博客 RSS 訂閱

wanxiule - 深度解讀 SRv6 (uSID vs G-SID),揭秘息壤、阿里、Meta、AWS 的最佳實踐(上篇)

本文基於RFC、draft及OCP 2024/2025峯會等為參考基準,深度解構SRv6的核心衝突——uSID(AI/DC陣營)與G-SID(運營商陣營)的“標準化休戰”,覆盤息壤SRv6、Meta(DSF/NSF)、阿里(HPN)、AWS(SRD)最佳實踐,看看SRv6如何助力實現OpenAI “星際之門”/馬斯克 xAI/Meta “Prometheus”等吉瓦級(GW)AI

頭壓縮 , SRv6 , G-SID , yyds乾貨盤點 , 網絡安全 , uSID , rfc

收藏 評論

墨染心語 - JavaScript遍歷json對象數據的方法

JavaScript 中JSON 數據遍歷 1. JSON 字符串轉對象後遍歷 1.1 解析 JSON 字符串 const jsonString = '{"users": [{"id": 1, "name": "張三"}, {"id": 2, "name": "李四"}]}'; const data = JSON.parse(jsonString);

數據 , 前端開發 , Javascript , Json

收藏 評論

落筆成詩 - ubuntu ipv6設置 <轉>

目錄 Ubuntu22.04 IPv6 測試配置手冊 00 設備參數 01 禁止網絡服務控制網口eth1 1.1 解除netplan對eth1的控制 1.2 解除systemd-networkd對eth1的控制 1.3 解除NetworkManager對eth1的控制

重啓 , Css , ci , 前端開發 , HTML

收藏 評論

HyperAI超神經 - 活動預告丨上海創智/TileAI/華為/先進編譯實驗室齊聚上海,TVM/TileRT/PyPTO/Triton各顯神通

隨着 AI 模型規模不斷攀升,開發者和工程團隊對計算性能、資源利用率和執行效率的要求也愈發嚴格。也正因如此,AI 編譯器正在成為硬件與應用之間的關鍵樞紐,為訓練與推理提供高效執行和智能算力調度。 在這一趨勢下,業內對前沿技術交流與最佳實踐分享的需求也隨之升温。越來越多的團隊希望通過面對面的深入討論,探索算力優化的新方法、驗證落地路徑、並從真實場景中汲取經驗。 一直以來,由 Hyp

Triton , TileLang , TVM , 人工智能 , 編譯器 , 深度學習

收藏 評論

u_15444077 - 穩居前列,持續攀升!

千帆競渡 百舸爭流 數智潮涌 奮楫者先 近日,國際數據公司IDC發佈 《中國混合雲市場份額, 2024:持續在政企行業增長》 中國電信天翼雲 市場份額升至16.1% 穩居市場前列! 隨着各行業企業 對業務上雲需求的不斷深入 靈活可控、兼容幷蓄的混合雲基礎設施 成為主流的雲平台部署形態 以技術創新破局

雲計算 , 公有云 , 雲服務 , 混合雲

收藏 評論

代碼天地 - 從PDF中提取Excel,這個工具真的好用

因為工作原因,我每天都要接觸大量的數據報表,PDF轉Excel這種格式轉換場景也非常多。 目前市場上有很多pdf工具,大部分是閲讀類,也有支持對pdf的修改、轉換等功能,但這部分工具不少是收費的。 這次介紹一個開源python工具庫-pdfplumber,可以方便地獲取pdf的各種信息,包括文本、表格、圖表、尺寸等。 python中有很多庫可以處理pdf

命令行 , 服務器 , 數據 , 分佈式 , Python

收藏 評論

東沃電子 - 車用穩壓二極管BZT52B2V4-AEC完美替代BZT52-B2V4-Q

近期,東沃電子(DOWOSEMI)接收到大量客户關於TVS、ESD、二極管、三極管及MOS管等元器件替換需求,涉及安世(Nexperia)、威世(VISHAY)、安森美(ON)、力特(LITTLEFUSE)、Semtech、PROTEK、ST等多個國際知名品牌。承蒙廣大新老客户的信任與支持,東沃電子始終致力於提供高可靠性、高性能的半導體產品與解決方案,持續助力客户優化供應鏈並提升

機器學習 , 車用穩壓二極管替代 , 人工智能

收藏 評論

mb6923acc0735dc - 【Flutter x 鴻蒙】第三篇:鴻蒙特色UI組件與Flutter的融合使用

【Flutter x 鴻蒙】第三篇:鴻蒙特色UI組件與Flutter的融合使用 在掌握了Flutter on HarmonyOS的架構設計後,我們今天將深入探討如何將鴻蒙特色的設計語言與Flutter組件完美融合,打造既保持跨平台效率又具備鴻蒙原生體驗的應用界面。 一、為什麼需要UI融合?從設計規範説起 鴻蒙系統擁有獨特的HarmonyOS Design設計語言

移動開發 , Android , ci , ide , ui

收藏 評論

mb6923acc0735dc - 【Flutter x 鴻蒙】第二篇:理解Flutter on HarmonyOS的架構設計

【Flutter x 鴻蒙】第二篇:理解Flutter on HarmonyOS的架構設計 在上一篇中,我們已經成功搭建了開發環境並運行了第一個應用。現在,讓我們深入探討Flutter在鴻蒙系統上是如何工作的——這對於後續的深度開發至關重要。 一、從Flutter傳統架構到鴻蒙架構的演進 為了理解Flutter在鴻蒙上的特殊性,我們先回顧Flutter在Andr

dart , 移動開發 , 架構設計 , Android , ui

收藏 評論

mb6923acc0735dc - 【Flutter x 鴻蒙】第一篇:環境搭建與第一個鴻蒙Flutter應用運行

【Flutter x 鴻蒙】第一篇:環境搭建與第一個鴻蒙Flutter應用運行 作為本系列的開篇之作,今天我們將一起完成Flutter開發鴻蒙應用的環境搭建,並運行第一個Demo應用。這是整個學習之旅的基石,我會以最詳細的方式帶領大家一步步完成所有配置。 一、為什麼選擇Flutter開發鴻蒙應用? 在開始具體操作前,我們先簡單瞭解一下為什麼Flutter+鴻蒙這

命令行 , 移動開發 , Android , flutter , 環境搭建

收藏 評論

mb6923acc0735dc - 鴻蒙開發之路:內存優化實戰——泄漏檢測、大對象管理與垃圾回收策略

引言:鴻蒙內存管理的挑戰與創新 在鴻蒙應用開發中,內存管理是影響應用性能穩定性的關鍵因素。隨着應用功能日益複雜,內存泄漏、大對象濫用、垃圾回收卡頓等問題成為開發者面臨的主要挑戰。鴻蒙系統通過創新的分佈式內存管理架構、智能垃圾回收策略和多層次泄漏檢測機制,為開發者提供了一套完整的內存優化解決方案。 鴻蒙的內存管理系統不僅關注單設備的內存使用效率,更在分佈式場景下實現了跨

內存管理 , 優先級 , 移動開發 , 內存泄漏 , Android

收藏 評論

mb6923acc0735dc - 鴻蒙開發之路:渲染性能優化——組件樹複用與局部刷新機制

引言:鴻蒙聲明式UI的渲染挑戰 在鴻蒙應用開發中,我們經常面臨這樣的性能挑戰:複雜列表滾動時的卡頓現象、頻繁數據更新導致的UI閃爍、大數據集下的內存壓力。這些問題的根源在於傳統的UI渲染方式需要頻繁地創建和銷燬組件,導致渲染流水線負擔過重。 鴻蒙聲明式UI通過組件樹智能複用、差分更新算法和局部刷新機制三大核心技術,實現了高效的UI渲染性能。本文將深入解析這些優化機制的

sed , 移動開發 , Android , 複用 , ui

收藏 評論

mb6923acc0735dc - 鴻蒙開發之路:分佈式數據庫同步——衝突解決與數據一致性策略

引言:多設備數據同步的挑戰與機遇 在鴻蒙分佈式生態中,用户擁有多個智能設備已成為常態。手機、平板、手錶、智慧屏等設備共同構成了用户的數字生活,但這也帶來了嚴峻的數據一致性挑戰:當用户在手機上更新通訊錄,在平板上修改文檔,在手錶上記錄健康數據時,如何確保所有設備的數據最終一致?如何智能解決多設備併發修改產生的衝突? 鴻蒙分佈式數據庫通過多設備數據變更同步算法、衝突檢測與

移動開發 , 數據 , 衝突檢測 , 同步算法 , Android

收藏 評論

Maverick1218 - DIEN相關概念

Transformer多頭自注意力相關 QKV投影及反向傳播更新參數(∂loss/∂W_q,∂loss/∂W_k,∂loss/∂W_v) ∂loss/∂W_q:鏈式法則層層傳遞梯度,最終告訴 W_q:往這個方向更新,可以減少損失函數(達到優化模型效果) 其他可訓練參數也都是求損失函數對這個參數的偏導數,然後朝着損失函數值降低的方向改變參數值(即權重值)達到優化模

機器學習 , DIEN相關概念 , 人工智能

收藏 評論

mob64ca13fb6939 - javascript 使用 swiper

2018年3月12日。 作為一名前端,在做網頁最常見的一定是做輪播圖,而作為初級入門前端做輪播圖時慣例會上網找一些輪播圖案例修改到自己的網頁中,而大神可能會自己寫。而無論自己寫還是上網找的案例都會有一個問題,內容複雜運用不方便。而且在現在多端兼容適配的時代,很多案例沒有手機端滑動操作兼容,這十分違背開發者的需求。在我不懈努力下發現這個好用得要哭😭的輪播圖插件(swiper

輪播圖 , Css , 前端開發 , ide , Javascript

收藏 評論

瀟湘夜雨IT工作室 - 【2025瀟湘夜雨】WIN10_IoT_Ent_LTSC2021_21H2.19044.2728軟件選裝純淨版12.05

【系統簡介】 ============================================================= 1.本次更新母盤來自WIN10_IoT_Ent_LTSC2021_21H2.19044.2728專業版 .進桌面後稍等片刻,等待後續部分優化完成。部分優化完成後重啓生效。 2.全程離線精

系統之家 , 最完美IT工作室 , 運維 , 瀟湘夜雨系統 , 最完美系統 , 純淨系統

收藏 評論

u_15082365 - 基於AI的質量風險管控

導讀 線上問題覆盤發現質量保障存在測試召回、有效性及排查止損時效性不足等痛點,根源在於保障對象多樣演進、線上問題處置複雜。為此我們構建質量風險管控系統,本文分別從風險管理系統的構建思想實踐、風險感知系統的AI效果提升、風險控制系統的智能化建設等維度展開介紹,整體風險管控系統在構建過程效果、使用效果和質量結果等層面均取得較好效果。未來,AI將更深度參與質量風險管控過程,與人工

監控報警 , AI值班人 , aigc , 風險管控 , 可觀測系統 , llama , 基於AI的風險管控

收藏 評論

雲端小悟空 - spark 邏輯表和物理表

外鍵 數據庫中的表必須符合規範,才能杜絕數據冗餘、插入異常、刪除異常等現象。規範的過程是分解表的過程。經過分解,同一事物的代表屬性出現在不同的表中。顯然,它們應該保持一致。外鍵的值或者是另外一個表的主鍵值或者為空值*。例如:學號在學生表裏是主鍵,在成績表裏是外鍵。成績表裏的學號一定要是學生表裏的學號。於是,學生表裏的學號和成績表裏的學號就一致了*。

spark , 字段 , 大數據 , 外鍵 , 數據庫 , spark 邏輯表和物理表 , 主鍵

收藏 評論

mofcloud - 解讀 OpenAI 定價等級:FinOps 視角

當 OpenAI 剛推出 API 時,定價模式非常簡單 只有一個按量付費(pay-as-you-go)模型——無論是什麼工作負載,你都只需要按 token 計費。 隨着需求爆發、場景多樣化,這種模式逐漸變得“過於粗糙”。 並不是所有請求都有同樣的緊急程度、規模或業務價值: 有些需要毫秒級、可預測的響應; 有些則完全可以

FinOps , 雲計算 , openai , 雲原生

收藏 評論

AI科技 - AI決策更優卻遭“人類本能”牴觸,這是為何?

近日,36氪發佈的專題報道《當AI決策優於人類,我們為何會抗拒?》引發廣泛關注。文章以IBM Watson在癌症診療、便利店全鏈路AI接管等真實案例為切入口,指出技術本身並非失敗的根源,而是人機關係的設計缺失導致的抗拒情緒。 一、黑箱效應與信任缺失 AI算法往往隱藏決策依據,用户難以驗證其背後邏輯,形成“門衞問題”。文章強調,提升信任的關鍵在於三點:擬人化、透

數字化轉型 , 鏈路 , 大數據 , 自動駕駛

收藏 評論

u_14767244 - Apache Doris 實時更新全解:從設計原理到最佳實踐|Deep Dive

在數據驅動決策的今天,數據的“新鮮度”已成為企業在激烈市場競爭中脱穎而出的核心競爭力。傳統的 T+1 數據處理模式,由於其固有的延遲,已無法滿足現代商業對實時性的苛刻要求。無論是為了實現毫秒級的業務庫與數據倉庫同步、動態調整運營策略,還是為了在秒級內修正錯誤數據以保障決策的準確性,強大的實時數據更新能力都顯得至關重要。 Apache Doris作為一個現代化的實時分析型數據庫,其設計

字段 , 大數據 , 數據 , 數據倉庫 , 主鍵

收藏 評論

AI先鋒 - 新手指南:獲客表單系統功能需求(FSD)

📋 獲客表單系統功能需求(FSD) 1. 前端註冊試用頁面(Landing Page Form) 模塊 功能編號 功能描述

字段 , 表單 , 後台管理 , 架構 , 後端開發

收藏 評論

jiecho - 星火飛碼iFlyCode 使用索引庫

Linux簡介 Linux 內核最初只是由芬蘭人林納斯·託瓦茲(Linus Torvalds)在赫爾辛基大學上學時出於個人愛好而編寫的。 Linux 是一套免費使用和自由傳播的類 Unix 操作系統,是一個基於 POSIX 和 UNIX 的多用户、多任務、支持多線程和多 CPU 的操作系統。 Linux 能運行主要的 UNIX 工具軟件、應用程序和網絡協議。它支

大數據 , 多用户 , 星火飛碼iFlyCode 使用索引庫 , 數據倉庫 , 運行級別 , 重啓

收藏 評論

u_13778063 - 從“看曲線”到“懂問題”:MetricSet Explorer 如何重構指標分析體驗

作者:隰宗正(霜鍵) 從“看”指標到“懂”指標的進化 1.1 “指標洪水”與“分析赤字”的困境 隨着業務全面上雲和微服務架構的普及,我們正迎來一個“大觀測”的時代。系統的每一個角落都在產生海量的指標數據(Metrics),它們是衡量系統健康度的關鍵。然而,數據的極大豐富也帶來了新的困境——“指標洪水”。運維團隊和 SRE 工程師們發現自己被淹沒在無窮無盡的監控大

數據 , 雲計算 , 可觀測 , 阿里雲 , 雲服務 , 羣組

收藏 評論