书栈网 · BookStack 本次搜索耗时 0.020 秒,为您找到 94854 个相关结果.
  • 两地三中心跨Region容灾

    两地三中心跨Region容灾 可获得性 特性简介 客户价值 特性描述 特性增强 依赖关系 两地三中心跨Region容灾 可获得性 本特性自openGauss 3.1.0版本开始引入。 特性简介 openGauss 3.1.0支持两地三中心跨Region容灾。 客户价值 业务需要底层数据库提供跨地域的容灾能力,来保证极端灾难情况下数...
  • 韧性和性能 Resilience and Performance

    1147 2019-03-12 《ZooKeeper深入浅出》
    韧性和性能 Resilience and Performance 韧性和性能 Resilience and Performance ZooKeeper应用应该被定位用于减少机器和网络对系统的影响。在实践中这意味着我将隔离机架、电源供应和路由,使得我们不会因为他们的故障而导致失去我们的大多数服务器。 低延迟服务应用的重点是要求所有的服务器都在一个数据...
  • 后缀树

    后缀树 1.1、后缀树的定义 1.2、后缀树的应用 后缀树 1.1、后缀树的定义 后缀树(Suffix tree)是一种数据结构,能快速解决很多关于字符串的问题。后缀树的概念最早由Weiner 于1973年提出,既而由McCreight 在1976年和Ukkonen在1992年和1995年加以改进完善。 后缀,顾名思义,就是后面尾巴的意思。...
  • PHP Composer-——-注册与运行源码分析

    1405 2018-04-12 《laravel 源码详解》
    前言 Composer自动加载源码分析——注册 Composer自动加载源码分析——全局函数的自动加载 静态初始化: 普通初始化 加载全局函数 Composer自动加载源码分析——运行 PSR4标准加载 PSR0标准加载 结语 前言   上一篇 文章我们讲到了Composer自动加载功能的启动与初始化,经过启动与初始化,自动加载...
  • 共识机制,可编程的“利益”转移规则

    共识机制,可编程的利益转移规则 前言 机制,左右产品走向的根源 1.PoW(Proof of Work):工作量证明机制 基本原理 优点 缺点 2.PoS(Proof of Stake):股权证明机制。 基本原理 优点 缺点 3.DPoS(Delegated Proof of Stake):授权股权证明机制 基本原理 优点 缺点 ...
  • OpenCV 中的 K-Means 聚类

    OpenCV 中的 K-Means 聚类 目标 了解参数 输入参数 输出参数 1. 只有一个特征的数据 2.具有多个特征的数据 3.色彩量化 额外资源 练习 OpenCV 中的 K-Means 聚类 目标 学习在 OpenCV 中使用 cv.kmeans() 函数进行数据聚类 了解参数 输入参数 samples...
  • 高可用与容灾

    高可用与容灾 高可用与容灾 高可用是指数据库的持久性、冗余性和自动故障转移能力。容灾是指在相隔较远的异地,搭建一个完整的集群环境,当一个地方发生灾难停止工作时,可以切换到另一处,使得系统可以正常提供服务。 本章主要从以下几个方面介绍高可用与容灾: 高可用 容灾 同城双中心部署 同城三中心部署 两地三中心部署 三地五中心部署 容灾工具...
  • 百姓网SDK接入

    1243 2020-06-15 《APICloud 开发文档》
    百姓网SDK接入 登录开发者中心 http://www.baixing.com/appsdk/developer , 点击“新建APP”按钮,创建APP后即可得到app_key和secret_key 百姓网SDK接入 开发者在使⽤用APICloud提供的来⾃自第三⽅方开放平台-百姓开放平台的相关模块时,需要开发者⾃自⾏行到 百姓开放平台申请相应...
  • Concentric

    Concentric 属性 center preventOverlap nodeSize minNodeSpacing sweep equidistant startAngle clockwise maxLevelDiff sortBy 方法 使用方法 Concentric Concentric 布局为同心圆布局,用户可以指...
  • 3. 无监督学习

    三、无监督学习 聚类 K 均值聚类 层次聚类 降维 主成分分析(PCA) 奇异值分解(SVD) 请继续! 实践材料和扩展阅读 3a K-Means 聚类 3b SVD 三、无监督学习 原文:Machine Learning for Humans, Part 3: Unsupervised Learning 作者:Vishal...