首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏悟道

    2-5 快速幂模板

    这个就是在快速乘的基础上改一下 sum=0--->sum=1 x+=x--->x*=x //快速幂模板 public double quickPow(double x,long y){ double sum=1; while(y>0){ if((y&1)==1){ sum*=x; } x*=x; y=y>>1; }

    39020发布于 2021-06-01
  • 来自专栏后端技术

    可串行化 数据库恢复 观测可序列化

    可串行化 冲突可串行化是可串行化的充分条件 CLR Compensation Log Record 数据库恢复 分析阶段 graph TD A(把事务加入事务表)-->C(把已结束的事务剔除出事务表) 观测可序列化 很好的参考文章

    1K40发布于 2019-05-25
  • PUBG 进局超时的三个观测面:可排队、可建立、可持续

    本文把问题分为三个观测面:能否排队、能否建立会话、进入后能否持续。PUBG在2024年4月16日的普通比赛(NormalMatch)开发信中,将玩家数量、地区、队伍类型/视角、Ping等列为匹配因素。

    9210编辑于 2026-10-13
  • 来自专栏AI机器学习与深度学习算法

    学习分类 2-5 线性可分

    感知机非常简单同时又很容易理解,但是相对应的,缺点也很多。感知机最大的缺点就是它只能解决线性可分的问题。

    64710编辑于 2022-11-08
  • 来自专栏Hank’s Blog

    2-5 R语言基础 factor

    #因子:分类数据 #有序和无序 #整数向量+标签label #Male/Female #常用于lm(),glm()

    48510发布于 2020-09-16
  • 构建可观测、可管控、可溯源的AI Agent企业级安全治理体系

    量化实现Agent资产全生命周期安全管理 通过AI Agent安全中心,企业可实现对内部AI资产的自动清点与实时排查,确保所有Agent"看得见、管得住、审得清"。

    76410编辑于 2026-05-28
  • 2026 Agent运维革命:构建可观测、可度量、可自愈的生产级韧性架构

    行业共识已转向:Agent运维不能靠猜,必须实现全链路可观测——推理可追踪、调用可度量、异常可自愈。这套韧性架构,已成为智能体稳定运行的生命保障。 ────────────────────────────────────────────────────────────────────┘三、实战1:推理链结构化追踪引擎让Agent的每一次思考都成为可检索 五、生产铁律:Agent可观测性五大底线推理记录必须发生时持久化:LLM非决定性决定事后无法还原,中间态不入存储等于不存在。 六、结语:可观测性是Agent赢得信任的工程契约2026年的AI竞争,表面是模型能力之争,实质是工程化成熟度之战。当Agent承担关键业务时,“看得见、稳得住、修得快”就是业务连续性的底线。 推理追踪赋予透明性,语义度量赋予掌控力,自适应自愈赋予韧性——三者构成的“可观测性三角”,正是Agent从原型走向生产的工程基石。

    43610编辑于 2026-08-14
  • 来自专栏刷题笔记

    2-5 Two Stacks In One Array (20 分)

    本文链接:https://blog.csdn.net/shiliang97/article/details/101173005 2-5 Two Stacks In One Array (20 分) Write

    88730发布于 2019-11-08
  • 来自专栏Deep learning进阶路

    2-5 线性表之循环链表

    2-5 线性表之循环链表 循环链表就是链表首尾相接连成一个环,可以用单链表 和 循环链表来实现。

    46240发布于 2019-07-02
  • 来自专栏NetCore 从壹开始

    2-5 安装容器Web工具:Docker Portainer

    现在已经习惯了容器化了,不仅可以很快的配合CICD来实现部署,同时主要是也能解决一些疑难杂症,比如在Linux中经常会有各种图形图像的依赖包问题。特别是内网环境。

    1.1K20编辑于 2023-01-09
  • 来自专栏刷题笔记

    2-5 修理牧场 (35 分)【优先队列】

    2-5 修理牧场 (35 分) 农夫要修理牧场的一段栅栏,他测量了栅栏,发现需要N块木头,每块木头长度为整数L​i​​个长度单位,于是他购买了一条很长的、能锯成N块的木头,即该木头的长度是L​i​​的总和

    1.1K10发布于 2020-06-23
  • AI 运维云平台深度实践:构建可观测、可预测、可自愈的云原生系统

    AI 运维云平台深度实践:构建可观测、可预测、可自愈的云原生系统引言:云原生复杂度的“最后一公里”2026 年,Kubernetes 已成为操作系统级的设施,但随之而来的微服务爆炸、Serverless 执行可回滚:自动化操作必须打上 Annotation 标签,支持一键全局回滚。二、技术深潜一:多维异常检测 —— 告别静态阈值传统 CPU > 80% 规则在业务波动的场景下毫无意义。

    46411编辑于 2026-08-08
  • 来自专栏EMQ 物联网

    易操作、可观测、可扩展,EMQX如何简化物联网应用开发

    本文将从可操作性、可观测性、扩展性三个方面,与大家分享 EMQX 5.0 在运维监测、问题排查以及功能扩展中的功能优化,共同探索如何更快的利用这些优化搭建运维监控体系,为物联网业务带来更多助力。 配置热更新根据是否可在运行时修改,EMQX 5.0 的配置可以分成可热更新/不可热更新两种配置。 可热更新配置都可以通过 HTTP API 修改成功后立即生效,同时保证配置修改在集群间同步更新。 可观测性强大的日志功能日志为系统排错、优化性能提供可靠信息来源。EMQX 在日志数据过载或日志写入过慢时,默认启动过载保护机制,最大限度保证正常业务不被日志影响。 如前文提到,可操作性与可观测性的提升将使 EMQX 集群的运维工作变得更加轻松与高效,扩展性的增强则为用户定制更加符合自身需求的 EMQX 提供了便利。

    1.4K00编辑于 2022-10-10
  • 来自专栏育种数据分析之放飞自我

    笔记 | GWAS 操作流程2-5:杂合率检验

    一般自然群体,基因型个体的杂合度过高或者过低,都不正常,我们需要根据杂合度进行过滤。偏差可能表明样品受到污染,近亲繁殖。我们建议删除样品杂合率平均值中偏离±3 SD的个体。

    2.5K20发布于 2020-04-27
  • 来自专栏九彩拼盘的叨叨叨

    学习前端 第4周 第2-5天

    了解什么叫响应式。 了解CSS3 Media Queries 了解Bootstrap 了解Bootstrap的全局 CSS 样式。特别是其中的栅格系统。 作业 用Bootstrap做页面 http://www.bootcss.com/ 。交互不需要实现

    23910发布于 2018-08-27
  • 来自专栏大数据文摘

    用航拍和地面观测数据,DeepMind AI可完成在陌生区域导航

    接下来,他们着手进行一个转移学习任务,该任务通过观测航空视图目标区域获得数据并进行适应性训练,最后使用地面视图观察转移到目标区域。 ? 覆盖两侧2-5公里区域的全景图间隔约10米,AI导航每次可进行以下五种动作中的一种:向前移动,向左转22.5度,向右转22.5度,向左转67.5度,向右转67.5度。

    77720发布于 2019-07-02
  • 2026年,MySQL到SelectDB同步为何更关注实时、可观测与可校验?

    、可校验”。 可观测很多同步链路更需要关注的,不是任务失败本身,而是失败之前是否能被发现。 可校验同步过去,不等于结果就一定可信。 可观测,决定问题能不能及时被发现。可校验,决定结果能不能被业务信任。 NineData 产品提供三类交付模式,可适配从个人开发到企业核心业务的多类场景需求。

    21110编辑于 2026-03-31
  • 来自专栏重归混沌

    谈谈观测

    随着这几年我对 eBPF、Prometheus 等工具的深入了解,我才逐渐意识到“可观测性”这个词背后蕴含的意义。 很早以前,我就在 Linux 上使用 /proc/、top、sar 等工具来排查问题,却从未意识到,“观测”竟然是一门独立的学问。 这也正是“可观测性”弥足珍贵的原因之一:当系统出问题时,我们可以通过系统本身提供的可观测能力,去追踪和理解到底发生了什么。 不得不佩服 Linux 的设计者们,/proc 文件系统的设计在多年以前就已体现出极强的可观测性理念。 我并不想讲怎么样实现可观测性,毕竟我不是专家。 但我想谈谈观测给了我们一个什么样的视角。 这从侧面也说明了,当我们通过观测来排查问题时,并不需要一上来就去了解整个系统的实现细节,从宏观视角就可以排查很多问题。 这一点很重要,前面铺垫了这么多,都是为了这个观点。

    14310编辑于 2026-03-25
  • 来自专栏初代庄主

    观测 CPU

    背景 通常在分析性能问题时,我们会用 `top , sar , perf` 来观测 CPU 的使用情况;多数据情况下是观测别人的程序。 如果从熟悉工具的角度来看,观测自己的程序,根据观测到的结果再结合程序源代码,对于我们掌握性能分析工具会更有帮助。 for(;;) { // 不断的查询父进程的 pid ,这个会占用 sys 空间 getppid(); } } ---- sar 看 cpu 的使用率 要观测所有

    68040编辑于 2022-05-17
  • 来自专栏深度学习与python

    作业帮服务观测之基础观测能力

    同样重要的是,你可以创建可重用的提示,将它们跨模型、任务和领域泛化。 让我们看下以下四种具体的提示模式。 同样,你必须做出明智的系统优化选择,无论是将流量从不必要的强大模型重定向,缓存可预测的响应,实时批处理查询,还是开发更小的专用模型。

    33110编辑于 2025-06-08
领券