- 综合排序
- 最热优先
- 最新优先
- 来自专栏大数据和云计算技术
超融合方案分析系列（7）思科超融合方案分析
超融合概述 超融合产品分析系列（1）：nutanix方案 超融合方案分析系列（2）：VSAN的超融合方案分析 超融合方案分析系列（3）深信服超融合方案分析 超融合方案分析系列（4）H3C超融合方案分析 超融合方案分析系列（5）EMC vxrail超融合方案分析 超融合方案分析系列（6）联想超融合方案分析 开篇 周二的时候朋友圈传遍了思科计划以3.2亿刀收购Springpath，本来我就计划本周发出思科的超融合分析 当然也遇到部分客户因为空间的原因选择高密机架或者纯刀片方案。多一种硬件形态，就意味加大难度。感觉和超融合的理念冲突的。 第二：方案上一定要采用思科的交换机，通过交换机的确能实现一些高级的SDN功能。 实际上在大部分业务场景，在线的数据重删功能将加大时延影响，消耗更多的内存和CPU，用时间换空间，用客户体验换功能，这是和IT技术的发展违背的。 当前3.5寸大盘已经到10TB，未来必然更大，每TB成本逐年降低的情况下，我们采用空间换时间才是正道。在整个IO路径上开启删除功能，必然增加IO处理时间，增加时延。最关键是这个功能居然无法关闭。
3.2K60发布于 2018-03-08 - 来自专栏PostGIS
PostGIS空间数据库之空间数据融合实践
前言 众所周知，熟悉GIS桌面软件的同学一定都知道，想要对空间中的两个或者多个地理数据进行融合，可以使用融合的工具。 比如在实际需求中，需要将某几个城市的空间数据进行融合形成新的数据以供查询分析。 第一种情况是空间不重叠融合，第二种是空间重叠融合，通过实际的例子来看一下在不同的空间关系中，两个函数的融合结果是什么样的。 1、不重叠融合 空间不重叠融合中，我们采用保存在PostGIS数据库中的城市信息进行实例开展，对长株潭三个城市进行融合。 2、空间重叠融合 首先我们准备两份空间上重叠的数据，我们可以采用一下的模拟数据进行展示。
16410编辑于 2026-05-30 - 来自专栏云原生系列
k8s系列(7)-命名空间
Servicek8s系列(3)-StatefulSet的MongoDB实战k8s系列(4)-MongoDB数据持久化k8s系列(5)-Configmap和Secretk8s系列(6)-Helmk8s系列(7) -命名空间k8s系列(8)-Ingressk8s系列(9)-容忍、污点、亲和一. 我们可以使用 namespace 把应用划分到不同的命名空间，跟代码里的 namespace 是一个概念，只是为了划分空间。 # 创建命名空间kubectl create namespace testapp# 部署应用到指定的命名空间kubectl apply -f app.yml --namespace testapp# 查询 命令使用# 切换命名空间kubens kube-system# 回到上个命名空间kubens -# 切换集群 kubectl get podskubectx minikube
64051编辑于 2022-10-21 - 来自专栏java springboot docker
Centos7给磁盘划分空间
xfs_growfs /dev/mapper/centos-root 3、重建、恢复/home 1.重新创建home lv 这里home的大小自己决定，比如这边如果分50G的话，还剩100G左右的未分配磁盘空间
2K30编辑于 2023-03-01 基于视频孪生与空间智能深度融合的智慧城市解决方案
，打造 “1+1+1+N” 的视频孪生智慧城市一张图的视频孪生智能体，凭借空间智能对全空间要素的精准解析能力，赋能城市场景全空间要素时空一体感知、分析、预测、管控，辅助管理者开展科学决策与应急处置。 系统方案功能1、构建视频孪生城市一张图依托实景孪生平台，融合空间智能技术能力，综合运用城市 GIS 数据、三维模型数据、监控视频数据、物联感知数据、智能分析数据等多源数据，打造智慧城市指挥舱，实现城市的实景孪生一张图管理 5、城市道路交通数智化管理接入了城市双智交通数据，依托空间智能的多源数据融合分析能力，对最大车流量和最大排队长度进行实时感知。 6、城市态势分析系统通过接入实时热力数据，运用空间智能的空间分布与趋势预测算法，实现了片区内实时热力图和人员密度热力信息的展示。 7、城市管理中的突发事件应急处置实景城市动态电子沙盘凭借空间智能赋能的可视化指挥调度能力，可支撑应急路线预案的高效制定与决策；作为专业的城市空间警用分析工具，其能在可视环境下实现精准警力布控，同时依托立体化态势掌控模式
30210编辑于 2026-01-13- 来自专栏亨利笔记
vSphere 7融合Kubernetes，构建现代化应用的平台
VMware 最新产品 vSphere 7 正式发布，致力于打造现代化应用平台，备受用户瞩目和期待。本文带你深入了解 vSphere 7 的原生 Kubernetes 功能，欢迎阅读。 3月11日，VMware 发布了近10年来最重要的一个版本：vSphere 7，包含众多的新功能。 vSphere 7 提供的系统服务统称为 VMware Cloud Foundation （VCF）服务。分为3类。 ? 参加过 VIC 项目的核心工程师，大都在 vSphere 7 里面继续奋战。 Cluster API：用K8s管理K8s Namespace （命名空间）应用视图 命名空间要点（58秒视频） 之前提到，VwK 为应用提供了单独的视图，称作 Namespace（命名空间）。
1.8K20发布于 2020-03-19 - 来自专栏Java Tale
centos7 挂载未分配的硬盘空间
场景 虚拟机初始硬盘：16G 虚拟机扩容后硬盘：50G 需求：将扩容的34G空间增加到文件系统/dev/mapper/centos-root中 ---- 扩容文件系统 确认硬盘空间 列出块设备信息 lsblk 查看文件系统的硬盘使用 df -h 查看硬盘数量和分区情况 fdisk -l 对未分配的空间进行分区 创建新分区 fdisk /dev/sda 新建分区 输入“n”，回车；（n：新建分区） 添加物理卷 添加物理卷（/dev/sda3）到卷组（centos） vgextend centos /dev/sda3 卷组属性 查看centos卷组的属性 vgdisplay 可以看到有不到34G的空闲空间可以扩展 分配空间 将空闲的空间都分配给root文件系统 lvextend -l +100%FREE /dev/mapper/centos-root 扩容 对root文件系统执行扩容 xfs_growfs /dev
2K20编辑于 2022-09-08 - 来自专栏帅云霓的技术小屋
软硬件融合技术内幕 基础篇 (7) —— 倒海翻江卷巨澜
我们再来看一遍这个图： 这是对一颗Intel i7 4770 (Haswell架构)的CPU进行测试的结果。 我们再去查询一下Intel Haswell架构的i7处理器缓存相关的规格： Cache Type Cache Size(Byte) Block Size(Byte) Access Time(Cycles 让我们回顾一下上期结尾的段子—— 在计算机科学中，有两个“局部性”，是缓存技术的基础： 时间局部性，指刚刚被访问过的数据，再被访问到的可能性，显著高于其他数据； 空间局部性，指刚刚被访问过的数据，邻接的数据再被访问的可能性 因此，计算机调度缓存的时候，总是倾向于一次性将一片连续的数据存入缓存，充分利用时间局部性原理和空间局部性原理，发挥缓存的效能。 这是由于访问步长对缓存空间局部性的影响导致的。特别地，当步长为1的时候，我们可以看出，内存访问性能随着数据集尺寸增加而下降的曲线，是相对平缓的。
53710编辑于 2022-09-08 数字孪生交通方案|空间智能与视频孪生融合的智慧高速建设方案
作为空间智能应用的先行者与视频孪生技术的首倡者智汇云舟的视频孪生智慧高速解决方案，综合运用三维地理信息、人工智能、视频融合及空间智能等技术，实现高速公路路网数字化的全面升级。 利用三维视频融合与空间智能感知技术，将重点区域视频监控完全融入三维场景，全景、连贯、直观、立体掌控现场实景态势，提升监控查询和调阅效率，快速定位拥堵源头，研判现场态势，辅助指挥调度，降低工作压力。 四、安全应急管理：预警信息管理、应急指挥调度系统对接整合气象预报、高速水位监测、气象监测、拥堵事件监测、能见度监测、降雨量监测、降雪量监测、预警发布等高速预警信息，通过空间智能数据融合分析技术对数据进行统计分析 利用三维视频融合技术，实现服务区停车场区域的全景融合，帮助工作人员一张图整体掌控服务区实景态势，提升对服务区停车态势的管理能力。 本智慧高速方案基于3D-GIS+BIM+Video+AI+IOT+LI的技术路线，以三维地理信息引擎为核心，应用创新性的视频孪生融合空间智能技术，打造1+6+N的高速公路智慧化管控平台，实现运行管理、路产管理
49310编辑于 2025-12-26- 来自专栏3D视觉从入门到精通
MSFNet:多重空间融合网络进行实时语义分割（北航和旷视联合提出）
针对这一复杂的任务，论文提出了一种高效的卷积网络结构：多重空间融合网络（MSFNet）来完成快速和准确的感知。 MSFNet在多特征融合模块的基础上，利用类边界监督来处理相关的边界信息，从而获得空间信息，扩大接收范围。网络最后对原始图像1/8大小的特征图进行上采样，在保持较高速度的同时，可以获得良好的分割结果。 创新和改进点 1、论文提出了一种新的多特征融合模块（MFM），利用精心设计的空间感知池（SAP），在保持较小计算开销的同时，扩大接收范围，恢复空间信息的丢失 2、为了解决边缘相关空间信息的丢失问题，论文提出了一种新的类边界监控方法 MSFNet网络结构 MSFNet的这种结构扩大了感受野并重新弥补空间信息损失，同时保持较小的计算成本。MSFNet中的两个核心：MFM（多特征融合）和SAP（空间感知池化）。 ? ? 2、使用3x3的深度可分离卷积进行特征融合，由于聚合后通道数量很多，使用深度可分离卷积可以显著降低成本。
1.1K20发布于 2020-12-11 - 来自专栏技术汇总专栏
智能体动作空间的统一表征离散与连续动作融合策略
智能体动作空间的统一表征离散与连续动作融合策略一、引言在人工智能蓬勃发展的当下，智能体作为能够感知环境并执行动作以实现目标的实体，其性能的优劣直接关乎人工智能系统的成败。 而智能体动作空间建模，作为智能体决策与行为生成的基础，无疑处于人工智能技术体系的核心位置。动作空间，简单来说，就是智能体在特定环境中能够执行的所有动作的集合。 根据动作取值的特性，动作空间可分为离散动作空间和连续动作空间。 三、统一表示方法的技术原理3.1常见技术框架在智能体动作空间建模中，实现离散与连续动作统一表示的常见技术框架为混合框架，它有机地融合了离散模型和连续模型的优点。 在技术原理方面，基于常见的混合框架，如基于Actor-Critic的架构，在马尔可夫决策过程的数学框架下，融合了离散模型和连续模型的优势，实现了对离散动作和连续动作的统一处理。
36110编辑于 2025-10-25 视频孪生融合空间智能，赋能工业能源典型应用场景全景展示
视频孪生以“实时视频流+三维数字模型”为核心，实现物理世界与数字世界的动态同步；空间智能则凭借精准的空间定位、多维地理信息融合与智能分析能力，为数字孪生赋予“空间语义理解”的内核。 系统依托空间智能的多源数据融合与空间关联能力，联动产线设备监测数据、生产订单数据、能耗监测数据、人员定位数据等，帮助用户在孪生空间中直观掌控产线整体运行态势、各设备运行状态、生产订单详情、工作人员定位等 同时，融合空间智能与视频拼接融合技术，实现一张图浏览产线整体实景画面，设备位置精准标注、人员行为智能识别管理等，辅助用户实现精准高效的生产管理、运维管理、人员管理、能耗管理等，全面提升产线的数智化管理水平 四、核电基地场景的应用智汇云舟视频孪生核电一体智能化平台深度融合空间智能技术，以国产自主可控的三维地理信息系统（3DGIS）为核心，实现按经度、纬度、海拔等空间真实精准坐标位置，融合监控视频等多源异构数据 技术融合赋能价值：重构工业能源管理新范式视频孪生与空间智能的融合，不仅解决了工业能源领域传统运维的诸多痛点，更重构了行业管理的新范式。
40910编辑于 2026-01-06- 来自专栏devops探索
centos7下将home分区空间扩容至分区
问题 在安装centos7系统时，假若不进行任何的分区操作，默认会分为两个区，一个根分区，一个/home分区，如下所示： ? 但是问题是，我们不想要/home目录那么大的空间，所以如何去做，将/home分区的空间降低，并把减少的空间扩容至根分区，下面是具体操作 步骤 1、卸载/home分区 cp -r /home /tmp/ umount /home 2、将/dev/mapper/centos-home的空间降低(降低多少，就在后面扩容多少) lvreduce -L -100G /dev/mapper/centos-home 查看下是否已经减少 5、扩容根分区 lvextend -L +100G /dev/mapper/centos-root 6、使修改生效 xfs_growfs /dev/mapper/centos-root 7、 验证 验证下是否磁盘空间已经发生了变化 df -hT
8.4K40发布于 2020-07-31 - 来自专栏大数据学习笔记
虚拟机vmware centos7 扩展磁盘空间
0、思路 创建一个新的逻辑分区，将新的逻辑分区格式化ext3（或其他类型）的文件系统，mount到磁盘空间不够的文件系统，就跟原来的分区/文件系统一样的使用 1、准备 1.1 注意使用VMware自带的 497M 125M 373M 26% /boot tmpfs 781M 0 781M 0% /run/user/0 3、扩展VMWare硬盘空间 报错：当尝试打开 /dev/mapper/centos-root 时 找不到有效的文件系统超级块 因为我的centos7的某些分区用的是xfs的文件系统（使用df -T查看即可知道） [root@vnode1 =4096 blocks=0, rtextents=0 data blocks changed from 9297920 to 19758080 最后再运行下：df -h 即可看到扩容后的磁盘空间
3.4K20编辑于 2022-05-06 - 来自专栏脑电信号科研科普
EEGMEG-fMRI融合初识:在空间和时间上解析人脑反应
RSA的目标是通过将信号抽象到一个共同的相似性空间中，将不可公度的多元测量空间(如MEG传感器空间、fMRI体素空间或模型单元空间)联系起来。 总之，M/EEG和fMRI数据可以在共同的表征结构基础上相互关联(融合)，尽管信号源空间不适应。 下面，我们将详细介绍如何使用M/EEG-fMRI融合来揭示认知功能的时空动态性。 图1 识别空间和时间上的大脑反应 3. 视觉加工的时空动力学 M/EEG-fMRI融合的首次应用使用感兴趣区域(ROI)方法研究了视觉对象处理期间的时空处理级联。 该结果与腹侧视觉流作为分层处理级联，并证明了M/EEG-fMRI融合方法评估人脑在空间和时间上的反应模式的适用性。 图2 用于理解视觉处理的基于ROI的M/EEG-fMRI融合方法 第二个基本步骤是使用探照灯方法扩展到空间无偏分析（图3A）。
1.2K40编辑于 2021-11-29 - 来自专栏腾讯专有云
招联与腾讯达成合作，共同探讨未来数字金融合作新空间
2021年6月起，腾讯加强与招联的合作，完成第二代云原生架构升级，基于腾讯云容器服务TKE完成全业务容器化改造，实现了7*24小时跨中心业务弹性伸缩能力。 十年来，双方共同见证了金融科技从基础架构到生态融合的跨越式发展。此次合作深化不仅是技术能力的叠加，更是双方对数字金融高质量发展路径达成的共识。 面向未来，腾讯与招联将聚焦形成云原生、融合创新、大数据、AI“四位一体”的能力象限，不断推动金融与科技的深度融合，共同探讨消费金融行业新一代的数智化创新架构体系，以数智化能力推动服务效率与用户体验提升，
45910编辑于 2025-04-02 - 来自专栏DeepHub IMBA
贝叶斯状态空间神经网络：融合概率推理和状态空间实现高精度预测和可解释性
条件路径将联合路径和边际路径的输出进行整合，通过对数空间的减法运算来计算最终的条件概率P(y∣X)。 BSSNN与现代状态空间模型（如Mamba架构）在理论层面具有深刻的概念联系。 在隐藏状态表示方面，联合路径和边际路径中的隐藏层可以被理解为对传统状态空间模型中潜在状态的神经网络近似。 正向预测实验：Y∣X建模与性能评估 本节详细展示了使用贝叶斯状态空间神经网络进行Y∣X预测的完整实现过程。 在反向推理任务中观察到的预测收敛现象也提示我们需要进一步研究更适合高维特征空间建模的网络架构。
42810编辑于 2025-08-20 - 来自专栏源懒由码
win7 64位 下，进程可申请的堆空间
大致测试了下，堆区大概可以申请 1G这样。捕获 new 的异常，一般抛出 std::bad_alloc
90121发布于 2020-10-10 - 来自专栏MySQL修行 | 老叶茶馆
万答#7，如何批量删数据和调整系统表空间
2.系统表空间会不断膨胀。 3.锁定的记录多,更容易可能导致锁等待。 可以设置独立表空间，关键参数 innodb_file_per_table 独立表空间也会产生碎片，但是可以通过 OPTIMIZE TABLE 或 ALTER TABLE xxxx ENGINE=INNODB 设置独立UNDO空间，然后设置自动回收。 5.6 版本就支持独立UNDO空间，但是不支持在线回收，关键参数 innodb_undo_directory innodb_undo_tablespaces innodb_undo_logs 5.7 session级；垃圾SQL生成的临时表空间随着SQL的结束也会跟着自动释放。
65630编辑于 2022-04-01 - 来自专栏学弱猹的精品小屋
数值优化（7）——限制空间的优化算法：LBFGS，LSR1
目录 引入：什么是大规模问题 限制空间的拟牛顿方法 限制空间的BFGS方法 限制空间的SR1方法 Source R. H. Byrd, H. F. Khalfan, and R. B. 有了这个思路，我们自然会想，既然是限制空间了，那么可以产生的信息一定会受限，也就是说，如果我们以迭代的思维把这个函数写开，正常情况下就是 现在我们要限制空间，其含义就是保存部分数据。 这就是限制空间拟牛顿法的思路。 限制空间的BFGS方法 还是一样，我们先提一下BFGS方法。如果变成了限制空间的情况，这个方法就会变成LBFGS。 限制空间的SR1方法 我们在上一节有提到过SR1方法，事实上限制空间的SR1方法（也即LSR1方法）也在近期被提出，但是远不如LBFGS历史悠久了。 而它们性质的证明都充满了浓浓的限制空间的意味。因为限制空间的特性，我们得以在大规模机器学习中看到这些方法（比方说深度学习中的优化算法，就有一个是LBFGS）。
1.5K20发布于 2021-08-09
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