Ecust0406的博客

原创 计算机网络（四）从物理层到MAC层

当设备数变成3个的时候，就需要用到hub（集线器）。它可以将多个设备连接起来。但是，和交换机不同，集线器没有大脑，它。它会将自己收到的每一个字节，都复制到其他端口上去。这是第一层物理层联通的方案。

原创 k8s学习（三）容器持久化

以Mount为例，FlexVolume的SetUpAt()实际上只做了一件事，就是封装出了一行命令（即：NewDriverCall），由 kubelet 在“Mount 阶段”去执行。volume的两阶段处理，在具体的控制循环中，实际上调用的是k8s的 pkg/volume 目录下的存储插件（Volume Plugin）。当编写完了FlexVolume的实现之后，要把它的可执行文件放在。（flexVolume存储插件的入口）flexVolume存储插件的局限性。在Mount阶段，kubelet的。

原创 k8s学习（二）容器编排与k8s作业管理

在GOAPTH路径下，创建结构项目（也可以自定义一个yaml，然后通过operator自动生成）├── crd└── pkg└── apis├── doc.go├── register.go ///放置后面要用到的全局变量通过代码生成工具code-generator为自定义资源生成client、informer、lister├── crd└── pkg├── apis│ └── v1。

原创 计算机网络（三）DHCP

原创 计算机网络（二）网络分层的真实含义与IP地址解析

原创 计算机网络（一）为什么要学习网络协议

按照5层结构，每一层都有各自的网络协议。比如在上面的流程中，在本机将数据包发到网关上，就是通过ARP实现的；而在跨节点的通信则是依赖于路由协议，如OSPF、BGP。在互联网世界中，只教给一台机器做什么是不够的，需要学会教给一大片机器做什么。只有通过网络协议，才能使一大片机器互相协作、共同完成一件事。

原创 k8s学习（一）容器

依赖linux setns系统调用，当一个进程通过setns进入另外一个ns中，那这个进程的视图也发生改变，和进入的ns一致，在宿主机上可以找到这个进程的PID，查看这个进程号的ns文件，与指向的ns的文件一致（只有指定的ns类型的视图保持一致，如PID、网络）在一个正确的时机，进行一次绑定挂载，Docker 就可以成功地将一个宿主机上的目录或文件挂载到容器中，进程在容器里对这个 /test 目录进行的所有操作，都实际发生在宿主机的对应目录里，而不会影响容器镜像的内容。，它们会被联合挂载在。

原创 Kafka学习（四）

了8字节的时间戳字段，此外，对于Attribute字段的使用上，V0版本只使用了低3位来表示3种不同的压缩算法，而V1版本则额外使用第4位来表示时间戳类型（支持两种：CREAT_TIME（消息创建时由Producer指定时间戳）、LOG_APPEND_TIME（消息发送到broker端由broker指定时间戳））。每条记录都会被分配一个唯一的且顺序增加的序号（offset），记录中的消息以kakfa自定义的消息格式并在写入前序列化成紧凑的二进制字节数组。所有类型的请求和响应都是。

原创 Kafka学习（三）

Kafka 消费者（consumer）是从 Kafka 读取数据的应用。若干个 consumer 订阅 Kafka 集群中的若干个 topic 并从 Kafka 接收属于这些 topic 的消息，Consumer分为消费者和消费者组。

原创 kafka学习（二）

在 producer 程序中创建一个类，实现 org.apache.kafka.clients.producer.Partitioner 接口，主要分区逻辑在 Partitioner.partition 中实现在用于构造KafkaProducer的Properties对象中设置 partitioner.class 参数例如，有一些消息是用于审计功能的，这类消息的 key 会被固定地分配一个字符串“audit”。

原创 kafka学习（一）

kakfa基础

转载 NIC《Show and Tell: A Neural Image Caption Generator》

Image Caption是结合了CV和NLP的综合性任务，它的输入是一张图像，输出则是对该福图像进行描述的一段文字。该任务要求模型可以识别出图片中的物体，还可以用一句话描述表达出各个物体之间的关系。一、任务描述image caption常用数据集有：（1）Flickr8k:它包含8000张照片。6000训练,1000验证，1000测试；（2）Flickr30k:它包含3.1万张图片。我们有29000张train，1000张验证，1000张测试；（3）MSCOCO:在训练集中包含82,783个图像

原创 数据结构与算法

一 数据结构概论数据结构与抽象数据类型结构：实体+关系数据结构：按照逻辑关系组织起来的一批数据。按照一定的存储方法把它存储在计算机，在这些数据上定义了一个运算的集合。逻辑结构分线性结构与非线性结构：线性结构：表，栈，队列，串等非线性结构：树、图（有向，无向）存储结构是逻辑结构到物理存储空间的映射，存储结构包含四类：顺序、链接、索引、散列。散列：一种特殊的索引结构。通多所要查的关键码的一个映射，能够在整个散列表里快速地找到它的存储空间，然后把相对应的数值找出来。抽象数据类型（ADT）：定义了

原创 轻量级网络

这里写目录标题MobileNet v1（2017）摘要模型结构depthwise convolution:pointwise convolution:引入超参数模型训练MobileNet v1（2017）论文：MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications代码实现：tensorflow：https://github.com/tensorflow/models/blob/master/