- 综合排序
- 最热优先
- 最新优先
- 来自专栏summerking的专栏
浅谈VIP地址漂移
# 何为漂移 通常情况下，两台服务器都具有一块以上的网卡，每块网卡都应该有一个IP地址，同时，还应该有一个漂移IP地址，该地址为工作IP地址。因此，最简单的主从方式下，双机系统要占用3个网络地址。 在发生主机切换的情况下，主机一的地址恢复为200.10.10.1，而主机二的地址会由200.10.10.2变为200.10.10.3，这就是地址漂移。 因为ip地址只是一个逻辑地址，在以太网中MAC地址才是真正用来进行数据传输的物理地址，每台主机中都有一个ARP高速缓存，存储同一个网络内的IP地址与MAC地址的对应关系，以太网中的主机发送数据时会先从这个缓存中查询目标 IP对应的MAC地址，会向这个MAC地址发送数据。 当218 发现217宕机后会向网络发送一个ARP数据包，告诉所有主机192.168.1.219这个IP对应的MAC地址是00:21:5A:DB:7F:C2，这样所有发送到219的数据包都会发送到mac地址为
4.4K10编辑于 2022-10-27 - 来自专栏spark 与大数据
特征漂移指标 PSI
机器学习使用训练数据（训练集和验证集）建模，使用测试数据模拟生产环境数据测试模型结果，其建模的假设是：训练数据涵盖了该问题所有的案例数据，即训练数据和测试（生产）数据之间的差异是很小的。 下面对公式说一些说明： A （actual）表示实际分布，即生产数据，E（expected）表示期望分布，即训练数据。期望生产数据尽可能和训练数据的分布一样。i 表示每个分箱。 这个公式的意思是：将每个分箱下的生产数据和期望数据做数学计算后再将结果求和。 0.0002 0.006158 各分箱的 psi 求和 psi = psi_df['psi'].sum() print(psi) # 0.4533650280982507 通过上述代码实现可以看出：特征漂移实际是在计算预期数据和实际数据的分布差异情况 计算方式没有什么变化，只是用的数据不一样而已。 上述代码中训练数据特征 x1、x2、x3，线上数据特征 z1、z2、z3。
82340编辑于 2023-11-06 - 来自专栏全栈程序员必看
VRRP虚IP漂移
这时，虚拟地址 192.168.1.253 看上去就像是 漂移 到备用路由上一样。 换句话讲，网关成功进行切换，而且无需修改其他机器的网关配置！ 主路由恢复，重新响应 ARP 请求，夺回流量； 备用路由发现主路由恢复，停止响应 ARP 请求，释放流量处理权； 总结起来， VRRP 主要做两件事情： 通过 ARP 响应 MAC 地址实现虚 IP 漂移 ； 通过健康检查决定什么时候进行虚 IP 漂移； 应用场景 本质上， VRRP 是用来实现高可用的，与网关无关。 局限性 由于 VRRP 依赖 ARP 实现 IP 漂移，因此相关机器必须在同个网络内， 不能跨网段 。
1.5K30发布于 2021-04-07 - 来自专栏云云众生s
工程师配置漂移控制指南
采用漂移检测和修复策略对于维护弹性基础设施至关重要。我转向著名的工程领导者，他们分享了他们解决配置漂移挑战的经验和最佳实践。他们的见解为在复杂环境中实施有效的策略来预防、检测和修复漂移提供了路线图。 他补充道：“在尽早发现漂移方面，像Driftctl和Terraform内置的漂移检测工具有助于在配置更改成为更大的问题之前发现它们。” 在存储方面，务必解决应用程序数据的存储方式和位置。 数据安全：切勿以明文形式存储敏感数据。对静态数据和传输中的敏感数据进行加密。处理高度敏感数据时，请使用AES-256等强大的加密方法。考虑使用专用的密钥管理系统来安全地管理您的加密密钥。 定期备份：虽然版本控制至关重要，但请将应用程序数据定期备份到单独的安全位置，以防止在重大中断或灾难中数据丢失。 集中式配置管理 分散在多个系统和文件中的配置会造成管理噩梦并导致配置漂移。集中式配置管理系统为环境中的所有配置数据提供单一事实来源。
60700编辑于 2025-02-06 - 来自专栏网络工程师笔记
如何处理MAC地址漂移？
一 什么情况下出现MAC漂移？ MAC地址漂移是指设备上一个VLAN内有两个端口学习到同一个MAC地址，后学习到的MAC地址表项覆盖原MAC地址表项的现象。 二 如何处理MAC漂移 1、确认发生MAC地址漂移的接口 执行命令display mac-address flapping，查看设备上所有的MAC地址漂移的历史记录。 Move-Ports表示发生MAC地址漂移后的端口，可能出现多个漂移后端口。 2、检查是否存在环路 a、执行命令display interface brief | include up，检查接口流量。 3、检查是否存在相同MAC地址的终端或者非法用户MAC攻击 如果产生告警的MAC地址是固定的一个MAC地址或者少许MAC地址，且端口计数正常，可以根据发生MAC地址漂移的接口查找下挂终端是否存在使用相同 说明： 在使用多网卡对接服务器的场景下，交换机连接服务器的接口建议加入Eth-Trunk，或者关闭VLAN的MAC漂移检测功能。
3.1K31发布于 2021-05-17 - 来自专栏王的机器
测度转换 (下) – 漂移项转换
根据伊藤定理推出 由漂移项为零可推出 μQ= r。 CMG 定理只是在变换测度时，将一个无漂移的布朗运动变成了一个带漂移的布朗运动。布朗运动多出来的漂移可以在 SDE 上的漂移项上做调整，实际上测度变换能做的就是改变漂移项。 通常我们用 SDE 来模拟标的价格和计价物的价格，而 SDE 包含漂移项和扩散项，本章我们就来讨论「测度-计价物-漂移项」之间的关系。 如果 A(t) 和 B(t) 的漂移项也和资产价格水平成比例，即 我们可以继续化简上式 到此，我们有三种不同程度（从通用到特定）的漂移项关系，总结在下表。 技术附录 漂移项转换和布朗运动转换 ?
2.6K10发布于 2020-02-17 - 来自专栏用户5637037的专栏
基于视觉分析的过程漂移综合检测
原文标题：Comprehensive Process Drift Detection with Visual Analytics 摘要：最近的研究将概念漂移的思想引入到过程挖掘中，以便能够分析业务流程随时间的变化 然而，这种研究还没有解决漂移分类、钻探和量化的挑战。本文提出了一种新的过程漂移管理技术-视觉漂移检测(VDD)。 该技术首先对从执行业务流程的记录日志中发现的基于相似性的声明性流程约束进行聚类，然后在识别的集群上应用变更点检测来检测漂移。VDD通过详细的可视化和对漂移的解释来补充这些特性。
71360发布于 2019-07-17 - 来自专栏云云众生s
如何控制云基础设施漂移
在此过程中，我们每月处理近 320,000 次漂移，因此我们真正了解基础设施漂移问题的巨大规模和影响。我们还发现，90% 使用 IaC 的大规模部署都会遇到漂移，而其中约有一半的情况未被发现。 当漂移未得到检查时，它会带来超出轻微不便的风险。 我们 2024 基础设施即代码报告 的数据显示，它经常未得到检查。基础设施漂移不仅经常未被发现地潜伏着，即使被发现，也没有立即得到修复。 首先：主动漂移检测的实用方法 有效管理漂移需要强大的监控和检测，以及行之有效的方法来尽快减轻漂移。 漂移检测工具：Driftctl 和 KubeDiff 等开源工具提供有针对性的漂移检测功能。 这些是检测漂移的好方法，但目标必须是修复漂移。 接下来：漂移修复策略 修复漂移主要有两种形式：使云环境与 IaC 保持一致，或更新 IaC 以反映实际状态。
41310编辑于 2024-12-04 - 来自专栏CNCF
使用Argo CD和GitOps解决配置漂移问题
这种持续的监视对于解决配置漂移非常重要，配置漂移在具有大量部署目标的组织中是一个非常常见的问题。 不同Kubernetes集群之间的配置漂移 配置漂移是一个即使在传统虚拟机中也存在的问题，而且早在Kubernetes出现之前，它就一直困扰着生产部署。 另一个由配置漂移引起的隐藏问题是，逐渐丢失了在机器/节点上部署了什么以及最后一次更改的确切时间的知识。Argo CD解决了这个问题，它将Git作为当前部署和过去所有部署的真实来源。 其他CI/CD解决方案将完全忽略此更改，这为配置漂移问题提供了环境。 Argo CD会理解集群上发生了变化，这两种状态（集群配置和Git清单）不再相同。 这意味着Argo CD配置的漂移（至少对Kubernetes应用程序而言）完全消除了，特别是在启用了自动同步行为的情况下。
1.4K40发布于 2020-12-24 - 来自专栏工程师看海
高通滤波器去除基线漂移案例分析
以前介绍过低通滤波器、高通滤波器以及一阶滤波器和二阶滤波器的差别，今天结合下实际案例介绍下高通滤波器去除人体基线漂移的过程。 4550.html 一阶滤波器和二阶滤波器： https://www.dianyuan.com/eestar/article-4626.html 事情的背景是采集人体生物信号时，发现采集的信号一直上升，不断漂移 这属于低频干扰，最简单最常见的做法就是在ADC的前端加入一个高通滤波器 下图是取消所有信号调理电路，只加入高通滤波器后的采集结果如下图，采集了整整90秒，信号漂移被抑制掉。 在数据采集时我们一般需要通过低通滤波器抑制掉不需要的高频干扰，然后再通过高通滤波器抑制掉不需要的低频干扰，只采集我们感兴趣频带内的信号，这是两种最基本的信号调理方式。
89820编辑于 2022-06-23 - 来自专栏绿盟科技研究通讯
【顶会论文分享】OWAD：应对正常数据漂移的通用框架
对于数据的漂移，现有研究主要集中在异常行为的概念漂移上，然而仅通过正常数据学习的异常检测不受异常行为漂移的影响，其正常状态发生变化时的影响是很大的，比如新补丁、新设备和新协议都有可能改变正常模式，进而可能导致大量的假阳性和假阴性 ，而这种正常数据的漂移在很大程度上没有被探索。 本文介绍一种检测、解释和适应正常数据漂移的通用框架OWAD【1】，这篇论文首次探索了安全应用中基于深度学习的异常检测的正常数据漂移，特别地，OWAD以无监督方式检测漂移，在标记开销较小的情况下，能够提供更好的正常数据漂移自适应性能 图1 OWAD概述和实例 首先，假设数据的收集包括与训练数据同分布的xc和新分布的xt，需要检测新分布是否发生漂移。 因此，我们需要首先解释旧数据空间和新数据空间之间的正常数据漂移是如何发生的。
95610编辑于 2024-03-13 - 来自专栏云云众生s
Reddit不再受漂移的Kubernetes配置困扰
仍在工作的集群的配置已经发生漂移，并以未记录的方式变得定制化。 停用集群相当于“昂贵的考古学搜寻，以找到所有必须停用的不同基础设施”，说。
33410编辑于 2025-01-11 分布漂移下的实时异常检测技术
理论框架与算法创新通过对抗性建模将数据分布漂移和异常值统一视为"遗忘型对手"的干预。 提出裁剪随机梯度下降（clipped SGD）方法，其核心创新在于：梯度裁剪机制：通过动态计算样本影响力上限（clipping threshold），限制异常样本对模型的干扰自适应学习率：推导出介于分布漂移最优速率与噪声环境最优速率之间的平衡值无先验假设 ：不依赖数据方差边界或分布形式的预设条件关键技术突破双重容错能力：首次严格证明算法可同时处理分布漂移（概念漂移）和异常值（标签噪声）误差边界控制：采用马蒂格尔浓度不等式证明误差阈值的高概率收敛性动态适应 ：性能随数据流复杂度（漂移幅度/异常比例）自动平滑退化实验验证在MNIST数据集构建验证场景：基准分布：旋转数字"0"作为正常样本异常样本：其他数字（如"1"-"9"）漂移模拟：在关键节点切换基准数字（
16100编辑于 2025-08-04- 来自专栏深度学习与python
基础设施即代码：只是漂移管理还不够
也许，代码漂移是最常见的漂移类型，但由于现如今软件架构和依赖关系的复杂性，配置漂移也很常见。开发人员可能会在分支创建完成后在过渡环境或预生产环境中新建一张表。 在接下来的几节中，我们将介绍几种配置漂移的管理方法。 图 1 代码漂移示例 配置漂移的影响 代码会在多个环境中“传播”，从个人工作站到共享开发、测试、QA、过渡以及生产环境。 配置漂移会影响员工满意度，导致与开发体验相关的指标下降。 减少漂移的方法 配置漂移多少有些不可避免。不过有许多方法可以减少配置漂移。在接下来的内容中，我们将探讨漂移管理的一些实用方法。 这是由包括数据库、服务在内的所有云原生资源所致，它们都位于应用程序之外，但对于其正常运行至关重要。 通过维护每个环境的状态，可以知道它是否发生了漂移，并决定是否触发一次自动更新。我们希望任何生产环境都不出现漂移。
87720编辑于 2023-03-29 - 来自专栏云深之无迹
参考源漂移如何影响系统精度（YUNSWJ 解读版）
LT1021 的数据手册实在是宝贝，这篇文章解读里面的参考漂移如何影响系统精度，以及如何通过 TRIM 引脚微微修正。 Effect of Reference Drift on System Accuracy 参考漂移如何影响系统精度 原文在说什么 A large portion of the temperature drift 在很多系统中，温度漂移误差预算里最大的一块，往往来自“参考电压”本身；不是 ADC、不是放大器、不是算法，而是 Vref。 比如我现在的目标是：10 V 基准，只有十 µV 级漂移→ 1 ppm 级 这意味着什么？即便是 LT1021-10B（2–5 ppm/°C），在 ±10°C 内→ 也必然超预算。 那国内的这些数据手册我就学不到这些了 但即便如此： the output of the LT1021 can be loaded with a trim potentiometer 也就是说我们仍然可以在外部做调整
12610编辑于 2026-01-23 - 来自专栏微卡智享
Android OpenCV（四十四）：图像分割（均值漂移）
均值漂移（Mean-Shift） MeanShfit 均值漂移算法是一种通用的聚类算法，通常可以实现彩色图像分割。 参数三：sp，漂移的物理空间半径大小。 参数四：sr，漂移的颜色空间半径大小。 参数五：maxLevel，用于分割的金字塔的最大级别。 参数六：termcrit，终止标准：何时停止均值漂移迭代。 sp，sr越大，平滑效果越明显，处理时间越长 操作 由于Mean-Shift均值漂移无法直接分割图像，我们配合漫水填充法执行分割操作。 /** * Mean-Shift 均值漂移 * * @author yidong * @date 11/25/20 */ class MeanShiftActivity : AppCompatActivity
1.2K50发布于 2021-07-30 - 来自专栏云云众生s
API漂移的浪潮：使用模拟来保持漂浮
文档是蓝图，指导开发人员如何使用API，预期什么数据以及系统将如何响应。但在快速发展的项目中，对实现的更改可能会超过对文档的更新，反之亦然。这种差距造成了API漂移，这可能会导致许多问题。 API漂移的后果 预期不符: 开发人员需要清晰的API文档来了解端点应该如何运行，预期什么数据格式以及如何有效地集成API。 这种一致性对于防止API漂移至关重要，因为它保证了前端和后端团队都对API的预期结构、功能和数据流具有共同的认识。 使用模拟的好处包括镜像预期的API结构： 数据结构的准确性和一致性: 使用模拟数据时，开发人员使用的数据结构精确地反映了声明的API。 这种开放性降低了误解的可能性，增强了协调性，并保证每个修改都针对相同的准确基线进行评估 降低累积漂移的风险: 实时数据还有助于防止累积漂移。当文档和实现处于持续观察和改进状态时，漂移的可能性较小。
64710编辑于 2024-11-26 - 来自专栏爱可生开源社区
第28问：SIP 漂移时，会影响正在使用的数据库连接么？
问题 我们经常使用浮动 IP（SIP，或叫 VIP），来完成数据库的高可用部署。业务通过访问浮动 IP，始终访问主数据库。 如果业务正在访问数据库时，数据库主从发生切换，导致 SIP 漂移，那正在使用的数据库连接会受到影响么? 实验 我们创建同子网的两台虚拟机，分别安装 MySQL。 再准备一台额外的虚拟机，用来模拟业务，访问数据库，此处省略安装过程。 我们在数据库中用 sysbench 灌入数据，此处省略步骤，只看结果： ? 然后向数据库执行一个 select，这里我们用了一个 sleep，使得数据库返回结果集慢一些，大概每秒输出 1000 行左右： ?
1K20发布于 2020-12-14 - 来自专栏AI智能体从入门到实践
构建AI智能体：当AI开始“失忆“：深入理解和预防模型衰老与数据漂移
数据漂移则是模型衰老的主要推手。它表现为模型输入数据的统计分布随时间发生变化，导致训练数据与生产环境数据出现显著差异。 数据漂移可分为三种类型：协变量漂移，即输入特征分布变化；概念漂移，指输入输出关系发生变化；先验概率漂移，表示目标变量分布改变。 数据漂移1. ，标准差10 # 当前数据（生产期数据）- 模拟数据漂移 current_data = np.random.normal(55, 12, 800) # 均值漂移到55，标准差变为12 ，标准差10 # 当前数据（生产期数据）- 模拟数据漂移 current_data = np.random.normal(55, 12, 800) # 均值漂移到55，标准差变为12
30721编辑于 2026-01-11 - 来自专栏机器人网
风云突变，世界电子版图大漂移
大概是从2011年开始，日系电子企业开始了全面溃败，转眼四年过去，中国企业的格局都更新换代了几次，日本那边依旧处於泥泞之中，无法自拔。现在，关于日系电子企业的新闻充斥着亏损、裁员、撤退等负面字眼，总能让人闻到一股死亡的味道。那些昔日辉煌的企业，比如索尼、夏普、日立、任天堂等等，不仅是日本电子业的骄傲，也让全世界为之疯狂，时至今日，笔者有位朋友的抽屉里还安放着索尼的walkman和PSP,但它们已经永远地沉睡了，朋友想听歌了就打开iPhone6 Plus,想玩游戏了就打开iPhone6 Plus，
1K60发布于 2018-04-13
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