sinat_33211329的博客

原创 JVM虚拟机知识图谱

Java虚拟机

原创 JVM知识图谱

JVM知识图谱

原创 对前端一些东西的理解

对前端的理解比较混乱：JavaScript----是运行在浏览器上的脚本语言 Node.js 不是库，是一个运行环境，或者说是一个 JS 语言解释器 React-----用于构建用户界面的 JavaScript 库 TypeScript-----简而言之，TypeScript是JavaScript的超集，具有可选的类型并可以编译为纯JavaScript。从技术上讲TypeScript就是具有静态类型的 JavaScript 。 Ant design -----antd 是基于 Ant De...

原创 covfefe靶场练习

对于covfefe靶场，在安装的时候一定要注意网络设置，不然netdiscover可能会扫描不到！！挖掘开放服务信息 对于只是给定一个对应ip地址的靶场机器，我们需要对其进行扫描，探测开放的服务，渗透其实是针对服务的漏洞探测，然后进行对应的数据包发送，获取机器的最高权限 探测靶场 sudo su - netdiscover -r 192.168.1.1/24 nmap -sV 192.168.1.102 探测大端口的信息，对于开放http服务的大端口，可...

原创 调研--仿真--CloudSim

CloudSim层提供对虚拟基于云的数据中心诸如VM，内存，存储和带宽等管理接口。 CloudSim层在模拟阶段管理核心实体(比如VM，客户端，数据中心，应用)的实例和执行。 这一层能够并发地实例化和透明地管理大规模云基础设施包括数以千计的系统组件。——————————————————————————————————————————————————————————————————（1）Cloudlet类：构建云环境下的任务。（2）DataCenter类：数据中...

原创 Docker安装mysql redis rabbitMQ

快速安装Docker一定要主要命令的符号是英文的本机ip centos192.168.1.106docker start rabbitmq38 redis623 mysql57 ES01docker stop rabbitmq38 redis623 mysql57--------------------------------------------------------------------------------------yum install docker...

原创 什么是Java Bean

1、所有属性为private2、提供默认构造方法3、提供getter和setter4、实现serializable接口详细一点：有一个public默认构造器（例如无参构造器,） 属性使用public 的get，set方法访问，也就是说设置成private，同时get，set方法与属性名的大小也需要对应。例如属性name，get方法就要写成，public String getName(){} 需要序列化。这个是框架，工具跨平台反映状态必须的...

原创 调研--EdgeCloudSim简介

原创 写作--参考文献格式

期刊 [序号] 主要作者．文献题名[J]．刊名，出版年份，卷号(期号)：起止页码． 例如: 袁庆龙，候文义．Ni-P 合金镀层组织形貌及显微硬度研究[J]．太原理工大学学报，2001，32(1)：51-53． 专著 [序号] 著者．书名[M]．出版地：出版者，出版年：起止页码． 例如：[2] 刘国钧，王连成．图书馆史研究[M]．北京：高等教育出版社，1979：15-18，31． 论文集 [序号] 著者．文献题名[C]．编者．论文集名．出版地：出版者，出版年：起止页码． 例...

原创 阅读--2020-5-27 云数据中心环境下集成工作负载预测方法研究_张立波

linklink21、摘要2、介绍：背景、相关工作 现状： 数据驱动 REFERENCE 13、14、17-20 13 基于神经网络和最速下降学习算法的负载预测模型 14 基于模型集成和减模糊聚类神经网络的自适应预测方法 18 基于预测的云资源供应策略，加入滑动窗口的神经网络和线性回归结合 基于模型 REFERENCE 21 22 23 24 23 根据谷歌数据中心的数据建立了一种负载分类模型，实现...

原创 调研--数据集Google描述

link https://github.com/google/cluster-dataGoogle数据集描述 location -----------------------------------------------------------------------------------------------------谷歌集群数据clusterdata-2011-2主要包括六个文件，压缩大小为41G 整个数据集包含了大约12,000台机器的负载数据，共运行...

原创 阅读--2020-6-3 云数据中心绿色节能需求的虚拟机负载均衡技术研究_彭成磊

link论文笔记摘要：1、摘要以节能为目标的动态虚拟机均衡算法 提出最短迁移时间策略、随机选择策略、 基于相空间重构PSR和数据组合处理方法EA-GMDH的负载预测 利用Autoencoder自编码和Softmax分类器2、介绍：背景、相关工作3、实验4、之后的研究点5、相关知识6、与我相关文章太大了，只要读第四章和第五章就行了------------------------------------------------------------------...

原创 阅读--2020-7-19 CCFC2019 使用向量自回归和堆积LSTM模型进行多变量工作量预测

Multivariate workload prediction using Vector Autoregressive and Stacked LSTM models1 摘要：向量自回归+堆叠LSTM VAR用于过滤多元时间序列之间的线性相互依赖 堆叠LSTM捕获非线性趋势（从VAR模型计算得到的残差） 对比模型：AR-MPL，RNN-GRU、ARIMA-LSTM 文章提出多变量负载预测模型，使用向量自回归模型分析多元时间序列并预测未来的值。 根据VAR模型计算残差并将其作...

原创 阅读--2020-7-31 CCFA 2017 A Dual-Stage Attention-Based Recurrent Neural Network

基于双阶段注意力的递归神经网络用于时间序列预测 DA-RNN1、摘要文章主体思想： 捕获序列长时间依赖关系，并选择相关输入特征序列进行预测encoder部分：引入注意力机制，通过参考先前encoder隐藏状态，在每个时间步自适应提取相关输入特征decoder部分：使用时间注意力机制选择相关encoder在全局所有时间步的隐藏状态2、介绍：背景、相关工作ARIMA及其变体、核方法、高斯过程：无法对非线性概念性进行建模，也无法区分外来输入项 RNN为代表的NARX（非线性自回...

原创 阅读--2020-8-5 CCFB DSANet: Dual Self-Attention Network for Multivariate Time

用于多元时间序列预测的双自注意力网络 DSANet1、摘要文章主题思想： 为了捕捉负载的非线性依赖关系，虽然RNN和attention机制已经被用来对跨多个时间步长，对周期性时间模式建模。 但是这并不适用于动态周期模式和非周期模式 DASNet完全抛弃循环网络，采用两个并行的卷积分量， 分为全局时间卷积和部分时间卷积 引入了自注意力模块来对多个时间序列间依赖进行建模 为了进一步提高鲁棒性，集成了AR 自回归线性模型，与非线性神经网络部分并行 2、介绍...

原创 阅读--2020-8-7 CCFA Modeling Long- and Short-Term Temporal Patterns with Deep Neural Networks

用深度神经网络对长短时间模型建模提出了两个模型LSTNet-S 和LSTNet-A模型包含两个部分：分别是非线性变化部分和线性变化部分线性部分使用AR模型解决神经网络模型的规模不敏感问题1、摘要文章主题思想： LSTNet 使用卷积神经网络和循环神经网络来提取短期局部变量之间的依赖、发掘长期时序趋势 为了进一步提高鲁棒性，集成了AR 自回归线性模型，与非线性神经网络部分并行 2、介绍：背景、相关工作ARIMA（AR、MA、ARMA） VAR SVR Ri...

原创 阅读--创新参考 2020-9-2 Multivariate Temporal Convolutional Network: A Deep Neural Networks Approach for M

多元时间卷积网络：用于多元时间序列预测的深度神经网络方法与我相关、相关知识 这篇文章的页数（包含reference）控制在18页，排版格式以及写作方式都是我可以借鉴的对象，虽然文章没有发好的期刊，但是相关工作做的很足，对比算法的描写也足够充分。文章流程： 摘要Abstract、 简述多元时序预测的广泛使用，传统预测模型在预测精度上的劣势。 R...

原创 Note--实验规范流程

--------------------------------------------------------------------------------------------------------------pytorch模型构建流程 在我们要用pytorch构建自己的深度学习模型的时候， 基本上都是下面这个流程步骤，无论是从自己写，还是阅读他人代码，按照这个步骤思想：1、找数据定义 2、找model定义 3、找损失函数、优化器定义...

原创 Note--时间序列模型

nips icml uai aistats上的文章应该比ijcai要好一些------------------------------------------------------------------------------------------------------------回归评价指标MSE、RMSE、MAE、MAPEMSE （Mean Squared Error）均方误差。 RMSE（Root Mean Squard Error）均方根误差 MAE （Mean ...

原创 Note--深度学习模型

------------------------------------------------------------------------------------------------Seq2Seq结构seq2seq属于encoder-decoder结构的一种，这里看看常见的encoder-decoder结构， 基本思想就是利用两个RNN，一个RNN作为encoder，另一个RNN作为decoder。 encoder负责将输入序列压缩成指定长度的向量，这个向量就可以看成是这个序列的...

原创 Note--机器学习概念

------------------------------------------------------------------------------------------------交叉验证解释说明 交叉验证，只是在train和validation之间的，仍然需要留一部分作为test简单交叉验证： 随机将数据分为两组一组训练、一组作为验证集 利用训练集训练分类器，然后利用验证集验证模型，记录最后分类准确率作为此分类器的性能指标 好处： ...

原创 调研--弹性服务调研

1 定量建模 变成自己的一个小节 实验参考 2 可以继续做预测3 综合预测各种4 第二篇，丰富的数据集 实验理想化 。 两个点合成一个点，量化指标。两个合成一点，兼顾qos和能耗的弹性调度。按需Quantitative Modeling and Analytical Calculation of Elasticity in Cloud Computing云计算中的弹性定量建模与解析计算--------------------------------------------...

原创 论文阅读 2020-7-31 CCFA 2017 A Dual-Stage Attention-Based Recurrent Neural Network

1、摘要* 文章主体思想： 捕获序列长时间依赖关系，并选择相关输入特征序列进行预测encoder部分：引入注意力机制，通过参考先前encoder隐藏状态，在每个时间步自适应提取相关输入特征decoder部分：使用时间注意力机制选择相关encoder在全局所有时间步的隐藏状态2、介绍：背景、相关工作* ARIMA及其变体、核方法、高斯过程：无法对非线性概念性进行建模，也无法区分外来输入项* RNN为代表的NARX（非线性自回归模型），难以解决梯度消失和长时间依赖问题* 以attention机制为基础

原创 k8s dashboard配置

k8s dashboard cd /root wget https://raw.githubusercontent.com/kubernetes/dashboard/v1.10.1/src/deploy/recommended/kubernetes-dashboard.yaml 在kubernetes-dashboard.yaml中修改镜像地址k8s.gcr.io/kub...

原创 VMkubeadm初始化Kubernetes集群

安装版本：kubeadm 环境 master 172.16.184.135 node1 172.16.184.133 node2 172.16.184.134 前提 基于主机名通信：/etc/hosts 时间同步timedatectl 关闭防火墙firewal...