實例安全的三種方法,很有實用性,InfoQ 中文站將其翻譯并分享。你已經先行一步,完成了成千上萬家其他公司正在做的事情,并將數據庫操作遷移到云端中。

Netty學習和進階策略

背景Netty 框架的特點Netty 的一個特點就是入門相對比較容易,但是真正掌握并精通是非常困難的,原因有如下幾個:涉及的知識面比較廣:Netty 作為一個高性能的 NIO 通信框架,涉及到的知識點包括網絡通信、多線程編程、序列化和反序列化、異步和同步編程模型、SSL/TLS 安全、內存池、HTTP、MQTT 等各種協議棧,這些知識點在 Java 語言中本身就是難點和重點,如果對這些基礎知識掌握不扎實,是很難真正掌握好 Netty 的。調試比較困難:因為大量使用異步編程接口,以及消息處理過程中的各種線程切換,相比于傳統同步代碼,調試難度比較大。

前端周報:Vue 3公開代碼庫;NPM發布6.12.0;Sass推出??橄低?/a>

前端周報專注大前端領域內容,以對外文資料的搜集為主,幫助開發者了解一周前端熱點,分為新聞熱點、深度閱讀、開源項目 & 工具等欄目?;隊刈ⅰ廄岸酥邸課⑿毆諍牛↖D: frontshow),及時獲取前端周報內容。新聞熱點前端新聞Vue 3.0 代碼倉庫公開Vue 3.0 完全由 TypeScript 編寫,目前還處于 alpha 階段,倉庫地址:https://github.com/vuejs/vue-nextVue 3 計劃于 2020 年第一季度發布,Vue 3 將更小、更快、更易于維護。

炒作還是賭未來?量子技術深陷淘金狂潮

你大概聽過這個著名的段子:遇事不決,量子力學;風格跳躍,虛擬世界;解釋不通,穿越時空;不懂配色,賽博朋克;腦洞不夠,平行宇宙;畫面老土,追求復古;不清不楚,致敬克蘇魯。量子技術的概念出現之后,幾乎所有的科幻小說、電影里都有它的身影。不管到底是不是強相關,只要遇見了沒法解釋說明的問題,就套用量子技術的概念來解釋,仿佛量子技術是萬能的。隨著技術的進步,量子技術也逐漸從虛無縹緲的概念變得真實可觸,來自全球的科技公司也紛紛加入進來,谷歌、微軟、IBM等大廠更是搶先在量子編程語言、量子芯片等領域占到上風。

從零開始入門 K8s:可觀測性,你的應用健康嗎?

一、需求來源首先來看一下,整個需求的來源:當把應用遷移到 Kubernetes 之后,要如何去保障應用的健康與穩定呢?其實很簡單,可以從兩個方面來進行增強:首先是提高應用的可觀測性;第二是提高應用的可恢復能力。從可觀測性上來講,可以在三個方面來去做增強:首先是應用的健康狀態上面,可以實時地進行觀測;第二個是可以獲取應用的資源使用情況;第三個是可以拿到應用的實時日志,進行問題的診斷與分析。當出現了問題之后,首先要做的事情是要降低影響的范圍,進行問題的調試與診斷。最后當出現問題的時候,理想的狀況是:可以通過和 K8s 集成的自愈機制進行完整的恢復。

當中小企業決定上云,真的像你們說的那么簡單嗎?

第四季度歷來是一年中最忙碌的時期, 辛苦了一年,各項工作都在收官,千頭萬緒、環環相扣,再加上績效考核的開展,不但燒腦,而且還燒心。同時,最后一個季度又肩負著為來年開局而打基礎的艱巨任務,所以各項規劃都會緊鑼密鼓的開展起來。做為企業的IT部門,討論內容的自然離不開 “硬件預算” 與 “人員結構” 這兩大固定話題,但今年有些特別,我們在 “上云” 這個話題上,前前后后,反復討論了近幾個月。為什么?和其他金融類企業不同,為了獲得最好的效率,最大的自控力,我們在系統建設之初,無論應用、中間件,還是測試與運維自動化,都堅持走自研的道路。隨著業務的累計與架構的演變,整個系統與團隊逐漸趨向于成熟。

騰訊云 Service Mesh 實踐:利用Istio+K8s進行后臺環境管理

在過去的兩年中,Service Mesh 迅速在業界走紅,從概念期進入到了應用期。為了幫助大家解決Service Mesh在落地過程中可能遇到的問題,我們采訪了多家互聯網企業的應用實踐,例如美團點評、同程藝龍以及瓜子二手車等,本文我們采訪了騰訊高級專項測試工程師黃俊,請他和大家分享騰訊的Service Mesh 實踐。今年10月,他將在QCon全球軟件開發大會(上海站)2019分享題為《騰訊云上基于 Service Mesh 的后臺環境管理實踐》的演講。為什么需要 Service Mesh?想要回答“為什么需要Service Mesh”這個問題,首先得弄明白Service Mesh是什么。

FireEye曝出TeamViewer被黑客攻破,官方回應:歷史性事件

近日,在火眼舉辦的FireEyeSummit大會上,TeamViewer被曝出曾被黑客組織入侵,并稱其可以訪問安裝了TeamViewer的任何系統。消息一出,引起國內安全圈的“一陣騷動”。據悉,TeamViewer是一個能在任何防火墻和NAT代理的后臺用于遠程控制的應用程序、桌面共享和文件傳輸的簡單且快速的解決方案?;諂湟子瞇?、靈活性和強大的遠程控制功能,TeamViewer的使用面非常大。知名安全公司FireEye的首席安全架構師Christopher Glyer在Twitter上寫道,TeamViewer被黑客組織攻破并泄露了用戶的賬戶密碼。

專訪滴普科技董事長趙杰輝:中臺熱,只是“偽需求”

中臺在現階段幾乎與產品同義,是被資本炒起來的概念,是偽需求。但這并非表明中臺是錯誤的,相反,中臺是實現企業數字化很好的工具之一,但過分看重中臺,只會禁錮自己的視野,減緩企業數字化的腳步。–滴普科技董事長趙杰輝說實話,今年的中臺聽得人耳朵都起繭子了,前有騰訊、阿里、京東紛紛調整組織架構,表明建設中臺的決心,后有市面上大量的中臺化產品“泛濫”,一夜之間,似乎所有與軟件相關的公司都在宣稱自己的中臺。然而中臺真的是這么簡單的事情嗎,大家一窩蜂全部涌向中臺的根本原因是什么,中臺對于企業來說真的是必需品嗎?

Raja Koduri:英特爾是現在唯一可以橫跨從架構到軟件等六大技術領域的企業

我們現在正處于人工智能發展的黃金時期。過去五年,應用于人工智能的現代計算已經增長超過一百萬倍,這一增長速度是過去前所未有的。無窮盡的算力增長,對于英特爾這樣的公司提出了更大的挑戰。過去幾十年,在摩爾定律的持續作用下,芯片算力大幅提升,驅動了互聯網以及移動互聯網的快速發展。如今,我們正處于數據大爆炸的時代,這不僅意味著數據量的爆發,更帶來了數據形態的多樣化。單純依靠摩爾定律提高晶體管密度來大幅提升性能的做法,已經無法滿足大數據、5G、AI等新技術的計算需求,業界要更多的并行解決方案。

為什么我不推薦Kafka Streams和KSQL?

在近日召開的 Kafka 峰會上,發布了一系列值得關注的重要公告。有些改動值得嘗試,有些需要慎重考慮,才能轉化為真正適合自己的實踐方法。本文作者認為:不推薦使用 KSQL 和 Kafka Streams,因為缺少檢查點機制以及存在隨機排序等問題。 本文,我將首先簡要陳述自己的觀點,隨后深入探討我得出這一觀點的原因。我的觀點是:不建議用戶使用 Kafka Streams,因為其缺少檢查點機制,也不具備隨機排序等功能,而 KSQL 以 Kafka Streams 為基礎,因此其同樣繼承了后者所固有的不少問題。Kafka 并不是數據庫,而是一套非常出色的消息傳遞系統。

.NET 平臺負責人Scott Hunter專訪:.NET Core 3 給 .NET Core帶來了很多新東西

本文要點.NET Core 3 給 .NET Core帶來了很多新東西。新版本包括C# 8、WinForms和Entity Framework 6。.NET Core 3 將專門針對微服務,并且是針對云原生應用程序的構建而設計的??⑷嗽笨梢栽諂銩SP .NET Core 3.0應用程序中編寫高性能、基于契約的RPC服務。ASP .NET Core 3.0能夠使用AOT(提前編譯),從而使開發人員的應用程序能夠本機化且具有高性能。對于bug、性能、安全性和未來的標準,微軟將繼續更新其 .NET框架( .NET Framework)。本文是探討 .

阿里小蜜新一代智能對話開發平臺技術解析

1. 為什么做平臺首先給大家舉個例子:機器人:您好,這里是114移車熱線,您的車擋住了出行,請您移下車好嗎?車主:哦,哪個車子???機器人:車牌是浙A,尾號是29,請問是您的車嗎?車主:啊,什么情況?機器人:這手機登記的是您的號碼,您能去看一下嗎?車主:什么號碼,我,你再說一遍機器人:車牌是浙A,尾號是29,請問是您的車嗎?車主:哦,是我的,我打個電話機器人:那請您移一下車好嗎?車主:嗯這是一個政務場景上114移車的 case,這個場景是用我們“對話工廠”開發的機器人實現的。

Java 編程技巧之數據結構

導讀唐宋八大家之一歐陽修在《賣油翁》中寫道:翁取一葫蘆置于地,以錢覆其口,徐以杓酌油瀝之,自錢孔入,而錢不濕。因曰:“我亦無他,唯手熟爾?!北嘈創氳?老司機"也是如此,“老司機"之所以被稱為"老司機”,原因也是"無他,唯手熟爾"。編碼過程中踩過的坑多了,獲得的編碼經驗也就多了,總結的編碼技巧也就更多了。總結的編碼技巧多了,凡事又能夠舉一反三,編碼的速度自然就上來了。筆者從數據結構的角度,整理了一些 Java 編程技巧,以供大家學習參考。

Kube-Proxy IPVS模式源碼分析

kube-proxy 整體邏輯結構這張時序圖描述了kube-proxy的整體邏輯結構,由于kub-proxy組件和其它的kube-* 組件一樣都是使用pflag和cobra庫去構建命令行應用程序。所以先簡單介紹下該包的基本使用方式:func main() { command := &cobra.Command{ Use: "echo [string to echo]", Short: "Echo anything to the screen", Long: `echo is for echoing anything back.

從零開始入門 K8s:應用存儲和持久化數據卷:存儲快照與拓撲調度

一、基本知識存儲快照產生背景在使用存儲時,為了提高數據操作的容錯性,我們通常有需要對線上數據進行 snapshot ,以及能快速 restore 的能力。另外,當需要對線上數據進行快速的復制以及遷移等動作,如進行環境的復制、數據開發等功能時,都可以通過存儲快照來滿足需求,而 K8s 中通過 CSI Snapshotter controller 來實現存儲快照的功能。存儲快照用戶接口-Snapshot我們知道,K8s 中通過 pvc 以及 pv 的設計體系來簡化用戶對存儲的使用,而存儲快照的設計其實是仿照 pvc & pv 體系的設計思想。