节前，一位朋友让我用尽可能通俗的语言来解释云原生到底是什么。因为朋友不是做技术的，我一下子也不知道怎么回答，就临时起意，用“城市原生”和“云原生”类比来做了一通解释。...于是，在今年春节返乡途中的高铁上，我对跟朋友解释的内容做了一些丰富，写下此篇文章，尽可能用通俗易懂（但肯定不那么全面和准确）的方式，基于自己的理解，用自己的思路，来试图回答关于云原生的三个哲学之问：“云原生是谁...、“云原生从哪里来？”、“云原生要到哪里去？”。 问题1：“我是谁？” 用类比方式来通俗地解释云原生概念。 “云”就像现实中的“城市”。城市的居民是市民，而云中的居民是应用。...所以，我们经常听说，云原生数据库、云原生大数据服务之类的，很多是云服务器提供商提供的，也有不少是第三方提供的。...服务器指的是虚拟机和容器。
According to the GNU convention, there are three platforms involved in the softw...
事件监听机制： A:事件源 事件发生的地方 B:事件 要发生的事情 C:事件处理 针对发生的事情做出的处理方案 D:事件监听 把事件源和事件关联起来...事件源：人(具体的对象) Person p1 = new Person("张三"); Person p2 = new Person("李四"); 事件：受伤...interface 受伤 { 一拳(); // 默认修饰符都是 public abstract，为了便于演示，让方法的返回值均为void类型(也就是无返回值)
MDN的解释： Promise 对象是一个代理对象（代理一个值），被代理的值在Promise对象创建时可能是未知的。它允许你为异步操作的成功和失败分别绑定相应的处理方法（handlers）。...这让异步方法可以像同步方法那样返回值，但并不是立即返回最终执行结果，而是一个能代表未来出现的结果的promise对象。...它最多需要有两个参数：Promise 的成功和失败情况的回调函数。...另外catch无法捕获在异步方法里抛出的异常 finally 方法由于无法知道promise的最终状态，所以finally的回调函数中不接收任何参数，它仅用于无论最终结果如何都要执行的情况。...，返回的结果也是一个数组，将会按照参数内的 promise 顺序排列，而不是由调用 promise 的完成顺序决定.
我们在网络的行为（例如看文章、购物、上传图片），简单来说都是向服务器发送消息、接收服务器的消息，这个过程很像信鸽传书。...为了更加形象，我们把通信过程中的主要角色服务器、客户端、黑客的称呼也替换一下，Alice、Bob、Mallory。...但这样还不够稳妥，Alice 决定让最权威的 Ted 来签名，Ted 是干啥的？...他非常有名望，是个绝对值得信赖的家伙，他的签名大家都认，Ted 就是大名鼎鼎的 CA（Certification Authority）。...Alice 与 Ted 建立了合作，Ted 收到 Alice 的请求就会为她签名，而 Mallory 是得不到 Tex 给 Alice 的签名的，这样 Bob 就可以放心了。
1.什么是keystone 通俗解释 就像出国时海关专门验证和检查自己身份的一个组织undefined专业解释 keystone是openstack中的一个组件，专门为openstack...Project 通俗解释 现在有要同时举行两个比赛，一个是云计算，一个是网络安全,为了区分开比赛的环境，可以在 OpenStack 中创建两个不同的项目 比赛选手分别加入到对应的项目中...Role 通俗解释 相当于普通用户，vip用户,svip用户,它们所享受的服务是不同的。专业解释 (1) 通过各自服务的 policy.json 文件对 Role 进行访问控制。...老版本叫（Tenant） Service 通俗解释 接待服务、客房服务、餐饮服务、娱乐服务、商场服务…专业解释 Service即服务，Nova提供云计算的服务，Glance提供镜像管理服务...Service与Endpoint关系 (1) Admin使用者为管理员，能够修改User Project（Tenant） (2) public使用者为客户端，使用者在外网管理自己云服务器 (3) internal
Bagging是通过bootstrap的方式，从原始的数据集D中得到新的D^；然后再使用一些base algorithm对每个D^都得到相应的gt；最后将所有的gt通过投票uniform的形式组合成一个...这是因为Decision Tree每次切割的方式不同，而且分支包含的样本数在逐渐减少，所以它对不同的资料D会比较敏感一些，从而不同的D会得到比较大的variance。...值得注意的是，不同分支i下的pi是不同的，而且向量pi中大部分元素为零，因为我们选择的只是一部分特征，这是一种低维映射。...特征选择的优点是： 提高效率，特征越少，模型越简单 正则化，防止特征过多出现过拟合 去除无关特征，保留相关性大的特征，解释性强 同时，特征选择的缺点是： 筛选特征的计算量较大 不同特征组合，也容易发生过拟合...容易选到无关特征，解释性差 值得一提的是，在decision tree中，我们使用的decision stump切割方式也是一种feature selection。
前言 作为典型的面向对象的语言，Python中 类 的定义和使用是不可或缺的一部分知识。对于有面向对象的经验、对类和实例的概念已经足够清晰的人，学习Python的这套定义规则不过是语法的迁移。...以创建一个“学生”类为例，最简单的语句是 class Student(): pass 当然，这样定义的类没有包含任何预定义的数据和功能。...()，则执行了一个叫做实例化的过程，即根据定义好的规则，创建一个包含具体数据的学生对象（实例）。...更重要的是，这样的scores属性是暴露出来的，它的使用完全被外面控制着，没有起到“封装”的效果，既不方便也不靠谱。...并且由于__init__规定了实例化时的参数，若传入的参数数目不正确，解释器可以报错提醒。你也可以在其内部添加必要的参数检查，以避免错误或不合理的参数传递。
建造模式：将产品的内部表象和产品的生成过程分割开来，从而使一个建造过程生成具有不同的内部表象的产品对象。建造模式使得产品内部表象可以独立的变化，客户不必知道产品内部组成的细节。...15 解释器模式 俺有一个《泡 MM 真经》，上面有各种泡 MM 的攻略，比如说去吃西餐的步骤、去看电影的方法等等，跟 MM 约会时，只要做一个 Interpreter，照着上面的脚本执行就可以了。...解释器模式：给定一个语言后，解释器模式可以定义出其文法的一种表示，并同时提供一个解释器。客户端可以使用这个解释器来解释这个语言中的句子。...解释器模式将描述怎样在有了一个简单的文法后，使用模式设计解释这些语句。 在解释器模式里面提到的语言是指任何解释器对象能够解释的任何组合。...在解释器模式中需要定义一个代表文法的命令类的等级结构，也就是一系列的组合规则。每一个命令对象都有一个解释方法，代表对命令对象的解释。命令对象的等级结构中的对象的任何排列组合都是一个语言。
当下互联网圈最火的要数"人工智能"了,而人工智能是基于神经网络的,这里简单描述一下"神经网络" 人的神经元 人的神经元 简化版神经元 简化版 上图中的圆圈表示一个"感知器",它可以接受多个输入,产出一个结果...,结果只有两种情况(是)与(否) 举个例子,今天有去看电影的想法,但是否出行,受3个因素影响 有没有可以约的人 有没有适合出行的天气 有没有评分较高的电影 权重 三个因素对出行的影响是不一样的...,影响越大,权重越高 有没有可以约的人(权重为5) 有没有适合出行的天气(权重为8) 有没有评分较高的电影(权重为10) 阈值(下面的13既是阈值) 规则:如果符合条件的因素大于13则出行(结果为是)...简单的说就是,接收大量的数据进行训练,自身不停的修正"阈值"与"权重",让输出的结果更符合人们的预期....比如解决某个地点,共享单车的投放量的问题, 我们可以把"单位时间人流量","附近公交站数量","已投放单车的数量","共享单车的使用率"等收集到的数据,用来训练神经网络,理想情况下,神经网络会自动调整各输入条件的
它与混合云有何不同？多云有哪些用例和安全问题？人们讨论多云策略需要通俗易懂的方法。 ? 多云意味着使用来自多个云计算提供商的多个云服务。就技术术语而言，这很简单，对吧？...一些组织完全只采用一个云计算提供商的云平台，而另一些组织则利用多个云平台，努力利用云计算提供商提供的所有选项和每个云平台带来的不同特性。” 那么就到此为止了，是吗？...需要注意，Cohen的定义和解释并不是真正指的是满足多云的最简单定义，因为它们运行一些来自不同供应商的SaaS应用程序，并且可能在公共云中运行自己的应用程序。...多云由多个云供应商提供的多个云计算平台（公共云或私有云）组成，这些云计算平台没有相互连接。” 那么如何解释为什么使用多云以及为什么适合企业的问题或情况？以下进行一下分解： ? 为什么使用多云？...4个重要因素 虽然定义“多云”相对容易，但是解释多云需要更深入一些。在这个场景中，当定义了多云是“什么”之后，它有助于解释多云的“为什么”。
本质上，贝叶斯公式描述了在给定新信息的情况下如何更新我们的模型。 为了理解原因，我们将看一个简单的例子：用不公平的硬币抛硬币。假设我们有一个神奇的硬币！抛掷时可能出现正面或反面，但概率不一定相等。...这被称为先验，因为它表达了我们在实验之前的知识。 先验分布的密度，以概率形式表达我们对 X 的了解。 所以，假设我们已经扔了我们的魔法硬币，这次得到的结果是反面。它如何影响我们的硬币模型？...我们可以说，如果正面的概率是某个 x，那么我们的实验导致反面的可能性是 1-x。 注意，我们想知道条件和事件的概率分布:我们对参数的概率模型很感兴趣，因为这是我们之前的实验的结果。...当然，我们可以进行越来越多的抛硬币，这可以进一步完善后验。在 k 个正面和 n-k 个反面之后，后验将是所谓的 Beta 分布。 总结 这是最简单的贝叶斯公式解释了。...后验概率正比于先验概率乘以似然函数 或者，换句话说，贝叶斯公式描述了在给定新观察结果的情况下如何更新我们的模型。 因此，它在概率、统计和机器学习中起着基础性的作用。例如，这就是著名的均方误差的来源！
k8s干嘛的？ 微服务，你有100万用户，是不是起码得100台云主机？100台云主机你怎么部署？运行着 ，主机停电死掉了，你怎么知道哪些死掉了？停机上的主机的服务是不是要移动到正常的主机上？...例如下图，我这是3台主机组成的，我不用关心部署在什么地方，只要我启动了docker镜像，它会选择一台主机部署应用， 觉得某个服务运算不过来了，加！...如果在某个机器死了，它会自动把应用转移到其它服务器上。 我现在自动化部署的步骤 结合K8S是这样的，docker bulid 成镜像，推送到私有镜像库，然后触发K8S构建。...K8S 构建也是特别的，它会应用启动完才关闭之前的应用，无缝衔接。...而且它还有个功能，它能加入配置，配置默认变成 linux环境变量，或者还可以变成文件，这就解决了之前说的正式环境的配置不想被人看见。
所以我一直想写一个有意思的文章来解释傅里叶分析，有可能的话高中生都能看懂的那种。所以，不管读到这里的您从事何种工作，我保证您都能看懂，并且一定将体会到通过傅里叶分析看到世界另一个样子时的快感。...但是看看下图： 图a是一个郁闷的正弦波cos（x）；图b是2个卖萌的正弦波的叠加cos(x)+a.cos(3x)；图c是4个发春的正弦波的叠加；图d是10个便秘的正弦波的叠加 随着正弦波数量逐渐的增长...我们看似不规律的事情反而是规律的正弦波在时域上的投影，而正弦波又是一个旋转的圆在直线上的投影。那么你的脑海中会产生一个什么画面呢？...经常有理工科的学生为了跟妹子表现自己的学术功底，用这个公式来给妹子解释数学之美：”石榴姐你看，这个公式里既有自然底数e，自然数1和0，虚数i还有圆周率π，它是这么简洁，这么美丽啊！...、球状的、柱状的、棱柱形的）中的热扩散（即热传导）问题。
： 1：一致性（Consistency） 2：可用性（Availability） 3：分区容错性（Partition tolerance） CAP 理论听起来十分抽象，本文尝试以生活中的例子并用通俗易懂的语言来解释...这时，一个商业想法从你的脑海中闪现：人们总是弱于记忆生活中的事情，而我却拥有超群的记忆力，因此，为何不成立一间公司可以充分运用自己的记忆天赋来赚钱。...你走到妻子的桌子，发现妻子将 John 的航班记录在了本子上，这时你才意识到导致问题的原因，妻子接听到 John 的电话，但你的本子没有 John 的记录。...第五章：更好的办法 这时你才意识到，设计一个分布式的系统是多么的不容易，难道就没有同时满足 一致性和可用性 的设计吗？ 又经过一晚的思考，你想到一个两全其美的办法，新的办法跟之前的很相似。...背后的记录员 上面设计的系统仍然有优化的空间。
然后你希望原始仓库Repo A合并你的工作，你可以在Github上发起一个Pull Request，意思是请求Repo A的所有者从你的A2合并分支。...然后我尝试用类比的方法来解释一下 pull reqeust。想想我们中学考试，老师改卷的场景吧。你做的试卷就像仓库，你的试卷肯定会有很多错误，就相当于程序里的 bug。...老师把你的试卷拿过来，相当于先 fork。在你的卷子上做一些修改批注，相当于 git commit。...给原仓库，让他看到你修改的 bug 原仓库 review 这个 bug，如果是正确的话，就会 merge 到他自己的项目中 至此，整个 pull request 的过程就结束了。...仓库作者看到，你提的确实是对的，就会 merge，合并到他的项目中 所以PR就等于 ”我改了你们的代码，你们拉回去看看吧 ！！！
（可以跳过这个先看卷积过程） 卷积神经网络已经被证明对于二维图像信号处理是非常有效的。然而，对于三维点云信号，额外的维数 z 显著增加了计算量。...另一方面，与普通图像不同的是，大多数三维点云的体素是空的，这使得三维体素中的点云数据通常是稀疏信号。 稀疏的2D image。...这就是 sparse convolution 提出的motivation。下面是一个示例，解释了稀疏卷积是如何工作的。...二、举例子之前的定义 为了逐步解释稀疏卷积的概念，使其更易于理解，本文以二维稀疏图像处理为例。由于稀疏信号采用数据列表和索引列表表示，二维和三维稀疏信号没有本质区别。 1....输出的定义 稀疏卷积的输出与传统的卷积有很大的不同。对于稀疏卷积的发展，有两篇很重要的论文，所以对应的，稀疏卷积也有两种输出。
通俗的解释： VO:(View Object）：视图对象，用于展示层。...DTO（Data Transfer Object）：数据传输对象 DO（Domain Object）：领域对象，就是从现实世界中抽象出来的有形或无形的业务实体。...PO（Persistent Object）：持久化对象，它跟持久层（通常是关系型数据库）的数据结构形成一一对应的映射关系。...以下为自己的浅短理解，主要是用于帮组自己记忆，上边的能理解，就不用看下边的。 自己的理解： 方向：后端–>前端 VO：前端页面显示使用的数据，后端传递给前端的。...PO，传给mapper的方法，进行持久化处理。
从傅里叶变换到小波变换，并不是一个完全抽象的东西，可以讲得很形象。小波变换有着明确的物理意义，如果我们从它的提出时所面对的问题看起，可以整理出非常清晰的思路。...尤其是下边两个非平稳信号，我们从频谱上无法区分它们，因为它们包含的四个频率的信号的成分确实是一样的，只是出现的先后顺序不同。 可见，傅里叶变换处理非平稳信号有天生缺陷。...然而平稳信号大多是人为制造出来的，自然界的大量信号几乎都是非平稳的，所以在比如生物医学信号分析等领域的论文中，基本看不到单纯傅里叶变换这样naive的方法。 ? 上图所示的是一个正常人的事件相关电位。...窗太窄，窗内的信号太短，会导致频率分析不够精准，频率分辨率差。窗太宽，时域上又不够精细，时间分辨率低。 （这里插一句，这个道理可以用海森堡不确定性原理来解释。...于是小波变换的出发点和STFT还是不同的。STFT是给信号加窗，分段做FFT；而小波直接把傅里叶变换的基给换了——将无限长的三角函数基换成了有限长的会衰减的小波基。
闪电网络的原理实在是太过于复杂，白皮书打印出来，28张A4纸，我一字一句啃完，今天试图使用最通俗的话语讲明白。...但支付通道伟大的地方在于可以将各个支付通道连接在一起。比如A和B之间有通道，B和C之间有通道，那A可以通过B向C发送比特币。 那下面就通俗地讲解下支付通道的联网。...具体的过程是这样的： B签署一个1BTC转账密文给C。但C肯定收不到，因为C和B没有打开2-2签名的通道； C拿着B给他的转账密文跑去跟A要1BTC，拟定要签署一个2-2签名的交易。...最简单的关闭双向支付通道，就是双向签署一笔2-2签名的交易，将最后的余额分配状态分别发到各自的地址上，并且在比特币区块链上广播，经过矿工打包确认。这笔交易和我们现在发的交易是一样的。...第二种是双方中的单方终止通道，直接由单方发一笔单签名的交易，将余额发到自己的地址上，对方的币发到对方地址上。但为了防止作弊这种单方终止通道的交易发的币要等1000个确认才能花。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
即时通信 IM
ICP备案
对象存储
实时音视频
