2018年4月23日博客推薦文章彙總,一篇閱盡一週文

窮人的分佈式網絡

作者:youerning
簡介:窮人指沒錢或者不願花太多錢(我既屬於前者也屬於後者TT),分佈式網絡主要指主機網絡環境分佈在不同的地理環境比如不同省或者不同國家(誰還沒有一個比較便宜的國外vps不是\~\~)


某虛擬化項目總結:一條光纖引發的故障

作者:王春海
簡介:在今年9月份的一個虛擬化項目中,項目前期一切正常。在爲服務器添加、更換內存之後,出現ESXi主機存儲斷開、虛擬機系統慢、ESXi主機啓動慢的故障,經過多方檢查,終於排查了故障。最終故障的原因很簡單:ESXi主機與存儲的連接光纖出現問題導致了故障的產生。但整個項目過程中涉及到了更換內存、更換主板、升級固件等一系列事件,所以前期故障分析中沒有正確的定位故障點,導致事情越來越複雜。下面我把整個過程還原一次,希望此事對其他經常做項目的朋友有所幫助。


基於樹莓派(Raspberry Pi3)平臺通過微信(WeChat模塊)進行交互的智能家居實現(一)

作者:東東醬的k8s
簡介:其實做這個智能家居系統我還是因爲學校的畢業設計,距離上篇文章發佈已經過去了20多天了,之前想着只是做一個煙霧報警,然後通過Zabbix進行報警,但是通過這20多天的設計,我發現實現報警的功能其實除了郵件,還有短信、微信、甚至電話。但是因爲各種原因,比如.....錢0.0,哈哈哈,因此我計劃用企業微信進行一個報警,然後貌似通過普通微信進行一個簡單的交互(interactive),還是不錯的選擇,並且做出來的效果也很棒。


【企業換新裝】-- 如何爲企業快速設計高可用的阿里雲架構

作者:甘兵
簡介:有些朋友可能也瞭解過阿里雲,也使用過阿里雲的其中一些產品,如果企業讓你設計一套阿里雲的環境,阿里雲有這麼多的產品(ECS、CDN、RDS等等),我們該如何把這些產品和服務優美的融合在一起呢?這也是很多朋友比較關心的話題,筆者和大家一起來討論一下。


Oracle HA雙機主備基於共享存儲模式並利用keepalived管理實現高可用

作者:HMLinux
簡介:HA(High Available)即由兩臺計算機組成並對外提供一組相同的服務,也叫做一主一備模式。正常情況下由主服務器提供服務,備服務器處於待機備用,備機可以隨時接替主服務器的工作。也就是當主服務器宕機或所提供的服務不可用時,備用服務器會主動激活並且替換主服務器繼續提供服務,這時主服務器上的服務資源包括網絡(IP)、存儲、服務(Web/數據庫)就會轉移到備機接管,從而提供不間斷的服務。基於此,便可以將服務器的宕機時間減少到最低,對業務實現不中斷或短暫中斷。


OpenCV中幾何形狀識別與測量

作者:gloomyfish
簡介:經常看到有學習OpenCV不久的人提問,如何識別一些簡單的幾何形狀與它們的顏色,其實通過OpenCV的輪廓發現與幾何分析相關的函數,只需不到100行的代碼就可以很好的實現這些簡單幾何形狀識別與對象測量相關操作。本文就會演示給大家如何通過OpenCV 輪廓發現與幾何分析相關函數實現如下功能


Flume+Kafka+Storm+Redis構建大數據實時處理系統:實時統計網站PV、UV+展示

作者:xpleaf
簡介:前面給出的那篇文章是基於MapReduce的離線數據分析案例,其通過對網站產生的用戶訪問日誌進行處理並分析出該網站在某天的PV、UV等數據,對應上面的圖示,其走的就是離線處理的數據處理方式,而這裏即將要介紹的是另外一條路線的數據處理方式,即基於Storm的在線處理,在下面給出的完整案例中,我們將會完成下面的幾項工作


十年老站吐血遷移實錄

作者:sery
簡介:因爲一些內容審查方面的原因,一個運行了很久的論壇被要求限期遷移出現有機房。管制很嚴,要求在1-2天內完成。論壇的文件(主要是圖片及附件)100多G,數據庫有80G。我評估了一下,導出數據,部署新環境,導入數據,調試到能正常訪問,1-2天可能有點緊張,萬一遷移不順利,還得花費更多的時間。但沒辦法拒絕,先答應下來再說。


keepalived + nginx輪詢方式 做高可用和負載均衡 訪問後端apache web 服務

作者:Dockerhadoop
簡介:keepalived+nginx高可用有主備和雙活兩種方式。主備方式下對外提供一個vip,同時只有一臺服務器工作,另一臺作備機;雙活方式下對外提供兩個vip,兩臺機器互爲備份,下面詳細說明搭建測試步驟


VGG卷積神經網絡模型解析

作者:gloomyfish
簡介:GG全稱是Visual Geometry Group屬於牛津大學科學工程系,其發佈了一些列以VGG開頭的卷積網絡模型,可以應用在人臉識別、圖像分類等方面,分別從VGG16~VGG19。VGG研究卷積網絡深度的初衷是想搞清楚卷積網絡深度是如何影響大規模圖像分類與識別的精度和準確率的,最初是VGG-16號稱非常深的卷積網絡全稱爲(GG-Very-Deep-16 CNN),VGG在加深網絡層數同時爲了避免參數過多,在所有層都採用3x3的小卷積核,卷積層步長被設置爲1。


發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章