首页 文章 精选 留言 我的

精选列表

搜索[全文搜索引擎],共6495篇文章
优秀的个人博客,低调大师

2020年中国电信终端发展策略PPT全文

云栖号:https://yqh.aliyun.com第一手的上云资讯,不同行业精选的上云企业案例库,基于众多成功案例萃取而成的最佳实践,助力您上云决策! 1月15日下午,中国电信在北京召开2020年终端生态合作推进会,旨在推动终端产业繁荣,促进产业生态合作,共商2020年产业发展大计。 中国电信市场部总经理陈文俊在对过去一年的工作和成果进行复盘和总结的同时,对2020年中国电信终端业务与前景进行展望和规划,进而推动终端产业繁荣,促进产业生态合作,共筑新业态、共享新生态。 中国电信市场部总经理陈文俊认为,2020年终端市场变化主要是因为消费行为需求产生变化而进行驱动。 回顾2019年,中国电信在个人信息化服务上成效显著,用户净增和收入增幅均达到行业第一,其中5G用户在商用初期已经突破800万,5G终端突破20部;家庭信息化应用规模实现突破,智能终端新增1285万部,小翼管家新增1200万,家庭云新增2656万;行业信息化能力持续提升,物联网全联接超2亿,开放平台终端超过2000款,在智慧燃气、智慧楼宇、智慧水务等十大行业实现智能升级。 陈文俊表示,2019年,中国电信5G用户、智慧家庭用户、物联用户体验感知显著提升,在满意度、业务使用、使用评价等方面均位居行业前列。以中国电信5G网络和5G套餐满意度为例,得到了76.2和78.7的高分值。 另外,在2019年,中国电信还同5G、智慧家庭、物联网等终端生态合作伙伴实现了共同成长。陈文俊特别指出,得益于终端合作伙伴的共同成长,VRAR、终端应用等部分合作伙伴有着突破性的表现。 回顾2019,展望2020,手机规模企业稳定,智能硬件、物联网增长空间巨大。 BCI数据显示,预计2020年,5G手机销量将达1.7亿部,渗透率达到47%,终端2000元以上市场全面普及,并拉动市场均价向3000元逼近;智能硬件连接增长率突破30%,联网市场规模增速加快,出货量将破亿。以烟感、气感等安防类产品为例,规模将接近4000万。 陈文俊认为,2020年终端市场变化主要是因为消费行为需求产生变化而进行驱动。一是多种信息化需求促成多终端消费趋势;二是服务与应用成为智能硬件购买关键;三是品牌和品质成为购买手机的重要因素;四是渠道格局转变为线下体验线上购买。 同时,陈文俊还提出,5G等技术升级不断催熟新业务。2020年,5G规模将快速提升、VRAR新体验升级、Wi-Fi 6普及加快、AI成为基础能力。他强调,2020年终端生态是跨界的,终端差异化体现在应用,终端应用融合将是竞争力体现。 2020年,中国电信将继续坚持高质量的规模发展,以5G为引领,实现个人信息化市场新突破;以智慧家庭为发力点,实现家庭信息化市场新突破,强化应用引领,实现政企信息化市场新突破。 同时,中国电信将坚持全品类终端引领策略,推进标准协同、贯通能力平台;推出全品类融合政策、促进渠道融合销售;坚持产业生态合作创新,在5G智家终端、物联网终端、AR/VR等创新终端领域加大产业合作力度,推进平台能力开放,提供重点终端激励。在2020年,计划实现1.8亿部手机、6000万台5G终端、300万台VR终端、3600万台智慧家庭终端以及2000万NB模组的发展目标。 5G数字经济新动能时代,机遇与挑战并存,陈文俊发言最后讲到,中国电信愿与产业伙伴合作共赢,共谋发展,探索终端新生态发展之旅。 附:中国电信市场部总经理陈文俊演讲PPT 原文发布时间:2020-01-16本文作者:陈颖思本文来自阿里云云栖号合作伙伴“5G产业圈”,了解相关信息可以关注“5G产业圈” 云栖号:https://yqh.aliyun.com第一手的上云资讯,不同行业精选的上云企业案例库,基于众多成功案例萃取而成的最佳实践,助力您上云决策!

优秀的个人博客,低调大师

院士李德毅:云计算再认识(56PPT+演讲全文)

静点评:李德毅院士的报告题目为《云计算再认识》,他在报告中回顾了过去历届云计算大会上认知,首次提出云计算的天梯概念。李德毅认为从图灵计算到网络计算,云计算的交互性远远超出图灵机,互联网不是一台虚拟的图灵机,交互导致众包、众挖和群体智能。他在PPT中形象地画出了实现云计算的7级天梯:光网宽带、移动宽带、互联网、云计算、物联网、大数据、人工智能,他说这座构想中的理想天梯是信息社会美好的未来,我们IT领域天梯须自强,才能不负重望,把“互联网+”承担起来。李德毅院士还说今年要创新开辟新的电脑系统,或者叫做真正的机器人脑系统。这种机器人脑系统,不但包括计算智能,还要包括记忆智能和交互智能。 非常感谢中国指挥与控制学会的刘玉超副秘书长,提供了李德毅院士这篇报告的PPT,让大家都能分享他的智慧。今天的内容分两部分,第一部分是56页PPT,第二部分

优秀的个人博客,低调大师

Milvus 向量搜索引擎 0.6.0 新功能介绍

Gitee:https://gitee.com/milvus-io/milvus 发布时间:2019-12-07 版本兼容 Milvus 版本 pymilvus 版本 Java SDK 版本 0.6.0 0.2.6 0.4.0 ✨新增功能 仅需 CPU 的 Milvus 在之前的版本,我们只提供了 GPU 版本的 Milvus。为了降低用户使用门槛,从 v0.6.0 开始,Milvus 提供仅需 CPU 和支持 GPU 两个版本的 Docker 镜像。CPU 版适合百万级数据的查询,而 GPU 版在超大数据集搜索情况下性能优势更明显。 您也可以源码编译,但考虑到编译环境复杂多变,有可能会增加编译困难,我们在新版本提供了 Ubuntu 18.04 的 Docker 镜像,便于大家直接在 Docker 容器中编译 Milvus。 更多信息,请参阅 PR#192: https://github.com/milvus-io/milvus/pull/192 Milvus 安装步骤: https://www.milvus.io/docs/zh-CN/userguide/install_milvus/ CPU 版镜像下载:milvusdb/milvus:cpu-latest GPU 版镜像下载:milvusdb/milvus:latest 分区表 随着单张表的数据量不断增长,查询性能也会不断下降。单张表的数据变得很臃肿的时候,就要考虑将这张表拆分。v0.6.0 新增了分区表功能以确保增量数据的高性能查询。Milvus 的表基于标签分区,通过定义partition_tag,您可以指定某张分区表,每张分区表的索引继承自母表。Python,Java 和 C++ SDK 中也分别增加了表分区功能的相关接口,目前支持创建/删除分区表,向量插入指定分区表,查看指定分区表,以及指定分区表的查询。 更多信息,请参阅 PR#245:https://github.com/milvus-io/milvus/pull/245 实验功能 v0.6.0还推出了一些实验功能,代表了 Milvus 未来版本可能发展的方向。这些实验功能仍在持续开发和更新中,可能包含已知问题和未发现的错误。现阶段这些功能主要用于测试和用户反馈收集,欢迎大家积极试用。 Mishards Milvus 旨在帮助用户实现海量非结构化数据的近似检索和分析。单个 Milvus 实例可处理十亿级数据规模,而对于百亿或者千亿级数据,则需要一个 Milvus 集群实例。v0.6.0 推出的 Mishards 正是 Milvus 集群分片处理的中间件,主要负责将上游请求拆分,并路由到内部各细分子服务,最后将子服务结果汇总,返回给上游。Mishards 内部处理请求转发、读写分离、水平扩展、动态扩容,为用户提供内存和算力可以无限扩容的 Milvus 集群实例。 更多信息,请参阅PR#232: https://github.com/milvus-io/milvus/pull/232 新的索引类型 支持新的索引类型如SPTAG-KDT,SPTAG-BKT,RNSG和IVFPQ。Milvus 集成了微软的 SPTAG 算法库,包含两种索引类型。RNSG是 Milvus 在 NSG 基础上自研的基于图的索引算法,它可以 a) 降低图的平均出度;b) 缩短搜索路径;c) 缩减索引大小;d) 降低索引复杂度。IVF_PQ是在倒排索引的基础上进一步利用笛卡儿积(PQ)对每一个倒排文件中的向量进行编码的索引技术。这样的方法称之为非对称距离计算。向量大小可以缩减至原来大小的1/8甚至1/16。该索引方式虽然会损失精度,但内存占用会进一步下降,适用于低内存环境下的大规模向量搜索。 目前看来,这几种新的索引类型的搜索性能表现并不令人满意,具体原因还有待进一步发掘,也欢迎感兴趣的小伙伴一起加入研究讨论。 更多信息,请参阅 SPTAG-PR#438:https://github.com/milvus-io/milvus/pull/438 RNSG-PR#554:https://github.com/milvus-io/milvus/pull/554 IVFPQ-PR#324:https://github.com/milvus-io/milvus/pull/324 SPTAG 索引介绍:https://github.com/Microsoft/SPTAG NSG 索引论文:https://arxiv.org/abs/1707.00143 Milvus 性能测试报告 Milvus 支持多种类型的索引,各个索引的查询性能会随着数据集和调参的变化而改变。新版本提供了针对IVFFLAT,IVFSQ8和IVFSQ8H的性能测试报告。随着 Milvus 支持的索引类型不断增加,测试报告也会持续更新。 具体性能测试报告,请参阅索引性能测试:https://github.com/milvus-io/milvus/tree/master/docs ✨主要改进 Milvus 优化过的 FAISS 在原有 FAISS 的基础上, Milvus 做了一些深层代码的优化以获得更优的查询性能和支持更多类型的索引类型,比如IVFSQ8H。现在,我们将这部分针对 FAISS 进行优化的代码开源了。 更多信息,请参阅PR#585: https://github.com/milvus-io/milvus/pull/585 多张 GPU 创建索引 支持使用多张 GPU 来创建索引以减少创建索引和整体查询的时间。在使用支持 GPU 的 Milvus 时,您可以通过对 Milvus 配置文件中的参数build_index_resources来指定多张 GPU 卡用于索引创建。 更多信息,请参阅 PR#414:https://github.com/milvus-io/milvus/pull/414 ✨Bug 修复 进一步解决了随查询次数增加,内存占用持续增加的问题。 更多信息,请参阅 PR#335: https://github.com/milvus-io/milvus/pull/335 如果还想了解 v0.6.0 更具体的更新改动,请参阅Milvus CHANGELOG:https://github.com/milvus-io/milvus/blob/master/CHANGELOG.md 欢迎加入Milvus社区 主页:milvus.io GitHub:github.com/milvus-io/milvus 知乎:zhuanlan.zhihu.com/milvus Slack:milvusio.slack.com Twitter:twitter.com/milvusio Facebook:www.facebook.com/io.milvus.5

优秀的个人博客,低调大师

Solr搜索引擎 — SolrCloud介绍和环境准备

搞定了一切的一切之后下一步就是正式使用了,但是之前介绍的都是在单台服务器上进行的部署,如果在生产环境出现了单台故障怎么办呢?提供稳定性和性能的最直观的方式就是集群,solr官方提供了cloud的集群方式 附上: 喵了个咪的博客:http://w-blog.cn Solr官网:http://lucene.apache.org/solr/ PS:8.0.0版本已经发布,本文使用此时较为稳定的7.7.1版本 一,SolrCloud介绍 SolrCloud是基于Solr和Zookeeper的分布式搜索方案。它的主要思想是使用Zookeeper作为SolrCloud集群的配置信息中心,统一管理solrcloud的配置,比如solrconfig.xml和schema.xml。 SolrCloud(solr集群)是Solr提供的分布式搜索方案,一下场景能够比较好的使用SolrCloud 当你需要大规模,容错,分布式索引和检索能力时使用SolrCloud。 当索引量很大,搜索请求并发很高时,同样需要使用SolrCloud来满足这些需求。 不过当一个系统的索引数据量少的时候是没有必要使用SolrCloud的。 Solrcloud特点功能: 集中式的配置信息 自动容错 近实时搜索 查询时自动负载均衡 Solrcloud的结构: solrcloud为了降低单机的处理压力,需要由多台服务器共同来完成索引和搜索任务。实现的思路是将索引数据进行Shard分片,每个分片由多台服务器共同完成,当一个索引或搜索请求过来时会分别从不同的Shard的服务器中操作索引。solrcloud是基于solr和zookeeper部署,zookeeper是一个集群管理软件,solrcloud需要由多台solr服务器组成,然后由zookeeper来进行协调管理。 物理结构: 三个Solr实例( 每个实例包括两个Core),组成一个SolrCloud。 逻辑结构: 索引集合包括两个Shard(shard1和shard2),shard1和shard2分别由三个Core组成,其中一个Leader两个Replication,Leader是由zookeeper选举产生,zookeeper控制每个shard上三个Core的索引数据一致,解决高可用问题。用户发起索引请求分别从shard1和shard2上获取,解决高并发问题。 core: 每个Core是Solr中一个独立运行单位,提供 索引和搜索服务。一个shard需要由一个Core或多个Core组成。由于collection由多个shard组成所以collection一般由多个core组成。 Master&Slave: Master是master-slave构中的主结点(通常说主服务器),Slave是master-slave结构中的从结点(通常说从服务器或备服务器)。同一个Shard下master和slave存储的数据是一致的,这是为了达到高可用目的 二、环境准备 准备三台centos 7服务器 , 并且对主机名进行改写 hostname solr-1 hostname solr-2 hostname solr-3 修改三台机器hosts文件通过hostname可以互相访问,使用ping命令验证可以互相通讯 > vim /etc/hosts 172.16.2.75 solr-1 172.16.2.74 solr-2 172.16.2.72 solr-3 安装JAVA,可以自行安装或oneinstack一键命令安装,这里安装了java和tomcat > wget -c http://mirrors.linuxeye.com/oneinstack-full.tar.gz && tar xzf oneinstack-full.tar.gz && ./oneinstack/install.sh --tomcat_option 2 --jdk_option 2 --reboot 三、Zookeeper安装 > cd /app/install/ > wget http://mirrors.hust.edu.cn/apache/zookeeper/zookeeper-3.4.13/zookeeper-3.4.13.tar.gz > tar -zxvf zookeeper-3.4.13.tar.gz > mv zookeeper-3.4.13 /usr/local/ 修改配置文件 > cd /usr/local/zookeeper-3.4.13/conf/ > cp zoo_sample.cfg zoo.cfg > vim zoo.cfg tickTime=2000 dataDir=/usr/local/zookeeper-3.4.13/data clientPort=2181 initLimit=10 syncLimit=5 server.1=solr-1:2888:3888 server.2=solr-2:2888:3888 server.3=solr-3:2888:3888 所有节点修改环境变量 > vim /etc/profile # zookeeper export ZOOKEEPER_HOME=/usr/local/zookeeper-3.4.13 export PATH=$ZOOKEEPER_HOME/bin:$PATH > source /etc/profile 将zookeeper目录复制到其他节点上 > scp -r /usr/local/zookeeper-3.4.13/ root@solr-2:/usr/local/zookeeper-3.4.13 > scp -r /usr/local/zookeeper-3.4.13/ root@solr-3:/usr/local/zookeeper-3.4.13 添加myid文件(每节点都需要) > cd /usr/local/zookeeper-3.4.13 > mkdir data > echo "1" > data/myid 注意,每个节点myid文件要不一致 启动并测试 # 在三台机器上分别执行 > zkServer.sh start # 查看状态 [root@solr-1 zookeeper-3.4.13]# zkServer.sh status ZooKeeper JMX enabled by default Using config: /usr/local/zookeeper-3.4.13/bin/../conf/zoo.cfg Mode: follower [root@solr-2 zookeeper-3.4.13]# zkServer.sh status ZooKeeper JMX enabled by default Using config: /usr/local/zookeeper-3.4.13/bin/../conf/zoo.cfg Mode: leader [root@solr-3 zookeeper-3.4.13]# zkServer.sh status ZooKeeper JMX enabled by default Using config: /usr/local/zookeeper-3.4.13/bin/../conf/zoo.cfg Mode: follower

优秀的个人博客,低调大师

《企业级区块链安全白皮书》全文发布(附下载)

即将开播:5月14日,Jenkins在K8S下的三种部署流程和实战演示 近日,绿盟科技、北京航空航天大学、中国移动研究院联合推出《企业级区块链安全白皮书》,旨在对企业级区块链的概念、架构、技术、安全等进行一个全面的介绍,使读者对企业级区块链相关的内容有一个较为深入的了解。 借由本白皮书,我们也想推动安全厂商、高校与区块链服务商、用户的紧密协作。我们深信,跨界合作,共同探索,才能推动企业级区块链安全生态的构建,更好地服务于企业级区块链的用户,真正实现企业级区块链的价值。 观点1: 加快推动区块链技术和产业创新发展,探索“区块链+”模式 2020年1月,国务院办公厅发布《关于支持国家级新区深化改革创新加快推动高质量发展的指导意见》。该意见指出,加快推动区块链技术和产业创新发展,探索“区块链+”模式,促进区块链和实体经济深度融合。 观点2:智能合约不是“完美合约”,安全问题需警惕 从区块链自身的漏洞和安全事件来看,企业级区块链应用还在早期,但随着区块链应用的普及,相关的公开漏洞会越来越多。可以预测大部分漏洞会来自智能合约,特别是不安全的函数、越界等常规安全问题。 观点3:区块链两大安全威胁:勒索病毒、挖矿木马 在与区块链相关的企业安全事件中,勒索病毒和挖矿木马是企业面临的两大安全威胁。匿名货币或加密货币变现的便利性,使得这类恶意攻击会持续一段时间。当然,货币的汇率变化,也会在一定程度上影响这类攻击的态势。 观点4:区块链步入监管时代 由于区块链存在不可删除、事后取证等特性,其合规性要求必然与其它信息服务不同。虽然我国区块链信息服务的监管尚处探索阶段,但国家互联网信息办公室先后发布了三期境内区块链信息服务名称及备案编号,预计后期会持续推进。 观点5:合规是区块链未来唯一出路 随着《网络安全法》等法律的颁布,个人数据的收集、管理、交换都受到了合规性的约束。无论区块链如何应用,都不应该触碰法律的红线。区块链离不开合规,如何能让区块链更加安全、规范是我们要做的事情。 观点6:区块链下一个风口:解决区块链上的隐私保护问题 为了解决区块链上的隐私保护问题,近年来新技术、新机制不断涌现。其中新机制包括通道机制、私有交易、加密授权访问机制等,以及结合前沿密码理论的创新,包括零知识证明、环签名、安全多方计算等。 观点7:区块链,向“安全”而生方能终遇美好 安全厂商、高校与区块链服务商、用户应紧密合作,推动企业级区块链安全生态的构建。区块链的出现,大大提升了安全在企业中的地位。传统的“先推动业务的高速发展,再进行安全建设”模式将不再可行,安全成为区块链的刚性需求。 下载链接:http://blog.nsfocus.net/wp-content/uploads/2020/05/Enterprise-Grade-Blockchain-Whitepaper-.pdf 【责任编辑: 蓝雨泪 TEL:(010)68476606】

资源下载

更多资源
Mario

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。

腾讯云软件源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题,腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构,目前腾讯云软件源站支持公网访问和内网访问。

Spring

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

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。

用户登录
用户注册