- 博客(123)
- 收藏
- 关注
RSS订阅原创 nginx创建成功但是进不去页面
最能确定nginx可以访问的命令是。nginx.yml未设置就绪探针。附件：完整的nginx.yml。4.http错弄成https。端口80所用的协议是http。2.Pod未设置就绪探针。3.开启了代理服务器。
2025-04-04 17:47:46
43
原创 Leetcode BST JAVA
给你两棵二叉树：root1和root2。想象一下，当你将其中一棵覆盖到另一棵之上时，两棵树上的一些节点将会重叠（而另一些不会）。你需要将这两棵树合并成一棵新二叉树。合并的规则是：如果两个节点重叠，那么将这两个节点的值相加作为合并后节点的新值；否则，null 的节点将直接作为新二叉树的节点。返回合并后的二叉树。合并过程必须从两个树的根节点开始。[2,2][0, 2000]该算法通过递归的方式合并两棵二叉树 root1 和 root2，生成一棵新二叉树。
2025-03-26 13:43:20
549
原创 leetcode二叉树3
给定二叉树的根节点root，返回所有左叶子之和。24在这个二叉树中，有两个左叶子，分别是 9 和 15，所以返回 24root = [1]0[1, 1000]通过递归遍历二叉树，识别并累加所有左叶子节点的值。使用一个标志变量 flag 区分当前节点是否为其父节点的左子节点，只有当节点是叶子节点且是左子节点时，才将其值加到全局变量 sum 中。主函数从根节点开始递归，特殊处理单节点树（根节点不算左叶子），最终返回总和。
2025-03-24 16:47:13
965
原创 二叉树leetcodeJAVA2
给你一棵二叉树的根节点root，翻转这棵二叉树，并返回其根节点。[2,3,1]root = [][][0, 100]翻转二叉树的核心在于。从根节点开始，先将其左子树和右子树交换（使用临时变量保存其中一个子树），然后递归地对新的左子树和右子树执行相同的操作，直到遇到空节点（null）停止。整个过程通过自顶向下的递归，确保每个节点的左右子树都被正确翻转，最终返回调整后的根节点。
2025-03-20 14:28:23
746
原创 vLFS：基于学习的AI芯片虚拟化调度 论文总结
由于现有的启发式算法通常是在调度完成某个实例的所有任务后，再继续为其他实例调度任务。当某个实例的任务执行的很快，导致该实例的计算资源会闲置下来，造成资源浪费。为例能够自动调整待分配任务的数量，提出了vLFS，可以根据工作负载自动调整分配给每个实例的任务数量。核心思想是将AI芯片中的调度器设计为一个强化学习RL代理，使其能够自主学习最优调度策略。此外还设计了一种主机与设备之间的协调调度方法，以确保程序顺序和执行顺序的一致性。
2025-03-18 16:13:41
733
原创 LEETCODE:二叉树的层序遍历JAVA
给你二叉树的根节点root，返回其节点值的。（即逐层地，从左到右访问所有节点）。root = [1][[1]]root = [][][0, 2000]用一个全局列表 ans 表示所有层，其中 ans.get(deep) 对应第 deep 层的节点值集合。每次递归时，deep 表示当前节点所在的层号（从 0 开始）。如果 ans 的大小不足以容纳当前层（即 ans.size() < deep + 1），就添加一个新的空列表。然后将当前节点的值加入对应层的列表中。
2025-03-09 16:51:42
1109
原创 二叉树的前序、中序和后序遍历（迭代法+递归法）
解题思路1代码1 解题思路2代码2解题思路3代码394.二叉树的中序遍历解题思路1代码1解题思路2代码2解题思路3代码3 145.二叉树的中序遍历解题思路1代码1解题思路2代码2解题思路3代码3
2025-03-07 10:59:35
576
原创 Gaia+HRRN+BF对于GPU的调度
本文介绍了一种新的GPU共享和调度方法，通过暂停和恢复机制来保存和迁移模型训练状态，以及通过轻量级的采样分析来预测任务完成时间和通过高效利用碎片化资源减少了任务完成和等待时间。
2025-03-06 14:43:34
1001
原创 ESG总结
对于无服务器计算中缺乏有效的作业调度方法所带来的GPU共享、任务批处理和任务间关系不能很好的扩展的问题，提出了ESG，结合A*搜索和双刃修剪技术，在不影响质量的情况下大幅削减调度空间，不仅能够显著提高SLO命中率，也能节省很大一部分成本。无服务器平台仍以CPU为中心，忽略了GPU资源。为了在无服务器平台上为ML添加GPU支持，主流的研究利用NVIDIA MPS来促进不同函数实例间的GPU共享。但目前遇到两个重要挑战。（1）调度搜索空间的急剧扩展。
2025-03-02 14:50:11
965
原创 GRP-HEFT：A Budget-Constrained Resource Provisioning Scheme for Workflow Scheduling in IaaS Clouds
在云中，要尽可能使用更短的执行时间运行他们的应用程序，要平衡预算，速度，工作负载等因素。在预算内找到最快工作流是要解决的问题，即异构最早完成时间HEFT。基于基本成本模型不太有希望，开始向基于小时的成本模型改变。本文目的：目标函数是最小化给定工作流的完成时间(makespan)，用于基于小 时的成本模型。包括资源分配算法和调度算法。资源分配算法是从指定云提供商提供的无线资源池中获取多少和哪种类型的实例，调度程序确定将任务分配给获得的实例以及每个实例内任务的执行顺序。
2025-02-27 11:30:11
796
原创 leetcode——栈、队列
例如，在 "abbaca" 中，我们可以删除 "bb" 由于两字母相邻且相同，这是此时唯一可以执行删除操作的重复项。之后我们得到字符串 "aaca"，其中又只有 "aa" 可以执行重复项删除操作，所以最后的字符串为 "ca"。在这里，我们将队列存储数组元素的索引，并确保队列中的元素索引按其对应值从大到小排列。的滑动窗口从数组的最左侧移动到最右侧，每次只向右移动一位，要求返回每个窗口中的最大值。的滑动窗口从数组的最左侧移动到数组的最右侧。的字母并删除，重复执行该操作直到无法继续删除为止，返回最终的字符串。
2025-01-14 17:30:57
1071
原创 leetcode--字符串
给定一个字符串 s 和一个正整数 k，请编写一个函数，将字符串中的后面 k 个字符移到字符串的前面，实现字符串的右旋转操作。给定一个字符串 s，它包含小写字母和数字字符，请编写一个函数，将字符串中的字母字符保持不变，而将每个数字字符替换为number。例如，对于输入字符串 "a1b2c3"，函数应该将其转换为 "anumberbnumbercnumber"。第二行为字符串 s，代表需要旋转的字符串。例如，对于输入字符串 "abcdefg" 和整数 2，函数应该将其转换为 "fgabcde"。
2024-12-17 16:23:05
667
原创 leetcode--hash表2
给定两个数组nums1和nums2，返回它们的交集[2][9,4][4,9] 也是可通过的本质上是hash数组ansresansnums1nums1[i]nums2[i][0, 1000]resnums1nums1ansnums2nums2ansnums1resresres1nums1nums2nums1时间复杂度为 O(m)，其中m是nums1的长度。nums2时间复杂度为 O(n)，其中n是nums2的长度。通过将结果数组从res截取成实际交集的大小，时间复杂度为 O(k)，其中。
2024-12-13 13:52:24
1193
原创 leetcode——哈希表1
原理代码 38.赎金信原理代码49.字母异位词分组原理代码 438.找到字符串中所有字母异位词原理代码 这题其实不用hash，能更好的解决，其实是滑动窗口的思想，滑动窗口能把时间复杂度降低到o(n)原理代码
2024-12-10 16:48:31
914
原创 leetcode——链表
给你单链表的头节点head，请你反转链表，并返回反转后的链表。[2,1]head = [][]链表可以选用迭代或递归方式完成反转。你能否用两种方法解决这道题？该算法使用的方式反转链表。
2024-12-08 22:18:23
1257
原创 leetcode--设计链表
你可以选择使用单链表或者双链表，设计并实现自己的链表。val和next。val是当前节点的值，next是指向下一个节点的指针/引用。如果是双向链表，则还需要属性prev以指示链表中的上一个节点。假设链表中的所有节点下标从开始。实现index-1valvalvalindexindexindexindex// 链表变为 1->2->3// 返回 2// 现在，链表变为 1->3// 返回 3getaddAtHeadaddAtTailaddAtIndex2000。
2024-12-04 16:32:59
358
原创 leetcode--螺旋矩阵
给定一个二维数组array，请返回「」该数组的结果。：从左上角开始，按照的顺序提取元素，然后再进入内部一层重复相同的步骤，直到提取完所有元素。north = 0west = 0螺旋遍历从左上角（）开始，顺时针按“右、下、左、上”的顺序遍历二维数组。从左到右遍历，即遍历当前的北边界行。从上到下遍历，即遍历当前的东边界列。从右到左遍历，即遍历当前的南边界行。从下到上遍历，即遍历当前的西边界列。
2024-12-03 14:01:50
1209
原创 leetcode——滑动窗口
给定一个含有n个正整数的数组和一个正整数target找出该数组中满足其总和大于等于target的长度最小的02子数组[4,3]是该条件下的长度最小的子数组。
2024-12-02 16:35:47
817
原创 leetcode——移除数组
给你一个的数组nums，请你删除重复出现的元素，使每个元素，返回删除后数组的新长度。元素的应该保持。然后返回nums中唯一元素的个数。考虑nums的唯一元素的数量为knumsnumsknumsnumsnumsk系统会用下面的代码来测试你的题解:// 输入数组// 长度正确的期望答案// 调用i < k;i++) {如果所有断言都通过，那么您的题解将被。函数应该返回新的长度2，并且原数组nums的前两个元素被修改为1。不需要考虑数组中超出新长度后面的元素。函数应该返回新的长度5。
2024-12-01 17:38:43
741
原创 leetcode——二分法
给你一个按照非递减顺序排列的整数数组nums，和一个目标值target。请你找出给定目标值在数组中的开始位置和结束位置。如果数组中不存在目标值target，返回[-1, -1]。你必须设计并实现时间复杂度为O(log n)的算法解决此问题。示例 1：nums = [[3,4]示例 2：nums = [[-1,-1]示例 3：[-1,-1]nums是一个非递减数组原理该问题的目标是查找目标值target在一个已排序的非递减数组nums中的开始和结束位置。为了确保算法的时间复杂度为O(log n)
2024-11-28 15:15:37
665
原创 leetcode-数组1
给定一个整数数组，编写一个函数，找出索引m和n，只要将索引区间[m,n]的元素排好序，整个数组就是有序的。n-m尽量最小，也就是说，找出符合条件的最短序列。函数返回值为[m,n]，若不存在这样的m和n（例如整个数组是有序的），请返回[-1,-1]。[3,9]这个算法通过二分查找来判断一个数num是否是完全平方数。首先，若num是 1，直接返回true，因为 1 是完全平方数。然后设置两个边界left和right，并进行二分查找。
2024-11-28 14:56:46
585
原创 异或-java-leetcode
给你两个整数，n和start。数组nums（下标从 0 开始）且。请返回nums中所有元素按位异或（）后得到的结果。8数组 nums 为 [0, 2, 4, 6, 8]，其中 (0 ^ 2 ^ 4 ^ 6 ^ 8) = 8。"^" 为按位异或 XOR 运算符。8数组 nums 为 [3, 5, 7, 9]，其中 (3 ^ 5 ^ 7 ^ 9) = 8.72。题目要求对生成的数组的所有元素进行异或，因此无需实际创建数组，而是通过累加生成每个元素的值并逐步异或累计结果。循环中，每次计算新元素（
2024-11-26 17:47:25
917
1
原创 gVMP: A multi-objective joint VM and vGPU placement heuristic for API remoting-based GPU virtualizat
本文针对上述问题，首次提出了基于API远程调用的GPU支持虚拟机和vGPU联合放置问题的多目标整数线性规划（ILP）模型，并设计了一种称为gVMP的新启发式算法，旨在减少请求拒绝率、优化资源利用率，并将性能损失降至最低。gVMP策略在效率方面表现最佳，因为它结合了性能和能耗的平衡，而基于API远程调用的First Fit和Least Load Fit策略效率最差。与最少负载适应策略相比，gVMP的性能优越，即使在高网络速度下，两者的差距有所缩小，但gVMP仍能在未来的应用中因其高局部性而保持较好的表现。
2024-11-23 21:48:15
874
2
原创 Empirical analysis of hardware-assisted GPU virtualization
然而，在处理GPU利用率变化较大的工作负载（如MUMmerGPU和组合工作负载）时，最佳努力（Best Effort）调度算法能够显著提高GPU利用率，因为它会在找到空闲的GPU时间片时调度其他虚拟机的任务，从而实现工作节省。测试结果显示，在内存可用性方面，使用PCI直通GPU时，约99.34%的总GPU内存对虚拟机可用，而使用vGPU时，仅有约93%的内存可用，这一差异表明vGPU驱动程序需要占用一定的GPU内存资源。尽管如此，由于vGPU的虚拟化开销，vGPU配置在某些情况下的延迟略高。
2024-11-18 11:32:54
847
原创 Experimental Analysis of Dedicated GPU in Virtual Framework using vGPU 论文分析
虚拟化GPU对云计算有很大的帮助，通过实验分析工作负载，多任务和不同GPU配置的情况下，从vGPU配置和调度算法方面提高了vGPU的效率和利用率，减少了执行时间。这篇论文并没有像所说的对算法进行改进，更多的是在对比vGPU和PCI直通，得出的结果是PCI直通各个方面都要更优一些，但是这些测试基准应该认真了解，对于以后的vGPU算力调度做测试的时候很有帮助。在工作负载执行方面，16个vGPU和PCI直通在不同工作负载下的时间消耗差异不大，但由于虚拟化引入的开销，vGPU模式的时间消耗略高于PCI直通模式。
2024-11-12 12:36:48
679
原创 Java中的数组
数组是一种用于存储的容器。数组的大小是固定的，一旦创建就无法更改。数组可以存储基本数据类型（如int、float、char、string）或引用类型（如对象）。数组分为一维数组和二维数组，一维数组类似数轴，每个元素占一个空间，二维数组是数组的数组，用来表示矩阵或表格数据。
2024-08-27 18:28:44
915
原创 Java:循环练习
输入一个数字，判断是否为回文，回文就是正着读和反着读都一样，如121是回文，123则不是。输入一个被除数和一个除数，要求在不利用乘法、除法、取余的情况下得到商和余数。输入一个大于等于2的整数，返回其平方根，结果只保留其整数部分，小数部分舍去。输入一个正整数，判断是否为质数，质数只能被1和本身整除，否则叫合数。不断输入数字，通过猜大了猜小了提示以此来猜对系统提供的数字。关于random模块，之间的随机整数，包括。
2024-08-21 23:24:15
614
3
原创 原码、反码和补码的存储和互相转化
正数编码形式不变，和原码一样，但是负数的编码形式改变很多，相比较原码，符号位不变，数值位全部取反，1变0，0变1。将数值表示成二进制的方式，最高位为符号位，1表示负，0表示正，其余位为数值位。偏移量一般是2的n-1次幂，例如8位二进制，最小的为-128，加上2的7次幂则为0，最小的就是0，最大的是127+128为1111 1111(255)。移码是一种通过偏移量将有符号数转变为无符号数，从而使得所有数值都可以用无符号整数的形式表示，也就是最高位不再是符号位，也参与数值大小计算。
2024-08-19 19:44:48
863
原创 Java的基础语法
进行存储，但是补码不能直接转化成十进制，需要转化为原码，源码最高位为符号位，0为正，1为负，如果补码变为原码，正数不用变，负数保持符号不变，其余位取反，即0变1，1变0，最后最低位加1。简单来说，就是给代码加上详细的解释，告诉别人这个类是干嘛的，这个方法怎么用，有什么注意事项。好的注释能帮助开发者快速理解代码的意图，而不用深挖每一行代码的实现，可以很好实现代码的。良好命名的标识符能够直观地描述变量或函数的用途，且通过使用唯一的标识符，可以避免命名冲突。变量顾名思义是可以变化的量，是需要经常改变和使用的量。
2024-08-18 13:08:44
1120
原创 计算机中的数据存储
三个二进制可以表示的范围为0(000)-7(111)，符合八进制的特点，即三位二进制可以表示一位八进制，四个二进制可以表示的范围为0(0000)-15(1111)，符合十六进制的特点，即四位二进制可以表示一位十六进制。这就需要用英文字母代替，A代表10，B代表11，C代表12，D代表13，E代表14，F代表15。对于十六进制，从最右边开始数起，每四位整合一下，如果不够四位向前补0，最后每四位转为十进制的值，如果超过10，用A-F表示，例如10101 可以整合为 (000)1 0101 ，即十六进制15。
2024-08-17 11:49:13
949
2
原创 Intellij IDEA的下载以及设置中文教学
作为学生，社区版足够使用，而且是免费的。里面有三个平台版本，分别为windows，macOS，linux。根据自己电脑操作系统选择即可，直接下载exe，博主用的windows，exe大概700M。在出现的新窗口中点击plugins，输入chinese进行搜索，选择下图中的第二个进行安装。要选择添加桌面快捷方式，更新path、将文件夹打开为项目和创建java关联。打开IDEA，点击左上角File，在新出现的一栏中选中Settings。在选择开始菜单文件夹页面，默认即可。在默认目录下建议选择下载在D盘。
2024-08-13 21:53:11
787
原创 Jupiter Rising: A Decade of Clos Topologies and Centralized Control in Google‘s Datacenter Network
Clos网络架构通过多级交换器的设计，实现了高扩展性、高带宽和低延迟的网络连接，广泛应用于现代大规模数据中心网络设计中。设备之间的内部通信：例如，交换机、路由器和服务器之间的数据交换。系统内部组件的通信：例如，数据库服务器与应用服务器之间的通信。网络管理和监控：用于网络设备的管理和监控，保障网络的正常运行。虽然内部端口本身不直接产生经济效益，且会增加投资和维护成本，但它们通过提高网络的可靠性、安全性、扩展性和管理效率，间接地提高了整体经济效益。
2024-08-12 10:58:58
973
原创 ACC:Automatic ECN Tuning for High-Speed Datacenter Networks 相关知识点介绍（二）
目录PerfTest工具Incast trafficIncast Traffic 的原因Incast Traffic 的影响解决方法流量负载简单解释影响因素影响管理方法LINKPACK主要特点LinkPack 的应用运行结果Quantum ESPRESSO主要特点TensorFlow主要特点主要组件Incast与qpHorovodHorovod 的关键特性Horovod 的工作原理clos网络Clos 网
2024-07-28 22:04:35
719
原创 ACC:Automatic ECN Tuning for High-Speed Datacenter Networks 相关知识点介绍（一）
ACC（Adaptive Congestion Control）总结结合 ACC 和 ECNECNECN（Explicit Congestion Notification）静态 ECN动态 ECN对比总结FCT——flow completion time具体解释小鼠流和大象流小鼠流（Mice Flows）特征处理方式大象流（Elephant Flows）特征处理方式对比与优化对比优化策略IOPSACC 中的 IOPS 解
2024-06-27 22:05:09
1530
原创 深度神经网络DNN（理论版）
深度神经网络（Deep Neural Network，DNN）是一种人工神经网络，它通过多层神经元进行数据处理和学习。DNN 是深度学习的核心模型之一，其主要特点是具有多个隐藏层，使其能够对复杂的数据进行特征提取和模式识别。
2024-05-20 12:07:04
2779
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人