https://zhuanlan.zhihu.com/p/263081764 Meltdown/Spectre在2018年初闹得沸沸扬扬, 可以说是有史以来最有影响的cpu漏洞了. 当时有过简单了解, 但是不够深入, 这两天重新又看了一下. 背景知识 乱序执行 cpu的乱序执行一般都使用Tomasu
https://zhuanlan.zhihu.com/p/82078346 财政赤字率一般被定义为财政赤字与国内生产总值的比率，欧盟一般将3%作为衡量财政风险的警戒线，我国也基本上按照这一衡量标准，将赤字率长期都控制在3%。 2016年，在经济结构性调整、大幅度减税降费、落实积极财政政策的改革背景下
io_uring vs epoll ，谁在网络编程领域更胜一筹？ 2021-12-16 1473举报 简介： 从定量分析的角度，通过量化 io_uring 和 epoll 两种编程框架下的相关操作的耗时，来分析二者的性能差异。 3.jpg 本文作者：王小光，「高性能存储技术SIG」核心成员。 背景
导读 本文略长，主要解决以下几个疑问 1、聚集索引里都存储了什么宝贝 2、什么时候索引层高会发生变化 3、预留的1/16空闲空间做什么用的 4、记录被删除后的空间能回收重复利用吗 1、背景信息 1.1 关于innodb_fill_factor 有个选项 innodb_fill_factor 用于定义
研究Rocksdb已经有七个月的时间了，这期间阅读了它的大部分代码，对底层存储引擎进行了适配，同时也做了大量的测试。在正式研究之前由于对其在本地存储引擎这个江湖地位的膜拜，把它想象的很完美，深入摸索之后才发现现实很骨感，光鲜背后都有不为人知的辛酸苦辣。同时这也给幻想追求完美技术的我打了一针清醒剂，任
本书由B站京西漫步老师推荐，并提供了相应的学习资源，有同感兴趣的朋友，可以加我好友免费分享资源。 本书主要以总结笔记，原文+译文+部分案例实操为主。 预计更新时间为23年6月-23年7月。 本系列笔记背景，笔者在经过一年左右的陆陆续续的学习和实践中，对Powerbi有了初步的应用和学习，但是零散的学
大家好！我是sum墨，一个一线的底层码农，平时喜欢研究和思考一些技术相关的问题并整理成文，限于本人水平，如果文章和代码有表述不当之处，还请不吝赐教。 以下是正文！ 一、写文背景 我们在写后端项目的时候，日志打印是必需的。支持SpringBoot项目的日志框架一般有log4j、logback，这二者各
大家好！我是sum墨，一个一线的底层码农，平时喜欢研究和思考一些技术相关的问题并整理成文，限于本人水平，如果文章和代码有表述不当之处，还请不吝赐教。 以下是『微信小程序生态系列文章』正文！ # 需求背景 我们是一个提供SaaS服务的小程序服务商，会给每一个客户申请一个专属的小程序，到目前为止已经差不
基于文本识别（OCR）技术的成熟与应用，日常生活中的大部分“印刷体识别”需求都能被满足，替代了人工信息录入与检测等操作，大大降低输入成本。 而对于复杂的手写体识别需求，业界识别质量却参差不齐。大部分手写体存在字迹潦草，排版不固定，背景复杂，且不同的字体风格各异等问题，给手写体识别带来极大的挑战，不过
想要做好业务，老板们除了要梳理好公司级别的业务目标，公司的组织架构，还要搭个有产出的班子，也就是找负责人、建团队，让组织架构充实起来。搭班子最重要的就是把负责人找到，就是团队1号位的人。本文主要讲团队负责人的主要作用，怎么才能找到，不同背景的优劣势，以及各方面的要求。 研发效能团队1号位 「火车跑得
> 摘要：本文由葡萄城技术团队于博客园原创并首发。转载请注明出处：[葡萄城官网](https://www.grapecity.com.cn/)，葡萄城为开发者提供专业的开发工具、解决方案和服务，赋能开发者。 # 前言 本文主要介绍Go语言、进程、线程、协程的出现背景原因以及Go 语言如何解决协程的问
摘要：该论文将同一图像不同视角图像块内的语义一致的图像区域视为正样本对，语义不同的图像区域视为负样本对。 本文分享自华为云社区《[NeurIPS 2022]基于语义聚合的对比式自监督学习方法》，作者：Hint 。 1.研究背景 近些年来，利用大规模的强标注数据，深度神经网络在物体识别、物体检测和物体
摘要：华为云Stack全链路故障诊断与分析平台，以云网络中的逻辑网络、虚拟网络、物理网络作为网络故障分析诊断切入点，以三层网络路径拓扑为核心，端到端实现三层网络路径可视化。 本文分享自华为云社区《云网络运维必备神器：全链路故障诊断与分析》，作者： 周艳春｜华为云Stack高级工程师。 背景 网络作为
摘要：震网病毒主要是通过改变离心机的转速，来破坏离心机，并影响生产的浓缩铀质量。 本文分享自华为云社区《【安全技术】震网（Stuxnet）病毒深度解析：首个攻击真实世界基础设施的病毒（1）【原创分析】》，作者：云存储开发者支持团队 。 第一章 震网病毒背景【源自网络】 2006年，伊朗重启核计划，在
图片墙有什么用？ 掌握以后，做封面就不慌了。减轻了找素材的压力 手动排列 插入任意大小矩形，好处，不需要对插入的张图片单独调整大小 右击进行组合，然后拉面整个PPT页面 插入8张图片 设置蒙版 画个大的矩形 SmartArt 插入图片，上面步骤，填充背景色 总结
接触过TensorFlow v1的朋友都知道，训练一个TF模型有三个步骤：定义输入和模型结构，创建tf.Session实例sess，执行sess.run()启动训练。不管是因为历史遗留代码或是团队保守的建模规范，其实很多算法团队仍在大量使用TF v1进行日常建模。我相信很多算法工程师执行sess.run()不下100遍，但背后的运行原理大家是否清楚呢？不管你的回答是yes or no，今天让我们一
作者：平台研发部，智能服务与产品部 距离加文·伍德提出web3.0已经过去8年时间，这8年加文·伍德创建的以太坊大放异彩，同时由web3.0引出的数字人、元宇宙也生根发芽，茁壮成长，带来了非凡的用户体验。 在互联网产业都在寻求打造元宇宙新生态系统的背景下，数字人担任着信息制造、传递的责任，是连接虚实
在分布式系统中， 什么是拜占庭将军问题？产生的场景和解决方案是什么？什么是 Raft 共识算法？Raft 算法是如何解决拜占庭将军问题的？其核心原理和算法逻辑是什么？除了 Raft，还有哪些共识算法？共识问题作为分布式系统的一大难点和痛点，本文主要介绍了其产生的背景、原因，以及通用的 Raft 算法解决方案。
应用健康度是反馈应用健康程度的指标，它将系统指标分类为基础资源、容器、应用、报警配置、链路这几项，收集了一系列系统应用的指标，并对指标进行打分。 应用健康度的每一项指标显示着系统在某一方面可能存在的隐患和安全问题；因此提高应用健康度对于系统监控具有重要意义。知其然需知其所以然，了解应用健康度中的指标背后的隐患，对于我们了解和提升系统安全性很有帮助。 笔者作为后端研发工程师，同时在推动组内应用健
内容概要 上一节内容 介绍了用开源系统若依(ruoyi)搭建页面的过程。在实际项目中，经常遇到多数据源后者主从库的情况。本节记录若依多数据源配置过程中遇到的问题排查过程。 背景描述 1.上一节在ry-vue库中新建了表t_user，这次新建数据库jingyes，新加同样的表t_user。其他功能不变
