搜索[路径追踪]结果-低调大师优秀个人博客

精选列表

搜索[路径追踪]，共10000篇文章

电商订单通知改版引发的钓鱼风险与治理路径研究

本文以彭博新闻披露的亚马逊邮件改版事件作为研究案例，剖析电商业务设计调整与网络安全风险之间的内在矛盾，梳理该类钓鱼攻击的社会工程实现逻辑、风险传导路径，分析普通用户在信息缺失条件下的行为决策困境。

2026-08-21

网络钓鱼作为社会工程学主导的网络攻击手段，历经多年安全治理依旧保持较高攻击成功率，大量数据泄露、财产损失事件均以网络钓鱼作为初始入侵入口。本文结合境外媒体评论报道反映的现实安全现象，从攻击经济成本、认知心理机制、AI 赋能攻击迭代、组织安全体系短板、传统防御固有局限五个维度，剖析网络钓鱼能够持续奏效的内在逻辑，厘清钓鱼攻击并非单纯依靠系统技术漏洞，而是针对人的认知、组织流程与既有信任体系实施的综合性欺骗行为。反网络钓鱼技术专家芦笛指出，当前多数机构的安全建设过度侧重边界设备防护，对人的行为风险与社会工程欺骗逻辑缺少系统性应对。研究梳理现代钓鱼攻击的演进特征，客观分析安全培训、邮件过滤、身份管控等现有措施的实际效能边界，立足技术、管理、认知三个层面提出适配当前威胁环境的防御改进思路。研究表明，降低网络钓鱼危害不能单一依赖技术工具，需要实现技术防护、流程约束与人的安全认知三者协同，为个人与组织机构应对钓鱼威胁提供现实参考。

2026-08-19

企业云上成本治理——从账单分析到优化的完整路径

这篇从账单解读出发，梳理一条可落地的成本治理路径。

2026-08-14

政务数据安全与信创国产化改造的技术路径解析

政务数据安全与信创国产化改造的技术路径解析摘要：政务数据安全不只是合规要求，更是国家安全的重要组成部分。

2026-08-10

金融数据安全与等保三级落地的技术路径解析

金融数据安全与等保三级落地的技术路径解析摘要：金融行业是数据安全监管最严格的领域之一。

2026-08-06

DeepSeek 回答如何落成可编辑文档：三种导出路径总结

一场技术评审准备了 40 轮 DeepSeek 对话，里面既有需求拆解，也有参数表和公式。真正要开会时，问题来了：分享链接方便在线查看，却不适合归档；浏览器打印能得到 PDF，却不好继续修改；设置里的“导出所有历史对话”又不像一份直接可交付的 Word。

2026-07-22

Python 实现定时自动化清理指定路径下的文件的方法

在日常开发和系统运维中，我们经常需要定期清理特定目录下的临时文件、缓存文件或日志文件。例如：

2026-07-20

ACK 云原生 AI 套件：云原生 AI 工程化落地最优路径

作者：胡玉瑜(稚柳) 前言在过去几年中，人工智能技术取得了突飞猛进的发展，涵盖了机器学习、深度学习和神经网络等关键技术的重大突破，这使得人工智能在各个领域都得到广泛应用，对各行各业产生了深远的影响。特别值得一提的是，近年来，ChatGPT 的快速发展，使得人工智能技术在自然语言处理和对话生成方面取得了显著进展，让人工智能进一步走进人们的日常生活，改变我们的生活和工作方式。随着人工智能技术的快速发展和应用，AI 工程化作为“人工智能业务创新的加速器”，也在不断地升级和演进。为了满足日益增长的算力需求、更高的业务稳定性要求，以及更快的创新和迭代交付，越来越多企业选择在云上开发、训练和部署 AI 模型，利用云计算的优势，获取稳定、弹性的大规模异构算力，从而提高算法迭代和应用落地的效率，并提升规模化服务的可靠性。同时，云原生技术和架构，如容器、Kubernetes、服务网格和 Serverless 等，也被广泛应用于支持 AI、大数据等多种工作负载类型，以及构建多角色协同的 AI 生产系统，进一步增强了 AI 工程化的弹性、可扩展性和灵活性。随着越来越多的企业在容器服务 ACK 上构建 AI 系统和应用，无论是 ACK 集群和 AI 平台的运维人员，还是使用容器技术调试和运行深度学习任务的算法工程师，他们都在享受云原生技术和架构带来的便利和高效的同时，仍然面临着持续的运维成本和生产效率的挑战。因此，为了帮助客户更轻松、高效地在容器服务 ACK 上构建 AI 系统，并提升 AI 生产效率，我们推出了容器服务 ACK 云原生 AI 套件。旨在利用云原生的技术和架构，为客户提供一个全面的云原生 AI 技术和产品方案，能够帮助客户在容器服务 ACK 上快速、定制化构建 AI 生产系统，并持续优化异构资源效率、高效运行异构负载。让客户的 AI 工程化落地更加快速和有效，从而提升企业的竞争力和创新能力。什么是云原生 AI 套件那云原生 AI 套件是以什么样的形态提供给客户的，适合什么样的客户场景，又具有哪些能力优势呢？首先，我们看下云原生 AI 套件的产品形态，如何把云原生 AI 的能力提供给客户？云原生 AI 套件通过多个可组装、可扩展、可定制的组件来提供云原生 AI 能力。以 Kubernetes 容器服务为底座，向下封装对各类异构资源的统一管理，向上提供标准 Kubernetes 集群环境和 API，运行各个核心组件。并结合容器镜像服务，以及可观测、智能诊断、弹性伸缩等容器服务相关能力，提供更加全面的产品方案。云原生 AI 套件的核心组件能力包括四大分层模块，以满足企业客户不同角色、不同架构层级的场景需求。从下往上依次是异构算力管理、AI 任务管理、AI 数据加速、AI 工程管理。云原生 AI 工程化的第一步，就是搭建一个 K8s 集群管理云上的异构算力，因此第一层就是异构算力管理模块，包括对异构资源的管理运维、弹性伸缩，以及调度与共享。有了异构计算集群，算法工程师就可以开始提交 AI 作业，通过 K8s 集群的标准接口访问存储服务，以及进行 AI 作业调度和 GPU 资源分配，最后训练好的模型部署在集群中，这样基本实现了 AI 开发和生产流程。因此，往上一层是 AI 任务管理，包括对 AI 任务的提交运行、调度与弹性。紧接着，企业对生产效率有了更高要求，也遇到更多问题。包括训练数据访问慢，缺少数据集、模型管理，模型发布缺乏质量和性能验证，上线后缺少服务化运维和治理手段，以及团队协作效率低下，Kubernetes 和容器对于算法工程师和数据科学家有一定使用门槛，等等。因此，往上就 AI 数据加速和 AI 工程管理。AI 数据加速，包括数据集的抽象和管理、数据的访问加速、数据集的编排等等。AI 工程管理，包括命令行工具和 SDK、AI 开发和运维控制台，以及 MLOps 或者 LLMOps 的优化。客户可以根据具体需求选择不同的组件进行使用，快速、定制化构建自己的 AI 平台，或者直接使用云原生 AI 套件集成的阿里云 AI 平台和服务，从而全栈优化 AI 生产系统的性能、效率和成本。使用云原生 AI 套件可以实现 GPU 利用率提升 100%，数据访问效率提升 30%，AI 训练速度提升 20%。那接下来我们具体看一下，四大分层能力模块，分别具备哪些优势特性，如何满足不同角色、不同架构层级、不同业务阶段的需求。还是以从下往上的顺序来看，让我们看一下异构算力管理模块，我们基于容器服务 ACK 提供了资源的管理运维和弹性伸缩，能够支持 CPU、GPU、vGPU、NPU、FPGA 等异构资源的统一接入、监控、诊断和成本分析，帮助运维人员降低管理大规模 GPU 的复杂度，以及提供智能的削峰填谷，减少资源浪费。云原生 AI 套件还提供了资源调度与共享功能，包括 CPU/GPU 拓扑感知调度和 GPU 共享调度与隔离。CPU/GPU 拓扑感知调度基于节点异构资源的拓扑信息，如 GPU 卡之间的 NVLink、PcleSwitch 等通信方式，以及 CPU 的 NUMA 拓扑结构等，在集群维度进行最佳的调度选择，为工作负载提供更好的性能。GPU 共享调度与隔离，能够实现一个 GPU 供多个任务使用，同时也能够实现一个 GPU 上对各应用申请的显存进行隔离以及 GPU 的算力分割，从而提升 GPU 的资源利用率。接着看一下 AI 任务管理模块，云原生 AI 套件兼容主流 AI 框架和工具，包括 tensorflow、pytorch、JupyterLab、TF-Serving、Triton 等等，也在不断的适配新的分布式训练和推理的框架，如 deepspeed、fasttransformer 等等，能够用统一的方式提交和管理任务。同时，支持集成 Kubeflow Pipelines 或 Argo 云原生工作流引擎，为复杂的 AI 任务提供工作流编排服务。AI 任务管理模块还提供多种调度策略，适用于各种典型的批量任务类型，如 AI 分布式训练。通过 ACK 调度器扩展 Kubernetes 原生调度框架，实现多种典型批量调度策略，包括 Gang Scheduling、Capacity Scheduling、Fair sharing、Binpack/Spread 等，以满足不同任务的调度需求。还支持任务队列，提供自定义的任务优先级管理和租户弹性资源配额控制，提高任务调度和资源利用的效率。此外，还支持弹性训练和推理任务，以提升任务运行的效率和优化成本。再看一下AI 数据加速模块，该模块主要通过面向云原生数据密集型应用的数据编排框架 Fluid 来支持。Fluid 提出弹性数据集的概念，将不同位置和类型的存储服务作为数据源聚合到同一数据集中，以实现数据的统一管理。Fluid 支持多种分布式缓存引擎，包括阿里云 JindoRuntime、EFCRuntime，以及开源社区提供的 AlluxioRuntime、JuiceFSRuntime，同时还可以通过对接 Fluid 的标准接口来扩展第三方或者自建的存储系统。结合 Fluid 提供数据集缓存预热，以及缓存数据的容量监控和弹性伸缩等功能，来降低计算任务拉取数据的开销，提升 GPU 计算效率。Fluid 还支持 Serverless 数据访问加速，实现数据访问吞吐的弹性扩容，以及混合云数据访问加速，在弹性上云的同时能够安全、快速地访问自建存储。Fluid 还支持应用协同编排和自动化数据流等功能，让用户在云上使用数据的过程更加简单化和自动化。最后是 AI 工程管理模块，除了提供 Arena 命令行工具和 SDK，来屏蔽底层复杂性，简化任务管理之外，还提供简单的运维大盘和开发控制台，满足用户快速浏览集群状态、提交和查看任务的需要。同时，云原生 AI 套件致力于持续优化 AI 生产效率和体验，并且全面拥抱大模型生态，支持 MLOps、LLMOps 等相关领域的需求。通过前面的介绍，相信您已经基本了解了云原生 AI 套件，接下来让我们一起看两个典型的客户案例吧！客户案例第一个是任意门：基于云原生 AI 套件打造人工智能社交网络平台的案例。任意门的 SoulAPP 是基于兴趣图谱和游戏化玩法构建的移动社交网络，有丰富的 AI 业务场景，包括语音匹配、聊天机器人、文本识别、图像识别、多模态等。但在传统的虚拟机构建部署方式下，缺乏一个统一的管控平台，导致：业务迭代速度慢：研发工程师需要花费大量时间在底层资源和环境的准备、管理和运维上，无法专注于业务开发。运维工作重复：需要做很多重复的环境配置和问题处理，人力投入大，运维效率低。资源性价比低：有大量堆积机器，且资源利用率低，导致资源闲置浪费。任意门在阿里云上，通过容器服务 ACK 云原生AI 套件，构建了符合开源标准、自主掌控的 AI PaaS 平台，管理了从初期的数十张 GPU 卡到近千张的超大规模，节省 1 倍运维成本。并且开发迭代效率提升 2~5 倍，日承载 AI 业务发布数百次，很好地支撑了业务的高速发展。通过 GPU 共享及 Fluid 数据加速能力，提升业务效能，资源成本节约 50%。第二个案例是小米机器学习平台：基于 Fluid 的 Serverless 混合云容器 AI 平台。小米机器学习平台（CloudML）承载了图像、NLP、声学、搜索推荐等应用业务，是小米针对机器学习进行全流程优化的高性能、分布式云服务。支撑 CloudML 的自建集群由于资源池容量、资源弹性能力相对有限，导致业务低谷时资源闲置成本高，业务高峰时资源紧张。迁移到基于 Serverless 容器架构的混合云之后，获得了 Serverless 容器带来的敏捷、安全、弹性、低成本等优势，然而也遇到了几个重要的技术挑战：无法定制扩展存储类型：公有云集群只支持阿里云存储类型（如 NAS、OSS等），无法直接适配内部自研的分布式文件存储（StarFS）。缺乏可信透明的数据接入方式：如何在 Serverless 容器的黑盒系统使用过程中规避数据泄露，如何确保数据存储、传输、访问过程中安全可靠，缺乏对应的解决方案。基础设施差异导致用户体验不一致：混合云场景中，当用户任务在公有云和自建集群之间进行迁移时，用户使用体验需要与自建集群上保持一致，不需要做过多的变更。通过阿里云 ACK 云原生 AI 套件中提供的 Fluid 存储系统接入方案可以很好的解决以上问题：首先，对于自建存储 StarFS 的访问提供了很好的扩展支持，并且得益于 Fluid 提供的数据集可观测性功能，能够获取云上工作负载的数据访问特性，从而支持数据热加载和资源分配调优。其次，方案接入简单、管理便捷。可以自行完成 StarFS 与 Kubernetes 环境的对接工作，整个 thinRuntime开发简单，无需具备复杂的 Kubernetes 定制开发知识。基于这套方案，只需要了解 Dockerfile 构建就可以完成，开发工作 2-3 小时左右，显著降低了使用 ECI 接入 StarFS 的工作成本。了解了云原生 AI 套件的能力优势和客户案例，如果您的业务也有类似的需求，那接下来我们就介绍一下云原生 AI 套件怎么用，并且会提供一些有趣的实验让您快速上手。云原生 AI 套件用法云原生 AI 套件通常存在两类用户角色，运维管理员主要负责搭建 AI 基础架构和日常管理，而数据科学家和算法工程师则使用云原生 AI 套件提交和管理任务。这两类角色可以通过命令行工具和控制台进行高效的操作和协同。首先运维管理员需要先创建和配置 ACK 集群，以及相关的资源和服务，并添加异构资源进行管理和运维。接着进行系统与环境搭建，包括开通和安装云原生 AI 套件，管理用户和配额，准备数据等工作。完成这些准备工作后，算法工程师和数据科学家就可以开始使用云原生 AI 套件提供的命令行工具 Arena 或 AI 套件开发控制台，进行模型的开发、训练与部署，利用调度、弹性、数据访问加速等能力，提高 AI 生产效率和性能，以及进行推理的服务化运维。运维管理员则可以通过运维控制台查看集群、节点、训练任务、资源配额、成本分析等监控大盘，从而对集群进行实时监控和管理。这种高效协同的工作模式，能够提高生产效率，优化资源利用和管理。如果您想先从部分简单的功能入手，快速入门云原生 AI 套件，我们为您准备了低门槛、低成本的保姆级实验教程，让您通过简单有趣的小场景，感受云原生 AI 套件加速 AI 工程化的过程。关于费用呢，云原生 AI 套件是按量计费，先试用，后付费。使用云原生 AI 套件所产生费用 = 云原生 AI 套件费用 + ACK 费用 + 其他云产品费用云原生 AI 套件采用阶梯型计费方式，若 GPU 卡数当日最大值不超过 8 张，云原生 AI 套件本身免费。如果您希望全面、深入地了解云原生 AI 套件的更多能力，我们还为您提供了云原生 AI 工程化实践系列课程，这些课程将帮助您上手云原生 AI 套件的更多功能和最佳实践，让您能够更好地应用于实际项目中。除了课程，我们还为您提供了交流群，您可以与我们进行互动和交流。在交流群中，您可以及时了解云原生 AI 套件的产品动态，探讨云原生 AI 最新的技术发展。同时，我们也将根据您的业务场景，为您提供更加针对性的解决方案和服务支持。实验 1：云原生 AI 套件：五分钟微调宝可梦风格 StableDiffusion [ 1] 实验 2：云原生 AI 套件：一键训练大模型及部署 GPU 共享推理服务 [ 2] 更多实验请见：云原生 AI 工程化实践系列课 [ 3] 希望您能够持续关注云原生 AI 套件，让我们帮助您以云原生的技术和架构加速 AI 工程化落地，提高 AI 生产效率并优化成本，同时，我们也将不断发掘云原生 AI 的技术和应用，为您提供更加丰富的产品能力，更加优质的服务和体验。欢迎使用钉钉通过搜索群码的方式与我们一起沟通。（钉钉群号：33214567）相关链接： [1]云原生 AI 套件：五分钟微调宝可梦风格 StableDiffusion https://developer.aliyun.com/adc/scenario/5d4b9f5be5104302b9c4ca2fd1a4755e [2]云原生 AI 套件：一键训练大模型及部署 GPU 共享推理服务 https://developer.aliyun.com/adc/scenario/99e00d4dea0e4fbf952780b30136209d [3]云原生 AI 工程化实践系列课 https://developer.aliyun.com/adc/scenarioSeries/e5427732f6e94cde939a7aeed1d19180

2023-10-10

云原生驱动云计算“质变” 为数字化转型提供实现路径

在何宝宏和栗蔚看来，云计算的发展，某种程度为数字化提供了工具和实现路径。

2021-08-02

木兰语言 0.0.15.1：继续改写 Python 冒险游戏；引用包路径规则小结

这几天在用木兰语言继续改写 Python 文字冒险游戏例程时，又体验到引用模块时使用的包路径与 Python 的差别，之前虽然写过相关测试但未整理成文档，在此小结一下。

2020-12-15

人力资源行业拥抱电子合同，探寻指数级组织创新路径

【51CTO.com原创稿件】11月26日，HRA 2019组织发展高峰论坛在京成功召开。北京数字认证股份有限公司(以下简称“数字认证”)产品市场总监陈珊珊以《数字化时代，组织契约缔结新模式》为题，分享了电子签名在企业不同场景中的实践价值，提出了“电子签是组织敏捷转型和数字化升级加速器，解放人力资源生产力”的观点。组织效率变革浪潮正在涌起随着互联网的发展和跨地域规模化企业的不断壮大，企业面临一线员工数量庞大、工区分散、人员变更频繁等问题。权威数据显示，2018年我国劳动合同的签署量高达7.8亿份。这一数字的背后意味HR工作量的增大——员工入职、离职、岗位调动、档案管理、招聘、培训等单一重复性高的工作占据了HR大量时间。传统的劳动合同签署、内部文件证明开具等纸质方式已经跟不上企业管理的高效需求，企业的人力资源部承载的数字化要求越来越高。他们渴望利用新技术和工具来将这些事务性的工作流程化简单化，而让其将核心抓手放在构建敏捷的组织、员工体验以及通过技术来实现前瞻性策略的职能上。电子合同受人力资源青睐行业的痛点加速催生了市场的需求，为了配合企业高速扩张，电子签名应用爆发，电子合同以方便快捷、高效降本、安全可靠等优势深受人力资源青睐。电子化签署不受终端限制，可支持WEB电脑、H5页面、手机APP、微信等多种方式，且能够与人资业务系统实现无缝对接，快速易集成，简单好上手。企业部署之后，看得见的受益是效率的提升，员工只需要10分钟就可以实现整个员工入职以及归档的完整性操作，而且全程无纸化办公节省了大量的纸张耗材，不同分支机构之前的员工入职办理也不再需要快递邮寄资料，时效性大大增加。不仅如此，在监管更加严格的市场环境下，电子合同还能确保员工信息真实性、保障电子文件的合法可信、内容真实完整、责任可追溯，这些都是人力资源用传统方式无法企及的。由此可见，电子合同对于整个企业管理，对于组织效能提升的意义重大，让HR工作更加规范化和流程化，极大地提升了HR人力资源工作的管理效率。电子合同比“白纸黑字”更安全虽然电子签名、电子合同可以大大地简化企业组织流程，为人力资源事务高效赋能，但是依然有不少企业仍有重重顾虑，这其中关键就在于信息数据的安全性拷问：电子合同可靠吗?能够在发生纠纷的时候当做可信赖的证据吗?在HRA 2019组织发展高峰论坛现场，陈珊珊也针对人们的这个疑虑分享了数字认证的观点。“电子合同不管是在司法体系还是仲裁体系里，都得到了很好的采纳和认可，应用本身其实没有司法障碍。” 她表示，电子签名是通过密码技术对合同进行电子形式的签名，可以实现三个关键点，即防篡改、防伪造、可验证。对于数字认证而言，在电子合同服务中，最重要的就是在企业HR工作中体现数字化的信任，确保身份信息安全、合同文件安全、数据传输安全、业务信息安全。另外，国家从法律层面对电子合同也给予了充分的认可。《合同法》第十一条规定：“(合同的)书面形式是指合同书、信件和数据电文(包括电报、电传、传真、电子数据交换和电子邮件)等可以有形地表现所载内容的形式。”而且《电子签名法》第四条也规定：“能够有形地表现所载内容，并可以随时调取查用的数据电文，视为符合法律、法规要求的书面形式。” 目前已经公开的部分有关电子劳动合同的劳动仲裁判例，均在不同程度上肯定了电子劳动合同的法律有效性。在包括广东、上海、福建、湖南等多地人民法院的民事纠纷案件审理中，法院均采信了经数字认证服务形成的电子合同，维护了合同应用方的合法权益。电子合同解决合同签署身份难题不少人对于电子签名有认识上的误区，以为将纸质合同拍照扫描归档就是电子合同了，事实上电子合同的思路完全不同于纸质流程的原样照搬。数字认证对于电子合同的合法支撑工作分解得非常细致，包括监管审查、身份鉴别、签名时间戳、鉴定公证、商密产品、证据保全、CA认证等，多方面确保电子合同服务的法律效力。身份认证：电子签名解决方案要首先要识别员工真实身份。数字认证目前已全面接入CTID平台(“互联网+”可信身份认证平台)，实现了对合同签约人身份的实时在线核验，这也是迄今为止电子合同行业内权威的身份验证手段。个人隐私：在保证身份真实性的同时，也要确保个人隐私信息不被泄露。在员工签署合同的同时，既要完整地保存所有信息，又要被可验证，不能够被未经授权的系统或者个人查看。这些工作的开展，都离不开密码算法的支持，让使用方、应用方都能够在一个安全可信任的数字化的环境当中来实现电子化签署。证据可追溯：员工在签署合同时若不是面对面签署，会有环境不可控、身份不可控、采集不到相关证据等问题。但是基于密码算法所实现的电子签更可靠，有《电子签名法》做法律支撑，每一个签署关键点都有证据可追溯，完整性更强并且提取速度更快，可以快速解决员工劳动纠纷。具有天然CA基因的电子合同厂商更值得信赖电子合同对于企业HR的价值显而易见，但是选择“靠谱”的电子合同解决方案却需要HR擦亮眼睛。这让人不由得联想到前不久频频“爆雷”的P2P平台，正规的平台通常会要求投资人、借款人经第三方电子合同服务平台签订服务协议，生成具有法律效力的电子合同。但是不法平台往往会与无资质第三方电子合同平台合作，这些平台提供的电子签名服务，并没有经过权威的第三方CA机构的认证与核实，会造成身份上的不真实性。而且使用虚假电子合同系统，信息可随意篡改，电子合同不合规，证据链匮乏且不完整，根本不被法律认可，这也让消费者的维权之路雪上加霜。事实上，一份合规的电子合同背后有着很高的技术门槛，对企业的实力有多维度严苛要求。数字认证是国内首家电子认证上市公司，近20年来一直聚焦信息安全，拥有500万企业用户和数亿个人用户，先后参与了110多项国家、行业、地方标准制定，深度参与了60余项国家重大课题研究攻关，始终保持市场领先。从服务主体的合法性上看：数字认证拥有《电子认证服务许可证》，提供符合《电子签名法》要求的电子签名服务，依法为电子签名相关各方承担真实性、可靠性，企业运营受国家强监管; 从服务技术的合规性上看：数字认证获得密码使用资质，产品还获得密码产品型号证书; 从服务体系的安全性上看：数字认证通过信息技术测评中心、ISO系统及机房安全质量体系检测和认证，可以在保证身份真实可靠的同时依法保护个人隐私。陈珊珊表示：“对于企业而言，选择优质的服务商会事半功倍，企业在选择服务商时，要关注其所提供的电子合同服务是否合法合规、电子合同保护服务是否安全可靠、电子合同服务交付是否随需应变、电子合同运营能力是否持续稳定。” 目前，数字认证的人力资源行业电子合同解决方案已经得到了非常广泛的应用。对企业HR而言，数字认证拥有CA基因的严谨性和权威性，而基于此的电子合同解决方案无论在合规性和证据链方面，都可以为HR提供非常好的支撑服务。【51CTO原创稿件，合作站点转载请注明原文作者和出处为51CTO.com】【责任编辑：周雪 TEL：（010）68476606】

2019-12-02

图的单源最短路径，Floyd算法（数据结构c++）

时间复杂度是O（N*3）算法有点动态规划的意思，有两个数组，一个（dis[]）是记录俩顶点之间的最短路径的长度的，一个[path]数组是记录俩结点的中间结点的。

2017-12-31

中国装备制造业寻找新路径：不数字化无未来

经济学家、中国社科院学部委员吕政前不久总结，从1949到远期2049年上下一百年的时间维度来看，中国制造业的发展可以用简单的12个字来概括“从无到有，从少到多，从大到强”，中国毫无疑问的成了世界工厂。但同时，吕政教授也认为现在的中国制造也正面临很大的麻烦。造成问题的原因有很多，但核心的有这样几个。首先是固定资产投资增速和5年前相比下降了两位数。其次是中国大规模的基础设施建设已经逐渐减少。一直占中国经济增长大头的房地产开发也已经从之前20%增长降到5%左右。市场需求变了，制造业的景气也结束了。更何况，人口红利消失带来的成本上升，也让人力成本占比极高的制造业举步维艰。在众多制造业细分行业，装备制造业又是受伤害最大的一个行业。因为无论是基础建设，还是房地产，用到最多的制造业产品，除了水泥沙子等大宗原材料，剩下最重要的就是装备制造业这些施工设备。其实即使宏观环境没有变化，制造业可能也面临转型升级的问题。欧美等发达国家的制造业已经更早遇到了需求不足和成本过高的问题。相比较而言，中国市场的宏观环境已经不能算差。涉及多区域运营的跨国公司在这方面有更切身的体会，英特尔中国区总经理夏乐蓓在2015年9月18日第九届政企信息化策略研讨会上就表示，中国在任何行业的发展速度都很快，尤其是制造业，在全球来看都属于增长速度最快的国家行列。装备制造业数字化云是第一步正因为有了这样的发展空间。在有挑战的地方，就存在机会。高额固定资产投入带来的快钱不好赚了，中国制造业到了苦练内功的时候，尤其装备制造业是其中最大的门类，也是中国制造2025最重要的门类，所以装备制造业的问题可以上升为整个制造业的问题。这一切对于工作在装备制造领域十余年的“青岛冷箱”数字化IT项目经理耿峰来说有着最直观的认识，在他看来中国传统装备制造业本身就面临产品创新不足和内部有待优化两大问题。而这些问题可能之前因高增长被掩盖了。要解决这些问题，他的观点是：“产品创新需要利用先进制造技术（IT技术、自动化、机器人等）提升工艺（提高产品吸引力）；内部优化则要使用精益制造的模式，从各个环节杜绝浪费。” 而要实现这两种转变，装备制造业马上要面临的问题就是提高对新兴技术的运用。换言之，就是利用IT，将传统工厂升级为数字化工厂。数字化工厂的建设已经成为装备制造业现阶段最重要的任务，但搭建数字化工厂并不是一蹴而就的，首先就要让IT环境适应从研发，到制造，再到后期运维，甚至产品（智能化产品）带来的弹性业务，高密度计算和全程数据可视化。装备制造业在信息化的建设上走的都相对较早，有比较完整的基础。基础网络、PDM、HR、CRM、ERP等平台基本都建设完成。而当下马上要做的就是云计算上的部署。在英特尔全球数据中心企业应用总监Patrick Buddenbaum看来，企业的业务在发生变化时，云计算非常值得去应用，因为这样企业就有了非常灵敏的业务支持环境。正因为如此，基于英特尔X86服务器实现虚拟化在装备制造业当中正变得非常主流，同时再部署云计算时也更加得心应手。正是因为有了标准化的工业标准架构，可以很好的降低TCO，同时在业务基于云后，可以明显缩短企业内部的业务部署时间，在工厂每一个环节都可能提出IT需求的时候，都能提高响应速度，提高制造业内部IT部门的服务水平。由于之前所讲到的，装备制造业的IT建设较早，所以企业内部往往已经有了成熟的IT架构。所以转型云端，到底该怎么做，装备制造企业也说法不一。英特尔对于云计算的策略是“Cloud for All”，即云可以适用于所有类型的应用以及企业，这里就包括混合云的情况。这样的技术即满足了企业长期发展，又保护了企业的现有投资。耿峰同时认为，云计算的好处还不限于此，“云计算可以把企业的能力和人才都解放出来，让他们去了解业务、钻研业务，站在业务的角度上回归信息化。”因为私有云可以实现起码四大效益：第一，大幅减少IT基础设施的成本和运营成本；第二，使IT基础设施更加稳定、可靠；第三，让IT运营更加灵活高效；第四，节能减排。当然有了云的支持，还需要有端的配合。尤其在装备制造业中，生产过程是否透明是重中之重，这关乎着企业命脉，也是同其他的制造业最大的不同。装备制造企业的产线工人往往通过操作机器的看板或在监察室了解生产过程，因为设备不具备移动性，这也就要求一人一岗才能知道整个工厂的实时运行环境，第一时间发现问题。而有了移动终端接入云平台，可以很好的提高工厂效率。比如工人在报工上，可以更好的记录、统计和分析员工在项目及非项目上的各项工作任务内容和所花费的时间，考核员工绩效，核算项目人工成本。另外在物料呼叫或物料不良上通过终端可以及时反馈并处理。从管理者到调度班长都可以通过终端实时掌控整个生产过程。现在基于标准架构的平板电脑，正成为诸多制造业的车间标配。因为大多装备制造企业基于X86的体系架构，可以实现平滑的迁移。加上英特尔平台的移动终端由于体系开放，终端类型众多，就比较受到IT负责人的关注。因为用户可以从待机时间，耐用性，无线天线的灵敏度等多个方面，不同层面的要求衡量比较，从而最终采购到适合的产品。因此综合来看，基于云计算的应用平台在装备制造企业中可以对生产前、生产中、生产后的各项工作进行预测和监控，打造生产制造透明化、高效化、智能化新模式，实现由传统制造业向智慧制造的转型，提升生产效率和管理水平。物联网添砖加瓦数字化模式的核心在于精益制造，其是在装备制造业中最重要的一个理念。将整个制造过程更加透明，用数据打破之前信息传递的不对称，信息的通常也可以规避更多问题，从而保证生产有序的进行。有了云端环境的支持，数字化工厂还需要具备什么要素？其实数字化工场涉及的元素非常广泛，在各种元素融合在一起后，才能完成一个顶层设计。在很多企业主眼里数字化工厂只是几条自动化生产线，那就大错特错。这只是个一个基础，数字化工厂是让每一个环节都全部实现自动化，这也是装备制造业相比于电子制造业所欠缺的部分。全自动无人焊接生产线因此，曾有人说，想要让数字化工厂一步到位最简单直接的办法是开设新厂，但这对于中国装备制造业企业来说，成本投入太高，大家更多的是改造现有工厂，逐步实现数字化。老旧的生产线需要进行自动化的改造，并使用信息化的手段，例如管理系统整合底层生产线、条形码、RFID等，同时整合上游ERP、CRM、PLM等系统。有专家总结，未来的装备制造企业的数字化工厂要包含三部分，一是智能化的生产过程，这里面将来会把云的触角伸展到上面；二是智能化的仓储物流，其实现在制造业制约发展最大的瓶颈就是信息的不对称，因为在装备制造业，大量的数据采集跟传递还是通过简易的Excel表形式，这些数据真正传递到有效部门有大量的延迟，这样会引发出大量的质量问题、产量问题，甚至是影响到客户满意度；三是智能加工中心的生产线。以上三个部分，数据采集和分析都是关键因素。因此物联网技术的应用，可能是除了云端环境外，数字化工厂最离不开的一个手段。而且物联网技术不仅要求有硬件的植入，也需要软件的配合。以英特尔的IoT平台为例，它采取的架构就是以X86为基础，采用Wind River全新边缘设备管理软件，帮助设备进行配置、迁移文件、捕捉和分析数据等。有了云端计算环境，有了物联网进行连接和数据收集。接下来就是装备制造业的问题就在于如何进行数据分析。英特尔是一个高科技公司，其所生产的的芯片更是一个高精度制造业产品，所以英特尔对数据的重要性有非常深刻的体会。英特尔产品（成都）有限公司制造信息部总经理钱静波在12月份的中国制造千人会（MIC1000）就提到数据对于数字化工厂的重要性。他认为，第一部分就是能实现实时流程控制，在快速响应的数字化工厂中，设备一旦报警会立刻进行处理。第二，优化生产流程。第三，基于预测的设备维护优化。第四，普及自动化和机械控制提高生产速度。而这些都基于物联网和数据分析的能力。当然，可能需要再次强调的是，远程云端（服务器，数据中心等软硬环境）的支持依然是最首要的基础。数字化工厂的建设和改造对于装备制造业的整体提升不言而喻，但是数字化工厂和传统工厂的区别太过巨大，践行之路必定需要解决很多具体问题，而且由于结合了互联网这样一个重要出口，很多技术问题最后会上升到商业模式问题。全球著名的装备制造业企业徐工集团的首席信息官、徐工信息技术股份有限公司总经理张启亮认为，从“互联网＋工程机械”来看，就体现在研发的数字化、生产制造智能化、营销互联网化、售后服务智能化、产品功能智能化、后市场管理移动化等多个方面。英特尔是工业互联网联盟的成员单位，英特尔中国区总经理夏乐蓓之前也表示，第三次工业革命时代有很多我们难以预料的新挑战，说得容易做起来难。不过对于这场数字化浪潮的结果，无论是作为提供IT手段的公司，还是本身就是高精尖制造业企业，夏乐培还是非常乐观的，从英特尔的角度看，“是有能力提供这样的技术，让中国更好地利用互联网时代带来的这些新机遇的”。原文发布时间为：2016-7-14 本文作者：王聪彬本文来自云栖社区合作伙伴至顶网，了解相关信息可以关注至顶网

2017-09-18

企业文档安全 "加密 + 追踪" 组合拳

这篇文章不聊任何具体产品，只讲企业文档安全里最常用的两个抓手 ——加密和追踪，把 "事前、事中、事后" 三层防护讲透。

2026-09-03

银狐木马TOP10恶意IP清单落地：ip地址追踪三步拦截与终端自查

8月28日，中国互联网网络安全威胁治理联盟（CCTGA）启动"银狐"木马专项打击行动，对外披露了控制规模最大的10组恶意网络资产。这批资产单日最高控制规模达到18229台终端，归属地集中在境外，关联的仿冒域名统一走mlcrosoft.vip、mlcro.net、mlcrosoft.my这类"高仿微软"命名。

2026-09-02

career-ops：把求职从信息洪流里拉回到可判断、可追踪、可行动的轨道

职位页面不断刷新，岗位名称相似却要求各异，投递记录散落在不同网站、表格、邮件与浏览器标签页里。简历需要针对岗位调整，面试前需要补齐准备，面对薪资与合同又要切换到另一套思考方式。真正消耗人的，往往不只是写一份简历，而是在大量机会之间持续辨别：哪些值得投入，哪些只是看上去热闹，哪些应该果断放下。

2026-08-18

基于动态指令追踪与符号执行对抗OLLVM控制流平坦化的工程化实践

纯静态反汇编面临指数级路径爆炸，纯动态调试则受限于执行路径覆盖率不足。

2026-08-05

在浏览器里实现群体光流追踪：从像素运动到可复用的视频素材

在视频编辑器中，“光流追踪”很容易被做成满屏箭头：比较前后两帧，计算像素位移，然后把向量绘制到画面上。

2026-08-03

把会议录音、白板和结论串成一条可追踪的智能纪要流水线

研发会议纪要真正难的不是把一段录音交给模型，而是让语音转写、白板识别、说话人信息、任务提取和结果复核形成一条可重放的工程链路。本文以近期腾讯云开发者社区推荐的 ASR、OCR、TTS 协同实践为背景，从任务切分、统一数据结构、模型抽取、幂等重试、人工校验和质量验收几个层面，给出一套适合接入 CI 或内部协作系统的落地方案。

2026-08-03

用 eBPF 给 AI 推理服务做"CT"：从系统调用到 GPU 瓶颈的全链路追踪

这篇文章不是 eBPF 入门教程，而是一个系统工程师视角的实战指南：如何用 eBPF 追踪 AI 推理服务的系统调用与性能瓶颈，从内核态到 GPU 全链路打通。

2026-07-18

资源下载

更多资源

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。