- 综合排序
- 最热优先
- 最新优先
- 来自专栏木二天空
008.OpenShift Metric应用
一 METRICS子系统组件 1.1 metric架构介绍 OpenShift metric子系统支持捕获和长期存储OpenShift集群的性能度量，收集节点以及节点中运行的所有容器的指标。 ? metric子系统被由以下开源项目的容器组件构成： Heapster 从Kubernetes集群中的所有节点收集指标，并将其转发给存储引擎进行长期存储。 5m 4 [student@workstation install-metrics]$ oc get pod -n openshift-infra #验证metric Running 0 5m 9 [student@workstation install-metrics]$ oc get route -n openshift-infra #查看metric
1.5K10发布于 2020-06-24 - 来自专栏xingoo, 一个梦想做发明家的程序员
Elasticsearch聚合初探——metric篇
前言 ES中的聚合被分为两大类：Metric度量和bucket桶（原谅我英语差，找不到合适的词语.....就用单词来说吧！）。 说的通俗点，metric很像SQL中的avg、max、min等方法，而bucket就有点类似group by了。 本篇就简单的介绍一下metric聚合的用法。 metric的聚合按照值的返回类型可以分为两种：单值聚合 和 多值聚合。 } } } } 总结 上面并没有列举全面，比如2.0版本的ES，还支持多值的percentile Rank百分比排名，Geo Bounds地理位置信息，Scripted Metric
1.7K100发布于 2018-01-17 - 来自专栏狗哥的专栏
读Flink源码谈设计：Metric
. */ public interface MetricReporterFactory { /** * Creates a new metric reporter. * * @param properties configured properties for the reporter * @return created metric 这个类提供了RestAPI来便于查询Metric。对于其他组件的请求通过Akka来异步发送，并通过线程池来处理这些回调的回复。 参考资料 https://nightlies.apache.org/flink/flink-docs-release-1.14/docs/deployment/metric_reporters/ https
39210编辑于 2023-12-27 - 来自专栏中间件兴趣圈
ES度量聚合(ElasticSearch Metric Aggregations)
本篇重点介绍Elasticsearch Metric Aggregations(度量聚合)。 Metric聚合，主要针对数值类型的字段，类似于关系型数据库中的sum、avg、max、min等聚合类型。 ES 关于 Metric聚合就介绍到这里了，接下来将重点分析Es Buket聚合。
1.6K30发布于 2019-06-10 - 来自专栏码匠的流水账
聊聊skywalking的metric-exporter
序 本文主要研究一下skywalking的metric-exporter u=3243447931,3746770550&fm=15&gp=0.jpg metric-exporter.proto skywalking -6.6.0/oap-server/exporter/src/main/proto/metric-exporter.proto syntax = "proto3"; option java_multiple_files ValueType { LONG = 0; DOUBLE = 1; } message SubscriptionReq { } message ExportResponse { } metric-exporter.proto exportBuffer.produce(new ExportData(meta, metrics))；其consume方法主要是构造ExportMetricValue，然后执行streamObserver.onNext 小结 metric-exporter.proto serviceInventoryCache、serviceInstanceInventoryCache、endpointInventoryCache，然后执行exporter.initSubscriptionList() doc metric-exporter
1.6K00发布于 2020-03-25 - 来自专栏码匠的流水账
聊聊skywalking的metric-exporter
序 本文主要研究一下skywalking的metric-exporter metric-exporter.proto skywalking-6.6.0/oap-server/exporter/src/main /proto/metric-exporter.proto syntax = "proto3"; option java_multiple_files = true; option java_package ValueType { LONG = 0; DOUBLE = 1; } message SubscriptionReq { } message ExportResponse { } metric-exporter.proto exportBuffer.produce(new ExportData(meta, metrics))；其consume方法主要是构造ExportMetricValue，然后执行streamObserver.onNext 小结 metric-exporter.proto serviceInventoryCache、serviceInstanceInventoryCache、endpointInventoryCache，然后执行exporter.initSubscriptionList() doc metric-exporter
1.5K10发布于 2020-03-30 - 来自专栏JNing的专栏
机器学习: Metric Learning (度量学习)
Introduction 度量学习 (Metric Learning) == 距离度量学习 (Distance Metric Learning，DML) == 相似度学习 ? 因此，Metric Learning作为经典识别网络的替代方案，可以很好地适应某些特定的图像识别场景。 一种较好的做法，是丢弃经典神经网络最后的softmax层，改成直接输出一根feature vector，去特征库里面按照Metric Learning寻找最近邻的类别作为匹配项。 ? 目前，Metric Learning已被广泛运用于人脸识别的日常运用中。 1] Wikipedia-距离函数 [2] DistLearnKit [3] 基于深度学习的Person Re-ID（度量学习） [4] 度量学习 [5] 度量学习（Distance Metric
5.9K20发布于 2018-09-27 - 来自专栏容器云实践
Prometheus四种metric类型
operation_type="update"}[10m]) 最后我们对比一下Summary与Histogram 通过博客阅读：iqsing.github.io 参考: [1] Prometheus metric_types : https://prometheus.io/docs/concepts/metric_types/ [2] HISTOGRAMS AND SUMMARIES: https://prometheus.io
1.3K20编辑于 2022-11-23 - 来自专栏腾讯云可观测专栏
腾讯会议幕后的 Metric 监控
前几天在CCTV播出的《新闻联播》——“众志成城保供应 企业在行动”，对腾讯在疫情期间向全国用户免费开放300人不限时的会议功能进行了报道：
6.8K41发布于 2020-02-12 - 来自专栏算法进阶
漫谈度量学习（Distance Metric Learning）
在机器学习中，distance metric learning（也称 metric learning，度量学习）是一个很典型的任务，通常与很多熟知的 metric-based methods（如 KNN 本文从传统的 distance metric 开始介绍、聊聊为什么要从数据中学习出一个 metric 以及 distance metric learning 的简单历史，并且以 LMNN 为例谈谈其作为 在这篇文章中，他们定义 distance metric 并且从 side-information 中学习出 metric 的做法在今天其实可以被称为 mahalanobis distance metric 下图一看便知： ▲ metric learning的几何直觉 当然，不是所有的 distance metric 都是线性的，有线性的、也有非线性的，有监督的、也有非监督的。 、linear similarity learning、nonlinear metric learning、multi-task metric learning、deep distance metric
74230编辑于 2023-10-07 - 来自专栏sunsky
ES的Query、Filter、Metric、Bucketing使用详解
ES中的聚合上可以分为下面两类： metric（度量）聚合：度量类型聚合主要针对的number类型的数据，需要ES做比较多的计算工作 bucketing（桶）聚合：划分不同的“桶”，将数据分配到不同的“ metric既可以作用在整个数据集上，也可以作为bucketing的子聚合作用在每一个“桶”中的数据集上。当然，我们可以把整个数据集合看做一个大“桶”，所有的数据都分配到这个大“桶”中。 // 嵌套的子聚合，可以有0或多个 } [,"<aggregation_name_2>" : { ... } ]* // 另外的聚合，可以有0或多个 } 1.1 度量类型（metric） 通过嵌套，可以使得metric类型的聚合操作作用在每一“桶”上。我们可以使用ES的嵌套聚合操作来完成稍微复杂一点的统计功能。下面统计每一个班里最大的年龄值。 总结 本文介绍了ES中的一些常用的聚合API的使用，包括metric、bucketing以及它们的嵌套使用方法。掌握了这些API就可以完成简单的数据统计功能，更多的API详见官方文档。
1.9K30发布于 2020-08-19 - 来自专栏磐创AI技术团队的专栏
度量学习笔记(一) | Metric Learning for text categorization
度量学习 (Metric Learning) 是人脸识别中常用的传统机器学习方法，由Eric Xing在NIPS 2002提出，可以分为两种：一种是通过线性变换的度量学习，另一种是通过非线性变化的度量。
1.7K50发布于 2019-05-05 - 来自专栏Flink实战剖析
Flink自定义metric监控流入量
实现思路： flink metric类型分为Counter、Gauge、Histogram、Meter，需要统计的是一个累加值因此选取Counter类型的metirc 由于是对任务的流入监控，因此需要在 AbstractDeserializationSchema，实现该接口或者继承抽象类可以完成数据的反序列化与格式化，由于每一条数据都需要进过反序列化处理，那么可以在反序列化的同时进行指标统计 在flink中自定义Metric
1.6K30编辑于 2022-04-18 - 来自专栏深度学习与计算机视觉
MOT：A Higher Order Metric for Evaluating Multi-object Tracking
简介 HOTA: A Higher Order Metric for Evaluating Multi-object Tracking是IJCV 2020的paper，在此之前以MOTChallenge 但是MOTA有些情况下不足以衡量出多目标跟踪的性能，甚至都不如IDF1，所以这篇文章重新考量了多目标跟踪任务，并提出一种Higher Order Tracking Accuracy 的Metric。 Evaluation Metric DetA DetA为检测的准确率，评价多目标跟踪中检测器的性能，作用与Precision和Recall差不多，所有类别的总acc如下式表示： aligned} HOTAα=∣TP∣+∣FN∣+∣FP∣∑c∈{TP}A(c) =DetAα⋅AssAα HOTA分解为sub-metric
1.7K40编辑于 2022-05-10 - 来自专栏计算机视觉理论及其实现
RepMet: Representative-based metric learning for classification on
距离度量学习(DML)已成功地应用于目标分类，无论是在训练数据丰富的标准体系中，还是在每个类别仅用几个例子表示的few-shot场景中。在本文中，我们提出了一种新的DML方法，在一个端到端训练过程中，同时学习主干网络参数、嵌入空间以及该空间中每个训练类别的多模态分布。对于基于各种标准细粒度数据集的基于DML的目标分类，我们的方法优于最先进的方法。此外，我们将提出的DML架构作为分类头合并到一个标准的目标检测模型中，证明了我们的方法在处理few-shot目标检测问题上的有效性。与强基线相比，当只有少数训练示例可用时，我们在ImageNet-LOC数据集上获得了最佳结果。我们还为该领域提供了一个新的基于ImageNet数据集的场景benchmark，用于few-shot检测任务。
2.2K20编辑于 2022-09-04 - 来自专栏Linux运维技术之路
ES服务 聚合查询之Metric聚合详解
一、如何理解metric聚合 在[bucket聚合]中，我画了一张图辅助你构筑体系，那么metric聚合又如何理解呢？ 如果你直接去看官方文档，大概也有十几种： 那么metric聚合又如何理解呢？ 我认为从两个角度： 从分类看：Metric聚合分析分为单值分析和多值分析两类 从功能看：根据具体的应用场景设计了一些分析api, 比如地理位置，百分数等等 融合上述两个方面，我们可以梳理出大致的一个mind
53010编辑于 2024-03-07 - 来自专栏7DGroup
Kubernetes 集群部署 Metrics Server 获取集群 Metric 数据
Kubernetes 从 v1.8 开始，资源使用情况的监控可以通过 Metrics API 的形式获取，具体的组件为 Metrics Server，用来替换之前的 Heapster，Heapster从 v1.11 开始逐渐被废弃。
3.7K40发布于 2021-10-27 - 来自专栏AI研习社
博客 | 度量学习笔记(一) | Metric Learning for text categorization
度量学习 (Metric Learning) 是人脸识别中常用的传统机器学习方法，由Eric Xing在NIPS 2002提出，可以分为两种：一种是通过线性变换的度量学习，另一种是通过非线性变化的度量。
1.3K40发布于 2019-05-08 - 来自专栏CSDN文章
Spring接入Metric+Graphite+Grafana搭建监控系统
环境搭建 Metric 主要是记录操作记录，把数据传给Graphite，这个只需要引入依赖就可以了 日志收集系统，可以支持很多的监控系统 一般在Spring项目中用其收集数据，可以发送到Graphite
55410编辑于 2023-11-18 - 来自专栏服务化进程
springcloud gateway高级功能之监控metric中tag修改
springcloud gateway在集成Prometheus后看到监控图中uri是UNKNOWN，如下图：
2.5K30编辑于 2022-01-06
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