- 综合排序
- 最热优先
- 最新优先
- 来自专栏敏而好学
SMF服务管理 和 FMA故障管理 常用操作
SMF: $ svcs -a # 显示所有服务的状态，既显示已禁用的服务又显示已启用的服务 $ svcs -l FMRI # 显示包括依赖性的服务的状态。
50530发布于 2020-02-11 - 来自专栏京程一灯
5 分钟搭建 Node.js 微服务原型
SMF 框架是开箱即用的解决方案： https://github.com/krawa76/smf 让我们看看它如何帮你创建和部署微服务原型而无需编写任何代码。 其他的重要文件是 smf-stack.json（项目配置），smf-env.json（容器 env 变量），通用的 Dockerfile 和 smf-docker.yml（docker-compose） 演示服务，main 模块 要停止项目，请运行 $ smf down 添加新服务 让我们添加一项服务，该服务可以通过消息代理发送和接收消息，并将某些内容保存到数据库中： $ smf add service 让我们再次运行该项目查看其运行情况： $ smf up 现在我们有 4 个容器在运行：RabbitMQ、MongoDB、demo 和 service1。 docker-compose 日志 可以再次使用 smf down 命令停止该项目。 我们可以类似地添加更多服务，如果选择相同的消息代理服务，它们都会通过消息中心交换消息。
1.4K12发布于 2020-03-16 - 来自专栏光芯前沿
Nvidia高性能/低成本CPO创新方案：单模光纤 + 硅光集成偏振控制替代保偏光纤，实现2.7倍封装成本降低
英伟达研究团队提出以单模光纤（SMF）替代 PMF 的创新方案，通过在硅光芯片（SiPh PIC）上集成主动偏振跟踪系统，解决 SMF 耦合引入的偏振态（SOP）漂移问题。 对比分析显示，PMF 方案的总开销为 SMF 的 2.7 倍，其中光纤转接盒成本达 SMF 方案的 161.5%。 4.2 成本优势量化 将PMF替换为全SMF后，关键成本项显著降低。通过将前面提到的4个关键组件的单独成本，除以全SMF解决方案的总成本进行归一化来量化其影响。 如表 III所示，估计使用 PMF 的总开销大约是 SMF 的 2.7 倍。用 SMF 替换 PMF 可以显著降低这些成本。PMF 的使用占实现 CPO 所需光学组件总成本的 15.2%。 通过切换到 SMF，这一成本可降低至仅 5.6%。 五、结论与行业影响 英伟达的这项研究首次在 CPO 系统中实现 SMF 对 PMF 的规模化替代，通过硅光子集成技术弥补了偏振控制短板。
2K00编辑于 2025-06-09 - 来自专栏JavaEdge
拼夕夕三轮面经:被问到反射的bug,你中招了吗？
[watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_SmF2YUVkZ2U=,size_16,color_FFFFFF,t_70]若不使用反射，选用哪个重载方法很清晰 [watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_SmF2YUVkZ2U=,size_16,color_FFFFFF,t_70] 所以不管传包装类型还是基本类型 ,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_SmF2YUVkZ2U=,size_16,color_FFFFFF,t_70] 通过反射调用子类方法： [watermark =,size_16,color_FFFFFF,t_70] [watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_SmF2YUVkZ2U=,size_16, =,size_16,color_FFFFFF,t_70] 但还是出现重复日志 [watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_SmF2YUVkZ2U
80200发布于 2021-02-23 - 来自专栏Web技术布道师
基于Swoole的通用连接池 - 数据库连接池
连接池 open-smf/connection-pool 是一个基于Swoole的通用连接池，常被用作数据库连接池。 依赖 >=7.0.0 安装 通过 Composer 安装。 composer require "open-smf/connection-pool:~1.0" 使用 更多 示例 。 基本用法 use Smf\ConnectionPool\ConnectionPool; use Smf\ConnectionPool\Connectors\CoroutineMySQLConnector \ConnectionPool\ConnectionPool; use Smf\ConnectionPool\ConnectionPoolTrait; use Smf\ConnectionPool\Connectors \CoroutineMySQLConnector; use Smf\ConnectionPool\Connectors\PhpRedisConnector; use Swoole\Coroutine\MySQL
1.7K30发布于 2019-04-24 - 来自专栏敏而好学
svcs所看到的服务状态说明
SMF： 服务管理工具 (Service Management Facility, SMF) 服务状态 svcs 命令显示服务实例的状态、开始时间和 FMRI。 legacy_run－传统服务不由 SMF 进行管理，但是可查看服务。此状态只能由传统服务使用。 maintenance－服务实例遇到错误，必须由管理员解决。
53510发布于 2020-02-11 - 来自专栏JavaEdge
原来大厂的Redis分布式锁都这么设计的!
而在分布式多服务实例场景下必须使用分布式锁[watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_SmF2YUVkZ2U=,size_16,color_FFFFFF [watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_SmF2YUVkZ2U=,size_16,color_FFFFFF,t_70] 2.2 分布式锁演进 阶段二[watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_SmF2YUVkZ2U=,size_16,color_FFFFFF,t_70] // 1. redis支持使用setNxEx命令 阶段三 [watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_SmF2YUVkZ2U=,size_16,color_FFFFFF 阶段五 确保加锁/解锁都是原子操作[watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_SmF2YUVkZ2U=,size_16,color_FFFFFF
93030发布于 2021-01-27 - 来自专栏光芯前沿
OpenLight的300Gb/s硅光异质集成InP电吸收调制器(EAM)
调制后的光信号通过 500 米和 6 公里的单模光纤（SMF）进行传输，模拟了实际光通信中的不同传输距离场景。 在所有的 SMF 传输情况下，均观察到了负功率代价现象。这主要是由于调制器啁啾和色散相互作用导致的。具体来说，EAM 具有负啁啾特性，在光信号通过单模光纤传输过程中，它能够对累积的群速度色散进行补偿。 在 500 米 SMF 光纤传输后，出现了负功率代价现象，而在 6 km传输后则没有功率代价。 PAM8 信号在 6 km SMF 上的传输同样无法实现。 在500m SMF 光纤传输后，没有出现功率代价现象。
97800编辑于 2025-04-08 - 来自专栏七禾页话
通信｜5G，NSSAI的小总结
Sim卡在只有LTE覆盖的下发起LTE attach的时候就会带有N1 Mode Support的能力，同时也会在PCO里增加PDU Session ID的申请，在完善的网络定义下，这些申请就会到达支持SMF 功能的PGW，因此PGW(SMF)通过N10(SMF-UDM)接口从UDM中拿到apn对应的切片信息后通过Create Session Response中的ePCO发给SGW/MME，最终通过MME转给 slice，经过抓包看到UE发PDU establishment request后，AMF没有做任何的NRF查询直接使用CC91 reject此PDU建立请求，最终定位是此用户使用的dnn所属的切片(smf-selection-data 11-1, 22-2) AMF<-----> UDM <-----> UDR Get NSSAI: 11-1(default), 22-2 AMF<-----> UDM <-----> UDR Get smf-selection-data
1.4K30编辑于 2022-11-23 - 来自专栏JavaEdge
大厂都在用的MySQL主从复制、读写分离及高可用方案
Group Replication 2.2 核心 主库写 binlog 从库 relay log [watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_SmF2YUVkZ2U MySQL Asynchronous Replication [watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_SmF2YUVkZ2U=,size_16 ,color_FFFFFF,t_70][watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_SmF2YUVkZ2U=,size_16,color_FFFFFF [watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_SmF2YUVkZ2U=,size_16,color_FFFFFF,t_70] [watermark [watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_SmF2YUVkZ2U=,size_16,color_FFFFFF,t_70] 基于 Perl 语言开发
9.2K12发布于 2021-02-20 - 来自专栏用户6291251的专栏
Python数据科学：方差分析
import statsmodels.formula.api as smf import statsmodels.api as sm import pandas as pd # 读取数据,skipinitialspace 对缺失的数据进行删除 df = pd.read_csv('creditcard_exp.csv', skipinitialspace=True) df = df.dropna(how='any') # smf :最小二乘法,构建线性回归模型, ana = smf.ols('avg_exp ~ C(edu_class) + C(gender)', data=df).fit() # anova_lm:多因素方差分析 # 消除pandas输出省略号情况 pd.set_option('display.max_columns', 5) # smf:最小二乘法,构建线性回归模型 anal = smf.ols('avg_exp
2K10发布于 2020-10-09 - 来自专栏网络技术联盟站
一篇文章了解同轴、双绞线和光纤，干网络的这些常识得懂！
根据光模的数量，光可分为单模光纤（SMF）和多模光纤（MMF）。 所谓“模”，是指光信号以一定的角速度进入光纤。 图 4：SMF 和 MMF 与具有相同RJ45接口的双绞线不同，光纤有几十种规格，如SFP、SFP28、QSFP+、QSFP28等。除了外形，连接器类型也有变体，LC、SC、MPO24等。 图 5：海底电缆图 由于SMF和MMF的特性，SMF通常用于长距离传输，例如海底电缆，而MMF服务器则位于服务器和网络设备之间的数据中心。
4.4K41编辑于 2023-03-05 - 来自专栏全栈程序员必看
5G的网络切片功能概述「建议收藏」
重新路由到Target AMF Target AMF向PCF查询用户信息 返回接入网，注册完成 会话过程中对切片的选择： 用户发起PDU会话建立的请求 消息发送到AMF后会根据用户的DNN切片去选择SMF 若此时无法选择SMF则向NSSF发送请求、 NSSF会放回一个NRF的地址通过NRF选择SMF SMF会选择相应的UPF完成会话建立过程 全国统一定义切片标识，完成全国性业务，各省也可以各自各自的情况设置自己的业务标识
7.5K30编辑于 2022-11-11 - 来自专栏囍楽云博客
qam调制信号功率-基于单个光调制器，实现多路无线和有线信号的高效传输
复旦大学余建军教授研究团队提出了一种采用双极化马赫-曾德尔调制器生成多路无线和有线信号的系统方案，并通过实验成功实现两路5 Gbaud QPSK无线信号和一路5 Gb/s OOK基带信号在80 km单模光纤（SMF 复旦大学余建军教授研究团队提出了一种采用双极化马赫-曾德尔调制器（DP-MZM）生成多路无线和有线信号的系统方案（如图2所示），并通过实验成功实现两路5 Gbaud QPSK无线信号和一路5 Gb/s OOK基带信号在80 km单模光纤（SMF 实验结果表明，5 Gb/s OOK基带有线信号经80 km SMF传输后的功率代价仅为1 dB，承载5 Gbaud QPSK的15 GHz和30 GHz信号经80 km SMF传输后的功率代价分别为2
65310编辑于 2022-12-26 - 来自专栏全栈程序员必看
5G核心网UPF是什么_3gpp 5g协议
数据包检查：使用 SDF（Service Data Flow，服务数据流）的 traffic filter templates 或者接收从 SMF 发出的 3-tuple（协议、以及服务端的 IP 地址和端口 N9：两个 UPF 之间的接口，例如：I-UPF 和 UPF of PDU Session Anchor（简称：锚 UPF）之间 N6：DN 和 UPF 之间的接口，即连接外部 PDU 和 DN N4：SMF UPF 通过 N4 参考点从 SMF 接收 user plane traffic flow，并最终根据 rules 实现数据分流。
27.5K31编辑于 2022-09-20 - 来自专栏ATYUN订阅号
如何规避线性回归的陷阱（上）
使用Python的statsmodels包将模型拟合到这个数据集，得到以下拟合参数: import pandas as pd import statsmodels.formula.api as smf data multi_data = pd.read_csv('weight-height.csv') # Fit linear regression model to data multi_model = smf.ols multi_model2 = smf.ols(formula='Weight ~ Height + C(Gender) + Height_cm', data=multi_data).fit() multi_model2 np.random.normal(0, 5, 200) nl_data = pd.DataFrame({'X':x, 'Y':y}) # Fit linear regression to data nl_model = smf.ols = nl_data['X'].apply(lambda x: x**2) # Refit model to data, including the new variable nl_model2 = smf.ols
1.2K20发布于 2019-10-21 - 来自专栏二猫の家
statsmodels 最小二乘法 线性回归
formula，无需手动增加截距项 import statsmodels.formula.api as smf formula = "AmountSpent ~ Salary + Catologs + Children" 3.2 OLS拟合 model = smf.ols
1K10编辑于 2022-12-05 - 来自专栏WordPress果酱
WordPress 论坛插件：Simple Forum
WordPress 用户的角色和权限 有多种语言版 评论： 首先从这个插件的功能就知道这个插件是非常具有特色的，我个人没有去试过这个插件并且以后也不太可能用使用它，唯一的原因是，我的论坛运行在独立的域名下并且使用SMF 为什么你选择它而不是安装一个独立的论坛软件如 SMF 或者 phpbb。 对作者有什么建议吗？
76730编辑于 2023-04-13 - 来自专栏用户6291251的专栏
Python数据科学：Logistic回归
import matplotlib.pyplot as plt import sklearn.metrics as metrics import statsmodels.formula.api as smf lg = smf.glm('bad_ind ~ fico_score', data=train, family=sm.families.Binomial(sm.families.links.logit) ~ fico_score + bankruptcy_ind + tot_derog + age_oldest_tr + rev_util + ltv + veh_mileage""" lg_m = smf.glm format(response, ' + '.join(selected + [candidates])) # 生成自变量的AIC解释力度 aic = smf.glm format(response, ' + '.join(selected)) print('final formula is {}'.format(formula)) model = smf.glm
2.2K31发布于 2020-10-09 - 来自专栏DeepHub IMBA
使用Statsmodel进行假设检验和线性回归
我们可以使用 t 检验和 p 值来检验这个假设： import statsmodels.formula.api as smf model = smf.ols('Y ~ X', data=data 我们可以使用 Statsmodel 进行多元线性回归 假设要对“Y”变量与两个自变量“X1”和“X2”之间的关系建模，那么代码如下： model = smf.ols('Y ~ X1 + X2', data
93710编辑于 2023-08-28
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