- 综合排序
- 最热优先
- 最新优先
- 来自专栏CNCF
构建端到端云原生应用平台
作为一个全功能的平台即服务（PaaS）， App Platform 解决了从开发到 Kubernetes 支持的高度可扩展和弹性的云原生部署的操作方面的问题，同时保持了尽可能简单的用户体验。 应用类型检测、构建和运行由云原生构建包 Cloud Native Buildpacks 处理（最近成为了 CNCF 孵化器项目，祝贺！?）。 容器的水平扩展在运行时端做了大量的工作来实现这一点。在网络方面，我们面临的挑战是提供一种解决方案，既能满足最大客户的需求，又能在小型应用程序方面保持成本效益。 这些可能更接近你对云虚拟机的心理模型。使用 Kata Containers，每个容器都包装了一个轻量级虚拟机和它自己的内核。 总结 应用平台将所有这些技术结合在一起，消除了大多数应用程序无法达到的复杂性和运营投资，以最小的用户努力提供了一流的云原生平台。应用平台是建立在巨人的肩膀上。
1.3K40发布于 2021-04-21 - 来自专栏mysql
hhdb客户端介绍（8）
本软件采用桌面应用程序经常使用的MVC架构，MVC（Model-View-Controller）架构是一种用于分离关注点的软件设计模式，它将应用程序分成三个主要组件：模型（Model）、视图（View）和控制器（Controller）。这种分离使得开发和维护变得更加容易。
31010编辑于 2024-12-26 - 来自专栏曲奇泡芙
端与云的融合
端、管、云，物联网系统的三个主要构成元素，各自技术在高速发展的同时也在不断的影响着现代物联网系统的设计。 端，我们指终端设备，包含手机，车辆，智能家居设备等与用户直接交互的设备； 管，我们指通讯管道，包含有线/无线网络等连接端与与云，端与端进行数据交换的通道； 云，我们指运行在各地数据中心的远程服务器集群及其提供的服务 传统端与云在软件设计方面有不同的专注点，端软件设计的重点在于思考在受限的内存和算力下如何优化单机程序；云软件设计的重点是在于如何设计可扩展的分布式计算使用多机来处理大规模的服务请求。 另一方面，通讯管道的发展，4G网络的普及和即将到来的超10Gbps的理论传输速度的5G网络使得端与云的分工也在不断发生着变化。管道的提速，端与云之间可以有更高频的近实时数据交互。 端云融合在车联网的场景下， 车作为一个高复杂度的终端，与云之间也有着不断融合的趋势。
3.4K31发布于 2019-08-16 - 来自专栏喔家ArchiSelf
端边云协同：从云到边缘
面向边缘的基础设施 面向边缘的基础设施是在高层次上支持分布式网络智能和物理系统之间复杂交互的端到端基础设施。 尤其在工业领域，正在经历一个向新电子架构的过渡，继承了在云计算、软件定义网络、云存储和对象数据库、大数据、软件部署和编排以及安全等方面所经历的一些技术进展。 e.端到端管理和编排：一种通用的软件部署模型，从云到端点，实现了一个现代的CI/CD软件生命周期管理。 可以跨端到端基础架构部署、监控、更新、内部连接和协调，支持跨整个分布式基础架构的CI/CD模型。
1.8K10编辑于 2023-02-24 - 来自专栏睡不着所以学编程
移动端笔记(8)之bootstrap案例
DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-<em>8</em>"> <meta http-equiv="X-UA-Compatible
50421编辑于 2022-09-20 - 来自专栏码客
WPF 桌面端开发 8-DependencyProperty
在Resources和Data binding中，XAML 提供了这样一种语法，来为属性赋值：
1K20发布于 2020-05-09 - 来自专栏新智元
为端而生，因人而「云」
这是否意味着云计算只能在技术圈中讨论？ 显然不是。 事实上，在云计算领域，尤其是行业云领域内，面向个人和家庭用户的云品牌和云服务正在迅猛发展。 2022年，OPPO正式推出三大核心技术之一 —— 安第斯智能云 向云新生 厚积薄发的安第斯智能云 去年OPPO在INNO DAY上发布安第斯智能云时，我们当时认为它的最大意义在于，每个人和家庭都可以拥有一朵云来协同数据资产 这些光环包括：安第斯智能云在生成式多模态技术和云端计算能力互融协同领域处于前沿地位，并成功将这种创新运用到自家产品「小布助手」中，借助端云协同的能力，使其正式解锁了AIGC生成式技术。 游戏云计算专网 安第斯赋能下行业内首个解决弱网环境下游戏畅玩体验的方案 作为服务个人、家庭和开发者的泛终端智能云,安第斯智能云能够带来端云协同的数据存储与智能计算服务，为用户在多场景中提供更智能的泛终端智能云使用体验 OPPO安第斯智能云 走进四大高校 今年4月，OPPO安第斯智能云联合四大高校举办了#年轻共创 云化终端#的系列校园活动，这并非只是「企业进校园」这么简单，我们观察到OPPO安第斯智能云的校园行还伴随着一场围绕
31420编辑于 2023-05-09 - 来自专栏PM吃瓜(公众号)
端云互通-MQTT开发介绍
即一个设备在平台申请一个密码，流程图如下所示： 一型一密模式，即一种产品在平台申请一个密码，产品的设备唯一标识nodeid由设备厂家分配，设备的密码由设备和平台动态协商，流程图如下所示： 特点 使用LiteOS端云互通 出参 Phandle：MQTT客户端句柄。 返回值 ATINY_OK表示成功；否则错误码。 出参 phandle：MQTT客户端句柄。 返回值 返回错误码或者不返回。 入参 phandle：MQTT客户端句柄。Msg：数据的消息。msg_len：消息长度。Qos：发送的服务质量。 出参 无 返回值 ATINY_OK表示成功；否则错误码。 入参 phandle：MQTT客户端句柄。 出参 无 返回值 0表示未连接；否则连接。
1.7K30发布于 2019-08-20 - 来自专栏weixuqin 的专栏
redis 学习（8）-- redis 客户端 -- Jedis
redis 客户端 -- Jedis 1. Jedis 直连 本质是 TCP 连接。 的方式 /** * @param host Redis节点所在机器的IP或域名 * @param port Redis服务的端口号 * @param connectionTimeout 客户端连接超时时间 （毫秒） * @param soTimeout 客户端读写超时时间（毫秒） */ public Jedis(String host , int port , int connectionTimeout
75740发布于 2019-06-03 - 来自专栏云原生与存储
k8s客户端简介
Overview主要内容是理解并使用client-go四种客户端，为什么需要四种客户端，场景分别是什么，如何初始化四种客户端，并使用四个客户端分别去获取资源。 客户端Client-go提供了四种客户端，简单描述如下客户端名称源码目录简单描述RESTClientclient-go/rest/基础客户端，对HTTP Request进行封装，提供了对应的 RESTful ，上述客户端都是针对k8s资源对象管理的，而DiscoveryClient用于发现API Server支持的资源组，资源版本和资源信息RESTClientRESTClient 是所有客户端的父类，它可以操作 = nil { t.Fatal(err) } t.Log(deployment)}ClientsetClientset是根据k8s所有内置资源组的每一个version实现的客户端集合 资源版本和资源等信息来操作任意的 k8s 资源对象。
1.4K20编辑于 2022-09-07 【云服务】多云环境中实现端到端自动化
欢迎关注微信公众号：数据科学与艺术 作者WX:superhe199 在多云环境中实现端到端自动化需要考虑以下几个方面： 1.自动化测试：在多云环境中，需要确保应用程序可以在不同云平台上正确运行。 可以使用配置管理工具如Ansible或Terraform来自动化部署和配置云平台上的资源。通过编写自动化脚本和模板，可以在不同云平台上实现一致的环境配置。 通过配置CI/CD流水线，可以实现端到端的自动化，包括代码构建、自动化测试和部署到多个云平台。 以下是一个实现端到端自动化的示例： 1.自动化测试：使用测试框架如JUnit或Selenium编写测试用例。可编写测试用例来验证应用程序在AWS和Azure云平台上的兼容性和一致性。 2.环境配置管理：使用配置管理工具如Terraform进行云平台资源的自动化部署和配置。可编写Terraform脚本来定义AWS和Azure云平台上的虚拟机、容器和网络等资源。
23610编辑于 2025-08-29- 来自专栏落叶飞翔的蜗牛
Spring Boot云配置客户端
注 - 在启动config客户端应用程序之前，应运行http://localhost：8888配置服务器。
1.6K30发布于 2021-09-28 边缘AI与端云协同架构
边缘AI与端云协同架构概述 边缘AI将人工智能模型部署在边缘设备（如手机、传感器、嵌入式设备）上，实现本地实时处理；端云协同通过边缘与云计算的协作，平衡计算负载、隐私与延迟。 案例分析 案例1：智能家居安防系统 架构设计： 边缘端：摄像头运行轻量级YOLOv5模型，实时检测入侵者，触发本地警报。 云端：上传可疑图像至云端进行高精度分析（如ResNet），并通知用户。 通过MQTT协议实现边缘与云通信。 案例2：工业设备预测性维护 架构设计： 边缘端：传感器采集设备振动数据，运行LSTM模型预测故障。 云端：聚合多设备数据，训练全局模型并下发更新至边缘。 :", output) 端云协同通信（MQTT + Python） import paho.mqtt.client as mqtt def on_connect(client, userdata 安全协议：采用TLS加密边缘-云通信。 通过案例与代码可见，边缘AI与端云协同能显著提升响应速度并降低带宽消耗，但需权衡模型精度与资源限制。
45110编辑于 2026-01-20- 来自专栏AI学习笔记
端云协同推理：Split Learning实战
端云协同推理（Split Learning）逐渐成为研究和应用的热点这种创新的计算模式将深度学习模型的推理过程在终端设备（如智能手机、IoT设备）和云端之间进行划分，不仅提高了推理效率，还增强了数据隐私保护 端云协同推理（Split Learning）概述在传统的深度学习推理模式中，终端设备要么将所有数据上传到云端进行推理，要么在本地完成所有推理任务。 组件功能描述通信模块接收终端设备发送的加密特征向量，并将推理结果返回给终端设备特征解密模块对加密的特征向量进行解密后向推理模块运行模型的后几层，进行分类或回归计算模型更新模块根据推理结果和反馈信息，对云端模型进行更新和优化端云协同流程 Split Learning的端云协同流程可以分为以下几个步骤：数据采集与预处理 ：终端设备采集原始数据，并进行必要的预处理操作。 实际应用案例与挑战Split Learning作为一种新兴的端云协同推理技术，已经在多个领域得到了应用，同时也面临一些实际挑战。
85710编辑于 2025-07-18 - 来自专栏腾讯云服务器团队的专栏
腾讯云全新云服务器实例S8M8正式上线！
今天腾讯云正式上线第八代云服务器标准型实例 S8和内存型实例M8。 全新升级，高达115%的性能提升 腾讯云S8 /M8是腾讯云的第八代云服务器实例，搭载全新升级的星星海自研服务器，可提供平衡、稳定的计算、内存和网络资源。 腾讯云标准型 S8 实例规格 腾讯云内存型 M8 实例规格 零虚拟化损耗，更稳定可靠的弹性扩展 除了超强的性能提升，依托腾讯云优秀的自研能力，腾讯云S8/M8实例还在虚拟化和可用性等方面拥有优秀表现 端到端防护，为AI安全加码 随着深度学习、AI推理等需求的不断增长，AI应用的数据安全和隐私保护是企业最关注的问题之一，腾讯云S8/M8实例也对此进行了多轮优化提升。 结合腾讯云以往自有业务的大规模数据运营经验，腾讯云S8/M8实例支持密钥管理、防篡改、信任链、数据加密等全方位、端到端安全防护，为企业构建可信应用提供强有力的隐私增强算力支撑，更支持将敏感数据用于AI
1.9K10编辑于 2024-04-16 - 来自专栏云计算D1net
从端到云：全面解析云计算安全策略
用户选择云计算服务的角度来看，我们了解了很多的云计算用户或潜在的云计算用户，用户的一项业务在往云计算中心迁移时考虑的前三位的要素一般是安全、技术成熟度和成本，其中首要考虑的是安全。 3、云计算的等级保护建设方案阐述 3.1 云业务模式的发展 云计算已经深刻的影响到了IT架构、业务系统部署方式，以及服务模式。形成了端（终端）、管（管道）、云（云端）的IT架构。 “端、管、云”的新型模式，可以让用户快速、弹性、按需、随时随地的获取到IT资源和服务，实现IT即服务的转变，是重要的一次信息化变革。但这种新型的IT架构，也带来了新的安全挑战和安全需求。 终端的处理能力（包括CPU和硬盘）集中到云计算资源中心，个人终端变成瘦客户端，终端本地不保存数据，保障信息安全性，并且不提供计算能力；通过桌面云平台，给每个终端提供虚拟化的“计算机”或推送应用的界面，每个终端所使用的资源都是共享的 云计算安全部署结构，如下图所示： 云计算部署架构 云计算的各安全域涵盖了云计算中的计算环境、云边界、云通信网络及管理中心，对应的安全措施如下： （1）云计算计算环境安全 云计算计算环境包含私有云安全计算域
2.2K40发布于 2018-03-20 - 来自专栏FunTester
Fabric8 Kubernetes 教程——客户端基础
初始化 Kubernetes 客户端 俗话说，工欲善其事，必先利其器。在使用 Kubernetes 时，首先需要初始化客户端。 } Kubernetes 客户端 DSL 使用 俗话说，熟能生巧。 使用 Fabric8 Kubernetes 客户端时，你无需担心这些细节，只需像这样使用即可： // 从挂载的卷中读取 serviceaccount 并从环境变量中获取 apiServer URL。 以下是实现上述需求的完整脚本： import io.fabric8.kubernetes.api.model.*; import io.fabric8.kubernetes.client.*; import io.fabric8.kubernetes.client.dsl.LogWatch; import io.fabric8.kubernetes.client.dsl.PodResource; import
54810编辑于 2025-03-20 - 来自专栏建站知识
在 RHEL 8 上配置客户端系统
服务器一样，登录并通过以下命令检查 rsyslog 守护进程是否正在运行： $ sudo systemctl status rsyslog 示例输出： client-rsyslog-service-rhel8 在客户端系统上，运行以下命令： # logger "Hello guys! This is our first log" 现在进入 Rsyslog 服务器并运行以下命令来实时查看日志消息： # tail -f /var/log/messages 客户端系统上命令运行的输出显示在了 Rsyslog 服务器的日志中，这意味着 Rsyslog 服务器正在接收来自客户端系统的日志： centralize-logs-rsyslogs-centos8 就是这些了！ 我们成功设置了 Rsyslog 服务器来接收来自客户端系统的日志信息。
69010发布于 2021-09-15 - 来自专栏FunTester
Fabric8 Kubernetes 教程——OpenShift 客户端
Fabric8 Kubernetes 客户端提供了一个 OpenShift 扩展，支持 OpenShift 特有的资源。以下是 OpenShift 客户端 DSL 的使用示例。 1. Knative 客户端 初始化 Knative 客户端： try (KnativeClient client = new KubernetesClientBuilder().build().adapt( OpenShift 客户端 DSL 来管理 OpenShift 集群中的资源。 示例代码 import io.fabric8.kubernetes.client.Config; import io.fabric8.kubernetes.client.ConfigBuilder; import io.fabric8.openshift.api.model.*; import io.fabric8.openshift.client.OpenShiftClient; import io.fabric8
41900编辑于 2025-04-06 - 来自专栏SIGAI学习与实践平台
端到端传感器建模生成激光雷达点云
图4 此外，这里提出了一种基于端到端深度学习的方法，可以学习从物理环境设置到激光雷达数据物理属性的复杂函数映射。 图6 来自模拟环境的输入是密集的标注点云，密集点云代表激光射线轮廓的离散表示，如图7所示。 ? 图7 采用著名的U-Net模型【2】来处理两个通道的输入数据，并减少了块数以满足合理的运行时间限制。 如图8是U-Net架构图。 ? 图8 损失函数定义如下： ? 而EPW DNN输出的是与其推断的EPW相同的标注点云，如图9所示。 ? 图9 EPW训练采用350个时期（epoch），根据L1分数可提前停止，微批量大小是8个样本，学习率为1e-5，标注类别是{无(None)，汽车，卡车，行人，摩托车，高反光材料}。 提出的方法，其最佳附加值之一是作为任何模拟环境的插件，将带标注的点云作为输入，并通过它的噪声模型和不同的物理属性返回扫描点感知。
1.6K30发布于 2019-09-17
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