开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

如何使用snap BIGCLAM方法检测重叠社区？

Snap BIGCLAM方法是一种用于检测重叠社区的算法。它基于社区发现的方法，可以识别网络中的重叠社区结构。以下是关于如何使用snap BIGCLAM方法检测重叠社区的步骤：

数据准备：首先，需要准备好网络数据，可以是图形或者图的邻接矩阵表示。确保数据的完整性和准确性。
安装Snap：Snap是一种基于C++的图分析工具包，可以用于社区发现和网络分析。可以从Snap的官方网站（https://snap.stanford.edu/snap/）下载并安装Snap。
数据加载：使用Snap提供的API，将准备好的网络数据加载到Snap的数据结构中。可以使用Snap提供的函数来读取和处理不同格式的网络数据。
创建BIGCLAM对象：使用Snap的API，创建一个BIGCLAM对象。可以设置一些参数，如最大迭代次数、收敛阈值等。
运行BIGCLAM算法：调用BIGCLAM对象的运行函数，开始运行BIGCLAM算法。算法将迭代优化社区结构，直到达到收敛条件。
获取重叠社区结果：使用Snap提供的函数，获取BIGCLAM算法得到的重叠社区结果。结果可以是每个节点所属的社区列表，或者是社区之间的重叠程度。
结果解释和应用：根据获取的重叠社区结果，可以进行进一步的解释和分析。可以根据重叠程度来判断节点在不同社区中的重要性，或者根据节点的相似性来推荐社区间的交互。

腾讯云相关产品和产品介绍链接地址：

腾讯云图数据库 TGraph：https://cloud.tencent.com/product/tgraph
腾讯云人工智能平台 AI Lab：https://cloud.tencent.com/product/ai-lab
腾讯云物联网平台 IoT Hub：https://cloud.tencent.com/product/iothub
腾讯云移动开发平台 MSDK：https://cloud.tencent.com/product/msdk
腾讯云对象存储 COS：https://cloud.tencent.com/product/cos
腾讯云区块链服务 TBC：https://cloud.tencent.com/product/tbc
腾讯云元宇宙服务 TEC：https://cloud.tencent.com/product/tec

请注意，以上链接仅供参考，具体的产品选择应根据实际需求和情况进行评估和决策。

相关搜索:使用Netwrokx进行重叠社区检测如何使用BCEL字节码检测器检测方法调用如何使用eclipse检测java类中的空体方法？如何使用JavaSript类方法中的变量检测最近的父级如何使用MethodCall.invoke(someElementMatcher)创建表示我随后在检测类型中定义的方法的MethodCall？如何使用ping方法检测用户是否在线(活动的Internet连接)如何使用切换运算符和迭代字符串和检测符号的最佳方法 winscp上传加速 x7游戏语音怎么设置 xuesheng建站

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

6.16 VR扫描：谷歌开源MobileNets，旨在提升识别、分析能力

谷歌开源MobileNets，将计算机视觉模型带入智能手机近日，谷歌开源了 MobileNets，它是一个支持多种视觉识别任务的轻量级模型，还能高效地在移动设备上运行。谷歌希望 MobileNets

07

使用FPGA进行 AI 火灾定位-FirAI

问题：近年来，不断增加的城市人口、更复杂的人口密集建筑以及与大流行病相关的问题增加了火灾侦查的难度。因此，为了增强消防人员对火灾事件的快速反应，安装视频分析系统，可以及早发现火灾爆发。

03

[第25期] 你不知道的 CSS - by Chrome 2019

最近看了 Chrome Dev Summit 2019 大会视频, 了解到了很多之前不知道的 CSS 新特性，挺有意思的。

04

用于图神经网络研究的几个实用的数据集

来源：DeepHub IMBA 本文约1500字，建议阅读5分钟本文将为ML/DL图网络的研究提供一些实用的数据集。随着人工智能的兴起，机器学习(ML)和深度学习(DL)得到了迅速发展，并应用于计算机视觉(CV)、自然语言处理(NLP)、推荐等诸多领域。一些研究已经发展出将ML/DL应用于社交网络、社区分类、脑网络分析等网络任务的方法。在这些任务中，数据由图G(V,E)表示，其中V是节点的集合，E是边的集合:节点表示数据点，边表示节点之间的连接。图数据集上的ML/DL是一项新的研究课题，有许多方面需要研

04

用于图神经网络研究的几个实用的数据集

随着人工智能的兴起，机器学习(ML)和深度学习(DL)得到了迅速发展，并应用于计算机视觉(CV)、自然语言处理(NLP)、推荐等诸多领域。一些研究已经发展出将ML/DL应用于社交网络、社区分类、脑网络分析等网络任务的方法。在这些任务中，数据由图G(V,E)表示，其中V是节点的集合，E是边的集合:节点表示数据点，边表示节点之间的连接。图数据集上的ML/DL是一项新的研究课题，有许多方面需要研究。因此，拥有有趣和实用的数据集将有助于研究和开发过程。本文将为ML/DL图网络的研究提供一些实用的数据集。

02

Nginx配置使用certbot自动申请HTTPS证书

在当今互联网环境中，网站的安全性越来越受到重视。HTTPS 作为一种能够提供加密通信和验证网站真实性的协议，已经成为网站安全的基本标准。然而，许多平台提供的 HTTPS 证书往往有有效期限制，比如腾讯云等平台目前提供的证书只有3个月的有效期。这不仅增加了证书管理的复杂性，还可能因为证书过期而导致网站访问中断。

01

图神经网络 | BrainGNN: 用于功能磁共振成像分析的可解释性脑图神经网络

GNN是Graph Neural Network的简称，是用于学习包含大量连接的图的联结主义模型。近年来，图神经网络(GNN)在社交网络、知识图、推荐系统甚至生命科学等各个领域得到了越来越广泛的应用。GNN在对图节点之间依赖关系进行建模的强大功能，使得与图分析相关的研究领域取得了突破。当信息在图的节点之间传播时GNN会捕捉到图的独立性。

02

社交图中的社区检测

在进行社交网络分析时，一个常见的问题是如何检测社区，如相互了解或者经常互动的一群人。社区其实就是连通性非常密集的图的子图。

08

看完了 2021 CSS 年度报告，我学到了啥？

大家好，我是 ConardLi，一年一度的 CSS年度报告如期而至，我挑了一些我感兴趣的部分，和我一起来看看吧～

02

13B模型全方位碾压GPT-4？这背后有什么猫腻

一个参数量为 13B 的模型竟然打败了顶流 GPT-4？就像下图所展示的，并且为了确保结果的有效性，这项测试还遵循了 OpenAI 的数据去污方法，更关键的是没有发现数据污染的证据。

03

PREDATOR: 低重叠三维点云的配准方法（CVPR2021）

图1 PREDATOR的将注意力集中在重叠区域，并选择该区域的显著点，以便在低重叠情况下仍能进行鲁棒配准。

02

每周以太坊进展 2022/12/24

（编者注：本翻译不代表登链社区的立场，也不代表我们（有能力并且已经）核实所有的事实并把他的观点分离开来。）

04

如何在Debian 9上安装和配置Nextcloud

Nextcloud是ownCloud的一个分支，它是一个文件共享服务器，允许您将个人内容（如文档和图片）存储在集中位置，就像Dropbox一样。与Nextcloud的不同之处在于它的所有功能都是开源的。它还会将敏感数据的控制权和安全性返回给您，从而无需使用第三方云托管服务。

03

使用CCS序列数据改进宏基因组拼接效率和物种分类注释

DNA组装是用于研究微生物群落结构和功能的宏基因组流程中的核心方法学步骤。在这里，我们调查太平洋生物科学长期和高精度循环共识测序（CCS）的宏基因组项目的实用性。我们比较了PacBio CCS和Illumina HiSeq数据的应用和性能以及使用代表复杂微生物群落的宏基因组样本的组装和分类分类算法。8个SMRT细胞从沼气反应器微生物组合样品中产生大约94Mb的CCS读数，其平均长度为1319nt，精度为99.7％。CCS数据组合产生了大于1 kb的相当数量的大型重叠群，与从相同样本产生的约190x较大的HiSeq数据集（〜18 Gb）组装的大型重叠群组成（即约占总重叠群的62％）。使用PacBio CCS和HiSeq重叠群的混合组件在装配统计数据方面进行了改进，包括平均重叠体长度和大型重叠群数量的增加。CCS数据的并入产生了两个显性系统的分类学分类，基因组重建的显着增强，使用HiSeq数据单独组合则分类不佳。总而言之，这些结果说明了PacBio CCS在某些宏基因组应用的价值。

02

在OpenCloudOS使用snap安装.NET 6

开源操作系统社区 OpenCloudOS 由腾讯与合作伙伴共同倡议发起，是完全中立、全面开放、安全稳定、高性能的操作系统及生态。OpenCloudOS 沉淀了多家厂商在软件和开源生态的优势，继承了腾讯在操作系统和内核层面超过10年的技术积累，在云原生、稳定性、性能、硬件支持等方面均有坚实支撑，可以平等全面地支持所有硬件平台。

04

学界 | 谷歌 AI 图表示学习最新成果：解决重叠区域描述难题，自动调整超参数

AI 科技评论按，表示实体之间关系的关系数据在网络（如在线社交网络）和物理世界（如蛋白质交互网络）中随处可见。这些数据可以表示为一个带有节点（如用户、蛋白质）和连接它们的边（如社交网络中的朋友关系、蛋白质之间的相互作用）的图。

03

谷歌图表征学习创新：学习单个节点多个嵌入&自动学习最优超参数

表示实体间关系的关系数据在网络世界（如在线社交网络）和现实世界（如蛋白质交互网络（protein interaction network）中无处不在。这些数据可以表示为带有节点（如用户或蛋白质）和连接它们的边（如亲密关系或蛋白质交互）的图。

02

GB/T28181-2022之图像抓拍规范解读和设计实现

GB/T28181-2022相对2016版，对图像抓拍有了明确的界定，图像抓拍在视频监控行业非常重要, Android平台GB28181设备接入端，无需实时上传音视频实时数据的情况下，就可以抓图上传到指定的图像存储服务器上。

01

基于供应链网络的股票收益分析

供应链数据主要描述公司之间存在的商业关系，即客户-供应商关系（customer-supplier）。最近越来越清楚的是，这种关系与上市公司股价的表现具有一定的相关性。Cohen和Frazzini (2008) 发现在美国市场中，分别为供应商和客户的上市公司之间股票价格有明显的相关性和领先滞后效应。Shahrur等 (2009)也在其他22个发达国家股票市场验证了Cohen和Frazzini (2008) 的发现。Wu和Birge (2014) 在此基础上使用中心度等度量指标构建了多个量化交易策略。但有些时候领先滞后效应的方向似乎随着时间和地点的变化而变化，因此对于应该是哪一个没有明确的、最终的一致意见。

02

beaglebone AI环境搭建与运行

本文主要介绍beaglebone的开发过程与启动方式。同时将一套嵌入式Linux开发环境搭建起来。以便于更好的掌握和理解beaglebone AI的使用。工欲善其事，必先利其器，搭建好完整的开发环境，后续的工作才能更好的开展起来。要想用好一款芯片，也需要很好的理解其启动方式。下面来实际的展示操作流程。

03

用于小型图形挖掘研究的瑞士军刀：空手道俱乐部的图表学习Python库

空手道俱乐部（Karate Club）是NetworkX Python软件包的无监督机器学习扩展库。详细可以参阅此处的文档：

01

HTML5的这些api你知道吗？

该API可以用来检测页面对于用户的可见性，即返回用户当前浏览的页面或标签tap的状态变化。在最小化浏览器、切换tap页面时生效.(如需对app中几个webview进行切换操作时，可使用pageVisibility接口进行相应的事件监听和处理。)

07

PREDATOR: 低重叠三维点云的配准方法（CVPR2021）

代码地址：在公众号「计算机视觉工坊」，后台回复「PREDATOR」，即可直接下载。

03

GRADE：联合学习演化节点和社区表示的概率生成模型

今天给大家介绍加拿大蒙特利尔大学的著名学者唐建等人发表的一篇文章。作者在文章中针对现有的图动力学建模方法不能明确地捕捉到时间上的社区动态这一问题，提出了通过在轨迹上施加随机游走来学习生成不断发展的节点和社区表示的概率模型-GRADE。同时该模型还学习了通过过渡矩阵在时间步长之间进行更新的节点社区成员身份。实验表明，GRADE在动态链接预测中达到或超过基线模型，在动态社区发现方面显示出良好的性能，并且能识别出连贯且可解释的不断发展的社区。

06

90%的时间都在解决网络问题，锅总告诉你一个合法途径解决，很稳!

01

解决Ubuntu更新Snap Store失败

这个是因为当前Snap Store正在运行，可以看到，当前的进程号是 1701 ，只需要在终端输入 kill 1701 就好啦

04

技术干货| MongoDB事务原理

点击下方公众号关注并分享，获取MongoDB最新资讯！ MongoDB作为领先的NoSQL，为了支撑更多的需求场景，也在不断完善其功能。从早期支持大吞吐量读/写操作的MMAPv1存储引擎，到引入支持高并发操作的WiredTiger存储引擎，以及对事务功能的持续演进，MongoDB不仅保留了最初的架构优势，同时又汲取了其他数据库的优点。 MongoDB从 3.0版本引入WiredTiger存储引擎之后开始支持事务，MongoDB 3.6之前的版本只能支持单文档的事务，从MongoDB 4.0版本开始支持复制集

01

罗海雄：仅仅使用AWR做报告? 性能优化还未入门（含PPT）

编辑手记：祝贺罗海雄老师加入Oracle ACE社区，他是数据库SQL开发和性能优化专家，也是ITPUB论坛的资深版主，我们整理了罗老师一篇AWR裸数据分析的文档，供大家学习参考

02

未授权访问火眼红队工具

一个由国家支撑的顶尖的竞争者窃取了火眼的红队工具。因为我们认为竞争者已经拥有这些工具，并且我们不知道攻击者是否打算自己使用被盗的工具还是公开披露它们，所以火眼在此博客中发布了数百种对策，以使安全社区能够保护自己免受这些工具的攻击。我们已将防御策略整合到我们的火眼产品中，并与合作伙伴，政府机构共享了这些策略，以显着限制不良行为者利用红队工具的能力。

05

12 岁神童重振 Unity 桌面、开发软件仓库客户程序、为 Ubuntu 构建游戏环境......、

近期Ubuntu社区有几个发展动向值得关注：社区软件仓库的新客户程序、帮助广大Ubuntu游戏玩家的工具以及这些背后的12岁神童Rudra Saraswat（https://wiki.ubuntu.com/rs2009）。 Rudra Saraswat 他在2月1日宣布了Una。它是一个客户程序，旨在简化从MPR即Makedeb Package Repository安装软件的任务。MPR对社区贡献的软件而言是新的大本营，相当于Arch Linux的AUR。他还创建了Gamebuntu，他将其描述为“一

01

Ceph快照详解

Ceph的快照与其他系统的快照一样，是基于COW(copy-on-write)实现的。其实现由RADOS支持，基于OSD服务端——每次做完快照后再对卷进行写入时就会触发COW操作，即先拷贝出原数据对象的数据出来生成快照对象，然后对原数据对象进行写入。于此同时，每次快照的操作会更新卷的元数据，以及包括快照ID，快照链，parent信息等在内的快照信息。

07

Snap加入GIFCT，互联网巨头通力合作齐反恐

大数据文摘作品，转载要求见文末编译 | 袁璐、宁云州在如今的网络环境下，连恐怖主义都已经进入了“新媒体时代”，与“老牌”恐怖组织（如“基地”组织）大有不同。以IS为代表的恐怖主义开拓了“网络圣战”的新阵地。 IS甚至自己建立了一个媒体帝国，专门监控视频和内容的生产，依靠网络和社交媒体来宣传曝光自己、招募新成员。极端组织的支持者已经在社交媒体上形成了一个严密的社区结构，恐怖主义专家伯杰（JMBerger）指出，一个为Twitter专门设计的名为The Dawn of Glad Tiding的APP，让IS

06

轻量高可用的 K8s 集群搭建方案：MicroK8s

MicroK8s 是 CNCF 认证的 Kubernetes 发行版，由 Ubuntu 背后的商业公司 Canonical 开发和维护。它和完整版的 Kubernetes 一样支持高可用特性（HA），支持快速组建 K8s 集群。适合用于边缘计算、IoT、以及使用 KubeFlow 的 MLOps 机器学习场景。

03

以太坊共识算法

共识算法是区块链项目的核心之一，每一个运行着的区块链都需要一个共识算法来保证出块的有效性和有序性，在以太坊的官方源码中，有两个共识算法—clique和ethash，它们位于以太坊项目的consensus目录下，其中clique是PoA(权威证明，Proof of Authority)共识，它主要用于测试网络，ethash是目前以太坊主网Homestead版本的PoW(工作量证明，Proof of Work)共识算法，用于正式网络。

02

Soft-NMS – Improving Object Detection With One Line of Code

非最大抑制是目标检测流程的重要组成部分。首先，它根据所有检测框的得分对它们进行排序。选择得分最大的检测框M，抑制与M有显著重叠(使用预定义阈值)的所有其他检测框。这个过程递归地应用于其余的框。按照算法的设计,如果一个目标重叠在预定义的阈值,就丢弃它。为此,我们提出Soft-NMS,衰变的算法检测的所有其他目标作为一个连续函数的重叠与m。因此，没有目标在这一过程中消除。Soft-NMS获得一致的改善coco-stylemAP指标，在标准数据集PASCAL VOC 2007 (RFCN 和Faster-RCNN上为) MS-COCO (R-FCN上1.3% 和Faster-RCNN上为 .1%) 没有过改变任何额外的hyper-parameters。NMS算法使用Deformable R-FCN，Sost-NMS在单一模型下将目标检测的最新水平从39.8%提高到40.9%。此外，Soft-NMS和传统的NMS计算复杂度很接近，因此能够有效实现。由于Soft-NMS不需要任何额外的训练，而且易于实现，因此可以轻松地集成到任何目标检流程中。

02

如何将Alexa添加到Raspberry Pi（或任何Linux设备）

我们的Amazon Alexa虚拟设备项目旨在提供将Alexa添加到任何Linux设备（包括Raspberry Pi板等嵌入式系统）的功能。

00

Ubuntu Server 第三章包管理

我们说到Linux的时候，所指代的意义是不同的，一般认为Linux指的是Linux内核，而Linux内核是硬件系统向上对应用提供接口的一个中间层，本质上Linux内核也是一个应用，不过该应用面向的是硬件与其他应用。在操作系统中，我们经常接触到一个词，"库文件"，Linux下有".so"结尾的库文件，Windows下有".dll"结尾的库文件。库文件的存在是为了方便开发者开发应用，。对下层调用硬件资源，对上层提供友好的开发接口，使开发应用降低复杂度，也能实现功能。

01

CentOS 与 Ubuntu 有什么不同？

豌豆贴心提醒，本文阅读时间5分钟 Linux 中的可选项似乎“无穷无尽”，因为每个人都可以通过修改一个已经发行的版本或者新的白手起家的版本(LFS) 来构建 Linux。关于 Linux 发行版的选择，我们关注的因素包括用户界面、文件系统、软件包分发、新的特性以及更新周期和可维护性等。在这篇文章中，我们会讲到两个较为熟知的 Linux 发行版，实际上，更多的是介绍两者之间的不同，以及在哪些方面一方比另一方更好。什么是 CentOS？ CentOS（Community Enterprise Op

09

在Ubuntu安装和使用Anbox完整说明（一种在Linux使用Android应用的方法）

https://blog.csdn.net/ZhangRelay/article/details/84671811

04

NextCloud私有云盘安装部署记录

描述:由于个人家里的NAS以及公司团队对私有网盘的进行日常工作文件同步以及协同办公的需求,所以有了这篇文章，讲解记录从选项到安装以及同步使用等相关操作;

03

带你了解以太网

本文为joshua317原创文章,转载请注明：转载自joshua317博客 https://www.joshua317.com/article/54

03

干货 | 百万QPS，秒级延迟，携程基于实时流的大数据基础层建设

纪成，携程数据开发总监，负责金融数据基础组件及平台开发、数仓建设与治理相关的工作。对大数据领域开源技术框架有浓厚兴趣。

01

DeepLab2：用于深度标记的TensorFlow库(2021)

[paper]DeepLab2: A TensorFlow Library for Deep Labeling [code]DeepLab2: A TensorFLow Library for Deep Labeling DeepLab2 是一个用于深度标注的 TensorFlow 库，旨在为密集像素标注任务提供统一的、最先进的 TensorFlow 代码库，包括但不限于语义分割、实例分割、全景分割、深度估计，甚至视频全景分割。

01

Ubuntu 18.04等Linux系统安装Anbox并使用它运行Android应用程序

Android模拟器应用程序允许我们直接从Linux系统运行Android应用程序或游戏，本文介绍在Ubuntu Linux 18.04系统中安装Anbox的方法，包括其他Linux发行版上的安装方法，并且介绍启动及应用Anbox来运行Android应用程序。

05

Linux下软件的依赖问题

Linux软件的依赖关系是非常复杂的，通常的Linux都是依靠软件包管理工具来自动解决依赖关系的。以经常出现的Debian和Redhat这两大类来说，无论是deb包，还是rpm，都存在很严重的依赖问题。反观这个问题在Windows和Unix系统中就比较少见。当然Windows有时候遇见缺少某个动态链接库的时候，但是非常少，即使这种情况出现了，在Windows下一般可以比较容易的解决，例如安装某个版本的VC++库。OS X（Mac OS，苹果系统算是商业Unix系统）中，这个问题也不算严重。

00

再见，Ubuntu，你好，Manjaro

上周，我撰写了一篇题为《给 Ubuntu 的一封分手信》的文章，纪念我过去 15 年甚至更久时间里一直坚守的Linux 发行版 Ubuntu。Ubuntu 一直致力于为用户提供易于使用的 Linux 桌面环境，它以让用户简单易上手为目标，并且在绝大部分时间里，这个目标都得以实现。然而，最近的一次更新使 Ubuntu 变得显得缓慢且庞大，应用程序需要花费几分钟才能加载，一些 USB 设备，比如我的胶片扫描仪，突然变得无法使用。我很快找到了问题的源头——新引入的 Snap 包。因此，我知道，现在是时候放弃 Ubuntu 寻找另一种发行版了。

03

图论方法在大脑网络中的应用

网络神经科学是一个蓬勃发展且迅速扩展的领域。从分子到行为尺度的大脑网络的数据的规模和复杂性都在不断增加。这些数据的发展对建模和分析大脑网络数据的合适工具和方法具有强烈的需求，例如由图论提供的工具和方法。本文概述了一些最常用的，且在神经生物学上富有洞察力的图度量方法和技术。其中，网络社区或模块化的检测，以及对促进通信和信号传输的中心节点的识别尤为突出。在这个领域，一些新兴的趋势是生成模型、动态（时变）和多层网络的日益广泛使用，以及代数拓扑的应用。总的来说，图论方法对于理解大脑网络的结构、发展和进化至关重要。本文发表于Dialogues Clin Neurosci杂志。。

01

如何避免Cephfs被完全毁掉

一套系统的最低要求是可恢复，也就是数据不丢失，但是在各种各样的原因下，整套系统都有被毁掉的可能，一直以来有个观点就是存储是需要两套的，一般情况下很难实现，但是如何把故障发生的概率降低到最低，这个是我们需要考虑的问题最近在社区群里面又听闻一个案例，一套系统的文件系统被重置掉了，也就是fs被重建了，实际上这属于一个不应该有的操作，但是已经发生的事情，就看怎么样能在下次避免或者把损失降到最低，对于hammer版本来说，重建cephfs只是把目录树给冲掉了，实际的目录还是能创建起来，但是这其实是一个BUG，并且在最新的Jewel下已经解决掉这个问题，这就造成无法重建目录树，在Jewel下，在不修改代码的情况下，文件都可以扫描回来，但是全部塞到了一个目录下，对于某些场景来说，这个已经是最大限度的恢复了，至少文件还在，如果文件类型可知，也可以一个个去人工识别的，虽然工作量异常的大，但至少文件回来了，这种情况，如果有保留文件名和文件md5值的强制要求的话，文件是可以完全找回来的，当然，这都是一些防范措施，看有没有重视，或者提前做好了预备

01

使用shell自动化诊断性能问题(一)（r11笔记第41天）

一直以来要做性能分析的自动化工作，但是久久没有动笔，今天索性来更新一版。首先我希望得到的一个基本效果就是后台去扫描数据库的DB time，如果超出了阈值，比如这里我设置的为400（即DB time为400%），则会开启自动诊断的任务。时间范围是提前一个小时和当前时间。我对已有的脚本做了一些改动，加了一些逻辑，后续还会不断完善。 DBTIME_THRESHOLD=400 DATE=`date '+%Y%m%d'` BEGIN_HOUR=`date -d"1 hour ago" +"%H"` END_HOU

06

Linux上也有10个流行的Windows应用程序

据数据分析公司Net Market Share声称，Linux桌面操作系统的使用率已达到了2%。对这款开源操作系统来说，这可是前所未有的成就。

01

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭