[20171214]hashcat破解oracle口令.txthashcat is the world's fastest and most advanced password recovery utility, suppo...

[20171215]oracle执行java程序.txt--//我以前提到假如oracle调用执行java程序会在/dev/shm下建立一堆JOXSHM_EXT开头的文件(实际上在内存中)--//如果异常关闭数据库这些...

[20161019]数据文件offline与open resetlog.txt--上午做了数据文件offline后恢复到那个scn号，恢复到该数据文件的LAST_CHANGE#的scn值。--如果数据文件做了offl...

[20160710]backup archivelog all not backed up 1 times.txt--我们生产系统archivelog总是保留1个月的时间不删除.这样在日常备份中为了避免重复备份archive...

[20190403]linux快速进入目录.txt--//bash 4.X 版本支持一种快速进入目录的方法,就是在命令行直接输入目录名.缺省这个功能是关闭的.-...

[20180125]环境变量TNS_ADMIN与RAC.txt--//这几天一直折腾SQLNET.EXPIRE_TIME参数,我发现测试与想像对不上.--//才发现如果client端连接服务器,SQLNET.EXPIR...

大模型推理部署是AI工程化落地的关键环节，其核心在于高效管理计算与内存资源。PagedAttention等优化技术通过借鉴操作系统内存分页思想，有效解决了传统注意力机制中KV Cache的显存碎片问题，从而大幅提升了长序列处理的吞吐量与稳定性。这一技术突破对于支持超长上下文的多模态大模型尤为重要，使其能够在文档分析、代码理解等复杂场景中发挥价值。本文聚焦于如何利用vLLM推理框架，快速部署具备百万

本文深入解析Docker 18.9+磁盘占用问题，详细介绍`system df`命令的使用方法及四类资源（镜像、容器、构建缓存、数据卷）的智能回收策略。重点探讨Build Cache的清理技巧，包括`docker builder prune`命令的实战应用，帮助开发者高效管理Docker磁盘空间，避免存储资源浪费。

大语言模型推理引擎是构建私有化AI应用的核心基础设施。vLLM以PagedAttention内存优化技术著称，主打高吞吐、低延迟与显存极致利用率；SGLang则定位为LLM编程框架，通过RadixAttention前缀缓存和Python原生控制流（如@function、fork）实现复杂Agent逻辑的内聚式开发。二者差异本质是工程效率与开发效率的权衡：vLLM适合标准化文本生成服务，SGLang

本文详细介绍了阿里云容器镜像加速的配置与优化方法，从基础设置到生产环境的高级优化。涵盖Ubuntu、CentOS、Windows/Mac等多系统配置指南，以及企业级P2P加速、按需加载技术等性能优化方案。帮助开发者提升Docker镜像拉取效率，适用于个人开发和企业生产环境。