2021 12-16

MySQL慢日志优化

慢日志的性能问题 造成I/O和CPU资源消耗:慢日志通常会扫描大量非目的的数据,自然就会造成I/O和CPU的资源消耗,影响到其他业务的正常使用,有可能因为单个慢SQL就能拖慢整个数据库的性能,而且这种慢SQL,在实际业务场景下,通常都是程序发起数个SQL请求,通过SHOWPROCESSLIST命令可以捕捉到同时有N个类似的SQL请求在执行。 锁等待消耗:由于慢SQL(select查询)会阻塞MDL锁的获取,所以针对XtraBackup全量备份和针对表的DDL操作都有可能被阻塞,一旦DDL被阻塞

2021 12-16

Spring Cloud Alibaba微服务架构入门最容易理解篇

微服务架构介绍 SpringCloudAlibaba推荐的微服务生态架构基于分层架构实现如下: 接入层:最外层为LVS+Keepalived,可承受几十万级高并发流量洪峰,然后再通过内层的nginx集群将客户端请求通过负载均衡策略转发至基于JAVA后端技术栈的SpringCloudGateway集群; 业务中台层:SpringCloudGateway微服务通过Nacos获取路由配置信息和路由后端微服务提供者的发现,通过OAuth2做统一登录授权,并集成整合Sentinel针对请求做限流、熔断、

2021 12-16

MySQL基础之DML语句

DML语句 DML(DataManipulationLanguage)语句:数据操纵语句。 用途:用于添加、修改、删除和查询数据库记录,并检查数据完整性。 常用关键字:insert、update、delete、select等。 DML操作的对象是库表的数据(记录)。 主要包括插入(insert)、更新(update)、删除(delete)和查询(select)。 DML语句是开发人员使用最频繁的操作。 1.插入记录 插入一条记录 insertintotablename(field1,fiel

2021 12-16

[源码解析] PyTorch 分布式(17) --- 结合DDP和分布式 RPC 框架

[源码解析]PyTorch分布式(17)---结合DDP和分布式RPC框架 目录 [源码解析]PyTorch分布式(17)---结合DDP和分布式RPC框架 0x00摘要 0x00综述 0x01启动 0x03支撑系统 3.1功能 3.2使用 3.2.1混合模型 3.2.2使用 3.3定义 3.4主要函数 0x04HybridModel 0x05训练 5.1初始化 5.2训练循环 0x06比对 0xFF参考 0x00摘要 在前面的文章之中,我们已经学习了PyTorc

2021 12-16

一文详解 纹理采样与Mipmap纹理——构建山地渲染效果

在开发一些相对较大的场景时,例如:一片铺满相同草地纹理的丘陵地形,如果不采用一些技术手段,就会出现远处的丘陵较近处的丘陵相比更加的清晰的视觉效果,而这种效果与真实世界中近处的物体清晰远处物体模糊的效果是相违背的。 这是因为采用“透视投影”进行三维场景的绘制过程中,会产生近大远小的效果,而远处的丘陵与近处丘陵在绘制过程中采用的却是同一幅纹理图。如下图所示为未采用Mipmap纹理贴图和采用Mipmap纹理贴图后的运行效果。 从两幅运行效果图可以看出: 第一幅图近处山体与远处山体在视觉效果上清新

2021 12-16

C# 扫描识别图片中的文字(.NET Framework)

环境配置 本文以C#及VB.NET代码为例,介绍如何扫描并读取图片中的文字。 本次程序环境如下: VisualStudio版本要求不低于2017 图片扫描工具:Spire.OCRfor.NET 图片格式:png(这里的图片格式支持JPG、PNG、GIF、BMP、TIFF等格式) 扫描的图片文字:中文(另外可支持英语、日语、韩语、德语、法语等) .NETFramework4.6.1 下面是具体步骤及操作方法。 操作步骤 步骤1.在VisualStudio中创建一个.NETFramework控制

2021 12-16

『学了就忘』Linux系统管理 — 83、Linux中进程的查看(top命令)

目录 1、top命令介绍 2、top命令示例 3、top命令输出项解释 4、top命令常用的实例 1、top命令介绍 top命令是用来动态显示系统中进程的命令。 [root@localhost~]#top[选项] 选项: -d秒数:指定top命令每隔几秒更新。默认是3秒。 -b:使用批处理模式输出。一般和"-n"选项合用,用于把top命令重定向到文件中。 -n次数:指定top命令执行的次数。一般和“-b”选项合用。 -p:指定PID。只查看某个PID的进程。 -s:使top在安

2021 12-16

Pytorch入门中 —— 搭建网络模型

本节内容参照小土堆的pytorch入门视频教程,主要通过查询文档的方式讲解如何搭建卷积神经网络。学习时要学会查询文档,这样会比直接搜索良莠不齐的博客更快、更可靠。讲解的内容主要是pytorch核心包中TORCH.NN中的内容(nn是NeuralNetwark的缩写)。 通常,我们定义的神经网络模型会继承torch.nn.Module类,该类为我们定义好了神经网络骨架。 卷积层 对于图像处理来说,我们通常使用二维卷积,即使用torch.nn.Conv2d类: 创建该类时,我们通常只需要传入以

2021 12-15

搭建直接通过CPU执行汇编语言的环境

搭建直接通过CPU执行汇编语言环境 我们通过编译写好的汇编语言代码可以生成.bin的机器语言二进制代码。但是这个.bin程序我们该如何运行呢? 这里其实有两个办法: 1:将其作为一个Windows/linux也就是操作系统的可执行程序来运行,这个nasm是可以做到的,很多工具也可以做到,把一个汇编程序编译链接成一个.exe来处理。 2:直接通过CPU来使用。因为.bin文件是机器码,肯定是可以直接让CPU来使用的。操作系统也是一个需要在处理器上运行的软件,只不过比起一般的程序而言,体积更为庞大,

2021 12-15

实现不完全规划的方法

  在各种常见的规划场景中,我们经常会遇到一种不完全规划的情况。即在正常情况下,在完成了一次规划运算(甚至是CH阶段的运算中),OptaPlanner的规划实体(PlanningEntity,下称规划实体)中每个规划变量(PlanningVariable,下称规划变量)必须非空,即必须被赋予规划变量取值范围(ValueRange,规划变量取值范围)范围内的值;尽管有更约束被违反,也必须实现赋值。 ​  例如,在CloudBalance示例中,若一个数据集中存在足够多的进程(CloudProces