CI Weekly #7 | Instgram/Quora 等大公司如何做持续部署

CI Weekly #7 | Instgram/Quora 等大公司如何做持续部署

终于,你们期待的 flow.ci iOS 项目持续集成 开始公测了。在这几个工作日,flow.ci 做了些许「功能优化」与「问题修复」,性能和体验都在持续优化中。比如:

  • iOS 快速入门文档更新;
  • 构建列表状态显示优化,更方便地辨别当前任务的构建状态;
  • 前端界面体验优化;
  • GitLab 支持读取 Group 项目列表.

更新详情见 flow_ci changelog。如果你在使用过程中遇到问题,可以通过「在线消息」或去Gitter群 反馈给我们 :)

这期CI Weekly收录了一些国外公司的的CI/CD实践、自动化测试、工程师文化相关的技术分享,希望对你有用~

『 国外大公司的CD实践 』

Instgram的持续部署实践

他们一天部署后台代码30到50次,大部分情况不用人为干预。直接部署master branch的代码。文章描述了他们从非常手动的快糙猛的部署代码的流程,进化到几乎是全自动的持续部署的过程。(via:@阿里云云栖社区

Continuous Deployment at Quora

Quora也是一家主要用python开发的公司,投资了很多开发生产力工具以快速响应,提高效率。(via: engineering.quora.com

Automating Our Infrastructure to Empower Engineers

@湾区日报BayArea 在微博上分享:

“Segment分享了他们如何用Docker/AWS/CircleCI/Terraform搭建他们的Infra,包括如何保持本地开发环境,staging以及production三个环境的一致” ,感兴趣的可以看看。(via : segment.com)


Stack Overflow: How We Do Deployment - 2016 Edition

Stack Overflow 的开发人员如何将代码作为写入生产环境?这篇文章分了很多步骤讲解部署Stack Overflow的例子,你可以试试用几乎相同的模式来部署网站或服务,值得推荐。(via : Nick Craver

浅谈GRAB的持续集成和持续部署

作者zhchang在gopher china 2016大会上面做了个关于 GRAB 的持续集成和持续部署(CI/CD)的分享。(via: zhchang

『 自动化测试 』

UI 自动化框架调研总结

这篇文章作者总结了调研并选择UI自动化框架过程中的一些思考,希望能给处于UI自动化调研初期的同学们一些帮助。(via : @TesterHome ubunhu)

HTTP接口功能自动化测试

HTTP接口功能测试是对服务后台一系列HTTP接口功能测试,这篇文章帮我们了解相关的知识。(via :@云智慧Cloudwise )

20天持续压测,云存储性能哪家更强?

作者完善了《云计算产品性能测试指南》,新加入了对两种云存储产品(云盘)的性能和价格对比。本次测试总计耗时 20 多天,测试的强度和时间都非常充分,这篇文章记录了此次测试的过程和对比结果。(via :@编程派


『 工程师文化 』

技术的成长曲线

技术成长的关键在于突破。为了达到真正的突破,有哪些因素是我们需要重视的呢? 感兴趣的可以看看这篇文章有没有你想要的秘籍。(via :@张铁蕾

Mac 软件推荐(续)之程序猿篇

本篇文章将介绍一些可以提高程序猿工作效率的一些软件和工具及相关配置.(via :唐磊coder公众号)

Stack Overflow: 我们如何赚钱

做开发的恐怕没有人不知道 Stack Overflow,但是这家公司「怎么赚钱」的?恐怕没有人知道。这篇文章毫无疑问值得一看。(via :小道消息公众号)


--------------------------------------------------------

以上是 CI Weekly #7 的所有技术分享, 如有问题,请联系我们~

Happy building! 
flow.ci

CI Weekly 围绕『 软件工程效率提升』 进行一系列技术内容分享,包括国内外持续集成、持续交付,持续部署、自动化测试、 DevOps 等实践教程、工具与资源,以及一些工程师文化相关的程序员 Tips 。同步于 flow.ci Blog、微信公众号、官方微博知乎专栏简书,欢迎关注或投稿:)


内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,涵盖正向与逆向运动学求解、正向动力学控制,并采用拉格朗日-欧拉法推导逆向动力学方程,所有内容均通过Matlab代码实现。同时结合RRT路径规划与B样条优化技术,提升机械臂运动轨迹的合理性与平滑性。文中还涉及多种先进算法与仿真技术的应用,如状态估计中的UKF、AUKF、EKF等滤波方法,以及PINN、INN、CNN-LSTM等神经网络模型在工程问题中的建模与求解,展示了Matlab在机器人控制、智能算法与系统仿真中的强能力。; 适合人群:具备一定Ma六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)tlab编程基础,从事机器人控制、自动化、智能制造、人工智能等相关领域的科研人员及研究生;熟悉运动学、动力学建模或对神经网络在控制系统中应用感兴趣的工程技术人员。; 使用场景及目标:①实现六自由度机械臂的精确运动学与动力学建模;②利用人工神经网络解决传统解析方法难以处理的非线性控制问题;③结合路径规划与轨迹优化提升机械臂作业效率;④掌握基于Matlab的状态估计、数据融合与智能算法仿真方法; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点理解运动学建模与神经网络控制的设计流程,关注算法实现细节与仿真结果分析,同时参考文中提及的多种优化与估计方法拓展研究思路。
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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