在不同的设备之间传输文件除了数据线，网盘传输外是否还有其他优雅的方法？我们可以使用一行Python代码使局域网内的所有设备都可以访问并下载文件夹内的文件。 要求： 电脑中安装配置好python 访问的设备要和电脑处于同一局域网中 步骤 1.查看自己电脑的IP地址 打开一个CMD窗口，输入ipconf
最近公司的一台生产服务器时间不对. 因为机器有域控的需求, 所以加入了域, 想改时间时有这样的提示信息: 某些设置已隐藏或由你的组织管理 百度了很久发现没有解决方法.. 但是突然发现可以使用 运行->cmd 或者是powershell 运行命令: timedate.cpl 的方式进行修改. 问题解决
文章目录 前言一、卸载低版本docker1.1 检查docker版本1.2 删除docker 二、开始安装2.1 安装所需依赖2.2 设置docker yum源2.3 查看所有可用版本2.4 安装Docker 三、启动Docker3.1 启动docker服务、设置开机自启3.2 重启机器测试3.3
Shell补遗 背景 公司一台机器总是会在没有更新补丁的情况下启动失败. 查看所有的配置都没有问题. 但是就是不启动 没办法,准备写一个检查进行启动. 最近写shell很少. 所以总结一下. 思路 判断有没有 服务进程. 如果没有服务进程. 调用启动服务进程 如果有服务进程, 那就不做任何操作. 所
tcpdump和ethereal可以用来获取和分析网络通讯活动，他们都是使用libpcap库来捕获网络封包的。 在混杂模式下他们可以监控网络适配器的所有通讯活动并捕获网卡所接收的所有帧。 要想设置网络接口为混杂模式并执行这些命令来捕获所有的网络封包，需要具有超级用户的权限。 你可以使用这些工具来
https://www.cnblogs.com/micrari/p/8831834.html 1. 问题背景 上周线上某模块出现锁等待超时，如下图所示：我虽然不是该模块负责人，但出于好奇，也一起帮忙排查定位问题。 这里的业务背景就是在执行到某个地方时，需要去表中插入一批数据，这批数据需要根据数据类型
RTO 和 RPO 都是企业灾难恢复（Disaster Recovery, DR）需要考虑的关键指标，这两个指标可以用来指导企业来制定合适的业务系统服务或数据的恢复方案。 RPO（Recovery Point Objective）：即数据恢复点目标，主要指的是业务系统所能容忍的数据丢失量。 如果以定
在LINUX系统中，如果有大量读请求，默认的请求队列或许应付不过来，我们可以 动态调整请求队列数来提高效率，默认的请求队列数存放在/sys/block/xvda/queue/nr_requests 文件中，注意：/sys/block/xvda ，这里 xvda 写的是你自己的硬盘名，因我的是vps所
https://www.cnblogs.com/skandbug/p/16264609.html Strace简介 strace命令是一个集诊断、调试、统计于一体的工具,常用来跟踪进程执行时的系统调用和所接收的信号，我们可以用它来监控用户空间进程和内核的交互。如对应用程序的系统调用、信号传递与进程状
碎碎念 最近在使用Visual studio调试程序的时候，突然冒出了“由于找不到MSVCP140D.dll，无法继续执行代码。重新安装程序可能会解决次问题。”的错误。如下图所示。在网上尝试了很多别人的解决方案，都没有效果。 最后在不懈努力下终于可以正常运行了。 以下我尝试过的无效方案： 很多人说是
目录 1.记忆集(`remembered set`) 1.记忆集(remembered set) 问题：G1将堆区划分成多个region，一个region不可能是独立的，它其中存储的对象可能被其他任意region(这些region可能Old区或者Eden区)中的对象所引用。这样一来，在进行YGC的时
目录 1.Sun Classic VM2.Exact VM3.Sun HotSpot(主流)4.JRockit5.IBM J96.下一代虚拟机Graal VM 1.Sun Classic VM 2.Exact VM 3.Sun HotSpot(主流) 通常所说的JVM都是指的HotSpot。 4.J
# Python学习之十九_程序运行时间的验证 ## 背景 ``` 最近一段时间比较忙. 而且还遇到了一个lua脚本优化redis访问的场景. 想着自己还在学习python(时断时续) 所以想借着这个场景,学习一下python连接redis,以及验证lua脚本和原生redis命令的效率问题. 虽然方
https://finance.sina.com.cn/wm/2023-02-28/doc-imyihfvp8075151.shtml ChatGPT 的爆火使得大家对 AI 进行了深度的讨论，大厂们也都在向公众展示他们所谓的 "生成性人工智能"已经准备好进入黄金时代。 近日，Meta 宣布推出大型
# Oracle的awr的学习与整理 ## 背景 ``` 本来想上周末进行一下总结和汇总 因为周末两天进行了一次长时间的培训.所以没有成行. 只能在工作之余找时间进行总结. 数据库部分自己一个不是很强. 其实也比较抗拒学习数据库相关的内容. 哎.. ``` ## 创建awr的snapshot以及生成
https://www.cnblogs.com/airoot/p/15324883.html 在编写shell脚本的时候经常会用到引号，有些时候却老是忘记单引号和双引号之间的区别，所以就整理一下供以后脑子不好使了的时候前来复习一下。首先说下他们的共同点: 好像就只有一个，就是它们都可以用来界定一个字
Web性能优化工具WebPageTest（二）——性能数据 https://www.cnblogs.com/strick/p/6681692.html 在前一篇《配置》完成后，点击“START TEST”，就可以开始测试，测试需要一段时间。 有时候可能还要排队，如下图所示，测试完成后可查看到测试结果
https://zhuanlan.zhihu.com/p/627152095 sed命令 在Linux中，可以使用sed命令批量删除文本中的空白行。以下是一个示例命令： sed -i '/^$/d' filename.txt 这个命令将会删除 filename.txt 文件中所有的空白行，并且直接在
# Navicat For Redis 的学习与使用 ## 背景 ``` 周末在家看了几个公众号: 说到Navicat 16.2已经有了 Redis的客户端. 想着前段时间一直在学习Redis, 但是没有GUI的工具, 所以想可以试用一下. 这里简单总结和记录一下 ``` ## 最新版的下载地址 `
https://zhuanlan.zhihu.com/p/472040635 写在前面 我的需求 嗯，有几台很老的机器，上面部署的几个很老的应用 我需要每周对机器上的一些内存，磁盘，线程，应用和数据库进行巡查监控，输出运维报告 因为是很老的东西，所以不敢随便乱动，怕掉坑里. 每次巡查都是通过通过命令
