查看当前启动内核 root@BJ-CentOS7 ~ # uname -sr Linux 3.10.0-957.21.3.el7.x86_64 查看当前默认启动内核 root@BJ-CentOS7 ~ # grub2-editenv list saved_entry=CentOS Linux (3.10.0-693.el7.centos.toa.x86_64) 7 (Core) 确认系统内当前已安装内核版本 root@BJ-CentOS7 ~ # cat /boot/grub2/grub.cfg | gre
CentOS（Community Enterprise Operating System）是Linux发行版之一，它由来自于Red Hat Enterprise Linux（RHEL）依照开放源代码规定发布的源代码所编译而成。由于出自同样的源代码，因此有些要求高度稳定性的服务器以CentOS替代商业版的Red Hat Enterprise Linux使用[1]。自从红帽公司单方面宣布终止CentOS的开发后，我们腾讯云的用户也逐步开始将应用迁移到其它操作系统上。由于CentOS 7的维护终止日期在2024年6月30日，距离当前还有一段时间，所以还有少量客户在继续使用着该版本。
为什么cpu在内核收包时突然发生了异常，异常号是14，执行async_page_fault处理异常，处理异常时发现发现cr2中地址处于内核空间中，内核是不会发生page fault的，async_page_fault MMU会触发，kvm环境下kvm也会触发，那一定是kvm的问题了。
目前互联网业界主流的服务器开发系统主要包括linux和windows两款操作系统，很多网络服务商需要获取客户端的真实IP和Port，特别是IP地址，对业务策略进行制定，优化；同时客户端的IP和Port信息作为基本的统计数据，对线上业务运营的监控和评估具有非常重要的意义。大部分情况下，服务器端可以通过网络API直接获取连接的网络信息，但是针对服务器前侧添加了代理的网络框架来说，就无法直接通过网络API来获取了。而TOA通过扩展TCP首部的可选字段，可以很好的将客户的真实的IP和Port信息传递到服务器端。因此需要一种手段可以在服务器侧来解析TOA字段，linux系统下的获取在业界有比较成熟的方法获取，但是windows系统下至今没有一种成熟的方案去获取。
上次文章提到了SLB（Service Load Balance)负载均衡器，在公有云中主要使用NAT模式进行地址翻译，但部分服务商的SLB只支持FULL NAT模式，造成无法获取终端访问者的Source IP，怎么解决？
之前的某一天早晨，在查看线上报警的时候，发现下面这样一个场景，Redis复制报错，一直提示加载RDB不成功，记录一下这个案例，希望有所帮助吧。
导语 | 最近，在写Go代码的时候，我发现了其特别有意思的两个奇技淫巧或者黑魔法，若使用得好可以提升性能，用得不好就会招来恶魔，嘿嘿，于是写下这篇文章和大家分享一下。 一、魔法：调用runtime中的私有函数 按照Go的编译约定，代码包内以小写字母开头的函数、变量是私有的： package test // 私有func abs() {} // 公共func Abs() {} 对于test包中abs函数只能在包内调用，而Abs函数却可以在其它包中导入后使用。 私有变量、方法的意义在于封装：控制
Generic SBCS UNICODE TCHAR char wchar_t _TEOF EOF WEOF _TINT int wint_t _TSCHAR signed char wchar_t _TUCHAR unsigned char wchar_t _TXCHAR char wchar_t __T(x) x L __targv __argv __wargv __tcserror _strerror __wcserror __tcserror_s _strerror_s __wcserror_s _cgetts _cgets _cgetws _cgetts_s _cgets_s _cgetws_s _cputts _cputs _cputws _fgettc fgetc fgetwc _fgettc_nolock _fgetc_nolock _fgetwc_nolock _fgettchar _fgetchar _fgetwchar _fgetts fgets fgetws _fputtc fputc fputwc _fputtc_nolock _fputc_nolock _fputwc_nolock _fputtchar _fputchar _fputwchar _fputts fputs fputws _ftprintf fprintf fwprintf _ftprintf_l _fprintf_l _fwprintf_l _ftprintf_p _fprintf_p _fwprintf_p _ftprintf_p_l _fprintf_p_l _fwprintf_p_l _ftprintf_s fprintf_s fwprintf_s _ftprintf_s_l _fprintf_s_l _fwprintf_s_l _ftscanf fscanf fwscanf _ftscanf_l _fscanf_l _fwscanf_l _ftscanf_s fscanf_s fwscanf_s _ftscanf_s_l _fscanf_s_l _fwscanf_s_l _get_tpgmptr _get_pgmptr _get_wpgmptr _gettc getc getwc _gettc_nolock _getc_nolock _getwc_nolock _gettch _getch _getwch _gettch_nolock _getch_nolock _getwch_nolock _gettchar getchar getwchar _gettchar_nolock _getchar_nolock _getwchar_nolock _gettche _getche _getwche _gettche_nolock _getche_nolock _getwche_nolock _getts gets _getws _getts_s gets_s _getws_s _i64tot _i64toa _i64tow _i64tot_s _i64toa_s _i64tow_s _istalnum isalnum iswalnum _istalnum_l _isalnum_l _iswalnum_l _istalpha isalpha iswalpha _istalpha_l _isalpha_l _iswalpha_l _istascii __isascii iswascii _istcntrl iscntrl iswcntrl _istcntrl_l _iscntrl_l _iswcntrl_l _istdigit isdigit iswdigit _istdigit_l _isdigit_l _iswdigit_l _istgraph isgraph iswgraph _istgraph_l _isgraph_l _iswgraph_l _istlower islower iswlower _istlower_l _islower_l _iswlower_l _istprint isprint iswprint _istprint_l _isprint_l _iswprint_l _istpunct ispunct iswpunct _istpunct_l _ispunct_l _iswpunct_l _istspace isspace isw
Landsat8_C2_TOA数据集是将数据每个波段的辐射亮度值转换为大气层顶表观反射率TOA，是飞行在大气层之外的航天传感器量测的反射率，包括了云层、气溶胶和气体的贡献，可通过辐射亮度定标参数、太阳辐照度、太阳高度角和成像时间等几个参数计算得到。为了便于在线分析存储，平台将影像像素值扩大了10000倍。Landsat-8卫星包含OLI陆地成像仪（Operational Land Imager）和TIRS热红外传感器（Thermal Infrared Sensor）两种传感器，每16天可以实现一次全球覆盖。Landsat-8 在空间分辨率和光谱特性等方面与Landsat 1-7保持了基本一致，卫星一共有11个波段，波段1-7，9-11的空间分辨率为30米，波段8为15米分辨率的全色波段，成像宽幅为185×185km。前言 – 人工智能教程
Landsat9_C2_TOA数据集是将数据每个波段的辐射亮度值转换为大气层顶表观反射率TOA，是飞行在大气层之外的航天传感器量测的反射率，包括了云层、气溶胶和气体的贡献，可通过辐射亮度定标参数、太阳辐照度、太阳高度角和成像时间等几个参数计算得到。为了便于在线分析存储，平台将影像像素值扩大了10000倍。Landsat9卫星包含二代陆地成像仪（Operational Land Imager2，OLI-2）和二代热红外传感器（Thermal Infrared Sensor，TIRS-2）两种传感器。卫星每16 天可以实现一次全球覆盖。OLI-2包括九个波段，空间分辨率为30米，包括一个15米的全色波段，成像宽幅为185×185km。TIRS-2用于收集地球两个热区地带的热量流失，了解所观测地带的水分消耗。相较于Landsat8上的TIRS，TIRS在风险等级和设计上做了改进，以尽量减少杂光影像。前言 – 人工智能教程
什么是预处理？ 您将在 Google Earth Engine (GEE) 中找到的大部分数据都经过一定程度的预处理。这涉及多种不同的质量控制方法，以确保栅格集合中的最高级别的准确性和一致性。根据收集的不同，可能有多种可用的预处理级别，了解差异以成功地将遥感数据集成到生态研究中是很重要的。在 GEE 中提供数据之前，出版商一致解决图像产品的三个常见错误来源：大气（即空气化学）、地形（即高程）和几何（即像素一致性）。
(一) lvs-fullnat fullnat模式的性能虽然不如dr模式，但是，fullnat支持多vlan，再rs是不同的vlan的情况下，明显使用fullnat是很好的选择。 fullnat的基本原理:假定用户端的ip是cip，vs上有两个ip，一个是vip，还有lip，lip可以是不同网段的一组ip，rs的ip为rip，当客户请求进来，经过vs的时候，再vs出发生一次snat，将cip转化成lip，再由vs到rs的时候又发生了一次dnat，将vip转化成rip，同样的请求返回时，也经历了两次nat，所以一共经历4次nat，从而达到了可以支持多vlan的情况。 client (cip) ---> vs (vip,lip) ---> rs (rip) <--- <--- 但是在这种情况下，只有一台vs，会导致该vs的负载过大，加入keepalived也只能提高稳定性，并不能解决高吞吐量的问题，因此一般会进行一个lvs集群，keepalived可以对rs进行健康检查，在lvs集群前面加上一个路由器或者交换机，使用ospf协议，用户请求到达路由器（或者交换机）后，通过原地址、端口和目的地址、端口的hash，将链接分配到集群中的某一台LVS上，LVS通过内网向后端转发请求，后端再将数据返回给用户，整个会话完成。rs之间的session表要定期同步，以防止其中一个rs出现问题而造成session丢失的情况。 fullnat模式要重新编译内核，下面是步骤： 一 编译内核: 1 从官网上下载rpm源码包，并用rpmbuild重新编译为二进制包 kernel-2.6.32-220.23.1.el6.src.rpm Lvs-fullnat-synproxy.tar.gz 网址：kb.linuxvirtualserver.org 1 rpm -ivh kernel-2.6.32-220.23.1.el6.src.rpm ###安装rpm包### 2 cd rpmbuild/ ###安装完后会在当前目录下 3 yum install -y rpm-build 4 cd /root/rpmbuild/SPECS/ 5 rpmbuild -bp kernel.spec ###解开源码打补丁### ************************************************************************** 6 yum install redhat-rpm-config patchutils xmlto asciidoc binutils-devel newt-devel python-devel perl-ExtUtils-Embed hmaccalc ###依赖性### ************************************************************************** 7 yum install asciidoc-8.4.5-4.1.el6.noarch.rpm newt-devel-0.52.11-3.el6.x86_64.rpm slang-devel-2.2.1-1.el6.x86_64.rpm cd rpmbuild/SPECS/ ************************************************************************** 8 rpmbuild -bp kernel.spec ###解决完依赖性后再次解开源码打补丁### 9 tar zxf Lvs-fullnat-synproxy.tar.gz 10 cd lvs-fullnat-synproxy/ 11 cp lvs-2.6.32-220.23.1.el6.patch ~/rpmbuild/BUILD/kernel-2.6.32-220.23.1.el6/linux-2.6.32-220.23.1.el6.x86_64/ 12 cd ~/rpmbuild/BUILD/kernel-2.6.32-220.23.1.el6/linux-2.6.32-220.23.1.el6.x86_64/ 13 patch -p1 < lvs-2.6.32-220.23.1.el6.patch ###打补丁### 14 vim Makefile 内容： EXTRAVERSION = -220.23.1.el6 ###扩展版本，你所编译的版本### 15 make 16 make modules_install ###安装模块 17 make i
一次课程作业画图的code记录。 import pandas as pd import numpy as np import xarray as xr from wrf import to_np,interpz3d,destagger import glob import matplotlib.pyplot as plt import cartopy.crs as ccrs import cartopy.feature as cfeature from cartopy.mpl.ticker import
Earth Engine 提供了多种方便的方法来过滤图像集合。具体来说，许多常见用例由imageCollection.filterDate()、 和处理imageCollection.filterBounds()。对于一般目的的过滤，使用 imageCollection.filter()具有ee.Filter作为参数。以下示例演示了两种便捷方法以及filter() 从 中识别和删除配准不良的图像ImageCollection：
什么是预处理？ 您将在 Google 地球引擎 (GEE) 中找到的大部分数据都经过了一定程度的预处理。这涉及几种不同的质量控制方法，以确保栅格集合内的最高准确性和一致性。根据收集的不同，可能有各种可用的预处理级别，了解差异以将遥感数据成功整合到生态研究中非常重要。在 GEE 中提供数据之前，出版商一致解决了图像产品的三个常见错误来源：大气（即空气化学）、地形（即高程）和几何（即像素一致性）。
我们知道LVS有三种负载均衡模式：DR，NAT和Tunnel，但是这三种模式都有各自不同的缺陷，比如DR和NAT要求virtual server和real server位于同一子网内，Tunnel搭建繁杂。因此阿里的大牛为了解决灵活部署的问题，开发出了第四种模式FULLNAT模式。
These Landsat 8 composites are made from Level L1T orthorectified scenes, using the computed top-of-atmosphere (TOA) reflectance. See Chander et al. (2009) for details on the TOA computation.
这是之前关于去除遥感影像条带的另一篇文章，因为出版商推迟了一年发布，所以让大家久等了。这篇文章的主要目的是对Landsat系列卫星因为条带拼接或者镶嵌产生的条带来进行的一种在线修复方式。
背景：优化一个20数据的表查询 ###优化前 EXPLAIN SELECT DISTINCT ect.contract_no AS contractCode, ect.contract_name AS contractName, NULL AS supplierId, ect.b_name AS supplierName FROM `eva_test` ect LEFT JOIN td_outline_test toa ON ect.`contract_no` = toa.`contract_no` WHERE toa.`contract_no` IS ORDER BY ect.`id`;
ui.Chart.image.regions(image, regions, reducer, scale, seriesProperty, xLabels)
有关详细信息，请参阅有关 Collection 1 Tiers 的 USGS 文档（https://www.usgs.gov/core-science-systems/nli/landsat/landsat-collection-1?qt-science_support_page_related_con=1#qt-science_support_page_related_con）。
Landsat5_C2_SR数据集是经大气校正后的地表反射率数据，属于Collection2的二级数据产品，空间分辨率为30米，基于Landsat生态系统扰动自适应处理系统(LEDAPS)(版本3.4.0)生成。水汽、臭氧、大气高度、气溶胶光学厚度、数字高程与Landsat数据一起输入到太阳光谱(6S)辐射传输模型中对卫星信号进行二次模拟，生成大气顶部(TOA)反射率、表面反射率、TOA亮度温度和云、云影、陆地、水体的掩膜。前言 – 人工智能教程
These Landsat 4 TM composites are made from Level L1T orthorectified scenes, using the computed top-of-atmosphere (TOA) reflectance. See Chander et al. (2009) for details on the TOA computation.
TOA（Top of Atmosphere）反射率是指卫星遥感图像在经过大气层后达到地面时的反射率，不考虑地表和大气对光的吸收、散射和反射等影响，因此TOA反射率是卫星遥感图像获取的最基本的数据。
分别三个图像，一个是波段1-7的一个值，一个是按照时序进行看的每一年的B1波段值，最后一个图是三个区域的B1值，很好的阐述了你想表达的时序图，波段图和三个不同该区域的B1波段值。
Landsat7_C2_TOA数据集是将数据每个波段的辐射亮度值转换为大气层顶表观反射率TOA，是飞行在大气层之外的航天传感器量测的反射率，包括了云层、气溶胶和气体的贡献，可通过辐射亮度定标参数、太阳辐照度、太阳高度角和成像时间等几个参数计算得到。为了便于在线分析存储，平台将影像像素值扩大了10000倍。Landsat7卫星携带的主要传感器为增强型主题成像仪(ETM+)，星上设置绝对定标，提高了对地观测分辨率和定位质量，调整了辐射测量精度、范围和灵敏度。卫星每16天可以实现一次全球覆盖。2003年6月以来，因扫描线校正器(SLC)故障导致传输数据存在间隙问题。Landsat ETM+影像数据包括8个波段，波段1-5和波段7的空间分辨率为30米，波段6的空间分辨率为60米，波段8的空间分辨率为15米，南北的扫描范围大约为170km，东西的扫描范围大约为183km。前言 – 人工智能教程
Landsat 5是美国陆地卫星系列（Landsat）的第五颗卫星，于1984年3月1日发射，2011年11月停止工作。16天可覆盖全球范围一次。Landsat5_C2_TOA数据集是由Collection2 level1数据通过MTL文件计算得到的TOA反射率产品。数据集的空间分辨率为30米，相对于Collection1 level1数据，Collection2 level1数据提高了几何校正和辐射定标的精度。Collection 2 level1数据采用了新的地面控制点（GCPs Phase 4），融合了Lan'd'sa't 8和欧洲航天局（ESA）发布的哨兵2（Sentinel-2）的控制点数据，提高了几何校正精度。为了便于在线分析存储，平台将影像像素值扩大了10000倍。前言 – 人工智能教程
1:对于4个螺旋桨，直接是接在了芯片的IO脚上面，这个芯片脚的输出电流是多少，此时应该去看芯片手册
腾讯云大禹高防IP产品可用来对客户的4/7层业务进行ddos攻击的防护，其中一个很常见的诉求是如何获取真实的客户端ip。本文章会就云上常见的各高防IP部署场景下如何获取真实ip来做说明。
在混合云部署的场景中，可以使用负载均衡直接绑定云下本地数据中心（IDC）内 IP，实现跨 VPC 与 IDC 之间的后端云服务器的绑定。
之前学习的，可以将普通类型转换为类类型，需要借助转换构造函数。那么反过来，类类型可以转换为普通类型吗？
时差估计 : 时差估计 主要用于 确定 某个发射信号 的位置 , 是 目标定位 跟踪 的 关键技术 , 其核心原理如下 :
您可以使用MapaddLayer()可视化图像。如果在没有任何附加参数的情况下向地图添加图层，默认情况下rgee将前三个波段分别分配给红色、绿色和蓝色。默认拉伸基于带中数据的类型（例如，浮点数在 [0,1] 中拉伸，16 位数据被拉伸到可能值的完整范围），这可能适合也可能不适合。为了达到理想的可视化效果，您可以为MapaddLayer()提供可视化参数。具体来说，参数是：
这里的这个代码是有问题的，本来代码的本意是想去除条带，可以他采取的做法却是利用mean或者median等方式来进行，这只是影像聚合的一种方式，并不是通过改变影像的DN值来改变影像的的色调，所以我们可以先看下面的代码，然后回给大家在文章末尾提供两个直方图匹配的修复方案！
上一篇文章写了如何去除Landsat 8 SR数据，这一片主要是讲一下如何去除Landsat8 TOA 影像。
Landsat datasets are federally created data and therefore reside in the public domain and may be used, transferred, or reproduced without copyright restriction.
遥感影像的面向对象方法是一种基于高分辨率影像的信息提取技术，它主要包括以下几个步骤：
本文主要对GEE中的ee.Image格式数据图层基本处理操作加以介绍。本文是谷歌地球引擎（Google Earth Engine，GEE）系列教学文章的第十篇，更多GEE文章请参考专栏：GEE学习与应用（https://blog.csdn.net/zhebushibiaoshifu/category_11081040.html）。
本文主要对GEE中的投影信息与参考坐标系及其空间转换参数获取加以介绍；本文是谷歌地球引擎（Google Earth Engine，GEE）系列教学文章的第十二篇。
我正在尝试运行一个非常简单的脚本，该脚本应该将 Landsat 8 图像导出到我的 Google Drive。当我在任务上单击“运行”时，GEE 吐出一个错误：“错误：导出的波段必须具有兼容的数据类型；发现不一致的类型：Float32 和 UInt16。（错误代码：3）”
11月6日至9日，第20届国际计算机学会（Association for Computing Machinery，简称ACM）嵌入式网络感知系统大会（Conference on Embedded Networked Sensor Systems ，简称SenSys）在美国波士顿召开。清华大学软件学院何源副教授课题组和美团无人机团队合作论文“麦巢：辅助无人机精准降落的远距离即时声源定位技术”（MicNest：Long-Range Instant Acoustic Localization of Drones in Precise Landing）获得了大会最佳论文奖第二名（Best Paper Runner-Up）。
在做数据库维护的时候，经常会查看操作系统的状态，今天我们说下常见的命令iostat和vmstat。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
