logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

熔断、限流、降级

服务熔断在介绍熔断机制之前,我们需要了解微服务的雪崩效应。在微服务架构中,微服务是完成一个单一的业务功能,这样做的好处是可以做到解耦,每个微服务可以独立演进。但是,一个应用可能会有多个微服务组成,微服务之间的数据交互通过远程过程调用完成。这就带来一个问题,假设微服务A调用微服务B和微服务C,微服务B和微服务C又调用其它的微服务,这就是所谓的“扇出”。如果扇出的链路上某个微服务的调用响应时间过长..

负载均衡的会话保持和长短连接简介

本文基于负载均衡讲会话保持和TCP长短链接。如果你的负载均衡关闭了会话保持,还是有负载不均衡的情况,本文章正适合你来看。图片来源:王朝阳简单来说会话保持是指连接断开,在规定时间内再次连接的时候,保证路由到同一服务器。而长连接在keep-alive状态下,也是会路由到同一服务的。会话不保持的话,连接断开,再次连接的时候,会重新进行服务器路由。会话保持会话保持机制的意义就在于,...

#负载均衡
linux命令 ll信息详解

本文链接:https://blog.csdn.net/LEON1741/article/details/82386520在linux下使用“ls -l”或者“ls -al”或者“ll”命令查看文件及目录详情时,shell中会显示出好几列的信息。平时也没怎么注意过,今天忽然心血来潮想了解一下,于是整理了这篇博客,以供参考:首先给出一张典型的显示结果:下面对其中的每一列进行详细的分析:...

#linux
Idea中的facets和artifacts的介绍

project setting 里面Facets和Artifacts的作用1、Facets 英文翻译为:方面,(事务的)面。表述了在Module中使用的各种各样的框架、技术和语言。这些Facets让IDEA知道怎么对待module内容,并保证与相应的框架和语言保持一致。例如web项目,他有一个很总要的作用配置web.xml文件的访问路劲和部署root的位置,如图2、IDEA下创建...

#idea
Go语言-int类型取值范围

相比于C/C++语言的int类型,GO语言提供了多种int类型可供选择,有int8、int16、int32、int64、int、uint8、uint16、uint32、uint64、uint。文章目录1.各int类型的取值范围如下2.关于int类型3.代码示例4.总结1.各int类型的取值范围如下int8: -128 ~ 127int16: -32768 ~ 32767int3...

神经网络的隐藏层

通常,卷积神经网络除了输入和输出层之外还有四个基本的神经元层,在三层神经网络中,这基层被称为隐藏层卷积层(Convolution)激活层(Activation)池化层(Pooling)完全连接层(Fully connected)卷积层在最初的卷积层中,成千上万的神经元充当第一组过滤器,搜寻图像中的每个部分和像素,找出模式(pattern)。随着越来越多的图像被处理,每个神经元逐渐学习过滤特定的特征

#神经网络
C语言中的.h文件的作用

C语言中的.h文件和我认识由来已久,其使用方法虽不十分复杂,但我却是经过了几个月的“不懂”时期,几年的“一知半解”时期才逐渐认识清楚他的本来面目。揪其原因,我的 驽钝和好学而不求甚解固然是原因之一,但另外还有其他原因。原因一:对于较小的项目,其作用不易被充分开发,换句话说就是即使不知道他的详细使用方法,项 目照样进行,程序在计算机上照样跑。原因二:现在的各种C语言书籍都是只对C语言的语法进行详细的

如何理解最短路径中的“松弛”操作

这是图算法的第五篇文章:图解:最短路径之如何理解“松弛”or“放松”?最短路径问题的目的是找到从一个顶点到达另一个顶点的成本最小的路径。最短路径算法被广泛地应用于解决各种复杂的问题,比如在地图中寻找两个地点之间的最短路径,如何在网络连接中为路由器寻找最短的传输路径等等。为了实现最短路径算法,人们发明了一系列的算法,比如:Dijkstra算法与Bellman-Ford算法。但是这些算法都基于一个被称

@PointCut注解

格式:execution(modifiers-pattern? ret-type-pattern declaring-type-pattern? name-pattern(param-pattern)throws-pattern?)括号中各个pattern分别表示:修饰符匹配(modifier-pattern?)返回值匹配(ret-type-pattern)可以为*表示任何返回...

#spring
神经网络的隐藏层

通常,卷积神经网络除了输入和输出层之外还有四个基本的神经元层,在三层神经网络中,这基层被称为隐藏层卷积层(Convolution)激活层(Activation)池化层(Pooling)完全连接层(Fully connected)卷积层在最初的卷积层中,成千上万的神经元充当第一组过滤器,搜寻图像中的每个部分和像素,找出模式(pattern)。随着越来越多的图像被处理,每个神经元逐渐学习过滤特定的特征

#神经网络
    共 16 条
  • 1
  • 2
  • 请选择