LSM树将任何的对数据操作都转化为对内存中的Memtable的一次插入。Memtable可以使用任意内存数据结构，如HashTable，B+Tree，SkipList等。对于有事务控制需要的存储系统，需要在将数据写入Memtable之前，先将数据写入持久化存储的WAL(Write Ahead Log)日志。由于WAL日志是顺序Append到持久化存储的，因此无论对磁盘还是SSD都是非常友好的。

因为docker daemon下发了一些预置的iptables规则，来把流量引入到docker容器，而且这部分规则将流量以宿主机和容器为视角进行切分，尽量使网络在两者上能隔离（只是一定程度上）

tcpkill 工具只能用来关闭活跃的 TCP 连接，无法关闭非活跃的 TCP 连接，因为 tcpkill 工具是等双方进行 TCP 通信后，才去获取正确的序列号，如果这条 TCP 连接一直没有任何数据传输，则就永远获取不到正确的序列号。killcx 工具可以用来关闭活跃和非活跃的 TCP 连接，因为 killcx 工具是主动发送 SYN 报文，这时对方就会回复Challenge ACK ，然后k

docker 本身并不原生支持GPU，但使用docker的现有功能可以对GPU的使用进行支持。如上所述，通过 --device 来指定挂载的GPU设备，通过 -v 来将宿主机上的 nvidia gpu 的命令行工具和相关的依赖库挂载到容器。这样，在容器中就可以看到和使用宿主机上的GPU设备了。这样使用，对于GPU的可用性（哪些GPU是空闲的等）需要人为的判断，效率很低。

现如今，随着企业纷纷在机器学习和深度学习上加大投入，他们开始发现从头构建一个 AI 系统并非易事。以深度学习为例。对于深度学习来说，算力是一切的根本。为了用海量数据训练性能更好的模型、加速整个流程，企业的 IT 系统需要具备快速、高效调用管理大规模 GPU 资源的能力。同时，由于算力资源十分昂贵，出于成本控制，企业也需要通过分布式训练等方式最大化 GPU 资源利用率。面对这类新要求，基于 Kube

内容： 在goland编译的单元有三种：file，directory，package编译单元选择如下：按file进行编译的方法如下：【博客283】goland初始配置–运行你的hello world程序按directory方法如下：工程结构如下go.mod为依赖管理文件，如果没有则需要创立，否则会报错main.go和lib.go如下：设置属性：安装目录编译，且设置目录路径运行测试：大四学生一枚，如

nettrace是一款基于eBPF的集网络报文跟踪（故障定位）、网络故障诊断、网络异常监控于一体的网络工具集，旨在能够提供一种更加高效、易用的方法来解决复杂场景下的网络问题。网络报文跟踪：跟踪网络报文从进入到内核协议栈到释放/丢弃的过程中在内核中所走过的路径，实现报文整个生命周期的监控，并采集生命周期各个阶段的事件、信息。通过观察报文在内核中的路径，对于有一定内核协议栈经验的人来说可以快速、有效地

1、device plugin端启动自己服务, 地址为(/var/lib/kubelet/device-plugins/sock.sock).2、device plugin向地址为(/var/lib/kubelet/device-plugins/kubelet.sock)发送注册请求(含有resoucename以及自己服务的地址/var/lib/kubelet/device-plugins/soc

alertmanger在处理告警时有一个延迟等待时间，以避免多个实例争抢处理告警的，导致重复。

内容： 记录当UDP报文数据内容大于MTU大小的时候，其实不一定分片UDP什么时候分片？UDP报文中有长度的字段，是16位的，那么UDP报文的最大长度是65536字节，但是一般MTU的大小不会达到65536字节这么大，而是一般为1500字节，那么这时候就会引起分片UDP一定会分片吗？答案：不一定，当UDP报文是上交本地协议栈的时候，并不会引起分片的！原因：本地环回报文实际并不需要层层封装到链路层再