ORACLE数据库提供两种方式的补丁，一种是主动的Proactive Patches，另一种被动的Reactive Patches，过去的PSU,SPU/CPU,BP都是Proactive Patches。从12c（12.1.0.2）起数据库又提供了一个名为DBBP的补丁类型，并且改变了补丁策略。 在12.1.0.2之前，即12.1.0.1，11.2.0.4或者更早的版本之前，是推荐使用PSU的补丁策略的。但是从12.1.0.2开始，oracle更推荐使用Database Proactive Bundle
大家好，我是云杉网络亓亚烜，名字不好读，叫我yaxuan即可。今天主要跟大家交流下SDN与网络虚拟化的东西。希望多多提问，我会分享云杉的实战经验。 云杉网络主要帮助用户在云数据中心部署SDN解决方案，解决网络虚拟化、网络安全以及混合云管理的问题。 SDN的出现，源于2006年的Openflow技术。那时候第一次可以用API（Openflow协议）直接控制交换芯片上的流表，使得很多依赖复杂网络协议的应用都变得可以简单有效实现了。 SDN出现之前，网络行为的控制，需要通过网络设备上的控制平面实现，也就是CCIE
摘要： With the development in the Cloud datacenters, the purpose of the efficient resource allocation is to meet the demand of the users instantly with the minimum rent cost. Thus, the elastic resource allocation strategy is usually combined with the prediction technology. This article proposes a novel predict method combination forecast technique, including both exponential smoothing (ES) and auto-regressive and polynomial fitting (PF) model. The aim of combination prediction is to achieve an efficient forecast technique according to the periodic and random feature of the workload and meet the application service level agreement (SLA) with the minimum cost. Moreover, the ES prediction with PSO algorithm gives a fine-grained scaling up and down the resources combining the heuristic algorithm in the future. APWP would solve the periodical or hybrid fluctuation of the workload in the cloud data centers. Finally, experiments improve that the combined prediction model meets the SLA with the better precision accuracy with the minimum renting cost. 预测式策略，使用功能了exponential smoothing and auto-regressive and polynomical fitting model，组合预测模型的目的是满足不同流量的需要同时满足服务SLA的要求使用PSO算法来进行一个细粒度的调度。用更低的租用成本实现更高的预测精度。
L2switch架构概述 L2switch作为odl的网络基础模块，依赖于openflowplugin模块的消息，同时也调用它的流表下发功能，整个L2switch模块的架构可以粗略的理解为以下架构图。
chatGPT这款软件曾被多个国家的大学禁用，我们也多次在网上看到chatGPT帮助应届毕业生编写毕业答辩论文，但是这款软件目前还没有在国内正式上线，ONLYOFFICE7.3版本更新后呢，就添加了chatGPT该功能，并且正常使用。
There are many incident management models, but all share some basic characteristics. They all require that we identify the event, analyze it to determine the appropriate counteractions, correct the problem(s), and, finally, keep the event from happening again. (ISC)2 has broken out these four basic actions and prescribes seven phases in the incident management process: detect, respond, mitigate, report, recover, remediate, and learn.
EMC Unity是EMC最新发布的中端存储系列产品。Unity在简化管理、现代化架构设计、总拥有成本和灵活部署等方面建立了新的标准，满足大型或小型公司资源越趋有限的IT人员的需求。 Unity对于中等部署规模、远端或分支机构（ROBO）和成本敏感型混合业务环境是理想的选择。它对全闪存做了设计优化，提供绝佳的性能和存储效率，并且提供了专用系统（全闪存或混合闪存）、融合系统（通过VCE Vblock系统）或软件定义虚拟化版本等部署选项。借助全方位的软件功能、新的差异化特性、基于互联网的管理和现代化的设计，Un
Quality can be defined as fitness for purpose.
随着AI时代机器学习模型在实际业务系统中愈发无处不在，模型的安全性也变得日渐重要。机器学习模型很可以会遭到恶意攻击，比较直接就能想到的如：人脸识别模型的攻击。训练出具有对抗性的机器学习模型，在业务系统存在着越来越重要的实际意义。
DragonFlow和OVN是比较前沿的Neutron子项目了，这一节我们就来看看Neutron的这两个后起之秀。 ======================= DragonFlow ======================== （一）架构演变 DragonFlow是华为以色列技术团队2014年提出的，2015年开始提交代码，目前已经成为OpenStack的孵化项目。DragonFlow最初的目标是通过可插拔、无状态、轻量级的SDN控制器来实现分布式路由，它的提出是为了解决DVR中存在的一些问题，主要
最近接触和参与了很多关于DBA职业生涯发展的讨论，也有很多朋友问过我，DBA将向何处去？ 思考了很多，在这里和大家分享一下关于DBA的我的看法。
论文地址： http://arxiv.org/pdf/2009.04515v1.pdf
根据几年前流传的一则故事，Google曾将它的Lvl.99数据处理技术应用于面试和业务评价过程，目的是要试着回答一个问题：面试中显示出的哪些特质最能预示其在公司里的成功。
成立于1998年的comodo公司，主营业务：安全软件和SSL证书颁发。公司总部：美国。
首先需要了解一些有关PSU（Patch Set Update）、CPU（Critical Patch Update）、BP（Bundle Patch）等概念，参考下表：
Proactor是常见的网络AIO模型。和Reactor的区别在于同步/异步。问题在于windows没有好的NIO,而Linux又没动力实现AIO，所以Reactor占多数。
磁盘阵列通常允许调整 LUN 的大小，如果增加 LUN 的大小，请执行以下步骤将附加空间合并到卷组中： 1、按照阵列说明增加 LUN 的大小。 2、运行 vgmodify 检测任何物理卷大小更改。还将报告卷组能否使用所有空间。 3、如果 vgmodify 报告，每个物理卷的最大物理盘区数 (max_pe) 太小，无法容纳新增的空 间，请使用带 -t 和 -n 选项的 vgmodify 确定 max_pe 的新值，如“修改卷组参数” 4、按照新的设置运行带 -r 选项的 vgmodify 检查这些值。 5、停用卷组。 6、提交 max_pe 的任何新值，运行不带 -r 选项的 vgmodify 更新物理卷信息。 7、激活卷组。运行 vgdisplay 和 pvdisplay 命令验证增加的空间是否可用。
> 「K8S 生态周报」内容主要包含我所接触到的 K8S 生态相关的每周值得推荐的一些信息。欢迎订阅知乎专栏「k8s生态」。
源于左耳朵耗子前几天发表了一篇很好的文章《我做系统架构的一些原则》，所以也想借此话题谈谈自己的一些浅显思考…
学习材料owasp主动控制项目SDL 成熟度框架:bsimm & OWASP samm威胁建模：McGraw SARA；威胁建模McGrawSARA什么阶段做安全评估适用范围方法论OWASP ASVS缓解机制列表（含公共组件）参考OWASP_Cheat_Sheet_SeriesIEEE安全设计中心（CSD）提出的Top-10-Flaws参考材料
（外部）内存碎片是一个历史悠久的 Linux 内核编程问题，随着系统的运行，页面被分配给各种任务，随着时间的推移内存会逐步碎片化，最终正常运行时间较长的繁忙系统可能只有很少的物理页面是连续的。由于 Linux 内核支持虚拟内存管理，物理内存碎片通常不是问题，因为在页表的帮助下，物理上分散的内存在虚拟地址空间仍然是连续的 （除非使用大页），但对于需要从内核线性映射区分配连续物理内存的需求来说就会变的非常困难，比如通过块分配器分配结构体对象 （在内核态很常见且频繁的操作），或对不支持 scatter/gather 模式的 DMA 缓冲器的操作等，会引起频繁的直接内存回收/规整，导致系统性能出现较大的波动，或分配失败 （在慢速内存分配路径会根据页面分配标志位执行不同的操作）。
积极是一种态度，遇到一个事情，我们可以消极对待，也可以积极对待。不同对待方式会产生不一样的结果。观念改变行为，行为改变结果。
DragonFlow是华为以色列技术团队2014年提出的，2015年开始提交代码，目前已经成为OpenStack的孵化项目。DragonFlow最初的目标是通过可插拔、无状态、轻量级的SDN控制器来实现分布式路由，它的提出是为了解决DVR（Distributed Virtual Router，分布式虚拟路由技术）中存在的一些问题，主要是DVR会造成计算节点上资源和性能的一些损耗。
因为使用ObjectDataSource自带的缓存机制无法实现排序功能，苦苦寻觅终于找到了解决方案。参考后觉得还是自己实操一下比较安心，下面是对《GridView实战二：使用ObjectDataSource数据源控件》的改进！！ CL代码： 1 public class CL 2 { 3 private OdsDataManager om = new OdsDataManager(); 4 private static string[] mainKey = {"ods"}; 5
书名：MCTS Self-Paced TrainingKit(Exam 70-448): Microsoft SQL Server 2008 – Business Intelligence Development and Maintenance
Published online 26 January 2011This article was originally published in the journal Nature Graduate students bear as much responsibility as their mentors for ensuring that they are well guided through their degrees, say Hugh Kearns and Maria Gardiner. Ev
人工智能对世界各地的技术进行了显着的改变。然而，也许AI最显着的潜力是其在供应链行业中的作用。 人工智能已将供应链流程从被动式变为主动式，这在未来数据驱动流程的运行方式上将产生更大的变化。人工智能在供应链中的真正作用是增强和增强人类智能和决策能力。根据Supplyframe的专家所说，这与某些人认为过时的智能有很大不同。 人工智能在供应链中扮演着双重角色。首先是使整个供应链功能中的重复性任务和流程自动化。第二是实现战略决策和协作的新形式。 随着诸如AI和ML（机器学习）之类的技术在供应链中变得越来越普遍，供应链管理软件提供商Kinaxis相信这些工具可以提供帮助，但前提是公司必须确定业务问题的根源。否则，对AI的投资将无法获得回报。 大流行迫使几乎每个行业的公司重新考虑其供应链。这种推动使工业从对其他国家的依赖转移到了提高自身生产材料能力的新目标。 因此，通过使用AI来缩小和本地化供应链流程的价值比以往更加明显。这使AI成为至关重要的工具。 人工智能具有巨大的潜力来影响全球供应链。它可以接管费时且容易出错的手动工作。萨里大学法学院法学和健康科学教授，萨里大学医学兼职助理教授赖安·阿伯特（Ryan Abbott）表示，这可以使人工智能更有效地预测需求，缩短交货时间，降低成本并接管客户支持角色。加州大学洛杉矶分校戴维·格芬医学院。 他对TechNewsWorld表示：“涉及数百个采购，生产和分销系统的全球物流网络的复杂性使AI的使用对于确保做出明智而敏捷的决策至关重要。”
这里我们先介绍两种网络模式，WPA-Personal 与 WPA-Enterprise。
在本篇文章中，作者对深度学习在接下来一年中的发展趋势作出了十条预测。本文作者在《2011年软件开发趋势和相关预言》的十条预言中，有六条是准确的。 在之前的博客中，我曾预言过未来几年的发展趋势。我记得上
在IT中，有很多令人喜欢的框架，无论敏捷，ITIL，精益，COBIT，六西格玛或其他，其实这些背后都是透着对“最佳实践”指导的渴望，这种渴望不可替代。
ZGC全称是Z Garbage Collector，是一款可伸缩(scalable)的低延迟(low latency garbage)、并发(concurrent)垃圾回收器，旨在实现以下几个目标：
"不动笔墨不读书"，相比技术书籍而言，其他的书籍读的较少。近来在地铁上读完了和创科技CEO刘学臣所著的《创时代》，颇有共鸣，随笔如下。
Chrome 作为地球上最受欢迎的浏览器，将它的“本职工作”做到了极致，但是却因自带功能太少而被大家诟病。
点击上方“LiveVideoStack”关注我们 翻译、编辑：Alex 技术审校：刘姗 本文来自OTTVerse，作者为Krishna Rao Vijayanagar。 ▲扫描图中二维码或点击阅读原文▲ 了解音视频技术大会更多信息 DRM Easy-Tech #022# Microsoft的PlayReady是用于内容保护和发行的DRM解决方案和平台。它和Apple的FairPlay以及谷歌的Widevine一样，都可以提供安全的客户端SDK（用于内容加密和安全的解码和渲染）、许可证服务器、以及
Eight-Fallacies-of-Distributed-Computing-Tech-Talk
1、ReLLIE: Deep Reinforcement Learning for Customized Low-Light Image Enhancement
目前，社区中有多种方法可以记录威胁模型，从简单的文本文件，到更深入一点的Word文档，再到全面的威胁模型检测/构建集中解决方案。其中，威胁模型最有价值的两个属性是能够清楚地记录威胁，并能够驱动更深层次的分析。
CVPR 2024 录用结果显示，今年共有 2719 篇论文被接收，录用率 23.6%。
New report highlights the potential for AI to support climate action; offers recommendations for policy makers to expedite AI-for-climate solutions.
结构体是一种聚合的数据类型，它是由零个或多个任意类型的值聚合成的实体。每个值称为结构体的成员。
来源：DeepHub IMBA本文约1500字，建议阅读5分钟本文为你推荐5篇关于将强化学习与马尔可夫决策过程结合使用的论文。 1、ReLLIE: Deep Reinforcement Learning for Customized Low-Light Image Enhancement Rongkai Zhang, Lanqing Guo, Siyu Huang, Bihan Wen 低光图像增强 (LLIE) 是一个普遍但具有挑战性的问题，因为： 1，低光测量可能会因实际情况中不同的成像条件而有所不同；
首先，根据 DisableExplicitGC 这个 JVM 启动参数的状态，确定是否会 GC，如果需要 GC，不同 GC 会有不同的处理。
其中闲聊部分的定位是像逛知乎一样阅读，上一篇和本篇都属于闲聊范畴。但闲聊不是八卦，它应该略等于行业话题科普。
checkpoint_segments + wal_keep_segments + 1个文件。
（对人机对话技术不是很了解的读者，建议先阅读此前的一篇公众号内容“一文看懂人机对话”）
Jez Humble，【持续交付】和【精益企业】两本书的作者，作为持续交付方面的顶级专家，在其多次分享中有很多的真知灼见。本文对齐的观点做一个整理，和大家分享之：
程序员鄙视链中，做基础平台的鄙视业务线开发，业务线开发的同学也常焦虑自己没有成长。那么，业务线开发对工程师的能力成长有什么价值呢？
扩散模型已展示在机器人轨迹规划方面的潜力。然而，从高级指令生成连贯的轨迹仍具有挑战性，特别是对于需要多个序列技能的长距离组合任务。
原作者：Bane Radulovic 译者： 邱大龙 审核： 魏兴华 随着Oracle 12c的发布，也就意味着全新版本的ASM面世了。已知的重大新特性有Flex ASM，数据预校验和更加便捷的磁盘管理操作。下面针对这几个方面进行详细介绍。 Flex ASM Flex ASM特性可以允许ASM实例只运行在集群中某些节点上。默认安装将会创建3个ASM实例，而不管集群中节点的数量。一个ASM实例可以为本地和远端数据库提供服务。如果一个ASM实例crash，数据库实例会fail over到另一个ASM
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
即时通信 IM
实时音视频
