- 综合排序
- 最热优先
- 最新优先
- 来自专栏寻找石头鱼
Angular8稳定版修改概述
在今天早些时候Angular团队发布了8.0.0稳定版。其实早在NgConf 2019大会上，演讲者就已经提及了从工具到差分加载的许多内容以及更多令人敬畏的功能。 Ivy渲染引擎实验 虽然早在angular 6的时候就提出了Ivy，但是Ivy仍处于试验阶段，通过Angular 8版本，您可以通过创建一个enable-ivy标志设置为true 的应用程序来测试它，如下所示 Web Worker Angular 8中添加了Web worker支持。现在，您可以添加Web worker并将要在后台运行的耗时进程委派给Web worker。 结论 以上就是angular 8版本的一些改动。总体来说变化不是很大，延续了angular每年一个稳定版的习惯。 原文链接
7.3K20发布于 2019-08-20 - 来自专栏wordpress建站吧
centos stream 8 稳定吗?适合生产使用吗？
centos stream 8 稳定吗?适合生产使用吗？ 首先来说的话，这个它系统的稳定性还是可以的，完全可以用在我们的正式环境生产环境当中使用，没有任何问题的，现在的话很多生产环境当中也就使用了它这个8.0以上的版本，其实是可以选择和使用的，当然如果真的不放心的话
4.2K10编辑于 2022-03-15 - 来自专栏运维开发故事
K8s集群稳定性提升手段
这时可以通过动态调整副本数，以高资源利用率承载业务的波峰波谷，可以参考k8s原生提供的HPA 。 这里暂时介绍利用k8s原生能力进行资源的划分和限制。 1.2.1 如何资源划分和限制 设想，你是个集群管理员，现在有4个业务部门使用同一个集群，你的责任是保证业务稳定性的前提下，让业务真正做到资源的按需使用。 此外，对于共享使用一个集群的团队/项目来说，他们通常都将自己容器的 Request 和 Limit 设置得很高以保证自己服务的稳定性。 集群稳定性提升手段，有很多，提升资源利用率只是某一种，后续还会继续输出其他手段的应用，还请持续关注，未完待续。。。
1.1K30编辑于 2022-04-05 - 来自专栏Kubernetes
【K8s】Kubernetes 稳定性之健康检查
健康检查可以保障容器内应用程序的稳定性和可用性，并控制应用程序何时可以提供对外访问。
72210编辑于 2024-09-11 8个最佳实践助力YashanDB数据库的稳定运行
本文针对YashanDB数据库的架构与技术特性，结合实践运维角度，提出八项最佳实践，旨在辅助数据库管理员及运维工程师优化系统配置、提升稳定性，保障业务连续性。1. 资源规划应结合部署形态，合理配置计算、存储及网络资源，确保各实例及集群组件（如YCS、YFS）稳定运行，避免因资源瓶颈导致系统抖动。2. 8. 优化SQL执行与存储过程管理利用YashanDB的CBO优化器，确保SQL语句获得最优执行计划，提升查询性能。合理采集和维护统计信息，精准反映数据分布，是优化器决策的基础。 总结与展望以上八项最佳实践围绕YashanDB的架构特性、存储管理、内存优化、高可用策略、安全保障和SQL执行机制，系统性地提升数据库的稳定性与性能。 随着数据规模增长与业务复杂性的提升，YashanDB持续推动优化技术的创新，将智能运维、自适应性能优化等技术结合于数据库核心，进一步强化稳定运行能力。
20810编辑于 2025-10-16- 来自专栏Kubernetes
【K8s】Kubernetes 稳定性之自动扩缩容
层面：根据业务规模，实现集群节点的自动扩缩容 Pod 层面：根据业务规模，实现 Pod 副本的自动扩缩容 自动扩缩容提供了以下好处： 提高资源利用率：根据实际需求动态调整资源，避免资源浪费 提高应用稳定性和可用性
99810编辑于 2024-09-11 - 来自专栏新智元
GAN最新进展：8大技巧提高稳定性
、超分辨率、姿势转换，以及任何类型的图像翻译，例如下面这些： 使用 GAN 进行图像翻译 (Source: https://phillipi.github.io/pix2pix/) 然而，由于其无常的稳定性 本文列出了一些常用的使 GAN 训练稳定的技术。 使用 GAN 的缺点 GAN 难以使用的原因有很多，这里列出一些主要的原因。 8大技巧提高GAN性能 有很多技巧可以用来使 GAN 更加稳定或更加强大。这里只解释了相对较新的或较复杂的一些技术。 当然，使用 gradient penalty 可以帮助我们避开这些状态，大大增强稳定性，减少模式崩溃。 relativistic 方法也解决了这个问题，并取得了相当显著的效果，如下图所示： 经过 5000 次迭代后，标准 GAN(左) 和 relativistic GAN(右) 的输出 8、自注意力机制
1.4K40发布于 2019-03-07 RockyLinux 8 编译安装 CP2K-2026.2（GNUOpenBLAS 稳定版）
一句话总结：在RockyLinux8上用GCCToolset14+OpenMPI+OpenBLAS+FFTW编译CP2K-2026.2，依赖全部由官方toolchain自动安装，绕开IntelMKL在部分平台上的矩阵运算兼容性报错 换成GCC14+OpenBLAS组合能稳定绕开，多数常规DFT、AIMD任务性能体感差别不大。 自动编译BLAS/LAPACKOpenBLASFFTFFTWGPU不启用ELPA不编译DeepMD不编译LibTorch不编译GauXC不编译这套组合定位很明确：CPU集群、常规科学计算任务、追求稳定可复现 部分问题改源码或降优化级别能绕过，但为了计算稳定性和结果可靠性，这次直接不编译：展开代码语言：TXTAI代码解释--with-elpa=no对多数常规CP2K计算来说，不启用ELPA对整体性能影响通常不大 GNU+OpenBLAS这套组合能稳定绕开，多数常规DFT、AIMD任务性能差距不大，集群生产环境更省心。Q2：不编译ELPA对CP2K性能影响大吗？对多数常规CP2K计算，影响通常不大。
19200编辑于 2026-08-13- 来自专栏编码如写诗
【k8s】二开kk纯离线部署更稳定的k8s1.32.7+KubeSphere3.4.1
本文暂时演示使用kt离线部署k8s 1.32.7+ks3.4.1(离线包为全量包)，若有其他需要可添加我微信好友sd_zdhr。 1.说明 关于kt kt是基于kk二次开发的产物，具备kk的所有功能。 支持开启防火墙，只暴露30000-32767端口，其他k8s端口添加到节点白名单。 ./kt firewall 一条命令自动获取节点信息开白名单和防火墙。 离线制品地址 制品：全量离线包[1] kt：kt_**.tar.gz[2] 关注我不迷路 2.环境准备 服务器基本信息 主机名 架构 OS 配置 IP node1 x86_64 Ubuntu24.04 8核 /kt init registry -f config.yaml -a artifact-k8s1.32.7-ks3.4.1.tar.gz 此命令会自动安装docker和docker-compose /create_project_harbor.sh 4 创建k8s和KubeSphere .
1.7K11编辑于 2025-08-08 - 来自专栏华章科技
15年来这8门编程语言位置十分稳定
”，意思就是排名前 8 的编程语言在这 15 年里一直都十分稳定。 有多稳定呢？根据 TIOBE 统计的数据，虽然每年都会诞生新的编程语言，并且日渐流行，但实际上不会对排行榜产生太大的影响。 如果将今天的 TOP 8 跟 2014 年（5 年前）和 2004 年（15 年前）的进行对比，我们会发现只有一门不同的编程语言。 在 2004 年，Perl 仍属于排名前 8 的编程语言，但后来由于 Python 的崛起以及 Perl 5 和 Perl 6 之间的分裂，Perl 的前途变得不再明朗最终跌出 TOP 8。 除了 Perl，还有一门语言值得一提，那就是 iOS 开发者都很熟悉的 Objective-C，它也曾在 2014 年进入 TOP 8。
90130发布于 2019-10-21 - 来自专栏腾讯云原生团队
K8s 如何提供更高效稳定的编排能力？K8s Watch 实现机制浅析
概述 进入 K8s 的世界，会发现几乎所有对象都被抽象为了资源(Resource)，包括 K8s Core Resources(Pod, Service, Namespace 等)、CRD、APIService 那 K8s Watch 机制是怎么实现的呢？底层具体依赖了哪些技术？ 流程概览如下： 本文及后续相关文章都基于 K8s v1.23 2. K8s 当前只支持 ETCD3，不再支持 ETCD2。K8s 充分信任 ETCD3 的 Watch 机制，保证资源状态与 ETCD 底层存储的一致性。 随着 ETCD3 在 HTTP/2 基础上不断优化完善，K8s 将提供更高效、更稳定的编排能力。
3K50编辑于 2022-05-05 - 来自专栏ypw
稳定排序
稳定排序 #include <iostream> #include <vector>//STL容器 #include <algorithm> #include <string> using namespace
1.2K10编辑于 2022-05-05 - 来自专栏腾讯云原生团队
万级K8s集群背后etcd稳定性及性能优化实践
各类容器服务类型背后的核心都是K8s，K8s核心的存储etcd又统一由我们基于K8s构建的etcd平台进行管理。基于它我们目前管理了千级etcd集群，背后支撑了万级K8s集群。 在万级K8s集群规模下的我们如何高效保障etcd集群的稳定性? etcd集群的稳定性风险又来自哪里？ 我们通过基于业务场景、历史遗留问题、现网运营经验等进行稳定性风险模型分析，风险主要来自旧TKE etcd架构设计不合理、etcd稳定性、etcd性能部分场景无法满足业务、测试用例覆盖不足、变更管理不严谨 为了解决以上挑战，避免集群过载目前我们通过以下方案来保障集群稳定性: 基于K8s apiserver上层限速能力，如apiserver默认写100/s,读200/s 基于K8s resource quota [6dd84d00c43067a7217498a5defae5f6.png] 本文简单描述了我们在管理万级K8s集群和其他业务过程中遇到的etcd稳定性和性能挑战，以及我们是如何定位、分析、复现、解决这些挑战
4.9K8983发布于 2020-09-11 - 来自专栏技术专栏
Storm 稳定态
默认一个task对应一个Executor） storm会为每个task顺次分配taskid，task分配情况如下： spout1 t0 t1 t2 spout2 t3 t4 bolt1 t5 t6 t7 t8 每一个Spout和Bolt都会有一个发送队列和接收队列，spout处理完数据放入自己的发送队列，bolt不断的从spout的发送队列里拿数据放到接受队列 小结 Storm稳定态里的数据流动主要包括以下几类
1.5K10发布于 2018-09-12 - 来自专栏腾讯云原生团队
万级K8s集群背后etcd稳定性及性能优化实践
各类容器服务类型背后的核心都是K8s，K8s核心的存储etcd又统一由我们基于K8s构建的etcd平台进行管理。基于它我们目前管理了千级etcd集群，背后支撑了万级K8s集群。 在万级K8s集群规模下的我们如何高效保障etcd集群的稳定性? etcd集群的稳定性风险又来自哪里？ 我们通过基于业务场景、历史遗留问题、现网运营经验等进行稳定性风险模型分析，风险主要来自旧TKE etcd架构设计不合理、etcd稳定性、etcd性能部分场景无法满足业务、测试用例覆盖不足、变更管理不严谨 为了解决以上挑战，避免集群过载目前我们通过以下方案来保障集群稳定性: 基于K8s apiserver上层限速能力，如apiserver默认写100/s,读200/s 基于K8s resource quota 总结 本文简单描述了我们在管理万级K8s集群和其他业务过程中遇到的etcd稳定性和性能挑战，以及我们是如何定位、分析、复现、解决这些挑战，并将解决方案贡献给社区。
2K31编辑于 2022-04-14 - 来自专栏Kubernetes
【K8s】Kubernetes 稳定性之资源限制及服务质量等级
、基本介绍 Kubernetes 是一个完全以资源为中心的系统，资源限制是通过 Cgroups 等控制 Pod 使用节点资源（CPU、内存、存储）的一种机制，对于确保 Kubernetes 集群运行的稳定 Requests 的值相同，等级最高 Burstable：Limits 和 Requests 的值不同 Best-Effort：Limits 和 Requests 的值没有设置 ，等级最低 需要长时间以稳定状态运行的 Pod，可以配置为 Guaranteed 级别，以确保节点资源不足时 Pod 保持稳定运行而不会被驱逐，而其它 pod 则可以配置为 Burstable 甚至 Best-Effort 级别
61510编辑于 2024-09-11 - 来自专栏阿甘的码路2
稳定性治理二，稳定性分析
容量评估 除了业务上的 bug，人为的事故，其他引起系统挂掉的几乎都是容量问题，主要分为两个部分： 流量上涨超出系统本身的容量 依赖服务的不稳定，导致系统本身的容量下降 评估服务的访问量与容量 给出所提供服务的访问量 （QPS）； 给出单台应用服务器的稳定峰值处理能力； 根据当前部署架构中集群大小，评估峰值访问量与集群整体峰值处理能力间的关系； 评估对于内部依赖服务的访问量； 评估对于外部依赖服务的访问量 评估数据访问量 【解决】： 提前做好容量规划，进行扩容 临时增加，借调服务器 限流，超过容量的请求快速返回失败，保证系统“不挂” 依赖治理 依赖的资源不稳定 特点：依赖资源，主要是指远程服务或存储，由于远程服务的响应时间变慢 由公式 Threads = QPS * RT / 1000 可以得出，输入 QPS是固定的，由于 RT 的变长，则需要更多的 Threads 才能支撑输入的 QPS，所以一旦依赖资源不稳定，结果是轻易使得线程资源达到瓶颈 用户找过来时候，肯定不能说由于xx服务不稳定导致，这些都是废话，要不你就去掉这种依赖，去不掉就保障好链路。
1.1K51编辑于 2023-08-17 - 来自专栏Ywrby
稳定匹配问题
参考：经典算法问题——稳定匹配（Stable Matching） Gale-Shapley Algorithms 简称“GS 算法”，也称为延迟接受算法。 是 Gale 和 Shapley 为了寻找一个稳定匹配而设计出的市场机制。运行时间在算法输入的大小上是线性的。根据其使用方式，它可以找到对匹配一侧的参与者或另一侧的参与者最佳的解决方案。 根据以上条件，我们需要找到一个“稳定匹配”。 则称男性m和女性w是不稳定的，也就是说，(m,w)是不稳定因素。 稳定匹配 Stable matching 一个不存在不稳定因素的完美匹配。 稳定性：算法产生的匹配中，不会有不稳定因素 男性最佳分配 Man-optimal Assignment：GS 算法中每个男性都能分配到最佳的正当配偶，所以 GS 算法得到的分配一定是男性最佳分配。
1.6K20编辑于 2023-10-16 - 来自专栏韩曙亮的移动开发专栏
【数字信号处理】离散时间系统稳定性 ( 稳定性概念 | 稳定性用法 )
文章目录 一、离散时间系统稳定性 二、离散时间系统稳定性实际用法 一、离散时间系统稳定性 ---- 线性时不变 LTI 系统 , 如果 " 输入序列 " 有界 , 则 " 输出序列 " 也有界 ; 充要条件 : \sum^{+\infty}_{m = -\infty} |h(n)| < \infty 二、离散时间系统稳定性实际用法 ---- 实际用途 : 设计一个 滤波器 , 设计完 滤波器参数 后 , x(n) , 查看 " 输出序列 " y(n) 是否有界 即可 , 如果输入一个 有界的 " 输入序列 " , 得到一个 无穷多的 ( 无界 ) 的 " 输出序列 " , 那么该系统就是一个 不稳定系统
4.1K30编辑于 2023-03-30 - 来自专栏肉眼品世界
一个完整的、全面 k8s 化的集群稳定架构（值得借鉴）
前言 我司的集群时刻处于崩溃的边缘，通过近三个月的掌握，发现我司的集群不稳定的原因有以下几点： 1、发版流程不稳定 2、缺少监控平台【最重要的原因】 3、缺少日志系统 4、极度缺少有关操作文档 5、请求路线不明朗 次要的原因是服务器作用不明朗和发版流程的不稳定。 解决方案 发版流程不稳定 重构发版流程。业务全面k8s化，构建以kubernetes为核心的ci/cd流程。 发版流程 有关发版流程如下： ? 因为我司有几个k8s集群，如果在每个集群上都部署一套监控预警平台的话，管理起来太过不便，所以这里我采取的策略是使用将各监控预警平台实行一个联邦的策略，使用统一的可视化界面管理。 缺少日志系统 随着业务全面k8s化进程的推进，对于日志系统的需求将更加渴望，k8s的特性是服务的故障日志难以获取。建立可观测的能过滤的日志系统可以降低对故障的分析难度。 有关日志系统逻辑图如下： ? 私认为此套方案可以确保业务在k8s集群上稳定的运行一段时间，再有问题就属于代码层面的问题了。这里没有使用到中间件，倒是使用到了缓存redis不过没画出来。
75210发布于 2021-06-08
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