问题 在Shell脚本中，在什么情况下需要在变量扩展时使用 {}？...但如果我们不想在打印变量值后接着打印空格或换行怎么办？这时就需要用花括号告诉 Shell 解释器变量名的结束位置。...花括号还无条件需要在以下情况下使用： 扩展数组元素，如：${array[5]} 使用参数扩展操作，如：${filename%.*}（移除扩展名；剥离最小的匹配） 扩展总数超过 9 的位置参数，如："{10
1 何时需要 必要性 可以使用MQ的场景有很多，做业务解耦/最终一致性/广播/错峰流控等 反之，如果需要强一致性，关注业务逻辑的处理结果，则RPC显得更为合适。...他们只需要保证在信息变更的时候通知到我们就好了。 而我们的下游，可能有更新索引、刷新缓存等一系列需求。对于产品中心来说，这也不是我们的职责所在。...再举一个例子，对于我们的订单系统，订单最终支付成功之后可能需要给用户发送短信积分什么的，但其实这已经不是我们系统的核心流程了。...那么我们只需要通知短信系统“我们支付成功了”，不一定非要等待它处理完成。 最终一致性 最终一致性指的是两个系统的状态保持一致，要么都成功，要么都失败。...由于主动权在消费方，消费方无法准确地决定何时去拉取最新的消息。如果一次pull取到消息了还可以继续去pull，如果没有pull取到则需要等待一段时间重新pull。 但等待多久就很难判定了。
面对层出不穷的“企业何时会采用AI”问题，试试这四步方案，无需对AI评估与采用感到惶恐。...或者，如果你需要指导如何处理你的老板让你使用人工智能(AI)而不是人来填补你的空缺职位，你该怎么办？也许你需要在这次事故其实是你的过错时，度过一次无责难辞的事后总结。...我们是不是提到了 AI？)的黑洞引力场。 无论 AI 正在推动多少种范式，它仍然需要与你的组织采用的任何其他技术相同的评估流程。这个不变的事实就是你 AI 领域的王牌。...为了利用 AI(特别是为了实现自动化和捕获效率等业务目标)，你需要一种与其互动的方式，无论是数字的还是物理的。API 是如何打开舱门的方式。 4. 机器人也需要人 非常好！...仔细选择你的虫洞 是的，关于利用 AI 提供真实业务价值而不会造成完全毁灭的知识有很多需要学习。而且，AI 生态系统(更不用说将其带给我们的实体)正在不断发展。
第一，何时使用？ 当授权数据在磁盘和内存中不一致时，存在两种时机：一是内存数据较新；另一个则是磁盘数据较新。当这两点中的任意一点存在时都需要执行 flush privileges 语句。...比如直接对表 mysql.user 执行 DML 语句，那么此时磁盘数据较新，需要手动执行 flush privileges 语句来覆盖内存中的授权数据。...GRANT USAGE ON *.* TO `ytt_u1`@`%` | +------------------------------------+ 1 row in set (0.00 sec) 第二，何时不需要使用...比如 create user 、grant 、revoke 等语句执行后会自动同步授权数据，如无异常，则不需要手动执行 flush privileges 语句。...flush privileges 语句，反之则需要。
另外，由于开发者需要专门为 IE 核心的 Trident 排版引擎进行编码，这导致其他使用与 IE 不同的排版引擎的产品无法正常浏览这些网页，「IE Only」的说法也正是由此诞生。...这和当年的 IE 有点类似 —— 在某种程度上控制着我们访问互联网的方式。...我们不再需要 Chrome？...他们甚至认为，我们不再需要 Chrome。 他们认为谷歌是一家商业公司，是一家追求利润的企业，他们最终要对股东而不是用户负责。而谷歌收入来源的主要业务是广告，而广告又和搜索引擎息息相关，搜索引擎在哪？...反对 Chrome 一家独大的用户提出，“我们不再需要 Chrome”。
比如，我们是否需要站在人类这一边——而非与人作对——的算法？ 当我们算法化后，我们就迷失在其中 数字产品原先在我们的口袋里，现在正逐渐搬迁到我们的皮肤上，最终会进入我们的身体之内。...个性化过程的发生，是因为有其他人想知道你的所作所想，因为其他人希望比你自己更清楚你可能需要什么，或者接下来想要做什么。 个性化算法既不是中性的，也不是被动的。...个性化过程需要首先服务于算法创造者的利益，你个人的利益被排在了第二位。这通常在你和付费使用算法的第三方中间产生了一个利益的鸿沟。...我们的数字天使并不一定需要像我们本身一样智能，也不需要像我们人类同样的思维方式去思考问题。它需要对于所身处的环境相关的问题保持智慧——对于其他的可能接触的算法保持足够智能就可以了。...可以说，保持一个拥有自我意识和行动能力的个体，确定是否应该需要一个算法天使给自己做管家，应该是个人的一项基本权利。
我们来考察这样一种数据分析过程。...这里需要注意的是，这些猜测都是由有业务经验的人做出的，而不是软件系统！之所以需要在线，是由于许多猜测都是使用人员看到了某个中间结果后临时想出来的。...不可能也不需要事先设计端到端的完整路径，也就是无法建模。技术上，就是需要让使用人员有能力对数据进行灵活交互式的查询和计算。...另外，这里需要计算的数据都是批量的结构化数据，而非简单的数值，区别于普通数值计算器，可以把这个功能形象地称为数据表格计算器。...至于 Python，我们之前也讲过，它只是看上去很美，实际上很难，大部分人根本学不会，而且只能运行在 Excel 的外部，也很不方便。
我们为什么需要MapReduce？ ---- 我们为什么不能使用数据库来对大量磁盘上的大规模数据进行批量分析呢？我们为什么要使用MapReduce？...但数据库系统更新大部分数据时，B树的效率比MapReduce低得多，因为需要使用“排序/合并”来重建数据库。 许多情况下，可以将MapReduce视为关系型数据库管理系统的补充。...MapReduce比较适合以批处理的方式处理需要分析整个数据集的问题，尤其是即席分析。...关系型数据库和MapReduce的比较 传统关系型数据库 MapReduce 数据大小 GB PB 访问 交互式和批处理 批处理 更新 多次读写 一次写入多次读取 结构 静态模式 动态模式 完整性
为什么我们需要Pod？ 本文整理于极客时间： 深入剖析 Kubernetes (geekbang.org)，侵删。 在前面的文章中，我详细介绍了在 Kubernetes 里部署一个应用的过程。...不过，我相信你在学习和使用 Kubernetes 项目的过程中，已经不止一次地想要问这样一个问题：为什么我们会需要 Pod？...现在，就让我们登录到一台 Linux 机器里，执行一条如下所示的命令： $ pstree -g 这条命令的作用，是展示当前系统中正在运行的进程的树状结构。...我们现在有一个 Java Web 应用的 WAR 包，它需要被放在 Tomcat 的 webapps 目录下运行起来。 假如，你现在只能用 Docker 来做这件事情，那该如何处理这个组合关系呢？...比如，在我们的这个应用 Pod 中，Tomcat 容器是我们要使用的主容器，而 WAR 包容器的存在，只是为了给它提供一个 WAR 包而已。
我们为什么需要SDN？如果你刚接触SDN方案时，你一定有这样的疑问。而问题的答案是：我们需要拥有更多可编程能力的网络，来支持快速增长的网络业务需求。...正是在这种思路的影响下，McKeown教授团队提出了一个新的网络体系结构：SDN。...随着开源SDN控制器和开源SDN开放接口的出现，网络体系结构也拥有了通用底层硬件、支持软件定义和开源模式三个要素。从传统网络体系结构到SDN网络体系结构的演进关系如下。 ?...“为了让系统更好地工作，早期需要管理复杂性而后期需要提取简单性”是由美国学者唐·诺曼提出的系统设计理念。...这也是为什么需要SDN的原因之一。
不得不说，人都是"懒惰"的，我们炼丹师当然希望有个厉害的深度学习模型，只需要对最原始的特征做预处理后，扔给模型，让它自己学习交叉特征。...希望模型像"奶牛"吃草，挤得是"牛奶"，那么我们必须保证"喂"的是草。并不是所有的交叉特征与推荐系统的最终优化目标都是相关的，盲目的"喂"特征只会带来更多的噪声和系统准确率的下降。...L0 边预估模块: 这里我们使用基于矩阵分解的模型对边进行预估。矩阵分解通过对图的邻接矩阵进行分解，能够非常高效的对边进行建模，而且把所有node转成稠密向量。...但在L0-SIGN中，我们并不知道该图的邻接矩阵真实应该是什么样，所以无法进行梯度更新。所以每条边的值，我们通过一个边预估函数： ?...输入两个节点embedding，输出0/1，表示node间是否有边，我们知道无向图邻接矩阵是对称的，所有fep也是对称的: ?
理论是前人总结的经验，让我们习得后少走弯路。理论指引一个方向，我们沿着这个方向去做设计、去做事，如果偏离这个轨迹，那么就要走很多的弯路或者直接错误。 ?...当然并不是这样做不好，世界上知识那么多，我们也不是专业去做学术研究的，不必去深究理论背后形成的原因，直接拿来使用就即可，当然深层次的理解对我们更有利，这时就需要选择性的去学习了。...为什么我们需要理论？ 1. 解释功能 理论提供一个解释，对相关事情进行定义、理清条理和解释。将事情剥开揉碎给人看。理论明事理。 2....你可能需要描述前因后果，背景介绍，可能需要一层层地剥开你要描述的事情。...我们讲理论与实践相结合，就是以理论为基础（理解和测量）的实战应用（结合现状的测量和验证）。 我们常借用“站在巨人的肩膀上”来感谢潜行者们的贡献。
随着互联网的高速发展，用户规模与业务并发量开始急剧增加，海量的请求需要接收和存储，业务需要中间件来实现削峰填谷；业务也在不断发展，企业内部的系统数量也在不断地增长，不同语言开发出来的系统需要统一的事件驱动...函数是Pulsar消息传递系统的计算基础结构，我们来看一个常见的使用场景：把Topic-1中的数据读出来，经过中间处理，然后把数据存入Topic-2，通过上传Java、Go、Python代码，用户可以自定义中间的处理过程...7 流批一体 随着业务的不断发展，流计算和批处理越来越常见，通常我们需要分别维护一套流计算平台和批处理平台以满足不断发展的业务需求。...而Pulsar可以同时支持两种计算方式，只需要维护一套中间件即可实现流批一体。 完整的历史数据可以让我们做批计算，数据在某段时间内可以变为流。...Pulsar服务端的基本结构可以分为三层，分别是代理层、Broker层和Bookie层。 Pulsar的总体架构 其中，代理层并不是必需的。
有攻就有防，面对网络世界的安全隐患，面对黑客攻击及其布下的陷阱，“白帽子”黑客是我们的第一道屏障。 目前网络安全人才不足，既有供不应求的原因，也和人才培养模式相关。...“我们发现Linux内核中一个漏洞，利用它可以获得Root安卓手机的最高权限。比如，黑客可在你手机中安装任意软件，而你可能完全不知情。”...从接到任务到系统安全上线，仅有短短4天，王欣和团队需要为酒店在线预订系统搭建起一堵安全防护墙。那段时间，他每天工作至凌晨两三点，在临时办公室，团队24小时轮流值守，确保了安全事件零发生。...国家互联网信息办公室2015年公布的数据显示，截至2014年底，我国重要行业信息系统和信息基础设施所需网络安全人才缺口达70万人左右，预计到2020年，需要各类网络安全人才约140万人。
理论是前人总结的经验，让我们习得后少走弯路。理论指引一个方向，我们沿着这个方向去做设计、去做事，如果偏离这个轨迹，那么就要走很多的弯路或者直接错误。 ...当然并不是这样做不好，世界上知识那么多，我们也不是专业去做学术研究的，不必去深究理论背后形成的原因，直接拿来使用就即可，当然深层次的理解对我们更有利，这时就需要选择性的去学习了。...为什么我们需要理论？ 1. 解释功能 理论提供一个解释，对相关事情进行定义、理清条理和解释。将事情剥开揉碎给人看。理论明事理。 2....你可能需要描述前因后果，背景介绍，可能需要一层层地剥开你要描述的事情。...我们讲理论与实践相结合，就是以理论为基础（理解和测量）的实战应用（结合现状的测量和验证）。 我们常借用“站在巨人的肩膀上”来感谢潜行者们的贡献。
前面我们已经详细介绍过什么是CDP，不了解的同学可以往前翻一翻：3分钟告诉你什么是CDP系统！今天我们要讲的是，为什么企业需要CDP平台？...正因如此，越来越多的数据让许多企业无从下手，多个渠道如洪水般袭来的用户数据亟待整合分析，企业需要这样一个客户数据平台来分析整理所有的数据。
研究人员称，当用户需要乘车时，他们首先通过计算机应用程序(例如手机应用程序)发出请求。据了解，使用这些乘坐请求，更好地反映了整体需求。 姚华秀说:“这是一个非常好的数据，因为它是基于需求的。”...“基本上，我们使用了一个非常复杂的神经网络来模拟人们如何消化信息，在这种情况下，呈现的是交通模式的图像，”李说。...李说:“在传统的计算机编程中，人们需要告诉计算机哪些方面或特性需要看，然后他们必须对其进行建模，这需要付出巨大的努力。...为什么深度学习是革命性的，现在我们可以跳过这一步，例如，你可以给计算机提供图像，而你不需要告诉计算机它需要看什么。”
但是，好东西就一定大家都需要吗？个人认为如果您所要开发的系统并发量不是那么高，对水平扩展没那么高的需求，并且对用户注销是刚需，那么请好好考虑下是否真的需要JWT。
现在，我们可以从任何地方访问所需的一切，而不受固定位置服务器的限制。但是，云计算运动即将向分散计算的另一方向倾斜。那么为什么我们需要边缘计算呢？ 考虑到云网络带来的巨大机遇，这一概念似乎有悖常理。...我们仍在利用容易获得的全球食品的优势，但是由于多种原因，人们已经转向了本地食物。长途运输食品会影响环境。消费者希望为当地经济做出贡献。我们中的许多人都希望我们食用的食物中的人造成分更少。...边缘计算网络在必要时仍可以连接到云，但是它们不需要云也可以正常运行。...但是对于这些设备，没有任何紧急事件需要解决。您可以等待对Alexa的请求由云处理。 当时间敏感事件发生时，边缘计算胜过云处理。为了使无人驾驶汽车成为现实，这些汽车需要实时对外部因素做出反应。...但是，如果edge做出本地决策，云可能不会立即需要所有这些数据，甚至根本不需要。 借助边缘计算，数据中心可以执行对时间敏感的规则（例如“停车”），然后在带宽需求不那么高时将数据分批流式传输到云中。
由于我们的目标是训练使用较少 GPU 内存的神经网络，我们可以问一些显而易见的问题: 为什么需要过参数化? 需要多少过参数化？ 我们可以通过使用更聪明的优化方法来减少过参数化吗？...过参数化边界 为什么需要过参数化？通过充分过参数化我们的神经网络，我们使优化曲面（landscape）有效凸（convex）。...[7] 更严格的过参数化边界可以让我们训练更小的网络，而不需要在结构上进行网格搜索，也不用担心更大的网络可能会给我们带来更好的性能。...未来方向 我们真的需要模型压缩吗？这篇文章的标题有些挑衅，但这个idea并不是: 通过收紧过度参数化的边界和改进我们的优化方法，我们可以减少或消除事后模型压缩的需要。...显然，在我们得到一个明确的答案之前，还有很多悬而未决的问题需要回答。下面是一些我希望在未来几年内完成的工作。 过参数化 通过观察数据的质量(使用低计算资源) ，我们能够得到更严格的边界吗？
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
腾讯会议
云直播
