墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
600+累计阅读
679平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
自从Azure DevOps Server取消与Project Server的集成后，许多用户都在关注如何使用甘特图来展示项目进度。
在Azure DevOps Server开放扩展Extension功能后，许多开发者或专业开发团队做了很多甘特图Gantt相关的开发工作，使用比较多的是(GANTT chart - Visual Studio Marketplace )。
用户可以从将这个扩展安装到自己的AZ Service中，也可以下载并安装到内网的Az DevOps Server中(效果图如下)；但是需要注意，虽然这个扩展很好用，只有14的免费试用期，后续是要付费的。
另外一个扩展(Query Gantt - Visual Studio Marketplace)也是比较比较喜欢的东东，由于开发者分享了源代码，我们还可以在他的基础上做定制开发。
https://www.cnblogs.com/danzhang
Azure DevOps MVP 张洪君
7系列ZYNQ硬件调试：Vitis无法识别ARM DAP的排查与解决
本文针对7系列ZYNQ开发中Vitis无法识别ARM DAP的典型硬件调试问题，提供了系统性的排查与解决方案。文章深入剖析了问题本质，指出ARM DAP无法访问的核心原因在于PS部分的电源、时钟或复位等硬件基础条件未满足，并重点强调了PS参考时钟（如33.333MHz晶振）的完整性是关键排查点。通过从电源完整性、时钟与复位信号到JTAG连接与焊接的逐步硬件排查，并结合软件配置交叉验证，为开发者提供了清晰的故障定位思路与实战指南。
在Azure DevOps Server中绘制甘特图gantt
Contents1. 概述2. 绘制甘特图3. Mermaid语法1. 概述甘特图是一种条形图，由Karol Adamiecki于1896年首次开发，由Henry Gantt于1910年代独立开发，用于展现项目进度和完成项目所需的时间。甘特图显示了项目的所有任务的开始日期和完成日期，以视图的方式直观的展现出项目的进度状况，是用于跟踪项目进度的常见工具。在Azure DevOps Server中W...
科研党必看！Zotero+Claude3插件实战：如何用AI高效阅读文献（附详细配置步骤）
本文详细介绍了如何通过Zotero与Claude3插件的深度整合，实现科研文献的高效阅读与管理。从环境配置到核心功能实战，包括智能摘要生成、精准学术翻译和论文写作辅助等，帮助科研人员大幅提升工作效率。特别适合需要处理大量文献的研究者使用。
【Azure 应用服务】App Service 自动扩容时，如何避免新实例尚未就绪就接收流量（健康检查篇）？
在 Azure App Service 中启用 Automatic Scaling 后，当业务负载增加并触发横向扩展时，平台可能需要动态增加新的 App Service 实例。对于生产环境，一个非常重要的问题是：如何确保新扩展出来的实例已经完成应用启动、依赖初始化并处于健康状态后，再开始承载实际业务流量，从而降低扩容过程对业务稳定性的影响？解决这个问题不能只关注扩容规则本身，还需要从几个方面共同考虑。
【OpenClaw 故障排查完全指南】
OpenClaw 故障排查指南摘要 本指南针对OpenClaw 2026.2.26版本常见问题提供解决方案，适用于Windows/Linux/macOS平台。 核心问题及修复方案： 飞书插件连接失败：删除冲突插件或重装OpenClaw Ollama认证错误：设置环境变量OLLAMA_API_KEY="ollama-local" 配置警告：可安全忽略的安全扫描提示 端口占用：查找并终止占用18789端口的进程 插件重复加载：清理重复插件目录 快速修复： 提供一键修复PowerShell脚本
数据资产可视化分析：PowerBI在大数据管理中的实战
目的：帮你搞懂“为什么数据资产需要可视化？”“PowerBI能帮企业解决什么问题？”，并掌握用PowerBI做大数据可视化的实战技巧。范围：覆盖数据资产定义、可视化分析原理、PowerBI核心功能（数据连接、建模、可视化）、零售企业实战案例，以及未来趋势与挑战。背景：为什么企业的数据像乱堆的玩具？核心概念：数据资产、可视化分析、PowerBI分别是什么？它们怎么配合？实战步骤：用PowerBI帮零售企业整理“销售玩具箱”，做出能指导决策的仪表盘；应用场景：不同部门怎么用这个“整理好的玩具箱”？
【Azure 应用服务】App Service自动扩容时，如何避免新实例尚未就绪就接收流量(应用初始化篇)？
在Azure App Service启用自动扩容时，确保新实例完成初始化并健康就绪再接收流量至关重要。需采用无状态架构，避免依赖本地内存状态。通过配置ApplicationInitialization（Windows用IIS applicationInitialization，Linux设WEBSITE_WARMUP_PATH和WEBSITE_WARMUP_STATUSES），实现应用预热，提前完成组件、依赖与缓存初始化。结合健康检查（HealthCheck）验证就绪状态，配合预热实例（PrewarmedI
prplOS组件流程梳理
本文梳理了prplOS系统中设备信息管理模块(deviceinfo-manager)的工作流程。该模块启动时通过/etc/init.d/deviceinfo-manager调用核心框架amxrt执行，主要功能包括收集设备信息、管理数据模型、初始化子系统等。系统采用ODL文件定义数据模型，通过解析器将配置文件转换为内存中的对象树。流程涉及命令行参数解析、ODL文件加载、后端模块扫描等核心步骤，最终构建出完整的数据模型供上层应用访问。整个架构体现了模块化设计思想，通过动态加载插件实现功能扩展。
DevOps进阶-下篇-Harbor私有仓库与自动化部署
环节现在的状态问题代码GitLab 托管，Tag 管版本✅ 没问题构建Jenkins 跑 Maven，产出 jar✅ 没问题质量SonarQube 扫描 + 门禁✅ 没问题制品jar 直接 SCP 到服务器，服务器上❌这里全是洞部署服务器本地重建容器❌ 无版本、无回滚、无审计镜像没有统一存放地。每台机器自己build，同一个 tag 在不同机器上可能是不同的东西——"环境一致性"直接破功；无法回滚。jar 覆盖了就没了，出事想退回上一版？
ArcGIS笔记2_如何将经纬度WGS84地理坐标系转换为米单位CGCS2000投影坐标系
本博文则主要讲解，如果我们手里拿到的shp文件是在ArcGIS中，如何将经纬度WGS84地理坐标系转换为米单位CGCS2000投影坐标系。
选型不再靠感觉：一文看懂 SAP Event Mesh 与 SAP Integration Suite, advanced event mesh 的能力边界
本文对比分析了SAP Event Mesh与SAP Integration Suite, advanced event mesh的差异。SAP Event Mesh适合轻量级场景，主要用于SAP系统间异步通信，支持AMQP、MQTT等协议，消息大小限制为1MB。而advanced event mesh面向企业级事件网络，提供跨云/本地部署、事件治理、监控等高级功能，支持30MB消息和更大存储容量。选择时需考虑业务规模、实时性要求、治理需求等因素：单一SAP生态内扩展可选Event Mesh；跨区域、多云环境
开源基准 CloudOpsBench 发布：AI 运维最大瓶颈在推理
开源基准 CloudOpsBench 1.0 包含 45 项 AWS 运维任务，测试中表现最好的 Claude Fable 5.1 仅解决 60%，研究团队称约 80% 的失败源于推理问题。
如何调试10G/25G以太网IP自协商/Link Training
如果是40G/50G, 100G以太网，选的是多通道的IP，务必保证两端的通道0是正确对接上的，因为在做自协商的时候，以太网只使用通道0，其它通道需在自协商完成后再加入工作。b. 自协商的工作完全由IP自动完成的，所以只要配置没问题，你只需要耐心等待就可以看到自协商的完成，以an_good_check为标志，并且进入下一步linktraining。c. 在LT的过程中，首先你要等到IP能够锁定LT帧，即frame_lock拉高，然后你就可以进行你自己的LT算法了，与AN不同LT是由客户手动完成的。
10 · 安全发布：滚动更新、蓝绿与金丝雀
本文对比几种发布策略：内置的滚动更新依赖就绪探针并可 rollout undo 回滚；蓝绿部署让两套环境并存，通过切换 Service 选择器或 Ingress 后端一次性切流；金丝雀先放一小部分流量，可用共享标签加副本比例，或用 ingress-nginx 注解、Gateway API 的权重精确分流。
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
Camera2Demo
在Camera2 的基础上进行封装，使得Camera2一堆初始化逻辑与Activity分离，降低耦合度，完成预览拍照并保存的操作
10 月更新｜NineData 新增 Vastbase、SelectDB、DB2 等异构链路，优化 Oracle 增量解析性能
10月，NineData持续强化数据库DevOps、AIAgent与数据复制能力。新增18条数据复制与对比链路，支持多引擎异构迁移，如TiDB→DB2、OpenGauss→PolarDB等。DevOps扩展Databricks支持，优化SQL规范校验、WebSocket缓冲与OnlineDML功能。权限流程升级，支持API获取数据源，修复工作流状态一致性。AIAgent优化模型配置与ChatDBA交互体验。数据复制增强增量写入、容灾与Oracle性能，支持TiCDC集群源与字段长度超限处理。SQL窗口修复多
Probability and Statistics - 4th edition
Probability and Statistics - 4th edition
DevOps入门-下篇-GitLab-Jenkins-Docker实战
打开demo_web项目 → 菜单VCS→Git→Push（或Remotes）→字段值NameoriginURLURL 直接从 GitLab 项目首页复制（Clone →），别手打，容易多斜杠。实践对应概念解决的问题GitLab 托管 + 分支管理版本控制代码唯一可信来源Jenkins 拉取并自动构建持续集成不再手工打包，问题早发现Maven 统一构建可重复构建谁打出来的包都一样Publish over SSH 自动推送持续交付部署不再是手工活Dockerfile 进仓库。
VC中sqlite的使用
在VC中对sqlite的使用，实现数据库大批数据的快速插入，读取数据库中的数据在ListCtrl中显示
手工建集群到全自动发布：k8s集群部署与DevOps流水线整合实战
本文记录从手工搭建到全自动发布的 K8s 与 DevOps 整合实践。前半部分用 kubeadm+Docker（cri-dockerd）部署 K8s 1.28 三节点集群，涵盖系统配置、内核参数、IPVS、镜像加速、Calico 网络及常见排坑；后半部分用 Kuboard 脚本快速部署 K8s 1.19，在 Jenkins+GitLab+Harbor 流水线中增加 YAML 推送与远程 kubectl apply，打通代码提交、构建质检、制镜像、集群发布到钉钉通知的闭环。
DevOps CICD&流水线pipline
hbuser = 'admin' // Harbor 用户名hbpwd = 'harbor123' // Harbor 密码（harbor.yml 里的 harbor_admin_password）haddr = '192.168.100.154:80' // Harbor 地址（http 默认 80 端口也要写出来）hbrepo = 'repo' // Harbor 里的项目名这里就是那个经典报错的现场块里只能写"变量名 = 值"，一行一个，不能写sh、不能写命令、变量名必须字母或下划线开头。
Kubernetes从入门到实践——容器的发展史
作为自动化部署的一大利器，Kubernetes高效的部署、卓越的集群管理、强大的反馈监控等，能够给DevOps打下坚实的基础（如果测试人员、运维人员需要频繁部署，并且每次都卡在部署环节中的环境问题上或部署低效，则DevOps在两周内可能比敏捷式开发多走几十次流程，简直让人崩溃）。随着技术的不断发展，对于应用的各项指标有了更高的要求，很多企业原本就有这类已无法满足需求的庞大的单体架构应用，在升级换代的过程中，会逐渐分解/重构这类大型应用，将其变为扩展性更好、更易于维护和部署的小粒度的分布式应用。
DevOps流水线-上篇-从自由风格到Jenkinsfile
前四篇我们把工具一个个接上了：GitLab 存代码、Jenkins 跑构建、SonarQube 查质量、Harbor 存镜像。但那条流水线有个致命缺陷——。谁改的、改了什么、怎么回滚，全靠人的记忆。这篇开始，我们把它搬进 Git，变成一个可以 review、可以回滚、可以复制的文件。本文的实验环境与前几篇，是在同一套机器上继续操作，不再重复基础环境搭建步骤。环境列表如下。
DevOps 正在从“交付工具”进化为企业级生产力引擎
过去十年，DevOps 解决的是“交付慢”的问题；而企业真正关心的已经变成：如何在规模化、合规化和多技术栈并存
Kubernetes与DevOps整合-Jenkins流水线自动部署到K8s集群
前文我们完成了 Jenkins Pipeline 从拉代码到推送 harbor 的全链路流水线，构建产物只是一个跑在 Docker 容器里的单实例应用。本篇把最后一公里补齐：流水线构建完成后，不再用 Publish Over SSH 在目标服务器上跑单容器，而是把 YAML 推送到 Kubernetes 集群，远程执行 kubectl 命令，以 Deployment + Service 的方式部署应用，真正实现容器编排级的自动化发布。
微服务体系下DevOps运维岗位面试方案设计
建立岗位题库与评分卡：把本文的考察点固化为结构化评分表，减少面试官主观漂移。面试官认证与校准：定期做「同候选人多人评分」校准，提升一致性。持续迭代题库：每季度根据真实招聘结果回看，淘汰区分度低的问题。候选人侧：把 STAR 案例当成工程资产来维护，每次项目结束就沉淀一份，面试时自然从容。微服务下的 DevOps 与运维岗位，考察的核心不是「你会不会用某个工具」，而是面对复杂系统时，能否用工程化手段持续降低不确定性。用 STAR 原则把这一点问出来、讲出来，面试双方都能少走弯路。
国内 DevOps 平台哪家最好：从技术决策视角看 Gitee 的适用场景
对于需要把需求、代码、测试、部署串成一条流水线，并且希望减少多系统维护成本的技术团队，Gitee 企业版是一个值得优先评估的选项，原因是它把项目管理与代码托管放在同一个平台上，能减少数据重复录入和工具切换带来的摩擦。据 Gitee 2024 年客户案例（厦门阳光技术中心）显示，该团队在迁移至 Gitee 企业版后，需求记录、评审、排期、开发、测试、缺陷登记与修复等环节均在同一平台完成，打通了数据流。
支持混合云的 DevOps 平台有哪些：Gitee、Azure DevOps、GitLab、Jenkins、JFrog 横向对比
对于需要同时管理云上和本地环境的中国技术团队，选 DevOps 平台的核心判断标准不是功能清单长短，而是它能否把代码托管、流水线、制品管理和合规审计串成一条可审计的链路。Gitee 企业版在代码托管与研发项目一体化上具备私有化部署能力，适合以代码管理为起点、逐步扩展 DevOps 能力的团队；Azure DevOps 和 GitLab 适合希望用一个平台覆盖全流程的团队；Jenkins 适合需要深度定制流水线的工程团队；JFrog 则适合把制品管控放在首位的场景。
DevOps流水线-下篇-六段流水线实战与钉钉通知
上篇把骨架搭好了：从 Git 读、按tag选版本、六个 stage 全是echo。这篇把它们逐个换成真家伙——打包、扫描、做镜像、推仓库、SSH 部署，最后让钉钉在群里喊一声。本文的实验环境与前几篇，同一套机器，接着上篇继续操作。环境列表如下。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
628
扫一扫
