- 综合排序
- 最热优先
- 最新优先
- 来自专栏罗西的思考
TensorFlow 分布式环境(5) --- Session
[源码解析] TensorFlow 分布式环境(5) --- Session 目录 [源码解析] TensorFlow 分布式环境(5) --- Session 1. Systems" [翻译] TensorFlow 分布式之论文篇 "Implementation of Control Flow in TensorFlow" [源码解析] TensorFlow 分布式环境 (1) --- 总体架构 [源码解析] TensorFlow 分布式环境(2)---Master 静态逻辑 [源码解析] TensorFlow 分布式环境(3)--- Worker 静态逻辑 [源码解析 ] TensorFlow 分布式环境(4) --- WorkerCache 1. 图 5 WorkerSession 概念 // WorkerSession encapsulates all of the state relating to a given session. class
95611编辑于 2022-05-09 - 来自专栏chester技术分享
.NET分布式Orleans - 5 - 持久化
在分布式系统中，数据的持久化是至关重要的一环。 Orleans 7 引入了强大的持久化功能，使得在分布式环境下管理数据变得更加轻松和可靠。 这对于构建可靠的分布式系统至关重要，因为它确保了数据的持久性和一致性。 持久化使得 Orleans 可以在不丢失数据的情况下处理节点故障或应用程序的重新启动。 它还可以用于支持扩展性和负载平衡，因为数据可以在集群中的不同节点上进行分布式存储。 Orleans 7 的持久化怎么设置？
56410编辑于 2024-03-27 - 来自专栏火属性小虫
SpringCloud进阶（5）–Seata分布式事务
SpringCloud进阶（5）–Seata分布式事务 在分布式环境下，很多时候我们也需要事务的使用，如购入下单，我们可能需要经过库存服务、订单服务、用户账户服务多个步骤，如果没有事务加持，很有可能会出错 分布式事务解决方案 1. XA分布式事务协议 – 2PC（两阶段提交实现） 这里的PC指的是Prepare和Commit，也就是说它分为两个阶段，一个准备一个提交。 在准备和提交阶段，会进行： 准备阶段： 一个分布式事务是由协调者开启的，首先协调者会向所有事务执行者发送事务内容，等待所有事务执行者答复。 如果至少有一个执行者返回失败或者超时，那么所有的执行者都会回滚，分布式事务执行失败。 这个方式比较简单，但也存在几个问题： 事务协调者是非常核心的角色，一旦出现问题，将导致分布式事务不能正常运行。 2.XA分布式事务协议-3PC（三阶段提交实现） 三阶段提交是在二阶段提交的基础上进行改进，主要是加入了超时机制，同时在协调者和执行者中都加入了超时机制。
32410编辑于 2024-02-07 - 来自专栏罗西的思考
PyTorch 分布式 Autograd (5) ---- 引擎(上)
[源码解析] PyTorch 分布式 Autograd (5) ---- 引擎(上) 目录 [源码解析] PyTorch 分布式 Autograd (5) ---- 引擎(上) 0x00 摘要 0x01 autograd 引擎，本文和下文就看看如何分布式引擎如何运作。 DistAutogradContext 存储在一个worker之上的每一个分布式autograd的相关信息，其在分布式 autograd 之中封装前向和后向传播，累积梯度，这避免了多个worker在彼此的梯度上互相影响 分布式引擎的多线程结构仅适用于CPU任务。如果我们有CPU->GPU->CPU这样的任务顺序，分布式 autograd 就没有线程来执行最后一个CPU任务。 | | 5
81320编辑于 2021-12-06 - 来自专栏全栈程序员必看
5个强大的Java分布式缓存框架_5个Java分布式缓存框架「建议收藏」
5个强大的Java分布式缓存框架 1、Ehcache– Java分布式缓存框架 Ehcache是一个Java实现的开源分布式缓存框架，EhCache 可以有效地减轻数据库的负载，可以让数据保存在不同服务器的内存中 Ehcache的配置示例代码： 在同类的Java缓存框架中，Ehcache配置相对简单，也比较容易上手，最大的优势是它支持分布式缓存。 2、Cacheonix– 高性能Java分布式缓存系统 Cacheonix同样也是一个基于Java的分布式集群缓存系统，它同样可以帮助你实现分布式缓存的部署。 这次介绍的Cacheonix同样也是一个基于Java的分布式集群缓存系统，它同样可以帮助你实现分布式缓存的部署。 官方网站：http://jbosscache.jboss.org/ 使用教程：http://www.codeceo.com/article/jboss-cache-java.html 5、Voldemort
2.8K20编辑于 2022-09-01 - 来自专栏小白晋级大师
分布式系统架构5：限流设计模式
这是小卷对分布式系统架构学习的第5篇文章，今天来学习限流器和限流设计模式1.为什么要限流？ lastTime = now; if (tokens > 0) { tokens--; return true; } return false;}3.分布式限流上面介绍的 实现方式基于 Redis + Lua 脚本使用 Redis 脚本实现分布式限流，在 Redis 中存储全局的请求计数器基于一致性算法使用分布式一致性算法（如 Raft、Paxos）维护全局流量状态分布式网关通过 简单了解了下分布式限流的概念。限流本身是有代价的，实际开发中需要权衡方案的代价和收益。后续有时间补充Sentinel的限流原理和其中用了哪些设计模式。
50810编辑于 2024-12-22 - 来自专栏大数据知识
常用的5个分布式缓存框架
今天，我们通过本文主要是分享了 5 个常用的Java分布式缓存框架，这些缓存框架支持多台服务器的缓存读写功能，可以让你的缓存系统更容易扩展。 1、Ehcache – Java分布式缓存框架 Ehcache 是一个 Java 实现的开源分布式缓存框架，EhCache 可以有效地减轻数据库的负载，可以让数据保存在不同服务器的内存中，在需要数据的时候可以快速存取 2、Cacheonix – 高性能Java分布式缓存系统 Cacheonix同样也是一个基于Java的分布式集群缓存系统，它同样可以帮助你实现分布式缓存的部署。 5、Voldemort – 基于键-值（key-value）的缓存框架 Voldemort是一款基于Java开发的分布式键-值缓存系统，像JBoss Cache一样，Voldemort 同样支持多台服务器之间的缓存同步 对于学习java的小伙伴，首先我们主要的中心就是围绕着学习的，而在学习中要有目的有方法的去学习，最主要的是要把Java课程内容中的核心知识必须掌握，像分布式缓存框架这样的在实际开发中常用到的知识，我们就有必要熟练掌握
1.5K30编辑于 2021-12-07 - 来自专栏golang算法架构leetcode技术php
golang源码分析：dtm分布式事务（5）
rollbacked(2 * next) { return false } } return true 5，定义函数asyncExecBranch异步执行分支
71110编辑于 2023-03-01 - 来自专栏分布式锁原理与源码
分布式锁—5.Redisson的读写锁
RedissonReadWriteLock概述2.读锁RedissonReadLock的获取读锁逻辑3.写锁RedissonWriteLock的获取写锁逻辑4.读锁RedissonReadLock的读读不互斥逻辑5. => 1{myLock}:UUID1:ThreadID1:rwlock_timeout:3 ==> 1{myLock}:UUID2:ThreadID2:rwlock_timeout:1 ==> 1//5. 5.RedissonReadLock和RedissonWriteLock的读写互斥逻辑(1)不同客户端线程先读锁后写锁如何互斥(2)不同客户端线程先写锁后读锁如何互斥(1)不同客户端线程先读锁后写锁如何互斥首先 的释放读锁逻辑(1)RedissonReadLock的释放读锁的流程(2)释放读锁前主要三种情况(3)RedissonReadLock的释放读锁的lua脚本(4)对合并的情况一和情况二执行lua脚本(5) (5)对情况三执行lua脚本这种情况是：同一个客户端线程先加写锁再加读锁。
80200编辑于 2025-05-14 - 来自专栏全栈程序员必看
java分布式框架_5个强大的Java分布式缓存框架推荐
本文主要是分享了5个常用的Java分布式缓存框架，这些缓存框架支持多台服务器的缓存读写功能，可以让你的缓存系统更容易扩展。 1、Ehcache– Java分布式缓存框架 Ehcache是一个Java实现的开源分布式缓存框架，EhCache 可以有效地减轻数据库的负载，可以让数据保存在不同服务器的内存中，在需要数据的时候可以快速存取 官方网站：http://ehcache.org/ 使用教程：http://www.codeceo.com/article/java-ehcache.html 2、Cacheonix– 高性能Java分布式缓存系统 Cacheonix同样也是一个基于Java的分布式集群缓存系统，它同样可以帮助你实现分布式缓存的部署。 官方网站：http://jbosscache.jboss.org/ 使用教程：http://www.codeceo.com/article/jboss-cache-java.html 5、Voldemort
1.5K10编辑于 2022-09-05 - 来自专栏企鹅号快讯
5个强大的Java分布式缓存框架
本文主要是分享了5个常用的Java分布式缓存框架，这些缓存框架支持多台服务器的缓存读写功能，可以让你的缓存系统更容易扩展。 1、Ehcache– Java分布式缓存框架 Ehcache是一个Java实现的开源分布式缓存框架，EhCache 可以有效地减轻数据库的负载，可以让数据保存在不同服务器的内存中，在需要数据的时候可以快速存取 Cacheonix同样也是一个基于Java的分布式集群缓存系统，它同样可以帮助你实现分布式缓存的部署。 使用教程：http://www.codeceo.com/article/jboss-cache-java.html 5、Voldemort– 基于键-值（key-value）的缓存框架 Voldemort 本文链接：http://www.codeceo.com/article/5-java-distribute-cache.html
2.1K60发布于 2018-02-28 - 来自专栏罗西的思考
模型并行分布式训练Megatron (5) --Pipedream Flush
[源码解析] 模型并行分布式训练Megatron (5) --Pipedream Flush 目录 [源码解析] 模型并行分布式训练Megatron (5) --Pipedream Flush 0x00 本系列其他文章为： [源码解析] 模型并行分布式训练Megatron (1) --- 论文 & 基础 [源码解析] 模型并行分布式训练Megatron (2) --- 整体架构 [源码解析] 模型并行分布式训练 分布式培训是通信密集型的。如果节点间互连较慢或更多的通信密集型分区将阻碍性能的扩展。 rank区间为0～4，微批次数目为4，则从前往后几个stage的热身批次为 5 - 0 - 1 = 4， 5 - 1 - 1 = 3， 5 - 2 - 1 = 2， 5 - 3 - 1 = 1， 5 - rank区间为0～4，微批次数目为4，则从前往后几个stage的热身批次为 5 - 0 - 1， 5 - 1 - 1， 5 - 2 - 1， 5 - 3 - 1， 5 - 4 - 1。
2.4K20编辑于 2022-05-09 - 来自专栏悟空聊架构 | 公众号
详解 Redis 分布式锁的 5 种方案
本地加锁的方式在分布式的场景下不适用，所以本文我们来探讨下如何引入分布式锁解决本地锁的问题。本篇所有代码和业务基于我的开源项目 PassJava。 5.未获取到的线程需要等待锁释放。 6.释放锁后，其他线程抢占锁。 7.重复执行步骤 4、5、6。 5.如果锁的值和设置的值相等，则清理自己的锁。 6.4 铂金方案的缺陷 上面的方案看似很完美，但还是存在问题：第 4 步和第 5 步并不是原子性的。 时刻：0s。线程 A 抢占到了锁。 下篇，我们再来介绍另外一种分布式锁的王者方案：Redisson。 八、总结 本篇通过本地锁的问题引申出分布式锁的问题。然后介绍了五种分布式锁的方案，由浅入深讲解了不同方案的改进之处。 钻石方案： 缺陷：非专业的分布式锁方案。 改进：Redission 分布式锁。
18.1K819编辑于 2023-09-01 - 来自专栏HarmonyOS知识集合
【HarmonyOS 5】鸿蒙分布式协同应用开发详解
【HarmonyOS 5】鸿蒙分布式协同应用开发详解一、前言为什么需要分布式协同应用？首先是因为当今社会，围绕电子产品生态，人们迫切希望，周边的电子设备可以协同操作。 二、如何建立分布式操作系统市面操作系统调研1、市面上的操作系统，目前只有华为提出了分布式操作系统。2、像苹果的操作系统，手机平板和电脑也是两套。3、安卓只有移动端操作系统。没有涉及电脑。 分布式操作系统的特点1、设备间的操作系统一致2、拥有统一的交互语言3、完整的生态HarmonyOS超级终端能力基座：1、分布式任务调度2、分布式数据管理3、分布式软总线4、分布式设备虚拟化HarmonyOS 三、分布式协同应用开发步骤拆解：1. 查询设备列表失败: ${(error as BusinessError).code}, ${(error as BusinessError).message}`); return []; }}5.
57410编辑于 2025-06-19 - 来自专栏罗西的思考
PyTorch 分布式之弹性训练(5)---Rendezvous 引擎
[源码解析] PyTorch 分布式之弹性训练(5)---Rendezvous 引擎 目录 [源码解析] PyTorch 分布式之弹性训练(5)---Rendezvous 引擎 0x00 摘要 0x01 弹性训练系列文章如下： [源码解析] PyTorch 分布式之弹性训练(1) --- 总体思路 [源码解析] PyTorch 分布式之弹性训练(2)---启动&单节点流程 [源码解析] PyTorch 分布式之弹性训练(3)---代理 [源码解析] PyTorch 分布式之弹性训练(4)---Rendezvous 架构和逻辑 0x01 前言 1.1 总体系统 弹性训练可以理解为在 Rendezvous 0xFF 参考 [源码解析] PyTorch 分布式之弹性训练(1) --- 总体思路 [源码解析] PyTorch 分布式之弹性训练(2)---启动&单节点流程 [源码解析] PyTorch 分布式之弹性训练 (3)---代理 [源码解析] PyTorch 分布式之弹性训练(4)---Rendezvous 架构和逻辑
1K30编辑于 2021-12-28 - 来自专栏罗西的思考
PyTorch分布式(5) ------ DistributedDataParallel 总述&如何使用
[源码解析] PyTorch 分布式(5) ------ DistributedDataParallel 总述&如何使用 目录 [源码解析] PyTorch 分布式(5) ------ DistributedDataParallel ，以几篇官方文档的翻译为基础，加入了自己的一些思考，带领大家进入DistributedDataParallel，在后续会用5～6篇左右做深入分析。 如果是单节点多GPU，将会在单个GPU上运行一个分布式进程，据称可以非常好地改进单节点训练性能。 如果用于多节点分布式训练，则通过在每个节点上产生多个进程来获得更好的多节点分布式训练性能。 在 单节点分布式训练 或 多节点分布式训练 的两种情况下，该工具将为每个节点启动给定数量的进程（--nproc_per_node）。 run_id： 用户定义的id，它唯一地标识分布式应用程序的一个实例。它通常映射到作业id并用于 允许节点加入正确的分布式应用程序。
2.8K41发布于 2021-11-18 - 来自专栏java达人
分布式系统模式5-Leader和Follower
来源: https://martinfowler.com/articles/patterns-of-distributed-systems/
1.3K40发布于 2020-12-16 - 来自专栏Java后端技术栈cwnait
分布式锁：5个案例，附源码
现在有5个客户端同时请求该接口，可能就会存在同时执行 int stock = Integer.parseInt(stringRedisTemplate.opsForValue().get("stock" 我们再来思考下以上代码已经完美实现分布式锁了吗？能够支撑高并发场景吗？答案并不是，上面的代码还是存在很多问题的，离真正的分布式锁还差的很远。 请求2进入后加锁执行，在请求2执行到5秒时，请求1执行完成进行锁释放，但此时释放掉的是请求2的锁。 请求3在请求2执行5秒时开始执行，但在执行到3秒时请求2执行完成将请求3的锁进行释放。 案例5-Redisson分布式锁 Spring Boot集成Redisson步骤 引入依赖 <dependency> <groupId>org.redisson</groupId> < 现在，我们再回过头来看看案例5中的加锁代码与原理图，其实完善到这种程度已经可以满足很多公司的使用了，并且很多公司也确实是这样用的。但我们再思考下是否还存在问题呢？
1K20发布于 2021-11-26 - 来自专栏悟空聊架构 | 公众号
5分钟搞懂分布式基础概念
01.分布式基础概念 1、微服务 拒绝大型单体应用，基于业务边界进行服务微化拆分，各个服务独立部署运行 2、集群、分布式、节点 集群 是一种物理形态 将几台服务器集中在一起，实现同一业务 分布式 是一种工作方式 分布式系统中，各个服务可能处于不同主机，但是服务之间不可避免的需要互相调用，我们称为远程调用。 SpringCloud中使用HTTP+JSON的方式完成远程调用。 4、负载均衡 ? 5、服务注册、服务发现、注册中心 ? A服务调用B服务、C服务，但是A服务不知道B、C服务所在的服务器是正常还是下线，注册中心可以帮助解决。
54740发布于 2020-04-08 - 来自专栏Java-SpringCloud相关
Java学习笔记-微服务(5)-分布式链路
分布式链路追踪Sleuth 也进入维护模式，未来替换方向 Micrometer Tracing。Sleuth 支持的最高 Spring Boot 为 2.X ，更高版本使用 Micrometer。 分布式链路追踪就是将一次分布式请求还原成调用链路进行日志记录、性能监控并将调用情况集中展示。比如各个服务节点的耗时、请求机器、每个服务节点的请求状态等。 Spring Cloud Sleuth(Micrometer) 提供了一套完整的分布式链路追踪解决方案(Distributed Tracing)并且兼容支持了 zipkin。 行业内其他的分布式追踪方案：Cat、Zipkin、Pinpoint、SkywalkingSpring Cloud 内原生的为 Zipkin，脱离原生建议使用 Skywalking。 ZipkinZipkin 是一种分布式链路追踪系统的图形化工具，Zipkin 是 Twitter 开源的分布式追踪系统，能够手机微服务运行过程中的实时调用链路信息，并将这些调用链路信息展示到图形化界面上供开发人员分析
55900编辑于 2025-03-06
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号