你真的会看Docker镜像历史吗?:99%开发者忽略的--no-trunc使用秘诀

生成式AI工程化落地:11个生产级Docker镜像实践指南 生成式AI(Generative AI)项目在从实验室走向生产环境时,常面临环境不一致、CUDA版本错配、模型服务性能瓶颈等核心挑战。其本质是机器学习工程(ML Projects)中容器化交付能力的缺失。Docker容器镜像作为标准化运行时载体,通过原子化设计、可验证基础层与精简体积,在保障推理吞吐与训练稳定性的同时,显著降低CI/CD失败率和跨团队协作成本。本文聚焦真实金融、医疗、电商场景中沉淀的11个高可用Docker镜像,覆盖数据预处理、大模型微调、量化推理、API服务化等全链路,为构建稳定、可观测、 阅读详情

第一章:Docker镜像历史的隐秘世界

Docker 镜像是容器运行的基础,但其背后的历史记录往往被忽视。通过深入挖掘镜像构建过程中的每一层变更,开发者能够理解镜像的构成、优化体积,并排查潜在安全风险。

探索镜像历史

Docker 使用分层文件系统,每一层对应一次构建指令。使用 docker history 命令可查看镜像的构建历史:

# 查看 nginx 镜像的构建历史
docker history nginx:latest

# 输出包含每层的创建时间、大小、构建命令等信息
# 可结合 --format 控制输出格式
docker history --format "{{.ID}}: {{.CreatedAge}} ago | {{.Size}}" nginx:latest

历史层的安全隐患

  • 敏感信息泄露:如在某一层中意外写入密码或密钥
  • 冗余指令增加攻击面:例如安装调试工具后未清理
  • 不可变性缺失:相同标签镜像若重建,历史层可能不同

可视化构建流程

通过 Mermaid 流程图展示多阶段构建中各层的依赖关系:

graph TD A[基础镜像 alpine:3.18] --> B[安装依赖包] B --> C[复制应用代码] C --> D[编译二进制文件] D --> E[切换至最小镜像 scratch] E --> F[仅拷贝最终二进制] F --> G[生成轻量运行镜像]

最佳实践建议

实践说明
使用 .dockerignore避免无关文件进入构建上下文,减少历史层污染
合并精简指令减少层数,降低暴露风险,如将多个 RUN 合并为一行
启用 BuildKit提升构建安全性与性能,支持秘密挂载等高级特性

第二章:深入理解Docker镜像历史机制

2.1 镜像分层结构与历史记录的关系

Docker 镜像采用分层只读文件系统,每一层对应镜像构建过程中的一个操作指令。这些层通过内容寻址机制唯一标识,并形成有向无环图(DAG),确保可复用性和完整性。
分层与构建历史的映射
每次 `docker build` 中的指令(如 RUN、COPY)都会生成新镜像层,并记录在镜像配置中。该信息可通过 `docker history` 查看:
docker history myapp:latest
输出结果包含每一层的创建时间、大小及对应指令,直接反映 Dockerfile 的执行轨迹。
镜像元数据关联
镜像配置 JSON 中包含 `rootfs` 字段,列出各层摘要。同时,每层都有独立的 manifest 描述其父层(parent)和差异内容,构成链式依赖:
  • 底层:基础操作系统(如 ubuntu:20.04)
  • 中间层:运行时环境安装
  • 顶层:应用代码注入
这种结构使镜像具备增量更新能力,且历史记录与分层一一对应,保障构建可追溯性。

2.2 docker history 命令的核心原理剖析

`docker history` 命令用于展示镜像每一层的构建历史,其核心在于解析镜像的**镜像层元数据**并按时间顺序逆向呈现。
命令输出结构解析
执行该命令后,Docker 客户端向守护进程发起请求,获取指定镜像的层级信息。每层对应一个 `layer diff ID` 和 `image config` 中的变更记录。

docker history ubuntu:20.04
输出字段包括:`CREATED`(创建时间)、`SIZE`(层大小)、`COMMAND`(构建指令)等,其中 `SIZE` 为实际占用空间,非叠加值。
底层数据来源
Docker 通过读取镜像配置文件(通常位于 `/var/lib/docker/image/`)中的 `manifest.json` 和 `layer.tar` 元数据,还原出每一层的构建上下文。
  • 每一层均为只读层,采用联合文件系统(如 overlay2)堆叠
  • history 记录与镜像 manifest 中的 layer digest 一一对应
  • 若使用了多阶段构建,非最终阶段的中间层默认不显示

2.3 可读性截断:被隐藏的元数据真相

在日志系统与API响应中,字符串常因长度限制被截断,导致关键元数据丢失。表面上看是可读性优化,实则掩盖了调试与安全分析所需的关键信息。
截断机制的典型场景
  • 日志系统自动截取前512字符
  • 前端展示限制文本显示长度
  • 数据库字段定义过短(如VARCHAR(255))
代码示例:截断引发的信息丢失
type LogEntry struct {
    Message string `json:"message"`
    Source  string `json:"source"`
}

func ProcessLog(raw string) LogEntry {
    if len(raw) > 500 {
        raw = raw[:500] + "..." // 截断操作
    }
    return LogEntry{Message: raw, Source: "collector"}
}
上述代码将原始日志强制截断至500字符,若元数据(如trace_id、user_agent)位于尾部,则完全丢失,影响问题追溯。
结构化替代方案
传统做法改进方案
存储截断字符串分离正文与元数据字段
前端直接渲染保留完整数据接口供调试

2.4 操作指令溯源:从构建到运行的完整链条

在现代软件交付体系中,操作指令的生命周期贯穿构建、部署与运行多个阶段。为确保可追溯性,每条指令都应携带元数据标识其来源与变更路径。
构建阶段的指令标记
在CI流程中,通过环境变量注入版本信息,实现指令源头绑定:

# 构建时注入Git信息
export BUILD_VERSION=$(git describe --tags)
export BUILD_COMMIT=$(git rev-parse HEAD)
上述脚本提取当前提交哈希与最近标签,作为镜像标签和日志追踪依据。
运行时溯源链路
容器启动后,可通过元数据服务查询原始构建参数:
  • 镜像标签映射至Git提交
  • 启动命令记录于审计日志
  • 配置版本与配置中心快照关联
最终形成“代码变更 → 构建指纹 → 运行实例”的完整追溯链条。

2.5 --no-trunc 参数的本质与作用机制

在 Docker 命令行工具中,--no-trunc 是一个控制输出格式的布尔参数,其核心作用是禁止对长字段内容进行截断显示。
典型应用场景
该参数常用于 docker ps、docker images 等命令,用于查看容器或镜像的完整信息。例如:
docker ps --no-trunc
此命令将展示容器 ID、命令、创建时间等字段的完整内容,而非默认的前12位短ID。
输出对比分析
命令容器ID显示长度命令字段是否截断
docker ps12位是
docker ps --no-trunc64位(完整)否
该机制通过 CLI 解析参数后,调整格式化器的截断逻辑实现,确保关键信息如哈希值、挂载路径、网络配置等完整呈现,便于调试与审计。

第三章:实战中的镜像历史分析技巧

3.1 查看生产环境镜像的真实构建细节

在生产环境中,容器镜像的构建过程往往隐藏着潜在风险。通过分析镜像层结构,可以还原真实的构建流程。
使用Docker History查看构建层
docker history myapp:latest --no-trunc
该命令展示镜像每一层的完整构建指令,--no-trunc 参数防止命令被截断,便于识别可疑操作,如未声明的依赖下载或权限提升。
关键检查项清单
  • 是否存在未经版本锁定的包安装(如 apt-get install without version pinning)
  • 是否以 root 用户长期运行构建步骤
  • 是否有从不可信源拉取脚本并执行的行为
结合 docker inspect 和镜像配置元数据,可进一步验证构建上下文与时间戳一致性,确保CI/CD流水线输出的镜像具备可追溯性。

3.2 识别潜在安全风险的操作层记录

在系统运行过程中,操作层日志是发现安全隐患的第一道防线。通过精细化记录用户行为、权限变更和关键接口调用,可有效追踪异常活动。
关键日志字段示例
  • 时间戳:精确到毫秒的操作发生时间
  • 操作主体:用户ID或服务账号标识
  • 操作类型:如登录、文件读取、配置修改
  • 目标资源:被访问的文件、API或数据库表
  • 结果状态:成功或失败,附带错误码
高风险操作识别代码片段
// 检测连续失败登录尝试
func DetectBruteForce(logs []AccessLog, threshold int) []string {
    attempts := make(map[string]int)
    var suspects []string

    for _, log := range logs {
        if log.Action == "login" && log.Status == "failed" {
            attempts[log.UserID]++
            if attempts[log.UserID] >= threshold {
                suspects = append(suspects, log.UserID)
            }
        }
    }
    return suspects
}
该函数遍历访问日志,统计用户失败登录次数。当超过预设阈值(如5次),即标记为可疑账户,可用于触发告警或临时锁定机制。

3.3 结合Dockerfile进行逆向工程验证

在容器化环境中,通过分析镜像生成的Dockerfile可有效还原应用构建逻辑。借助工具如`dive`或`docker history`,可逐层解析镜像层与指令对应关系。
典型反向生成流程
  1. 导出镜像历史:使用docker history <image>查看各层创建命令
  2. 提取文件系统变更:结合docker inspect定位关键挂载点和环境变量
  3. 重构Dockerfile:根据层依赖顺序还原COPY、RUN、ENV等指令
示例:从镜像推导构建指令
# 基于镜像分析还原的应用构建阶段
FROM ubuntu:20.04
COPY ./app /opt/app
RUN apt-get update && \
    apt-get install -y python3 python3-pip
WORKDIR /opt/app
RUN pip3 install -r requirements.txt
CMD ["python3", "main.py"]
该Dockerfile还原了应用依赖安装路径与启动逻辑,其中CMD指明入口命令,RUN pip3 install反映原始构建时的包管理行为,有助于验证镜像来源可信性。

第四章:高级调试与优化场景应用

4.1 定位镜像体积膨胀的根本原因

在构建容器镜像过程中,体积膨胀常源于多层文件叠加与冗余数据累积。每一层的变更都会生成新的只读层,导致镜像总大小迅速增长。
常见成因分析
  • 未清理临时文件与缓存(如 apt 缓存、npm 包)
  • 重复拷贝大体积资源文件
  • 使用过大的基础镜像(如 ubuntu 替代 alpine)
  • 日志或调试工具未在最终层移除
Dockerfile 示例优化对比
# 低效写法:分步安装导致层膨胀
FROM ubuntu:20.04
RUN apt-get update
RUN apt-get install -y python3
RUN rm -rf /var/lib/apt/lists/*

上述写法生成三个独立层,中间层仍保留在镜像中。应合并命令以减少层数量:

# 高效写法:合并操作并清理缓存
FROM ubuntu:20.04
RUN apt-get update && \
    apt-get install -y python3 && \
    rm -rf /var/lib/apt/lists/*

通过链式命令将所有操作压缩至单一层,并清除包管理缓存,显著降低镜像体积。

4.2 分析缓存失效与重建触发条件

缓存系统在高并发场景下需精准控制失效与重建时机,避免雪崩与穿透问题。
常见触发条件
  • 过期时间到达:TTL(Time To Live)到期后自动失效
  • 数据变更通知:数据库更新后主动清除或标记缓存
  • 容量淘汰:LRU/Eviction策略触发旧数据清理
重建时机控制
// 双检锁机制防止缓存击穿
func GetUserData(userId string) *User {
    data := cache.Get(userId)
    if data == nil {
        mutex.Lock()
        defer mutex.Unlock()
        // 二次检查
        if data = cache.Get(userId); data == nil {
            data = db.QueryUser(userId)
            cache.Set(userId, data, time.Minute*10)
        }
    }
    return data
}
该代码通过双重检查与互斥锁,确保仅单例重建缓存,其余请求等待结果复用,降低数据库压力。

4.3 多阶段构建中的历史信息解读

在多阶段构建过程中,镜像层的历史信息对于调试和优化至关重要。通过分析每一阶段的构建记录,可以追溯依赖变更、识别冗余操作。
查看构建历史
使用 docker history 命令可查看镜像各层的生成细节:

docker history myapp:latest
输出包含每层的创建时间、大小、命令来源,帮助判断哪些指令导致体积膨胀或缓存失效。
多阶段构建示例

FROM golang:1.21 AS builder
WORKDIR /app
COPY . .
RUN go build -o main ./cmd

FROM alpine:latest  
RUN apk --no-cache add ca-certificates
COPY --from=builder /app/main .
CMD ["./main"]
该配置将编译环境与运行环境分离。第一阶段生成可执行文件,第二阶段仅复制产物,显著减少最终镜像体积。
关键优势分析
  • 降低攻击面:运行时镜像不包含编译工具链
  • 提升缓存效率:基础阶段变动才触发全量重建
  • 增强可审计性:清晰划分构建逻辑与交付内容

4.4 构建审计与合规性检查实践

在现代IT治理体系中,审计与合规性是保障系统安全与可追溯性的核心环节。通过自动化工具收集日志、配置变更和访问行为,能够实现对资源操作的全链路追踪。
审计日志采集策略
关键系统应启用细粒度日志记录,涵盖用户身份、操作时间、执行命令及目标资源。例如,在Kubernetes集群中可通过Audit Policy定义日志规则:

{
  "apiVersion": "audit.k8s.io/v1",
  "kind": "Policy",
  "rules": [
    {
      "level": "Metadata",
      "resources": [{"group": "", "resources": ["secrets"]}]
    }
  ]
}
该配置表示对Secret资源的操作仅记录元数据级别信息,避免敏感内容泄露,同时满足合规审计的基本要求。
合规性检查框架
采用OpenSCAP或Checkov等工具定期扫描基础设施配置,确保符合CIS、GDPR等标准。检查项可归纳为下表:
检查类别示例规则合规标准
身份认证多因素认证启用ISO 27001
日志管理日志保留周期≥180天SOC2

第五章:超越history:构建透明可信的镜像体系

在现代DevOps实践中,Docker镜像的可追溯性与完整性验证已成为安全交付链的核心环节。仅依赖docker history已无法满足审计需求,必须引入内容寻址与签名机制。
使用Cosign进行镜像签名
Sigstore生态中的Cosign工具支持对OCI镜像进行密钥或无密钥签名。以下命令为镜像生成签名并推送到仓库:

# 构建并推送镜像
docker build -t us.gcr.io/my-project/app:v1 .
docker push us.gcr.io/my-project/app:v1

# 使用Cosign签名
cosign sign --key cosign.key us.gcr.io/my-project/app:v1
基于SBOM的软件物料清单验证
通过Syft生成镜像的SBOM(Software Bill of Materials),可清晰展示所有依赖组件:

syft docker:us.gcr.io/my-project/app:v1 -o cyclonedx > sbom.xml
该SBOM文件可集成至CI流程,用于检测许可证合规性或已知漏洞。
镜像策略执行引擎
Open Policy Agent(OPA)可定义镜像准入策略。例如,拒绝未签名或含高危CVE的镜像部署:
  • 确保所有生产镜像附带有效Cosign签名
  • 验证基础镜像版本不在已知漏洞列表中
  • 强制要求镜像标签遵循语义化版本规范
机制工具示例应用场景
镜像签名Cosign防止篡改,身份认证
SBOM生成Syft, Trivy依赖审计,合规检查
策略控制OPA, Kyverno集群准入控制
MinIO Docker部署实战:从零到生产就绪的S3对象存储 对象存储是云原生架构中支撑文件服务、AI数据湖与多媒体中台的核心基础设施。其底层依赖S3兼容协议实现标准化访问,而MinIO作为高性能开源实现,凭借强一致性与零依赖特性成为Docker容器化部署的首选。通过Docker运行MinIO,开发者可绕过传统裸机安装的内核调优、RAID配置与系统服务管理等复杂环节,仅需一条命令即可启动具备持久化、认证安全与Web控制台的完整S3服务。该方案特别适用于快速搭建测试环境、Spring Boot文件模块联调及中小团队替代NAS的轻量级数据底座,本文聚焦Windows/ma 阅读详情

相关推荐

FastAPI+Docker+Prometheus构建可监控ML服务

机器学习模型服务化是将算法能力转化为业务价值的关键环节,其核心在于解决状态一致性、时序敏感性与系统可观测性三大挑战。基于Python的轻量级技术栈(如FastAPI、Docker、Prometheus)能有效规避重型MLOps框架带来的抽象泄漏与调试延迟,尤其适合从Notebook快速演进至生产环境的中小规模AI项目。FastAPI凭借原生异步支持与依赖注入机制,在模型加载、特征预处理等IO密集场景显著优于Flask;而通过Docker容器化封装模型与预处理器(如scaler),可确保训练与推理环境严格一致

weixin_34392435的博客 460

docker所有命令

#所有命令 #docker container #查看docker所有命令 docker attach #当前shell下attach连接指定运行镜像 docker build #通过dockerfile定制镜像 docker commit #提交当前容器为新的镜像 docker cp #从容器中拷贝指定文件或者目录到宿主机中 docker create #创建一个新的容器,同run,但不启动容器 docker diff #查看docker容器变化 docker events #从docker服务获取

kongshuo的博客 2584

DigitalOcean A10 GPU微调大模型实战指南

大语言模型(LLM)微调已从研究实验走向生产落地,其核心挑战不再局限于算力本身,而在于环境稳定性、显存效率与工程可复现性。基于PyTorch和LoRA的轻量微调技术,正成为中小企业低成本定制AI能力的关键路径;而DigitalOcean GPU Droplet凭借A10显卡的24GB显存、低延迟NVMe存储与快照驱动的极简运维,显著降低隐性成本。本文聚焦真实场景下的性能边界识别、Docker环境黄金配置、BF16精度适配及浮动IP灰度发布等关键技术环节,为需要在百美元级预算内实现日均200+请求、亚秒级响应

weixin_30236595的博客 508

Docker常用命令

文章目录帮助命令镜像命令查看本地镜像仓库查询远程仓库镜像文件拉取远程仓库镜像文件删除本地镜像容器命令新建并启动容器查看所有容器退出容器重新进入容器重新启动容器停止容器强制停止容器删除已停止的容器查看容器日志查看容器进程查看容器内部细节从容器内拷贝文件到主机上 帮助命令 docker version docker info docker --help 镜像命令 查看本地镜像仓库 docker images REPOSITORY : 镜像的仓库源; TAG : 镜像的标签; IMAGE ID : 镜

爪哇岛的白咖啡 961

多维数据聚合实战:从OLAP立方体到动态重切片

多维数据聚合是现代BI与实时分析的核心能力,其本质是构建可导航的数据坐标系,而非简单GROUP BY。它依托OLAP立方体实现预计算加速,通过维度建模解决粒度异构、缓慢变化、角色扮演等关键问题,并借助聚合态缓存、维度导航树提升响应效率。技术价值在于支撑即席下钻、跨层级分析与指标实时重算,广泛应用于零售销量归因、金融风控看板、物联网设备分析等场景。本文聚焦生产级动态重聚合与混合调度策略,详解如何让聚合结果真正‘活起来’。

weixin_33912246的博客 451

ChatGPT作为ML工程师协作者的实战方法论

机器学习工程本质上是在多重约束下进行解空间搜索的过程,其核心挑战并非算法创新,而是数据胶水层、运维胶水层与业务语义对齐的复杂性。传统AutoML与代码补全工具(如Copilot)难以处理跨模块上下文、合规要求、性能边界等非语法类约束。而以提示工程为接口的ChatGPT,凭借角色设定、背景锚定、任务聚焦与硬性约束四要素协同,可高效生成符合生产规范的特征工程代码、模型调试方案与可观测性配置。它不替代ML工程师的判断力,却显著压缩数据探查、参数试错、日志归因等高频耗时环节——尤其在PySpark特征管道、Ligh

weixin_30727835的博客 317

docker命令记录

先记录用到的命令,后续再详解。

wangmourendecsd的博客 501

(详细教程)opencv+pycharm+笔记本摄像头 做一个人脸识别

文章目录 前言 一、pandas是什么? 二、使用步骤 1.引入库 2.读入数据 总结 一、安装opencv-python 这里推荐使用pycharm直接安装opencv-python 打开文件——设置——python解释器——点击+号 搜索opencv-python,点击安装包,等待片刻即可安装好 检查是否安装好,新建一个项目输入以下代码,若无报错则安装好 import cv2 二、准备分类器 咱们使用opencv官方提供的分类器,包括面部识别,侧...

qq_52852432的博客 1万+

docker常用命令

1 基本信息 docker version docker info vim /etc/docker/daemon.json dockerd & 2 保存镜像 dokcer images docker pull portainer/portainer-ce docker save a0a227bf03dd > portainer-ce.tar 3 导入镜像 docker load < portainer-ce.tar dokcer images docker tag a0a2.

yfx000的专栏 681

在ubuntu20.04上配置VINS_Fusion(亲测有效,一应俱全)

最近在做科研训练的时候配置了HKUST-Aerial-Robotics实验室的VINS_Fusion代码项目,经历了一些编译报错的问题,在网上查找的时候博客内容良莠不齐,且实质针对性意见不多,于是在此记录下自己配置期间遇到的一些共性问题,留作自己日后参考和大家的交流学习。

wyr1849089774的博客 8274

深入理解HanLP1.x,填平可能遇到的坑

提取指定数量的摘要。自定义词典为什么要单独领出来讲呢?因为在我们的业务开发中,可能分词的效果并不理想,需要定制自己的词库,索引更加常用。例如:小米su7特斯拉modelY比亚042025款6575767670908我们需要分出小米su72025款等词。我们分别看看用字典和不用字典的效果。

static_coder的博客 980

docker 容器好用的命令汇集,解除你的疑虑

docker 容器好用的命令汇集,解除你的疑虑

野路子云遇见不同的自己 570

SDN:使用Postman控制ODL查看和下发流表

所谓,其实可被视作是SDN对网络设备的数据转发功能的一种抽象。在传统网络设备中,交换机和路由器的数据转发需要依赖设备中保存的二层MAC地址转发表或者三层的IP地址路由表,SDN交换机中使用的流表也是如此,不过在它的表项中整合了网络中各个层次的网络配置信息,从而在进行数据转发时可以使用更丰富的规则。其流表中的每个表项结果如下图所示:OpenFlow1.3流表的每个表项由6部分组成:1、匹配域:匹配域即OpenFlow1.0流表中的包头域,用于对交换机接收到的数据包的包头内容进行匹配。Ehter Des。

lyhaoyuhangyuan的博客 2535

工作中使用到的单词(软件开发)_第五版

本文摘要: 本文为软件开发相关的术语与技术要点整理,主要包含2020-2025年间四版内容更新(No.01-41)。重点包括: 证书文件格式(PEM/P12)差异 外部API通信注意事项(Accept头设置、HTTPS连接问题) Postman工具使用技巧(Cookie管理、请求头设置) WAS配置相关经验(JVM设置、SSL连接问题) 数据库操作命令(DB2表结构修改) IBM安全管理组件(TAM/iv-user机制) 网络通信细节(chunked传输编码特性) 常用开发工具(curl、Postman)的

sun0322 2524

BurpSuite工具HaE插件好用正则收集

数据集合面板里面直接查询捕获到的相关数据内容,省去一个个翻找数据包内容的烦恼。插件捕获到匹配正则表达式的数据包后,可以在。可以对正则条目进行添加、编辑、删除。规则信息管理,我们点击。

墨痕诉清风的博客 657

JNI的本质解析:Android Framework视角下的Java-Native衔接机制

本文基于Android 14源码深入分析JNI机制,从Android Framework视角解析Java-Native衔接原理。主要内容包括:JNI的双轨制注册机制(静态与动态注册),核心数据结构(JNIEnv与JavaVM)的实现原理,以及完整的调用链路剖析。文章通过MessageQueue的JNI实现案例,展示Android Framework如何利用JNI实现Java层与Native层的高效交互,并提供了性能优化建议。分析表明,JNI作为Android系统架构的关键桥梁,其设计充分考虑了性能、安全性

保持专注,保持热爱 1213

OpenClaw M2.5与M2.7工业部署选型指南:实时性与灵活性的工程权衡

工业AI模型不是通用大语言模型,而是嵌入PLC控制链、响应毫秒级节拍、满足SIL2安全等级的确定性组件。OpenClaw作为面向工业质检的嵌入式AI协议栈,其M2.5与M2.7版本本质代表两种设计哲学:前者以确定性有限自动机和固定KV缓存保障硬实时(±0.3ms抖动),适用于安全联锁、老旧PLC及低功耗边缘场景;后者依托滑动窗口与语义衰减机制实现流式视频理解,支撑多模态动态指令与跨帧时序分析。技术价值不在参数高低,而在是否匹配产线的物理约束与变更频率——当PLC扫描周期抖动超±1ms,或客户要求‘语音指令即

weixin_30889885的博客 362

2、集中式MIMO雷达研究进展:正交波形设计与信号处理

集中式多输入多输出(Multiple Input Multiple Output,MIMO)雷达通常利用正交波形增加发射波形 自由度,采用数字阵列拓展空间收发自由度,使得雷达接收机的天线孔径获得明显扩展,最终带来空间分辨率、 测角精确度、杂波抑制能力等大幅度提升。但是,这些性能提升的前提是发射波形具有正交特性。事实上,在 实际应用中,在不牺牲时域/频域资源情况下,受限于时宽带宽积,无法获得完全正交的波形集合,从而限制了 MIMO雷达系统性能。本文对集中式MIMO雷达正交波形复用的技术原理进行了系统回顾,分别

qq_43416206的博客 2775

Docker学习笔记——01基础语法

一. Docker概述 1. Docker为什么会出现? 一款产品: 开发–上线 两套环境!应用环境,应用配置! 开发 — 运维。 问题:我在我的电脑上可以允许!版本更新,导致服务不可用!对于运维来说考验十分 大 环境配置是十分的麻烦,每一个机器都要部署环境(集群Redis、ES、Hadoop…) !费事费力。 发布一个项目( jar + (Redis MySQL JDK ES) ),项目能不能带上环境安装打包! 之前在服务器配置一个应用的环境 Redis MySQL JDK ES Ha

bingque6535的博客 305

基于matlab的主成分分析的人脸二维码识别系统

人脸识别因其在系统安全验证、信用验证、刑侦跟踪、身份管理、视频会议、人机交互、智能家居等方面的巨大应用前景,成为当前模式识别和人工智能领域越来越热门的一个研究方向。随着安全入口控制和二维码智能扫描应用需求的快速增长,基于二维码识别的生物人脸统计识别技术也引起了人们的重视。本案例将详细讲解基于主成分分析的人脸特征提取的原理与方法,并将其与 QR 二维码的编解码进行结合,将 MATLAB 作为工具平台,调用 QR 二维码编解码应用程序,进而实现一个人脸二维码自动识别的系统原型。

在职AI算法工程师,擅长计算机视觉,YOLO目标检测、分割等,擅长web、pyqt界面可视化,好内容持续更新中,来这里跟大家一起学习,共同进步 981

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

教你一招,如果忘记了当初运行的Docker命令,现在想要查看怎么操作?

各位是否有个这样的场景,当初运行了一个docker容器,用了一堆参数命令,现在容器跑起来了,由于当时没有备份或者不知道备份到了哪里去了么现在却想查看一下当初是怎么运行的这个容器?那么接下来我教你一招轻松找回当初的命令。提示:以下是本篇文章正文内容,下面案例可供参考本文以一个已经安装好了的jenkins为例子,希望对读者能有所帮助。如图,我之前安装了一个jenkins,但是现在呢,我忘记了当初是怎么运行的docker的命令了~~咋整呢?遇事不要慌,看看下面的流程你就知道啦。

yohann1991的博客 522

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

你真的会看Docker history吗?这7个filter参数让你秒变容器专家

掌握Docker镜像管理技巧,轻松应对复杂环境调试。本文深入解析Docker镜像的history筛选方法,涵盖7个实用filter参数,支持按镜像ID、标签、创建时间等条件精准过滤,提升排查效率。操作简单且兼容性强,值得收藏。

VarChat的博客 884

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

Docker常用命令:一篇文章带你掌握docker的使用

两分钟时间让你学会Docker的使用!

wyc_0109的博客 313

docker 命令详解(三十):history

docker history 命令详解。

youzhouliu的博客 1182

【Linux-Docker】Docker常用命令

Docker 是一个开源的应用容器引擎,基于 GO语言并遵从 Apache2.0 协议开源。Docker 可以让开发者打包他们的应用以及依赖包到一个轻量级、可移植的容器中,然后发布到任何流行的 Linux 机器上,也可以实现虚拟化。容器是完全使用沙箱机制,相互之间不会有任何接口(类似 iPhone 的 app),更重要的是容器性能开销极低。可以将镜像理解为包含应用程序以及依赖环境的一个文件系统,他是静态的;容器是基于镜像创建的,他是动态的。

开水的博客 1285

Docker命令大全

命令 命令说明 options 语法 docker info 显示Docker系统信息,包括镜像和容器数 docker info [OPTIONS] docker version 显示Docker版本信息 -f :指定返回值的模板文件 docker versio...

liwan09的博客 206
上一篇: CMD与ENTRYPOINT混淆导致容器启动失败?一文讲透两者本质区别
下一篇: 【紧急避坑】Docker registry认证失败导致CI/CD中断的应对策略
CompiGap
博客等级 码龄1年 148粉丝 1970原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值