个人技术分享

13、架构-流量治理之流量控制

任何一个系统的运算、存储、网络资源都不是无限的，当系统资源不足以支撑外部超过预期的突发流量时，便应该有所取舍，建立面 对超额流量自我保护的机制，这个机制就是微服务中常说的“限 流”。最大处理能力为80TPS的系统遇到100 TPS的请求时，应该能完成其中的80TPS，也即有20 TPS的请求失败或被拒绝才对，这是最理想的情况，也是我们追求的目标。

[深度学习]基于C++和onnxruntime部署yolov10的onnx模型

使用C#部署yolov8的目标检测tensorrt模型，C# winform部署yolov10的onnx模型，YOLOv8检测界面-PyQt5实现，2024年新版【YOLOV5从入门到实战教程】B站最良心的YOLOV5全套教程（适合小白）含源码！：解析模型输出的结果，这通常涉及将输出的张量数据转换为可理解的检测结果，如边界框坐标和类别标签。：通过ONNX Runtime的推理引擎，将图像数据输入到模型中，并执行目标检测任务。：使用ONNX Runtime的API加载转换后的YOLOv10 ONNX模型。

创建环境并安装包

如果有的需要镜像安装，就需要单独拿出来镜像安装，镜像安装之后再pip install -r requirements.txt，安装过的包会自动跳过。代码中如果有大量的包，换服务器时，就需要重新安装各种包，有没有方法可以自动识别代码中的包，然后一起安装。将从指定的镜像源地址下载包，而不是从默认的 Python 包索引（通常是 PyPI）。命令的一个参数，用于指定包下载的镜像源地址（index URL）。文件中包含版本信息，可以手动编辑文件或使用一些方法来去除版本号。：这是一个选项，表示。

VRRP跟踪接口及认证（华为）

当 VRRP 的 Master 设备的上行接口出现问题, 而 Master 设备一直保持 Active 状态，那么就会导致网络出现中断，所以必须要使得 VRRP 的运行状态和上行接口能够关联。在配置了 VRRP 元余的网络中, 为了进一步提高网络可靠性，需要在 Master 设备上配置上行接口监视，监视连接了外网的出接口。即当此接口断掉时，自动减小优先级一定的数值〈该数值由人为配置)，使减小后的优先级小于 Backup 设备的优先级，这样 Backup设备就会抢占 Master 角色接替工作。

Kafka之ISR机制的理解

ISR（In-Sync Replicas）是一个分区副本集合，这些副本被认为是与领导副本保持同步的。具体来说，ISR中的副本是那些能够在一定时间内（由参数replica.lag.time.max.ms指定）将数据同步到与领导副本相同位置的副本。Kafka的ISR机制通过维护一个与领导副本同步的副本集合，确保了数据的一致性和高可用性。通过合理配置和使用ISR机制，Kafka能够在面对节点故障时，仍然保证数据的安全和系统的稳定。

开发小Tips：切换淘宝，腾讯，官方，yarn,cnpm镜像源,nrm包管理工具的具体使用方式（方便切换镜像源）

由于开发中经常要下载一些软件或者依赖，且大多数的官方源的服务器都在国外，网速比较慢，国内为了方便，国内一些大厂就建立一些镜像，加快下载速度。nrm 是一个 Node.js 包，用于管理 npm 源，可以通过它方便的切换镜像源。可以切换到 npm 官方源（写上面列表的命令就可以）可以添加一个名为 "myregistry" 的自定义源。运行过后你可以看到下面这样的列表。4.添加自定义的 npm 源。2.切换源的工具：nrm。

最新区块链论文速读--CCF A会议 ICSE 2024 共13篇 附pdf下载 （2/2）

在包含约 400 个合约项目和 3K Solidity 文件的多种数据集上进行的评估表明，GPTScan 对代币合约的准确率高达 90% 以上，对 Web3Bugs 等大型项目的准确率也达到了可接受的水平（57.14%）。我们的研究首先对 43 万个开源智能合约进行了实证研究，结果表明，五种广泛使用的权限约束类型占据了所研究合约的 98%。本文介绍了一种自动化安全验证工具 DCV，该工具针对用 De-Con 编写的声明式智能合约，De-Con 是一种用于智能合约实现和规范的基于逻辑的领域特定语言。

大数据-11-案例演习-淘宝双11数据分析与预测 （期末问题）

Hadoop 是一个开源的分布式计算框架，设计用于在大规模数据集上实现高效、可靠和可扩展的数据处理。HDFS是 Hadoop 项目的一个核心组件，它是一个针对大数据处理而设计的分布式文件系统。YARN 是一个通用的、可伸缩的资源管理平台，它允许在同一个集群上运行多种不同类型的应用程序。都是帮助处理和分析大规模数据集Spark Core主要提供分布式任务调度、内存计算、故障恢复等基本功能，Spark SQL主要用于处理结构化和半结构化数据，Spark Streaming主要实时对数据流进行处理。