搜索[自部署]结果-低调大师优秀个人博客

精选列表

搜索[自部署]，共10008篇文章

面试大杂烩

适用场景：适用于跨机房部署等场景，你希望只有当整个机房都失联时才暂停，而不是根据简单的数量多数来判断。风险：如果配置不当，比 pause-minority 更容易引发脑裂。

2025-09-18

xtools-app一款基于JDK25,SpringBoot4,SpringCloud的最新微服务脚手架

项目采用多模块架构，支持独立部署（Standalone）和微服务部署两种模式。

2026-06-09

腾讯宣布旗下首个创意智能体 Miora (腾讯设计妙境) 已正式全量上线，新用户注册即可获得 1000 积分。根据介绍，Miora 是一个由多 AI Agent 协作驱动、会记住你创作方式的多模态创意智能体工作室；基于与 WorkBuddy 同源的智能体架构，专为创意领域打造，零门槛使用。从一份需求开始，Miora 能够理解目标、规划流程，并调度不同的创意Agent和专业Skills，在同一块画布上完成图片、视频、3D、UI等多模态创作，交付一整套风格统一的创意资产。 Miora 支持自由框选、绘制圈画、编辑字体、编辑元素，哪里不满意直接选出来，自然语言修改。具备智能体记忆系统，记住你的创作方式，越用越懂你。以及预置丰富 Skills，且可将自己的创作工作流沉淀为专属 Skill，可复用可分享。

2026-07-22

腾讯自研大模型混元 2.0 发布

腾讯自研大模型混元2.0（Tencent HY2.0）已发布，与此同时，DeepSeek V3.2也逐步接入腾讯生态。

2025-12-08

醒醒吧，不要再做自嗨式开源了！

今天我不是来批评KubeSphere团队的，更想借这个事件，跟做开源的兄弟姐妹们说句掏心窝子的话：醒醒吧，不要再做自嗨式的开源了。

2025-08-25

OmniTools —— 自托管的强大网页工具集合

OmniTools，这是一款自托管的 Web 应用，提供各种在线工具来简化日常任务。无论是编写代码、处理图片/视频、PDF 还是处理数字，OmniTools 都能满足你的需求。这里是演示网站。

2025-06-10

LayerSkip: 使用自推测解码加速大模型推理

自推测解码对于实际应用特别高效，它可以在较小的 GPU 上部署，并降低大规模推理所需的整体硬件资源。

2025-03-10

从自研走向开源的 TinyVue 组件库

这些前端开发的基础设施和技术已在华为内部积累和沉淀多年，其中 TinyVue 组件库更是历经九年的磨练，从最初的封闭自研逐步走向社区开源。

2023-07-05

从 MySQL 到 OBOracle：如何处理自增列？

在数据迁移中发现，MySQL 中的自增列（AUTO_INCREMENT）在 OB Oracle 中是不支持的，在 OB Oracle 对应 MySQL 自增列的功能是通过序列实现的。

2023-06-07

Immich —— 自托管的照片备份解决方案

Immich 是一个自托管的照片和视频备份解决方案。

2022-09-19

自媒体时代的贤内助——AI 视频云

云处理：各项视频技术接入即用，不再需要自建服务自研功能，大幅降低开发成本。云分发：远离运营商差异导致的响应问题，让视频推广范围更广。此外 AI 视频云最大的特色就是“智能”。

2022-03-02

Mysql迁移到highgoDB如何实现ID自增长

文档用途详细信息环境系统平台： Microsoft Windows (64-bit) 2012 版本： 5.6.4 文档用途 Mysql数据库迁移到HighGo数据库后，原Mysql表中自增长的

2021-01-13

PHPmicro 自执行 SAPI 0.0.1-prealpha 版发布

micro自执行SAPI提供了php“自执行文件”的可能性。

2021-01-05

Gitea 1.13.0 发布，流行的自托管 Git 服务

Gitea 1.13.0 已发布，其团队表示在此版本的开发周期里合并了 649 个 PR。部分更新亮点：从 1.13.0 开始，Gitea 最低要求 TLS 1.2 支持 (#12689) 使用自定义图标的用户需要提供一个favicon.svg(#12437) 默认关闭密码复杂度检查功能(#12557) 考虑采用其他方法，如最小长度或对照 HaveIBeenPwned 进行检查添加迁移服务类型切换页面(#12697) 新增 Mermaid JS 渲染器(#12334) 启用 Git Wire Protocol v2 over HTTP 进行克隆 (#12170) 使用 Kanban 面板详情查看发布公告。

2020-12-04

[每日短篇] 24 - HTTPS 和 SSL 自签名证书

今天测试了一下 SSL 自签名证书，发现中文社区介绍 HTTPS 和 SSL 证书的网帖的一些问题，在这里就我看到的问题做一下修正。

2019-11-05

中国自研数据库打破西方垄断

【大咖・来了第7期】10月24日晚8点观看《智能导购对话机器人实践》中国基础技术，再破外国垄断。而且新近提交成绩，大幅刷新之前纪录，斩获全球第一。荣誉属于阿里巴巴，属于蚂蚁金服。十一期间，权威机构国际事务处理性能委员会（TPC）官网披露，阿里巴巴自主研发的金融级分布式关系数据库OceanBase，在TPC-C基准测试中登上榜首。这一成绩还打破了由美国公司甲骨文（Oracle）保持了9年之久的世界记录，成为首个登顶该榜单的中国数据库产品。中国工程院院士、计算机专家李国杰盛赞说：“这是中国基础软件取得的重大突破。” TPC-C基准测试，被誉为“数据库领域世界杯”，是全球公认的数据库性能评价金指标，美国公司Oracle（甲骨文）已经垄断了9年冠军。而此次登顶的OceanBase，完全由阿里巴巴和蚂蚁金服自主研发，是全球首个应用于金融核心业务的分布式关系数据库。其创造的新的联机交易处理系统（OLTP）世界纪录，是Oracle最好成绩的两倍多。此前，国内的数据库市场，长期由Oracle、IBM等国外科技公司占据主导地位，不仅导致软件服务费用高昂，而且在许多关键领域还存在信息安全的隐患。阿里和蚂蚁金服的出现打破了这种垄断。所以具体是怎样一回事？登上权威测试榜榜首 TPC全称：国际事务处理性能委员会，由它制定的TPC-C测试是衡量数据库在线事务处理（OLTP）能力的公认标杆，是全球主流计算机硬件厂商、数据库厂商公认的评价标准。 TPC-C性能以每分钟的新订单交易数量作为衡量标准。主要指标是交易速率（tpmC），还有每笔交易的关联价格（$/tpmC）等。 TPC-C标准模拟了经典商品销售付款场景来做测试，通过每分钟创建新订单数量来评价数据库的性能和性价比。OceanBase以60,880,800 tpmC（每分钟内系统处理的新订单个数）创造了新的联机交易处理系统（OLTP）世界纪录。过去数十年，TPC-C一直是海外传统数据库厂商竞技的舞台，而OceanBase是登上TPC-C排行榜前列、由中国公司完全自主研发的第一款大型数据库产品。《科技日报》评价称：“此次登顶国际权威排行，也是云时代中国数据库换道超车的标志。” 从濒临解散到世界领先数据库从诞生起已经有几十年的时间了，但基本上它的市场格局就没有多少变化，最早起来的几家厂商今天还是占据着统治地位。因为数据库非常难被替换，它处在整个产品或者产业链最底层的位置，替换风险很大，但收益相比起来却小得多。这也是为什么像 IBM、微软这样的后来者也无法取代 Oracle。这就导致了数据库变成了一个门槛极高、强者恒强的领域，后来者很难居上。 OceanBase的研发始于2010年6月，研发之路从一开始就磨难重重，中途因为找不到愿意使用的业务，团队曾经濒临解散。然而沉舟侧畔千帆过，病树前头万木春。 2012年底，OceanBase迎来了一次重生的机遇，当时阿里把该团队调到了支付宝。支付宝属于金融领域，面临的数据库挑战会比其他业务更大，这相当于给了OceanBase团队一次从头开始的机会。 2013年，支付宝开始启动“去 IOE”，即去掉了Oracle数据库、IBM小型机和EMC存储。尤其是近年来，中国互联网的飞速发展，诞生了一些国外科技公司不曾面对的特殊局面，这成为刺激国产数据库成长的关键。每年“双11”购物节，都有着天文数字一样的交易量，这些经验恰恰是国外科技公司所欠缺的经验。正是因为这些特殊的国情，推动着中国互联网企业寻求性能更高、成本更低的数据存储和处理方案。基于云计算的新一代数据库OceanBase应运而生。 2014年双11，OceanBase迎来了第一次大考。在一开始的计划里，当天交易流量的1%会切给 OceanBase，但是因为当时的甲骨文的数据库系统支撑不了巨大流量，最后由OceanBase成功支撑了10% 的交易流量。经过了这次的考验，OceanBase得到了更多的认可和支持，团队在2015年获得了蚂蚁金服的 CEO大奖，这也是第一次由技术团队拿到这个奖。最终OceanBase在蚂蚁金服实现了全面替代甲骨文，成功支撑了过去 5 年“双 11”蚂蚁金服全部核心业务的重压，创造了25.6万笔/秒支付峰值和4200万笔/秒请求数处理峰值这一业内全新的纪录。 OceanBase不仅为阿里内部所用，也开始逐渐走向外部商用。从2017年开始，OceanBase已经在数十家商业银行落地，其中包括南京银行、浙商银行、苏州银行、人保健康险等。据阿里官方介绍，OceanBase帮助南京银行共同打造的互金开放平台，可以实现贷款交易处理能力10倍的提升，日处理百万笔放款，平均处理时间小于1秒。中国的市场规模和人口基数，确实为创新和技术革命提供了巨大的舞台。有实力才能赢得敬重值得一提的是，随着OceanBase打破垄断消息一出。另一则江湖往事也被翻出，在1997年，甲骨文创始人拉里·埃里森（Larry Ellison）首次到访中国，因为他晚起床让中国接待人员在零下二十几度的环境中等待了一个多小时。然而中方却敢怒不敢言，因为我们的数据库技术完全依赖于甲骨文。国内的金融、电信几乎全部在使用甲骨文的技术，用“卡脖子”来形容一点也不为过。命运受制于人，自然无法”以理服人”。而且随着中国科技高速发展，老牌国外科技公司一方面对中国傲慢，另一方面又在警惕中国技术的崛起。埃里森曾表示中国是美国最大的竞争对手。多年前，他在接受采访时曾说：“不能让中国产出比美国还多的工程师。” 今年5月，甲骨文还因为中国关系紧张的政治原因，解雇了900名中国员工。如今，中国科技公司已经在用实力说话，用里程碑式的技术反超进行回击，打破美公司垄断。此外令人欣喜的是，OceanBase的”换道超车”，也在验证另一种创新模式。之前科技创新，都是硅谷和美国为核心，中国亦步亦趋，模仿技术建立商业模式走向成功。但随着中国市场展现出的巨大势能，阿里巴巴等一系列商业模式成熟的科技巨头，也在大平台、大数据和研发投入基础上，开始在基础技术研发领域不断取得新突破、新进展。除了基础数据库、云计算等领域，人工智能等前沿基础研发方面，中国速度和积累也一再成为焦点，特别是中国市场可观的数据基础、勤奋务实的发展态度，让人对未来亦满怀信心。或许不会再有那个国外企业CEO让中国合作方在寒风中等待一小时了。雄关漫道真如铁，而今迈步从头越。 OceanBase式的科技后来居上案例应该还会更多，不盲目自信，但也不必妄自菲薄。你说呢？

2019-10-07

自底向上——知识图谱构建技术初探

知识图谱的构建技术主要有自顶向下和自底向上两种。其中自顶向下构建是指借助百科类网站等结构化数据源，从高质量数据中提取本体和模式信息，加入到知识库里。

2018-06-21

智能手表ROM：一场自嗨？

智能手表ROM到底如何，雷锋网已有专题讨论：智能手表ROM：一场自嗨？

2017-08-07

MaxCompute SQL Row_Sequence 实现列自增长

背景：多维数据仓库中的维度表和事实表一般都需要有一个代理键，作为这些表的主键，代理键一般由单列的自增数字序列构成。

2017-07-06

部署Mahout

一、Mahout简介 Mahout是ApacheSoftwareFoundation（ASF）旗下的一个开源项目，提供一些可扩展的机器学习领域经典算法的实现，旨在帮助开发人员更加方便快捷地创建智能应用程序。ApacheMahout项目已经发展到了它的第三个年头，目前已经有了三个公共发行版本。Mahout包含许多实现，包括集群、分类、推荐过滤、频繁子项挖掘。此外，通过使用ApacheHadoop库，Mahout可以有效地扩展到云中。（就是他，骑在象头上的那个Mahout）在Mahout实现的机器学习算法：算法类算法名中文名分类算法 Logistic Regression 逻辑回归 Bayesian 贝叶斯 SVM 支持向量机 Perceptron 感知器算法 Neural Network 神经网络 Random Forests 随机森林 Restricted Boltzmann Machines 有限波尔兹曼机聚类算法 Canopy Clustering Canopy聚类 K-means Clustering K均值算法 Fuzzy K-means 模糊K均值 Expectation Maximization EM聚类（期望最大化聚类） Mean Shift Clustering 均值漂移聚类 Hierarchical Clustering 层次聚类 Dirichlet Process Clustering 狄里克雷过程聚类 Latent Dirichlet Allocation LDA聚类 Spectral Clustering 谱聚类关联规则挖掘 Parallel FP Growth Algorithm 并行FP Growth算法回归 Locally Weighted Linear Regression 局部加权线性回归降维/维约简 Singular Value Decomposition 奇异值分解 Principal Components Analysis 主成分分析 Independent Component Analysis 独立成分分析 Gaussian Discriminative Analysis 高斯判别分析进化算法并行化了Watchmaker框架推荐/协同过滤 Non-distributed recommenders Taste(UserCF, ItemCF, SlopeOne） Distributed Recommenders ItemCF 向量相似度计算 RowSimilarityJob 计算列间相似度 VectorDistanceJob 计算向量间距离非Map-Reduce算法 Hidden Markov Models 隐马尔科夫模型集合方法扩展 Collections 扩展了java的Collections类方法一、Mahout安装、配置一、下载Mahout http://archive.apache.org/dist/mahout/ 二、解压 tar -zxvfmahout-distribution-0.9.tar.gz 三、配置环境变量 3.1、配置Mahout环境变量 # set mahout environment export MAHOUT_HOME=/home/yujianxin/mahout/mahout-distribution-0.9 export MAHOUT_CONF_DIR=$MAHOUT_HOME/conf export PATH=$MAHOUT_HOME/conf:$MAHOUT_HOME/bin:$PATH 3.2、配置Mahout所需的Hadoop环境变量 # set hadoop environment export HADOOP_HOME=/home/yujianxin/hadoop/hadoop-1.1.2export HADOOP_CONF_DIR=$HADOOP_HOME/conf export PATH=$PATH:$HADOOP_HOME/bin export HADOOP_HOME_WARN_SUPPRESS=not_null 四、验证Mahout是否安装成功执行命令mahout。若列出一些算法，则成功，如图：五、使用Mahout 之入门级使用 5.1、启动Hadoop 5.2、下载测试数据 http://archive.ics.uci.edu/ml/databases/synthetic_control/链接中的synthetic_control.data 5.3、上传测试数据 hadoop fs -put synthetic_control.data/user/root/testdata 5.4 使用Mahout中的kmeans聚类算法，执行命令： mahout -core org.apache.mahout.clustering.syntheticcontrol.kmeans.Job 花费9分钟左右完成聚类。 5.5 查看聚类结果执行hadoop fs -ls /user/root/output，查看聚类结果。方法二、Mahout安装与配置 Mahout是Hadoop的一种高级应用。运行Mahout需要提前安装好Hadoop。Hadoop的安装网上很多，并不复杂，这里不再讲述，接下来阐述怎么安装Mahout。1：下载二进制解压安装。到http://labs.renren.com/apache-mirror/mahout/0.7下载，我选择下载二进制包，直接解压及可。 hadoop@ubuntu:~$tar-zxvfmahout-distribution-0.7.tar.gz 2：配置环境变量：在/etc/profile，/home/hadoop/.bashrc中添加如下红色信息#set java environmentMAHOUT_HOME=/home/hadoop/mahout-distribution-0.7PIG_HOME=/home/hadoop/pig-0.9.2HBASE_HOME=/home/hadoop/hbase-0.94.3HIVE_HOME=/home/hadoop/hive-0.9.0HADOOP_HOME=/home/hadoop/hadoop-1.1.1JAVA_HOME=/home/hadoop/jdk1.7.0PATH=$JAVA_HOME/bin:$PIG_HOME/bin:$MAHOUT_HOME/bin:$HBASE_HOME/bin:$HIVE_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/conf:$PATHCLASSPATH=.:$JAVA_HOME/lib/dt.jar:$HBASE_HOME/lib:$MAHOUT_HOME/lib:$PIG_HOME/lib:$HIVE_HOME/lib:$JAVA_HOME/lib/tools.jarexport MAHOUT_HOMEexport PIG_HOMEexport HBASE_HOMEexport HADOOP_HOMEexport JAVA_HOMEexport HIVE_HOMEexport PATHexport CLASSPATH3：启动hadoop，也可以用伪分布式来测试4：mahout --help #检查Mahout是否安装完好，看是否列出了一些算法5：mahout使用准备a.下载一个文件synthetic_control.data，下载地址http://archive.ics.uci.edu/ml/databases/synthetic_control/synthetic_control.data，并把这个文件放在$MAHOUT_HOME目录下。b.启动Hadoop：$HADOOP_HOME/bin/start-all.shc.创建测试目录testdata，并把数据导入到这个tastdata目录中(这里的目录的名字只能是testdata) hadoop@ubuntu:~/$hadoopfs-mkdirtestdata# hadoop@ubuntu:~/$hadoopfs-put/home/hadoop/mahout-distribution-0.7/synthetic_control.datatestdata d.使用kmeans算法(这会运行几分钟左右) hadoop@ubuntu:~/$hadoopjar/home/hadoop/mahout-distribution-0.7/mahout-examples-0.7-job.jarorg.apache.mahout.clustering.syntheticcontrol.kmeans.Job e.查看结果 hadoop@ubuntu:~/$hadoopfs-lsroutput 如果看到以下结果那么算法运行成功，你的安装也就成功了。clusteredPoints clusters-0 clusters-1 clusters-10 clusters-2 clusters-3 clusters-4 clusters-5 clusters-6 clusters-7 clusters-8 clusters-9 data

2019-10-19

RocketMQ部署

本部分介绍准生产部署方案。通常来将，我们将部署一个没有单故障节点的弹性RocketMQ集群。

2018-11-04

TOMCAT部署

# java下载地址：https://www.oracle.com/technetwork/java/javase/downloads/index.html [root@kazihuo ~]# mkdir -pv /usr/java [root@kazihuo ~]# tar -axvf jdk-8u151-linux-x64.tar.gz -C /usr/java/ [root@kazihuo ~]# vim /etc/profile.d/java.sh #创建文件并添加以下信息； JAVA_HOME=/usr/java/jdk1.8.0_151 PATH=$JAVA_HOME/bin:$PATH CLASSPATH=$JAVA_HOME/jre/lib/ext:$JAVA_HOME/lib/tools.jar export PATH JAVA_HOME CLASSPATH [root@kazihuo ~]# source /etc/profile.d/java.sh [root@kazihuo ~]# java -version java version "1.8.0_151" Java(TM) SE Runtime Environment (build 1.8.0_151-b12) Java HotSpot(TM) 64-Bit Server VM (build 25.151-b12, mixed mode) JAVA_HOME=/usr/java/jdk1.7.0_55 PATH=$JAVA_HOME/bin:$PATH export JAVA_HOME [root@kazihuo ~]# wget -P /usr/local/http://mirrors.tuna.tsinghua.edu.cn/apache/tomcat/tomcat-8/v8.5.24/bin/apache-tomcat-8.5.24.tar.gz [root@kazihuo /usr/local]# tar -axvf apache-tomcat-8.5.24.tar.gz CATALINA_BASE=/usr/local/tomcat PATH=$CATALINA_BASE/bin:$PATH export CATALINA_BASE ------------------------------------------------------------- 作者：罗穆瑞出处： http://www.cnblogs.com/kazihuo/ 转载请保留此段声明，且在文章页面明显位置给出原文链接，谢谢！ ------------------------------------------------------------------------------ 如果觉得这篇文章对你有小小的帮助的话，记得在右下角点个“推荐”哦，博主在此感谢！ ------------------------------------------------------------------------------

2018-07-17

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

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。

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。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。