- 综合排序
- 最热优先
- 最新优先
- 来自专栏瓜农老梁
Mesh6# gRPC服务通过Istio网格通信
引言 本文通过gRCP服务消费方mesha和gRPC服务提供方meshb，验证其部署在Istio网格的通信过程。通过该示例可以将外部注册中心接入网格，不再困难。 -f meshb-service-entry.yaml serviceentry.networking.istio.io/meshb created 再访问页面发现已经正常 备注：至此服务消费方在网格中向服务提供方发起调用 Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.54 Safari/537.36" "859344b6- 说明：通过查看服务消费方日志、服务提供方日志以及其数据面enovy日志，说明其调用在istio网格中进行。
1.3K20发布于 2021-11-17 - 来自专栏超级架构师
【服务网格架构】Envoy架构概览(6):异常检测
取决于异常值检测的类型，弹出或者以行内（例如在连续5xx的情况下）或以指定的间隔（例如在定期成功率的情况下）运行。弹射算法的工作原理如下：
59150发布于 2020-07-20 - 来自专栏超级架构师
【数据网格】应用数据网格
从单一数据湖到数据网格 让我们面对现实吧。数据仓库或数据湖，以及负责导入和建模数据的中央分析团队。这是一个遗留的整体，团队从中导入数据时没有API，可能有直接的数据库访问和大量的ETL作业、表格等。 例如，您可以从： 源数据库 — ETL 工具 → 数据湖中的原始数据 → 数据湖中的转换数据 围绕前两个阶段进行总结，并使用标准化： （源数据库 - ETL 工具 → 数据湖中的原始数据 → 第 6 步：迁移所有权。 如果你在这里，恭喜，你已经打破了中央数据湖的第一部分，现在你需要确保在这些服务的新功能请求流入之前，所有权也已经转移。 例如，在 AWS 设置中，您可以使用通用的“data-service-shipper”创建一个 lambda 函数，该函数负责： 获取版本化模式并将它们映射到中央数据库中的数据库模式。 将数据传送到数据库中的适当模式中。 这样，域团队除了升级他们的“库”之外几乎没有任何努力。
1.9K10编辑于 2022-09-26 - 来自专栏图形视觉
网格简化
原文链接 网格简化可以减少网格的三角片数量，同时尽量保持住网格的几何信息或其它属性（如纹理）。 通常情况下，我们讲的网格简化，需要保持住网格的拓扑结构，它区别于下图的Wrap操作。 它的特点： 计算速度相对较慢 对整体误差的控制优于局部操作 ---- 带纹理坐标的网格简化 单纯的网格简化和带纹理坐标的网格简化是有区别的，前者的简化的对象是下面左图所示的网格，后者的简化对象是UV域的网格 带纹理坐标的网格简化，不仅要尽量保持住网格的几何特征，而且还要保持住UV域网格的边界几何。特别是后者，如果UV网格的边界几何变化比较大，会使得网格纹理贴图在UV边界处的颜色割缝比较明显。 当网格简化数目太多的时候，绝大部分的简化点发生在UV网格的内部顶点，这也会导致原始网格的几何简化的比较厉害，并且在UV边界处的几何扭曲会比较大。
4.7K30发布于 2019-10-22 - 来自专栏图形视觉
网格映射
如果S和T有相同的网格连接关系，那么F可以是一个刚性变换。如果S和T的网格连接关系有差异，则S和T互为对方的Remesh网格。 这类的网格映射就更为复杂了，目前很有少这方面的研究。 另外，网格的参数化也是一类特殊的网格映射。如果参数域是平面，那么它就是网格的UV展开。 因为参数域一般是基本形状，所以这类网格映射都是放在网格参数化里进行讨论。这里介绍的网格映射，网格的形状是一般化的。 ---- 网格映射的性质 网格映射的计算，经常会考虑一些性质： 双射：两个网格在映射区域的映射，期望是一个双射。 扭曲度：映射扭曲度经常用于度量映射的好坏，优化能量里也常见扭曲度的度量。 ---- 网格映射的应用 网格映射有很多应用： 模板网格拟合 纹理迁移 形状插值 ---- 网格映射的计算方法 网格映射的计算方法有很多，常见的有这几种类型： 间接法 直接法 函数映射法 网格映射的计算方法中
2K50发布于 2019-10-24 - 来自专栏技术专家成长之路
在 Istio 服务网格内连接外部 MySQL 数据库
为了方便理解，以 Istio 官方提供的 Bookinfo 应用示例为例，利用 ratings 服务外部 MySQL 数据库。 准备 MySQL 数据库 创建一个名为 test 数据库，执行以下SQL创建表和数据： DROP TABLE IF EXISTS `ratings`; CREATE TABLE `ratings` IP，3306是 MySQL 数据库的端口。 创建ratings服务 首先，执行以下命令，获取密码的Base64编码： echo -n 'OneMoreSociety' | base64 其中，OneMoreSociety是连接 MySQL 数据库的密码 ，如下图： productpage@万猫学社 在Kiali中也可以看到对应的拓扑结构，如下图： kiali@万猫学社 流量转移 访问 MySQL 数据库时，所有流量都路由到v1版本，具体配置如下：
2.3K20编辑于 2022-12-01 - 来自专栏图形视觉
网格测量
网格上的测地线：网格上的测地线如果限制在网格的边上走，则为近似的测地线，如下图中间所示。如果测地线可以走网格的面，则为精确的测地线，如下图右所示。 测地线的应用：可以用于测量网格上两点之间的距离，比如下图测量鞋子。也可以用于线切割网格的应用中，比如UV展开网格前，需要先用测地线把网格割开。 可以通过曲率信息来改变网格的测度。如下图所示，中图的线为普通的测地线，右图是吸附到特征边的测地线。 ---- 软件中的单位系统 三维数据一般都有自己的单位，比如1可能代表1米或者1毫米。
1.8K31发布于 2019-10-30 - 来自专栏图形视觉
网格分割
原文链接 网格分割是什么 网格由顶点和面组成，我们对网格顶点或者面的进行分类，就是网格分割。它是一个分类问题，而分类问题是机器学习里的经典问题。 下面这张图很好的给网格分割方法做了个分类。 一个直观的想法是直接应用图像分割的方法来对网格进行分割。图像和网格的信息结构是有差异的，图像是规则的二维矩阵，网格是不规则的图结构。 那么最简单的可以把网格转化未规则的信息结构，比如把网格映射到二维图像，或者网格体素化。早些时候的网格深度学习方法就是采用的这些方法。 下面这个方法（MeshCNN: A Network with an Edge – Siggraph2019），就是直接在不规则的网格上进行深度学习： 网格的边类比图像的像素。
1.7K50发布于 2019-10-23 - 来自专栏福大大架构师每日一题
2022-04-16：在一个10^6 * 10^6的网格中，source = 是出发位置
2022-04-16：在一个10^6 * 10^6的网格中， source = [sx, sy]是出发位置，target = [tx, ty]是目标位置， 数组blocked是封锁的方格列表，被禁止的方格数量不超过 200， blocked[i] = [xi, yi] 表示(xi, yi)的方格是禁止通行的， 每次移动都可以走上、下、左、右四个方向， 但是来到的位置不能在封锁列表blocked上， 同时不允许走出网格
49440编辑于 2022-06-04 - 来自专栏全栈程序员必看
icem合并面网格_ICEM CFD混合网格
ICEM CFD 中合并多个网格 对于结构十分复杂的几何模型，若能够将几何体分割成多个部分由多人分别进行网格划分，生 成网格后能够对网格进行组装，这恐怕是很多人梦寐以求的功能了。 但是最 好是在同一个体上进行切割，否则网格组装的过程中会存在定位的问题。同一个体上切割的几 何则不会存在几何坐标定位的问题。 图 1 原始几何 图 2 几何 1 生成的网格 图 3 保存网格 1 、将几何 1.x_t 导入到 ICEM CFD 中进行网格划分。注意千万保证单位的一致，切记。 这里是一个长方体，网格划分方法就不多说了。预览网格如图 2 所示。选择菜单 File > Mesh > Load From Blocking 生成网格。 2 、保存网格。 3 、按照相同的步骤对模型 2 与模型 3 进行网格文件，同时保存网格文件为 2.uns 与 3.uns 。
1.3K10编辑于 2022-09-01 - 来自专栏超级架构师
【数据网格架构】什么是数据网格——以及如何不将其网格化
询问数据行业的任何人这些天最热门的是什么，“数据网格”很有可能会上升到列表的顶部。但是什么是数据网格，为什么要构建一个？求知者想知道。 幸运的是，寻求新的数据租约的团队只需要查看数据网格，这是一种席卷整个行业的架构范式。 什么是数据网格？ 相反，面向领域的数据架构（如数据网格）为团队提供了两全其美的优势：一个集中的数据库（或分布式数据湖），其中的域（或业务区域）负责处理自己的管道。 网格化还是不网格化：这是个问题 处理大量数据源并需要对数据进行试验（换句话说，快速转换数据）的团队考虑利用数据网格是明智的。 我们进行了一个简单的计算，以确定您的组织投资数据网格是否有意义。 数据网格得分 通常，您的分数越高，您公司的数据基础架构要求就越复杂和苛刻，反过来，您的组织就越有可能从数据网格中受益。如果您的得分高于 10，那么实施一些数据网格最佳实践可能对您的公司有意义。
1.4K10编辑于 2022-09-26 - 来自专栏mysql
hhdb数据库介绍(6)
在部署安装前或安装完成后请检查以下各项是否符合关系集群数据库使用要求，若不满足以下要求可能会给集群的运行带来不可预知的异常以及无法发挥集群的最佳性能。 内存 内存 1个计算节点≥30G 1个管理平台≥2G 1个配置库实例≥3G 一个存储节点实例≥60G 1个LVS实例≥6G net.ipv4.tcp_keepalive_probes 小于 6 sysdate-is-now 5.5版本及以下实例使用：select sysdate(),sleep(1),sysdate();5.5版本以上使用select sysdate(6) ,sleep(0.001),sysdate(6);测试要求两列时间相同 实例磁盘空间 实例数据目录绝对路径
23810编辑于 2025-03-07 - 来自专栏前端西瓜哥的前端文章
图形编辑器开发：网格与网格吸附
网格间距通常会是可配置的。 gripOn：网格是否开启； gridSpacingX：网格水平方向间距。 gridSpacingY：网格垂直方向间距。 特殊的，当网格间距设置为 1 时，就变成 像素网格 了，Figma 的网格就是像素网格，不可设置网格间距。 网格线的颜色通常是灰色，不能存在感太强。 绘制上就是在原来网格线的基础上，再画一个放大了 n 倍的网格线。注意这个大网格颜色相比小网格颜色要不同，以看出区别。 网格线颜色一般默认会比较浅，以免喧宾夺主。 网格样式 除了网格线，还有另一种网格的表示方式：用圆点表示。 点的位置对应原来网格线与线之间的交点位置。 该效果常见于白板工具。 网格密度过大 当缩小画布时，网格会跟随缩小。当缩放得非常小时，网格线就会显得非常密集。 为了解决网格密度过大的问题，通常我们有两种做法。 （1）视口上的网格间距小到一定程度，就不再显示。
1.1K10编辑于 2024-05-15 - 来自专栏Devops专栏
Canvas绘制网格
绘画的思路 如果要绘画一个网格的图形，在Canvas可以怎么去绘画呢？ 下面来看看绘画的步骤，如下： 设置网格的大小，gridSize用于确定网格之中的线之间的间隔 获取Canvas的宽度width、高度height，用于计算x轴、y轴需要绘画的条数 采用遍历的方式，绘画x 轴的线条 采用遍历的方式，绘画y轴的线条 通过这四个基本步骤，就可以绘画出一个完整的网格图了，下面来示例。 绘画网格的示例 <! 设置网格的大小，gridSize用于确定网格之中的线之间的间隔 2.
1.9K20发布于 2020-02-13 - 来自专栏sktj
bootstrap 网格排列
<link rel="stylesheet" href="https://cdn.staticfile.org/twitter-bootstrap/3.3.7/css/bootstrap.min.css">
65010编辑于 2022-01-10 - 来自专栏图形视觉
网格UV展开
图1 ---- 什么样的网格可以做UV展开 那是不是所有的网格都可以做UV展开呢？答案是否定的。只有圆盘拓扑结构的网格才能展开到平面上，比如一个球，无论如何都不可能在不撕裂的情况下展开到平面。 ---- 网格割缝和纹理坐标缝隙的区别 这是两个不同的概念。把网格顶点映射到纹理坐标域所得到的2D网格，和原始网格的拓扑结构可以是不同的。你可以把这两个网格看成是两个独立的网格。 纹理坐标的缝隙是2D网格的边界。网格割缝是把网格的拓扑结构改变了，割缝处会产生新的网格顶点。纹理坐标缝隙，是在展开的UV空间中，顶点纹理坐标的缝隙。缝隙处网格顶点和纹理坐标是一对多的关系。 如果在纹理坐标缝隙处把网格割开，那么割开后的网格顶点和纹理坐标就是一一对应的关系了。 ---- 网格割缝的创建 UV展开的应用里，经常需要创建一些网格割缝。 如下图所示，网格UV展开到平面后，把网格对应的贴图填充到UV坐标域，就得到了右边的纹理图。网格在渲染的时候，每个三角片离散化后，每个离散点会根据UV坐标值去纹理图里拾取颜色。
3.7K30发布于 2019-10-18 - 来自专栏图形视觉
彩色纹理网格
原文链接 彩色网格分类 彩色网格主要分两类，一类是彩色顶点网格，一类是彩色贴图网格。 彩色顶点网格：网格顶点带有颜色，三角形的颜色由网格顶点颜色插值得到。网格的色彩分辨率等于顶点分辨率。 彩色贴图网格：网格的三角形的颜色对应于图像的一个三角片。网格的色彩分辨率等于图像的色彩分辨率。如下图下所示。 彩色顶点网格的顶点分辨率和色彩分辨率一样，当网格顶点比较少的时候，色彩信息会损失很多，如下图2所示。 彩色贴图网格的色彩分辨率取决于纹理贴图的分辨率，与网格顶点分辨率无关，如图3所示，同样的网格，纹理贴图方式可以存储高于网格分辨率的色彩信息。 ---- 彩色贴图网格的制作 彩色网格的制作，没有统一的工作流。因为采集的数据源有差异，数据质量也有差异。
2.1K30发布于 2019-10-15 - 来自专栏iSharkFly
Confluence 6 数据库 JDBC 驱动
本页面提供了支持的数据库的所有 JDBC 驱动下载链接。 基于许可证的原因，我们没有将 MySQL 或 Oracle 的数据库驱动整合到 Confluence 中，因此你需要在 Confluence 启动之前手动下载和安装驱动。 添加你数据库驱动（MySQL 和 Oracle） 如果 Confluence 不能找到正确的数据库驱动的话，Confluence 配置向导将会在数据库配置步骤中停止进行。 希望你的数据库驱动能够在 Confluence 中使用： 停止 Confluence 下载和解压下面列表中需要的数据库驱动。 安装向导将会返回到数据库配置界面中，让你从这里开始下一步的数据库配置。
1K20发布于 2019-01-31 - 来自专栏iSharkFly
Confluence 6 数据库驱动 原
必须使用支持的数据库驱动。请参考 Database JDBC Drivers 页面来获得 Confluence 支持的数据库驱动。
65040发布于 2019-01-30 - 来自专栏AI机器学习与深度学习算法
机器学习入门 4-6 网格搜索与k近邻算法中更多超参数
本小节主要介绍使用sklearn网格搜索寻找最好的超参数以及kNN计算两个数据点距离的其他距离定义。 sklearn网格搜索 使用网格搜索的方式来找最好的超参数。 为了更方便的让我们通过网格搜索的方式来寻找最好的超参数，sklearn为我们封装了一个专门进行网格搜索的方式叫：“Grid Search”。 将搜索的参数定义在一个param_grid列表中： 列表中每一个元素是一个字典； 字典中定义的是一组网格搜索，字典中键名称为参数名，键对应的值是一个列表，列表中元素是键所对应的参数中所有可能的范围。 获取网格搜索后最好的模型，其实看第9个cell已经看出，grid_search.best_estimater_返回的是拥有通过网格搜索得到最好超参数的kNN对象，因此可以将其直接赋值，通过赋值后的对象进行一些列 就决定了为你的计算机分配几个核来进行这种并行处理的过程，n_jobs参数默认为1，也就是使用单核的方式进行处理，如果你的计算机有多个核可以传入相应的使用核的数量，同时可以传入-1，此时计算机中的所有核全都应用网格搜索的过程
77800发布于 2019-11-13
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