分享 KubeCon 2019 (上海)关于 Serverless 及 Knative 相关演讲会议
自定义autoscale。可自定义 autoscale, 满足不同的弹性策略使用场景处理冷启动问题。1. 升级 istio, 解决sidecar注入延迟。2. 提前拉镜像。3. activeror接收到请求时,就提前进行扩容处理。资源层面,通过 Virtual Kubelet 构建资源池,满足 serverless 按需分配资源需求。提到了Knative 与 Edge。实现边缘端极致弹性。
自定义autoscale。可自定义 autoscale, 满足不同的弹性策略使用场景处理冷启动问题。1. 升级 istio, 解决sidecar注入延迟。2. 提前拉镜像。3. activeror接收到请求时,就提前进行扩容处理。资源层面,通过 Virtual Kubelet 构建资源池,满足 serverless 按需分配资源需求。提到了Knative 与 Edge。实现边缘端极致弹性。
在Linux主机安全产品HIDS中,文件监控是特别常见的需求,在实现方案上,Linux内核层提供了文件变动的通知机制fsnotify,然而,在高磁盘IO的主机上、不同版本的内核上以及海量监控目标中,将会面临哪些问题呢?业务性能与安全性如何做更好地取舍均衡?今天,我的小伙伴阿松给大家分享以下文件监控系统的建设历程。
自从年初开始关注这波 AI 浪潮,我将 AI 纳入了自己的工作流程,已经有一段时间了。现在我基本上一有机会就向他人推荐,建议尽快将 AI 引入开发流程。
今天这篇文章,分享一些目前自己利用 AI 服务相关的一些经验、工具和服务。
如何通过被动流量识别IoT设备?如何检测分配了IPv6地址、NAT后的IoT设备?本文介绍了IoTFinder系统有效解决上述问题。
中文语法纠错任务旨在对文本中存在的拼写、语法等错误进行自动检测和纠正,是自然语言处理领域一项重要的任务。同时该任务在公文、新闻和教育等领域都有着落地的应用价值。但由于中文具有的文法和句法规则比较复杂,基于深度学习的中文文本纠错在实际落地的场景中仍然具有推理速度慢、纠错准确率低和假阳性高等缺点,因此中文文本纠错任务还具有非常大的研究空间。
DEEPSEC是一个对深度学习模型安全性进行统一分析的平台,通过构建多指标评价体系,对多种对抗攻击的攻击/防御方法进行了全面深入地评估。
Serverless是目前比较热门的技术话题,各个大云厂商以及互联网大厂内部都在积极建设Serverless产品。本文将介绍美团Serverless产品在落地过程中的一些实践经验,其中包括技术选型的考量、系统的详细设计、系统稳定性优化、产品的周边生态建设以及在美团的落地情况。虽然各个公司的背景不尽相同,但总有一些可以相互借鉴的思路或方法,希望能给大家带来一些启发或者帮助。
Java 1.8
框架:使用Spring Boot 集成Spring,Spring MVC,MyBatis(前期),Spring Data(后期)
数据库:MySQL 5.6
缓存:Redis 4.0
版本控制:Maven 3.5
页面解析框架:Thymeleaf
负载均衡:Nginx - 端口80
服务器:Tomcat 端口8080和8181(可以使用单个tomcat)