本来不准备在 V 站分享这种内容，但由于之前 360+天之前在这里提过问. 所以，为了 [有始有终] ，交代一下后续吧. 360 多天之前，我发了这篇帖子： https://v2ex.com/t/788989. 如今这个事情有了结果，时间线如下：. 2021 年 2 月初收到解雇通知. 2021-03-02 开始劳动仲裁.

我会避免在标题和正文中使用“小众“、”宝藏乐队“等油腻或者已经开始变得油腻的词语. 本文不会包含落日飞车、告五人、茄子蛋等耳熟能详的乐队. 虽然按专辑分享会显得更懂音乐，但我还是会按单曲来分享. 歌曲评级仅代表我个人的喜欢程度. 部分歌曲名在 spotify 上会有不同，比如《挖掘机》在 spotify 上叫《怪手》.

树莓派不讲武德,自研双核 MCU Pico,STM32 哭晕在厕所!. 重磅,树莓派再出 Pico 自研双核 MCU,国产能否跟上?. 树莓派 Raspberry Pi 近日发布自研的 40nm 双核 MCU,自带全新可编程 PIO 架构,能否开创 MCU 市场全新领域,STM,兆易创新,STC,全志,乐鑫等一票国产 MCU 能否跟上?.

上面说的基本都用过, 说几个 Windows 上小众的吧, 以前回过太多月经贴. mouse manager, 帮我把鼠标侧键改成其它热键, 内存比鼠标驱动自带的小很多. Strokeit, 用了十几年, 依然兼容的全局鼠标手势, 不是 WGestures 和 StrokePlus 不好, 是它太优秀, linux 上的差远了.

首先区块链不是加密技术，区块链准确地说是一种链式、多节点分布式、P2P 的日志系统，区块链可以是弱中心化的（ EOS，有超级节点的概念，一共 21 个主超级节点，其余的做冗余，想成为超级节点需要机器配置达标且通过投票）也可以是去中心化的（ BTC、ETH 之类的，每个人都可以做节点）. 身份认证说白了只是以前的公私钥概念，加密只是说你可以把信息加密后再上链（记录到日志系统里）.

在本站搜索一下，就有很多结果的哦：. 《冒号课堂》----答读者问(1)——对程序员的一些个人建议. 关于数学基础，窃以为并非什么太大的问题. 几乎每个得知我数学背景的人都会对我说：哦，学数学的人来学计算机自然容易啦. 事实上，这种观点虽然极为普遍，但也极为肤浅. 本人从事数学 14 年（从本科算起）、从事计算机 12 年（与前者有部分重合），在这一点上还是比较有发言权的.

作为一个架构师，如果在面试的时候，面试官说出了一个英文缩写，这个时候如果你没有听过，是不是很尴尬?而且你也没办法针对这个问题进行描述回答!所以，多学习一些基础的英文缩写，一是面试可以游刃有余，二是可以装逼!下面的20个缩写，你都能讲清楚吗?. 控制反转( Inversion of Control，缩写为IoC)，是面向对象编程中的一种设计原则，可以用来减低计算机代码之间的耦合度.

一、废话：先讲述一个k8s重要概念，我觉得这个概念是整个k8s集群实现微服务的最核心的概念. Service定义了Pod的逻辑集合和访问该集合的策略，是真实服务的抽象. Service提供了一个统一的服务访问入口以及服务代理和发现机制，用户不需要了解后台Pod是如何运行. 只需要将一组跑同一服务的pod池化成一个service，k8s集群会自动给这个service分配整个集群唯一ip和端口号（这个端口号自己在yaml文件中定义），一个service定义了访问pod的方式，就像单个固定的IP地址和与其相对应的DNS名之间的关系.

比起前几篇的 Apache安全配置、 PHP安全配置、 Mysql安全配置，对Nginx的了解巨少，没怎么用过除了知道Nginx解析漏洞就啥也不知道了. 1.1 更改默认用户名. nginx默认nobody,可更改默认用户名防止他人利用. 1.3 限制账户目录权限. 防止某账户权限过大，可提前设置，步骤如下：.

在Android的多媒体框架中，stagefrightplayer是对Awesomeplayer的封装，是AwesomePlayer的代理，所以这里面实际干活的当然是我们今天的主角-AwesomePlayer. AwesomePlayer说白了也是一个普通的播放器，他与VCL、mplayer、ffmpeg等开源的结构是一致的，只是实现的方式有所不同，这里就按照以下四个步骤来分析AwesomePlayer的实现.

经常会有针对某个版本的nginx安全漏洞出现，隐藏nginx版本号就成了主要的安全优化手段之一，当然最重要的是及时升级修复漏洞. ssl on： 开启https. ssl_certificate： 配置nginx ssl证书的路径. ssl_certificate_key： 配置nginx ssl证书key的路径.

博主github： https://github.com/MichaelBeechan. 博主CSDN： https://blog.csdn.net/u011344545. 概念篇： https://blog.csdn.net/u011344545/article/details/89432313.

此处我们不使用具体的硬件设备来与物联网平台进行交互，我们可以使用MQTT.fx软件来模拟相关的硬件设备，让该设备与阿里物联网平台进行通信. 登录到阿里云物联网平台  https://iot.console.aliyun.com/product. 这里我们选择基础版本，点击下一步. 设置产品名称为ESP8266,其他默认设置，点击完成.

要：随着X86分布式技术应用，服务器数量越来越多，网络拓扑结构越来越复杂，运维越来越辛苦，风险越来越高. 智能化运维AIOPS将AI技术应用在运维场景,是DevOps的运维部分，是“开发运维一体化云中心”的重要基础设施之一，其最大的价值在于缩短故障恢复时间，提高IT服务连续性. 本文描述一个运维及在这个场景下对AI的需求，目标是尝试将AI引入运维过程，提高运维效率、缩短故障恢复时间.

与 第一篇博文特征脸方法不同，LBP（Local Binary Patterns，局部二值模式）是提取局部特征作为判别依据的. LBP方法显著的优点是对光照不敏感，但是依然没有解决姿态和表情的问题. 不过相比于特征脸方法，LBP的识别率已经有了很大的提升. 在[1]的文章里，有些人脸库的识别率已经达到了98%+.

在这篇文章中，我们将逐字逐句地尝试找到图片中的单词. 基于最近的一篇论文进行文字检测. 应该注意，文本检测不同于文本识别. 在文本检测中，我们只检测文本周围的边界框. 但是，在文本识别中，我们实际上找到了框中所写的内容. 例如，在下面给出的图像中，文本检测将为您提供单词周围的边界框，文本识别将告诉您该框包含单词STOP.

微软亚洲研究院 Kaiming He 博士在 2015 年凭借深度残差网络 Deep Residual Network (DRN) 在 Imagenet 比赛的识别、检测和定位三个任务、以及 COCO 比赛的检测和分割任务上都获得了冠军. 论文《 Deep Residual Learning for Image Recognition》获得 2016 CVPR best paper，ResNet因此声名大噪，很大程度上引发了 deep network 的革命.

在本篇文章中，我们将学习如何使用NRF24L01收发器模块在两个Arduino开发板之间进行无线通信. 为了说明无线通信，我们将举两个例子，第一个是从一个Arduino开发板向另一个发送简单的“Hello World”消息，在第二个例子中，我们将在Arduino开发板之间进行双向通信，其中我们使用在第一个Arduino开发板的操纵杆，控制在第二个Arduino开发板的伺服电机，反之亦然，使用第二个Arduino开发板的按钮，我们将控制第一个Arduino开发板的LED灯.

方栗子 发自 凹非寺. 量子位 出品 | 公众号 QbitAI. Facebook发布了一个开源框架，叫 QNNPACK，是手机端神经网络计算的加速包. 官方表示，它可以 成倍提升神经网络的推理效率，几乎比 TensorFlow Lite快一倍. 这个框架，能够为很多运算加速，比如 DW卷积 (Depthwise Convolution) ，许多先进的架构里面都用得到.

U-boot引导内核流程分析. 当U-boot完成重定位和初始化外设后，它将正式进入工作状态，可以加载内核镜像到DDR的链接地址中了，具体的地址也可以通过bootcmd这个环境变量来指定，内核镜像有两种加载方式：. 一种是通过tftp将镜像文件直接引导入DDR中内核的链接地址（对于s5pv210来说是30008000），这种方法很适合调试.

shuffle概览 一个spark的RDD有一组固定的分区组成，每个分区有一系列的记录组成. 对于由窄依赖变换（例如map和filter）返回的RDD，会延续父RDD的分区信息，以pipeline的形式计算. 每个对象仅依赖于父RDD中的单个对象. 诸如coalesce之类的操作可能导致任务处理多个输入分区，但转换仍然被认为是窄依赖的，因为一个父RDD的分区只会被一个子RDD分区继承.

参考书目：python自然语言处理实战——核心技术与算法. 基本思想：TF是计算一个词在一篇文档中出现的频率，IDF是一个词在多少篇文档中出现过，显然TF越高证明这个词在这篇文章中的代表性就越强，而INF越低则证明这个词在具有越强的区分能力. 因此中和这两个数，就能较好地算出文档的关键词. |D_i|是文档中出现词i的文档数量，|D|是文档数.

   作者：李雪冬           . 编辑：李雪冬           . 作为自然语言处理爱好者，大家都应该听说过或使用过大名鼎鼎的Gensim吧，这是一款具备多种功能的神器. Gensim是一款开源的第三方Python工具包，用于从原始的非结构化的文本中，无监督地学习到文本隐层的主题向量表达.

随着技术的进步以及更多人的认可，机器学习面临的最大困境不是如何跨过前往通用人工智能（AGI）路上的障碍，而是如何将现有的机器学习技术对更多企业开放，并让其更具实用性. 随着技术的进步以及更多人的认可，机器学习面临的最大困境不是如何跨过前往通用人工智能（AGI）路上的障碍，而是如何将现有的机器学习技术对更多企业开放，并让其更具实用性.

近几年，基于MySQL构建的传统关系型数据库服务，已经很难支撑美团业务的爆发式增长，这就促使我们去探索更合理的数据存储方案和实践新的运维方式. 而随着分布式数据库大放异彩，美团DBA团队联合基础架构存储团队，于 2018 年初启动了分布式数据库项目. 在立项之初，我们进行了大量解决方案的对比，深入了解了业界的 scale-out（横向扩展）、scale-up（纵向扩展）等解决方案.

  对于一个分布式存储系统来说，数据是分散存储在多个节点上的. 如何让数据均衡的分布在不同节点上，来保证其高可用性. 所谓均衡，是指系统中每个节点的负载是均匀的，并且在发现有不均匀的情况或者有节点增加/删除时，能及时进行调整，保持均匀状态. 本文将探讨Elasticsearch的数据分布方法，文中所述的背景是Elasticsearch 5.5.

作者：阮一峰，IT 技术作家，长期写作个人技术博客. 当过高校教师，也当过阿里巴巴集团软件工程师. 曾出版译著《黑客与画家》《软件随想录》，技术专著《ES6 标准入门》. 2017年初，网上传言华为公司正在清理34岁以上的员工. 中国区开始集中清理 34+ 的交付员工，……去向是跟海外服务部门交换今年新毕业的校招员工，也就是进新人，出旧人.

作为国内 OTA 的领头羊，携程每天都在服务着成千上万的旅行者. 为了保障旅行者的出行，庞大的携程客服在其中扮演着十分重要的角色. 但在客服的日常工作中，有一部分的行为是重复劳动，这对于客服来说是一种资源浪费. 如何通过算法来提升客服效率成为技术一大挑战. 本场 Chat 将介绍智能算法如何辅助客服工作，并介绍QA问答背后的技术和难题，以及如何用机器学习和深度学习在提升用户体验和客服效率上进行落地.

1、reindex的速率极慢，是否有办法改善. 以下问题来自社区： https://elasticsearch.cn/question/3782. 问题1：reindex和snapshot的速率极慢，是否有办法改善. reindex和snapshot的速率比用filebeat或者kafka到es的写入速率慢好几个数量级（集群写入性能不存在瓶颈），reindex/snapshot的时候CPU还是IO使用率都很低，是不是集群受什么参数限制了reindex和snapshot的速率.

本文共 3100字，建议阅读 8分钟. 本文作者分享了自身宝贵的求职经历并整理了为面试做准备所使用的各种资料，干货满满. [ 导读 ]梦想还是要有的，万一实现了呢. 本文来自一位刚刚加入 Airbnb 的数据科学家 Kelly Peng，她本科毕业于武汉大学，自认为并非牛人，并且在很长一段时间里求职屡战屡败.