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

源码分析-Netty:多线程在 Netty 中的应用

系列文章:源码分析 -Netty:开篇一 Netty线程模型需要注意的是,Netty的线程模型并非固定不变,而是取决于用户的启动参数配置。通过启动参数的设置,Netty可以支持Reactor单线程模型和多线程模型。二 Java内存模型与多线程2.1 Java内存模型(JMM)Java的内存模型JMM,我们在并发编程艺术相关文章中有过详细的阐述。感兴趣的可以回顾文章:【并发编程的艺术】Java

#java#rpc
CSDN AI写作助手初体验

尝试使用过文心一言和chatgpt,主要在代码生成和问题智能搜索两个方面。从搜索质量上说,要比直接百度等效果要好,主要是相关性这个指标要高出很多;代码生成随着各大模型的不断发展,可用性也越来越高。

文章图片
#人工智能
京东算法大赛-高潜用户购买意向预测(一) 资料整理

初学者可以参考资料:https://github.com/daoliker/JData,这是一位热心的参赛者提供的一份入门程序,涵盖了数据清洗、数据(统计)分析、特征抽取、搭建模型、模型评估,这些机器学习通用的完整流程,对于初学者来说值得参考。

#机器学习
RHEL6配置yum源

问题背景:    起源于试图使用yum安装mongodb。原因是,通过安装包安装的时候,虚拟机中的系统,总是会提示各种依赖版本低于要求的提示,然后是无限的手动安装更新。。。所以无奈,只好使用yum来进行安装。但redhat系统中yum,搜索不到软件,后查知需要配置yum源。再然后,就是找了一大堆不靠谱的文章,各种尝试失败,最后总算有个准确一些的文章,中间又自行处理了一个错误,所以这里作为记

容器 & 服务:Kubernetes 构件及 Deployment 操作

系列文章:容器 & 服务:开篇,压力与资源容器 & 服务:Jenkins 本地及 docker 安装部署容器 & 服务:Jenkins 构建实例容器 & 服务:一个 Java 应用的 Docker 构建实战容器 & 服务:Docker 应用的 Jenkins 构建容器 & 服务:Docker 应用的 Jenkins 构建 (二)容器 & 服务

#docker#kubernetes#java +1
docker&k8s-私有仓库和增加web管理端

二 breezes安装配置git地址:https://gitee.com/kbsonlong/BreezesDockerfile内容老问题,网上一堆资料,2018年左右的还可以理解,但2020年的文章居然还是抄袭以前的内容,就真的很佩服是怎么通过的了。最大的问题在于,提到from centos的,就避不开目前的centos是8.x版本,这个版本下两个问题,1:默认python3,2:默认的后续下载

#docker
Docker&k8s - 创建pod

一 创建pod命令vi test.yaml输入内容:apiVersion: v1kind: Podmetadata:name: command-demolabels:purpose: demonstrate-commandspec:containers:- name: command-demo-containerimage: debiancommand: ["printenv"]args: ["H

#kubernetes
容器 & 服务:Helm Charts(二)安装与使用

系列文章:容器 & 服务:开篇,压力与资源容器 & 服务:一个 Java 应用的 Docker 构建实战容器 & 服务:Docker 应用的 Jenkins 构建容器 & 服务:Docker 应用的 Jenkins 构建 (二)容器 & 服务:K8s 与 Docker 应用集群 (一)容器 & 服务:K8s 与 Docker 应用集群 (二)容器 &

文章图片
#docker#jenkins
Mac 下 brew 更新及安装 Prometheus+Grafana

一 背景近来在做容器研究,本地也打算做一次基于原生k8s的动态扩容。k8s提供了基于cpu和内存的扩容方案,但如果需要根据其他规则,例如接口访问次数等等,就需要其他的一些辅助工具,例如监控:prometheus。本篇先准备好相关环境,并了解Prometheus和Grafana的安装和基本配置使用方式。二 brew重新安装尝试安装监控工具prometheus的时候,由于换了自己的旧电脑,发现brew

#容器
京东算法大赛-高潜用户购买意向预测(一) 资料整理

初学者可以参考资料:https://github.com/daoliker/JData,这是一位热心的参赛者提供的一份入门程序,涵盖了数据清洗、数据(统计)分析、特征抽取、搭建模型、模型评估,这些机器学习通用的完整流程,对于初学者来说值得参考。

#机器学习
到底了