摘要：服务发生性能恶化时，需要投入大量人力分析性能异常根因，分析成本高，耗时长。我们提出了一种先在异常调用链内部分析候选根因，再在全局拓扑环境下对候选根因进行汇聚的二级分析方法，克服了调用链之间异常相互影响导致根因难以确定的问题，快速识别和定位恶化接口的根因。 本文分享自华为云社区《【AIOps专题
摘要：借助Serverless计算，开发者仅需上传业务代码并进行简单的资源配置便可实现服务的快速构建部署，云服务商则按照函数服务调用量和实际资源使用收费，从而帮助用户实现业务的快速交付和低成本运行。 本文分享自华为云社区《Serverless冷启动：如何让函数计算更快更强？》，作者：DevAI 。
摘要：本案例我们利用视频字幕识别中的文字检测与识别模型，增加预训练Bert进行纠错 本文分享自华为云社区《Bert特调OCR》，作者：杜甫盖房子。 做这个项目的初衷是发现图比较糊/检测框比较长的时候，OCR会有一些错误识别，所以想对识别结果进行纠错。一个很自然的想法是利用语义信息进行纠错，其实在OC
摘要：微服务改造是政企客户云原生演进的重头戏，但如何做到成本低、安全性高、性能不变、方便调用等，却是一门学问。本文讲述华为云Stack的解决之道。 本文分享自华为云社区《【华为云Stack】【大架光临】第17期：更安全、更低耗的微服务架构改造之道》，作者：杨奕 华为云技术规划专家。 在以往的文章《云
摘要：由于DVPP媒体数据处理功能对存放输入、输出数据的内存有更高的要求（例如，内存首地址128字节对齐），因此需调用专用的内存申请接口，那么本期就分享几个关于DVPP内存问题的典型案例，并给出原因分析及解决方法。 本文分享自华为云社区《FAQ_DVPP内存问题案例》，作者：昇腾CANN。 DVPP
摘要：本文主要介绍GaussDB(DWS)网络流控能力，并对其管控效果进行验证。 本文分享自华为云社区《GaussDB(DWS)网络流控与管控效果》，作者：门前一棵葡萄树。 上一篇博文GaussDB(DWS)网络调度与隔离管控能力，我们详细介绍了GaussDB网络调度逻辑，并简单介绍了如何应用网络隔
摘要：在昇腾平台上运行PyTorch业务时，需要搭建异构计算架构CANN软件开发环境，并安装PyTorch 框架，从而实现训练脚本的迁移、开发和调试。 本文分享自华为云社区《手把手教你在昇腾平台上搭建PyTorch训练环境》，作者：昇腾CANN。 PyTorch是业界流行的深度学习框架，用于开发深度
摘要：开发者如何拥抱这波AIGC浪潮？ 本文分享自华为云社区《大咖论道，大模型时代软件研发效率革命》，作者：华为云社区精选。 根据GitHub的一项调查，92%的受访开发者正在借助AI编码工具来完成工作和其他项目。另一方面，AI已经通过了大厂L3工程师入职测试，可自如应对数组/字符串、动态规划等技术
摘要：华为云API Explorer为开发者提供一站式API解决方案统一平台，集成华为云服务所有开放API，支持全量快速检索、可视化调试、帮助文档、代码示例等能力，帮助开发者快速查找、学习API和使用API开发代码。 本文分享自华为云社区《10大功能特性，助力开发者玩转华为云API Explorer
华为云API Explorer为开发者提供一站式API解决方案统一平台，集成华为云服务所有开放API，支持全量快速检索、可视化调试、帮助文档、代码示例等能力，帮助开发者快速学习API，使用API开发代码实现自动化运维。
UCS（On-Premises）旨在将云上的服务能力延伸至各行业的客户的本地数据中心，结合volcano的AI作业管理及智能调度能力、xGPU的GPU虚拟化能力，帮助用户快速在IDC构建云原生的AI基础设施，更细粒度的使用GPU资源，让用户聚焦AI的业务开发，最大限度释放AI大模型算力潜能。
一文get昇腾Ascend C编程入门全部知识点，只需要了解C++编程、理解对列通信与内存申请释放机制、通过调用相应的计算接口与搬运接口，就可以高效写出运行在昇腾AI处理器上的高性能算子。
背景 最近项目更新频繁，每次一更新客户都说还跟之前的一样。一查原因是因为客户没有清空浏览器的缓存。所以为了方便客户看到最新版本，开始调研再发布新版本后自动清理缓存。 方案 每次打包后的js和css都加上hash值后缀。当文件发生改变时，hash值也改变。这样就不会走缓存 举个例子 vue.confi
## 1、先推荐一下自己搭的网站 ### 1.1 网站地址：[chatGPT](https://www.hangyejingling.cn/) ### 1.2 建站原因 为了方便大家在国内使用chatGPT,所以我调研了一下。在国内用腾讯云使用代理访问，gpt3.5API。最后模仿了openAI的官
面对同样的客户端请求，SpringCloud Gateway可以转发给不同的服务去处理，掌握这个技能，让请求从微服务入口处被掌控，被调度
扫雷游戏相信很多人都从小玩过，在那个电脑游戏并不多的时代，扫雷成为玩的热度蛮高的一款游戏之一，然而就在有一次，接触到了一次不寻常的扫雷过程，使得后来我也有了这个冲动，也来做一次。通过动态调试，逆向和C来写一个扫雷辅助工具从而提高逆向与编码技能。
搜索推荐算法架构为京东集团所有的搜索推荐业务提供服务，实时返回处理结果给上游。部门各子系统已经实现了基于CPU的自适应限流，但是Client端对Server端的调用依然是RR轮询的方式，没有考虑下游机器性能差异的情况，无法最大化利用集群整体CPU，存在着Server端CPU不均衡的问题。
本文从 Commons DBCP testOnBorrow 的作用机制着手，管中窥豹，从一点去分析数据库连接池获取的过程以及架构分层设计。以下内容会按照每层的作用，贯穿分析整个调用流程。
目标 保证系统不因流量过载而挂。 现状：人工限流 正常的微服务限流工具都需要人工配置：支持应用负责人事先配置限流规则（接口 + 调用方 + 限流阈值），流量在阈值以下可以正常响应，超过阈值的流量会快速失败。这种方案存在如下问题： 问题 1. 接口多，无法全面覆盖 要想保证系统不因流量过载而挂，那就需
我们希望将这些rpc结果数据缓存起来，并在一定时间后自动删除，以实现在一定时间后获取到最新数据。类似Redis的过期时间。本文是我的调研步骤和开发过程。
