背景 凭借敏捷开发部署理念的推行，相信对于很多人来说docker这项容器技术已经并不陌生，Docker 1.12引擎发布了快两个月，新引擎中包含了许多特性。...直到现在1.12的出现， 引擎在多主机、多容器的集群管理上才有了进一步的改进和完善，版本自身内嵌了swarm mode集群管理模式。...批量创建服务 1.12引擎中多了docker service命令，和之前的docker run命令类似，但不同的是它能同时对多主机中的容器进行管理操作。...强大的集群的容错性 既然是集群，当然难免会出现某几个节点故障的情况： ?...配置如下，其中test:5000对应之前由docker service create出来的test任务，docker 引擎已经将task name对应的ip关系映射成内部的DNS解析。
所谓好的用户体验 由 Ghostzhang 发表于 2012-07-16 19:20 怎样的用户体验才是好的用户体验呢？...好像有点跑题了，这次的思考是：并不是所有关注用户感受的体验就叫做是“好”的用户体验。 从何而来这想法呢？...上面的唠叨是一个引子，结果就是＂不能赚钱的交互不是好交互＂，简单的说就是好的交互可以赚钱，可是不好的用户体验也是能赚钱的。...但是从商家的角度来说，我们需要考虑几个因素，第一个就是成本，这个是直接决定了能给用户提供最佳体验的上限到哪，好的椅子意味着更高的成本；其次是投入产出比，开门做生意，不为赚钱是很少的，投入越多，意味着盈利周期可能越长...麦当劳的椅子虽然用户体验不是最好的，但却是这么多年来产品与体验最好的平衡，从而实现利润的最大化。 当你再次遇到这种问题时，就知道如何处之泰然了。（本届 年会 的主题）
提出论点 好的研究想法，兼顾摘果子和啃骨头。...两年前，曾看过刘知远老师的一篇文章《好的研究想法从哪里来》，直到现在印象依然很深刻，文中分析了摘低垂果实容易，但也容易撞车，啃骨头难，但也可能是个不错的选择。...学生年代，作为老师的一个不成器弟子，学术上没有什么建树，幸运的毕了业。现如今到了工业界摸爬滚打，虽然换了个环境，但是发现生存的道理没变。 反面例子 不好的工作想法会加剧“卷”的用户体验。...这样的工作体验确实很糟糕。 我的触发点 沿着你造梦的方向先动手干起来。一年前刚开始决定做攻击者画像的时候，其实心里有底也没底。...引用 好的研究想法从哪里来 杜跃进：数据安全治理的基本思路 来都来了。
图计算之 nebula-plato [图计算 on nLive：Nebula 的图计算实践] nebula-plato 的分享主要由图计算系统概述、Gemini 图计算系统介绍、Plato 图计算系统介绍以及...图计算系统 图的划分 [图计算 on nLive：Nebula 的图计算实践] 图计算系统概述部分，着重讲解下图的划分、分片、存储方式等内容。...[图计算 on nLive：Nebula 的图计算实践] （图：以顶点为中心的编程模型） [图计算 on nLive：Nebula 的图计算实践] （图：以边为中心的编程模型） 这两种模式以顶点为中心的编程模型比较常见...Gemini 图计算系统 Gemini 图计算系统是以计算为中心的分布式图计算系统，这里主要说下它的特点： CSR/CSC 稀疏图/稠密图 push/pull master/mirror 计算/通信 协同工作...图计算系统 Plato 介绍 [图计算 on nLive：Nebula 的图计算实践] Plato 是腾讯开源的图计算框架，这里着重讲下 Plato 和 Gemini 的不同点。
可用于 Web 计算的工具或引擎表面上不少，但都有各自的缺点，JsonPath/XPath 等类库解析能力强，但计算能力不足；Python Pandas 计算能力较强，但难以被 Java 集成，而且数据对象...Web上的计算引擎，还有一个更好的选择：esProc SPL。...强大的计算能力对于解析后的序表，SPL 提供了丰富计算函数，可以轻松完成日常的 SQL 式计算。...SPL 表达能力强，适合计算结构复杂的多层数据。...(trainer.trainerId; ownerColours.array().count():times)SPL 支持分步计算、有序计算、分组后计算等逻辑较复杂的计算，很多 SQL/ 存储过程难以实现的计算
发现问题 前期做规范的过程是十分痛苦的，每做一个板块都要花很多时间去思考怎么表达、展示才能让其他设计师和程序员都一目了，然而随着内容的增加，发现很多地方无法深入的执行下去，只能含糊其辞，给我们制作规范的人员带来了很大苦恼...为什么有如此大的执行阻碍呢？带着问题我们找到团队的一位设计前辈请教了一番，在前辈的指点下，终于发现了问题所在:我们对于前端如何实现设计稿其实并没有很好的了解。...图1-1是XX项目的所有关于二级导航的样式，因为这一块的界面不是我做的（都是借口），所以规范不太了解，导致在做整个项目的规范时，遇到了极大的阻碍。...标明颜色后，我们可以清晰看出，原来这个导航是平均分成了3等分（红绿蓝），只不过将绿色分割成两半放在左右两边，这样我们就可以根据整条导航的长度计算出每块区域的长度，不论是开发还是设计师都可以一目了然并且明白其中的设计规则...而第一个容器内的绿色和蓝色部分（间距）也是固定的，所以只有红色区域是可变化的，因为红色区域的文字个数是可以变化的，我们只要给出字体大小即可。
GeaFlow(品牌名TuGraph-Analytics)是蚂蚁集团开源的分布式实时图计算引擎，目前广泛应用于金融风控、社交网络、知识图谱以及数据应用等场景。...简单来说，标记出我们感兴趣的仓库，那些与我们感兴趣仓库距离最近的仓库就是推荐的好仓库。或者更进一步，STAR数更多的近距离仓库更值得推荐。...图片 在GitHub关系图上盲人摸象 话不多说，我们找到GitHub上目前星星数最多的项目，计算与它距离为2（即具有共同话题）的项目都有哪些？...，来看看GeaFlow都给我淘到了哪些好项目吧。...freecodecamp.cn,36459,1369 Web-Dev-For-Beginners,69680,10904 free-programming-books,279431,55158 总结 本文介绍了实时图计算引擎
而计算机领域流行着一句话“IDEA is cheap, show me the code”，也说明对于重视实践的计算机学科而言，想法的好坏还取决于它的实际效能。这里就来谈下好的研究想法从哪里来。...什么算是好的想法 2015年，我在微博上写过一个调侃的小段子： ML派坐落美利坚合众山中，百年来武学奇才辈出，隐然成江湖第一大名门正派，门内有三套入门武功，曰：图模型加圈，神经网加层，优化目标加正则。...那么什么才是好的想法呢？我理解这个”好“字，至少有两个层面的意义。 学科发展角度的”好“ 学术研究本质是对未知领域的探索，是对开放问题的答案的追寻。...好的研究想法从哪里来 想法好还是不好，并不是非黑即白的二分问题，而是像光谱一样呈连续分布，因时而异，因人而宜。...那么，好的研究想法从哪里来呢？我总结，首先要有区分研究想法好与不好的能力，这需要深入全面了解所在研究方向的历史与现状，具体就是对学科文献的全面掌握。
在高峰论坛上，蚂蚁技术研究院院长、图计算负责人陈文光宣布开源 TuGraph 图计算平台核心成员——工业级流式图计算引擎 TuGraph Analytics。...图计算目前已广泛应用在金融、政务、医疗等领域，备受全球研发机构和顶尖科技公司关注。流式图计算是一种将流式计算和图计算结合的交叉创新，融合了流式计算的高度实效性和图计算的灵活性，攻坚难度极高。...据了解，蚂蚁从2015年开始探索图计算，布局了图数据库、流式图计算引擎、图学习等相关技术，打造了世界规模领先的图计算集群，于业界首创了工业级流式图计算引擎，多次问鼎图数据库行业权威测试 LDBC 世界冠军并保持世界纪录...此次开源的工业级流式图计算引擎是蚂蚁从2017年开始布局打造，经过五年多工业级应用大考，流式图计算做到了在千亿数据规模的“图”上秒级延迟计算，是蚂蚁风控的核心基础技术，成功解决了金融场景风险分析难、识别率低...此次流式图计算引擎开源，是延续蚂蚁开源核心基础技术的实际动作，希望通过开放成熟的图计算技术，服务更广阔的数字化产业，向世界输出中国科技公司的前沿技术影响力。
在高峰论坛上，蚂蚁技术研究院院长、图计算负责人陈文光宣布开源 TuGraph 图计算平台核心成员——工业级流式图计算引擎 TuGraph Analytics。...（图：陈文光宣布开源业内首个工业级流式图计算引擎 TuGraph Analytics） 去年9月，蚂蚁集团开源了 TuGraph 图计算平台中的图数据库 TuGraph DB。...据了解，蚂蚁从2015年开始探索图计算，布局了图数据库、流式图计算引擎、图学习等相关技术，打造了世界规模领先的图计算集群，于业界首创了工业级流式图计算引擎，多次问鼎图数据库行业权威测试 LDBC 世界冠军并保持世界纪录...此次开源的工业级流式图计算引擎是蚂蚁从2017年开始布局打造，经过五年多工业级应用大考，流式图计算做到了在千亿数据规模的“图”上秒级延迟计算，是蚂蚁风控的核心基础技术，成功解决了金融场景风险分析难、识别率低...此次流式图计算引擎开源，是延续蚂蚁开源核心基础技术的实际动作，希望通过开放成熟的图计算技术，服务更广阔的数字化产业，向世界输出中国科技公司的前沿技术影响力。
如何培育好的内部开发者平台体验 伦敦——Syntasso 的首席工程师 Abigail Bangser 在本周的 State of Open Con 上说，“应用程序开发人员希望快速行动，而运维工程师希望安全行动...内部开发人员平台是人员、流程和技术的混合体——它不是简单的配方——也不是 Venn 图。这需要对您的内部开发人员社区产生同理心。 首先，Watt 提醒与会者，“你的听众比你想象的更加多样化。”...她对平台工程的定义归结为构建、维护和提供“为所有使用它的社区精心策划的平台体验”，这会影响所有不断发展的技术、社会和团队结构。 一个好的平台建立边界。...然后查看已经在运行的工具——Slack、Jira、Trello——并开始跟踪临时请求。什么是最频繁、最困难、最耗时的？您的应用程序团队的辛劳在哪里？...“你想让你的团队更接近平台，与平台互动。做到这一点的一个好方法是提供他们需要的文档和参考实施，”Watt 说。 不要忘记提供平台工程体验的专业服务方面。
这个图真的太好了，所以copy一下分享给各位宝宝。
对于想要在网络上建设网站的用户而言，首先需要为网站购买一个合法的域名，不过很多人对于购买域名并没有实际的经验，因此往往不知道在哪里才能买到需要的域名。那么买域名哪里好？域名供应商的选择标准是什么？...买域名哪里好呢 域名是外部用户访问用户网站的地址，只有准确的地址才能够让别人进入自己的网站，并且域名和网址并不是相等的关系，域名需要经过解析才能够获得网址。...域名的选择标准 很多人在网络上查找后会发现，提供域名的域名供应商在网络上是非常多的，那么买域名哪里好？域名供应商如何来选择呢？...其实有心的用户会发现，网络上的域名供应商虽然多，但不少域名供应商的都只是代理的性质，所提供的域名种类相对比较少，因此在选择域名供应商时应当尽量挑选那些一级域名商，这样可以选择的域名种类会更加丰富。...买域名哪里好？如何挑选域名供应商？
图片图的排序计算一种流行的拓扑排序算法是Kahn算法，具体步骤如下：统计每个顶点的入度（即有多少个顶点指向该顶点）。将入度为0的顶点加入到一个队列中。...处理有环图的拓扑排序问题：如果一个图存在环，那么无法进行拓扑排序。在Kahn算法中，如果最后还存在入度不为0的顶点，那么说明图中存在环。...Markdown格式输出结果：拓扑排序的结果为：顶点1 -> 顶点2 -> 顶点3 -> ... -> 顶点n图中存在环。图的传播计算一种常见的图传播模型是SIR模型，该模型描述了病毒传播的过程。...预测信息在网络中的传播路径可以基于以下的图算法：广度优先搜索 (BFS)：该算法从某个指定的节点出发，在图中逐级扩展搜索，以找到特定节点或满足特定条件的节点。...总结：以上提到的BFS、DFS和PageRank算法是在图中预测信息传播路径的常用图算法。这些算法可以根据网络结构、节点状态和链接等因素，提供信息传播的路径推断。
图片图的社区计算社区发现是指在一个图中，将节点分割成若干个互不相交的子集，使得子集内节点之间的连接更加密集，而子集之间的连接较为稀疏。...以上是一种用于发现社区的算法，但并不是唯一的方法，还有许多其他的社区发现算法可以应用于不同的情况和图结构。图的嵌入计算图嵌入是将一个图映射到低维空间中的过程。...MDS可以用于对图的邻接矩阵计算节点的向量表示。局部线性嵌入（LLE）：LLE是一种非线性降维方法，它通过将每个节点表示为其邻居节点的线性组合的方式来进行降维。...Isomap可以用于计算图中节点的向量表示。图卷积神经网络（GCN）：GCN是一种基于深度学习的图嵌入方法，它通过在每个节点上应用卷积操作来学习节点的向量表示。...GAT可以通过多层注意力操作来计算节点的向量表示。通过使用这些图嵌入算法，我们可以将图中的节点映射到低维空间中，并且保留节点之间的关系。这些向量表示可以用于节点分类、图聚类、链接预测等应用场景中。
而计算机领域流行着一句话“IDEA is cheap， show me the code”，也说明对于重视实践的计算机学科而言，想法的好坏还取决于它的实际效能。这里就来谈下好的研究想法从哪里来。...什么算是好的想法 2015年，我在微博上写过一个调侃的小段子： ML派坐落美利坚合众山中，百年来武学奇才辈出，隐然成江湖第一大名门正派，门内有三套入门武功，曰：图模型加圈，神经网加层，优化目标加正则。...那么什么才是好的想法呢？我理解这个”好“字，至少有两个层面的意义。 学科发展角度的”好“ 学术研究本质是对未知领域的探索，是对开放问题的答案的追寻。...好的研究想法从哪里来 想法好还是不好，并不是非黑即白的二分问题，而是像光谱一样呈连续分布，因时而异，因人而宜。...那么，好的研究想法从哪里来呢？我总结，首先要有区分研究想法好与不好的能力，这需要深入全面了解所在研究方向的历史与现状，具体就是对学科文献的全面掌握。
我六月底参加深圳的一个线下技术活动，某在线编程的 CEO 谈到他们公司的发版，说：“我说话的这会儿，我们可能就有新版本在发布。”，这句话令我印象深刻。...传统的单体应用，所有的功能模块都写在一起，有的模块是 CPU 运算密集型的，有的模块则是对内存需求更大的，这些模块的代码写在一起，部署的时候，我们只能选择 CPU 运算更强，内存更大的机器，如果采用了了微服务架构...可以灵活的采用最新技术 传统的单体应用一个非常大的弊端就是技术栈升级非常麻烦，这也是为什么你经常会见到用 10 年前的技术栈做的项目，现在还需要继续开发维护。...服务的拆分 个人觉得，这是最大的挑战，我了解到一些公司做微服务，但是服务拆分的乱七八糟。这样到后期越搞越乱，越搞越麻烦，你可能会觉得微服务真坑爹，后悔当初信了说微服务好的鬼话。...这个段子形象的说明了分布式系统带来的挑战。
关于云计算的下半场，以阿里云为代表的互联网云巨头大家已经谈论得很多，本文将从2022年逆势增长的「运营商云」切入，从另一个角度理解云计算的新战局。...作为曾经离云计算最近的行业，托管IDC业务的运营商很早就发现了云计算的市场，可以说是最早进行云计算战略布局的。...国内运营商面临挑战的前10年 同样地，在中国的云计算元年2009年，中国运营商也纷纷开始投入云计算。...；三是CDN及边缘云的市场需求增长，同时依托边缘节点及技术的发展，CDN技术的边缘计算化，从而实现更快速的响应，满足更普及化的应用需求，提升用户体验。...进一步地，拓展边缘接入，架构各类边缘业务基础平台，助力各类边缘应用的爆发成为新的技术引擎，创新企业可以积极拥抱这场产业变革，从不同的角度赢得机会。
我们提出了一种新型音乐创作引擎。借助人工智能和即时演算技术，音乐的创作过程和体验过程得以实现融合：音乐将不再是视觉场景中的静态资源，而成为一种可以对用户即兴创作灵感做出实时响应的可交互元素。...假设横轴是时间轴，虚线时用户进行了一次操作，想要更加劲爆一点的音乐。一般情况下是用户操作完成之后，开始计算。计算时音乐会暂停，等计算好之后才会反馈。这样带给用户的体验很不好，中间需要等待很长时间。...音乐播放本身就是一个耗时的过程，如果计算时间小于聆听所需要的时间，即兴就可以做到。即兴也意味着不再提前准备很多音频播放，而是边渲染边播放。 这就牵涉到前端的渲染过程。首先看一下音频引擎。以手机为例。...在回调函数里，放入图中所示的连接图，连接图可以模拟类似混音台的功能。左边类似虚拟乐队的乐手们，每一个都会接受控制信号。之后就会在连接方块里进行DSP数字信号处理的算法。最后再进行一些加工输出音频。...在播放音乐时只需控制好渲染播放头，并且让动画的所有控制信号从计划表中发出，那么视觉上的每一帧的控制信号并不在自己的线程中计算，在音频线程中计算即可。一方面，播放头由音乐主导，消费由视觉处理。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
腾讯会议
云直播
