主要是以上三个主要原因：第三点：K8S发展到一定阶段，自己制定标准，如果runtime不符合这个标准，那么k8s就不会管理这个runtime，例如k8s之前为了迎合docker，专门为docker制定了标准，但是在1.24版本后就抛弃了这个标准，让docker来适应k8s的标准你不兼容我，我就不用你。。

1.apiserver：调度中心2.schedule进行pod节点调度，有时候pod创建完有panding的状态，那么这时就是schedule正在进行调度，controller manager维持pod副本数量，etcd数据库用于存储k8s信息。3.组件是有状态还是无状态APIserver是无状态服务，例如搭建三个节点，那么三个节点都会工作。

两者都是用来存储配置文件，configmap存储通用的配置文件，secret存储需要加密的配置文件。将配置文件configmap挂在到pod上。

当一个容器里面的配置文件通过某种方式挂载出来时，由于yaml文件里面只能指定到配置文件所在的目录，所以当挂载生效时，会导致挂载文件将整个目录覆盖掉，是容器启动发生错误error。添加subPath字段。

创建名称空间，sa,绑定指定名称空间下所有权限，通过token登录dashboard[root@master1 ~]# kubectl describe sa default //查看默认名称空间的sa详细信息[root@master1 ~]# kubectl describe secret default-token-59xrr //查看默认名称空间下的token此权限登录k8s的dashboa

K8S部署三台主机：192.168.88.142（master）192.168.88.137（node1）192.168.88.138（node2）1.在master上修改配置文件/etc/hostsvim /etc/hostsscp /etc/hosts root@k8snode1:/etc/scp /etc/hosts root@k8snode2:/etc/ #把修改后的配置文件远程拷贝到其他

常见的语言模型：N-gram,决策树，最大熵模型，隐马尔可夫模型，条件随机场，神经网络等N-gram语言模型是自然语言处理中一个重要的概念，基于一定的语料库，可以利用n-gram来做以下事情1.预计和评估一个句子是否合理2.评估两个字符串之间的差异程度，这也是模糊匹配中常用手段3.语音识别4.机器翻译5.文本分类介绍：根据条件概率公式由于要计算wi出现的概率，就要统计前i-1个词出现的情况，假设词

交叉验证：拿到训练数据，分为训练集和验证集。将数据分成5分，其中一份作为验证集，经过5次测试，每次更换不同的验证集，得到5组模型的结果，最终取平均值，又称5折交叉验证。交叉验证的目的是让结果更具可信度。网格搜索：通常情况下，很多超参数是需要我们手动指定的，但是说动过程繁杂，所以需要需要对模型预设几种超参数组合，每组超参数都采用交叉验证进行评估。最后选出最优的参数组合建立模型。通常情况加网格搜索和交

介绍：基于Boosting思想，利用梯度下降思想XGBoost在机器学习里面所有算法里面算效果很好的了，对于很多竞赛，都是用XGBoost获得了很好的名词基于树的集成学习优点：基于树的集成学习不用做特征归一化，使用起来非常方便。基于树的集成学习可以做到特征组合，不用自己做升维。集成学习可以做大规模数据并行处理。使得训练过程更快。目标有两个部分组成Train Loss：评估训练数据拟合的多好Regu

介绍：基于Boosting思想，利用梯度下降思想XGBoost在机器学习里面所有算法里面算效果很好的了，对于很多竞赛，都是用XGBoost获得了很好的名词基于树的集成学习优点：基于树的集成学习不用做特征归一化，使用起来非常方便。基于树的集成学习可以做到特征组合，不用自己做升维。集成学习可以做大规模数据并行处理。使得训练过程更快。目标有两个部分组成Train Loss：评估训练数据拟合的多好Regu