小易撩挨踢 易君召的博客

归档

2026 年 08 月

Linux 文件权限分为 权限位 (chmod) 和 属主属组 (chown/chgrp),两个概念要区分开。 一、基础概念 1. 文件权限字符含义 执行 ls -l filename 看到类似: plaintext -rwxr-xr-- 1 root docker 123 test.sh 第
分为 Windows、macOS/Linux、跨平台,包含图形化、命令行,附带优缺点,方便选型。 Windows 平台 1. PuTTY(免费开源) 特点:轻量单 exe,无需安装,老牌 SSH 工具,支持 SSH/Telnet/Raw,支持密钥登录 优点:体积小、启动快,几乎所有运维人手一份 缺点
🔥 1. 突发!Jeff Dean离职创业,谷歌股价应声蒸发1.34万亿 — 980 pts 谷歌最资深的AI灵魂人物、TensorFlow之父Jeff Dean宣布离职创业——消息一出,谷歌股价应声暴跌,市值蒸发约1.34万亿(按当时汇率估算)。Jeff Dean在谷歌深耕超过20年,是谷歌大脑

2026-08-06

易君召 | 小易撩挨踢 技术博主 https://www.yijunzhao.cn/ 自我介绍 https://www.yijunzhao.cn/about 站点导航
负载均衡核心目标:把流量 / 请求分发到多个服务实例,避免单点过载,提升吞吐量、可用性、容错能力,贯穿请求入口、服务调用、数据存储全链路。按实现层级分为:四层负载、七层负载、服务发现内置负载均衡、数据库负载均衡,同时包含算法、容错、一致性相关机制。 一、四层负载均衡(传输层 L4) 工作在 TCP/
FTP 本身存在明文传输、不安全、防火墙穿透麻烦的短板,现在生产环境基本不再裸用 FTP,下面是主流替代方案,包含协议、底层、优缺点、适用场景。
按学术 / 咨询报告、交互式分析、代码可编程、PPT 快速出图、专业地图 / 示意图五大场景分类,覆盖静态出版、交互式网页、汇报演示,同时标注优缺点与适用场景,方便研究报告直接落地。 一、零代码 / 低代码(咨询、行业研究、券商报告,快速产出可直接复制进 Word/PDF
核心逻辑:采集用户行为 → 行为权重打分 → 构建用户兴趣画像 → 匹配候选内容 → 排序过滤 → 输出推荐,再用新行为迭代模型。 用户行为分为显式行为(主动反馈)和隐式行为(被动行为,绝大多数产品依赖这个)。 一、两类用户行为 1. 显式行为(直接表达喜好) 用户主动给出信号,可信度高,但样本少
按轻量办公、开源可视化、编程库、ETL 低代码、大数据分布式、数据质量校验、商业企业级分类,覆盖个人、分析师、开发、企业生产场景。 一、轻量无代码(小数据,万~十万行,业务人员) 1. Excel / WPS 表格 能力:删除重复值、定位空值、查找替换、分列、条件格式、函数处理格式异常
CSV 是数据分析最常用文本格式,痛点:大文件内存溢出、编码乱码、格式脏数据、读写慢、重复 IO。下面分 Python (Pandas / 原生 csv)、命令行工具、性能选型、最佳实践、大文件方案,覆盖小文件到 GB 级超大 CSV。 一、Pandas(日常数据分析首选) 1. 基础读取优化 py
存储虚拟化按实现位置分为:基于主机、基于网络(网关)、基于存储阵列、软件定义 / 超融合、K8s 云原生存储虚拟化、开源分布式六大类。 一、基于主机层存储虚拟化(运行在服务器操作系统内) 在主机侧做卷池化,适合单主机 / 小集群,异构后端能力弱。 LVM(Linux Logical Volume M
主体归属:麒麟软件(中国电子 CEC);历史产品线:银河麒麟 + 中标软件 2019 年合并为麒麟软件;注意区分:openKylin(开放麒麟)≠银河麒麟商业版、优麒麟 Ubuntu Kylin 不属于麒麟软件主线产品。 一、开源免费版本(公开源码、个人可免费下载使用)
先厘清概念: 消息队列(MQ,如 RabbitMQ、RocketMQ、Kafka):一套完整中间件系统,包含协议 + 存储 + 队列 + 流量管控能力,多用于后端服务之间通信 MQTT:是应用层协议(专门面向 IoT 设备),本身只是协议,不自带存储,需要 Broker 实现;多用于设备 ↔ 平台通
🔥 1. MiniMax H3价格卷到几分钱:2K方案0.15元/秒,AI视频进入"几分钱时代" — 980 pts 刚发布没几天的MiniMax H3,价格已经卷到令人瞠目:秘塔AI上线MiniMax H3,无需任何部署配置,打开网页直接开搓——2K方案0.15元/秒,768P方案甚至卷到0.0
核心逻辑:数据仓库做数据存储、清洗、建模;BI 工具做连接、查询、可视化、分析,BI 本身不做大量 ETL,主要作为查询消费层。主流 BI:Tableau、Power BI、FineBI、Quick BI、Superset、Metabase;数仓:Hive、ClickHouse、Greenplum、
优化分为:库表设计、索引优化、SQL 语句、配置参数、架构、运维、业务层规避几个层面,适用于 MySQL、PostgreSQL、openGauss 等主流关系库。 一、表结构设计优化 字段类型尽量小 能用 TINYINT 不用 INT,能用 VARCHAR(n) 不用大文本;时间优先用 dateti
分为桌面本地管理(Type‑2)、服务器单节点 Web 管理、企业集群裸金属平台(Type‑1)三大类,全部为生产环境广泛使用、社区活跃稳定的方案,底层主流是 KVM/QEMU+libvirt。 前提:CPU 开启 Intel‑VT‑x / AMD‑V 硬件虚拟化,否则性能很差。 一、桌面本地(Li
面对千万 / 亿级数据集,MongoDB 查询慢绝大多数根源:缺少索引、集合设计不合理、查询全表扫描、内存不足以容纳工作集。下面从索引、建模、查询优化、集群、读写分离、实操避错完整说明。 一、索引优化(最核心) MongoDB 查询不走索引会做集合扫描 (COLLSCAN),大数据集直接超时。 1.
上一页 下一页