(TODO)大数据量下的关系可视化通用解决方案
流程确定目的常见的目的,一般有:找异常、看趋势、看分布、看比例、看关系等。 以Arsenal服务关系可视化为例,其目的是为了找出异常的服务及其异常的原因。 切记:千万不要在一开始就直接去思考细节上的实现,一定要先明确需求方的目的。参考Arsenal关系图被吊着打的例子。 确定关键指标(宏观)找出异常的服务:服务的状态 (微观)找出服务异常的原因:服务所在容器的具体的数值,比如IO、CPU、内存
CURL学习笔记
参数-w, –write-out参考文章: https://ec.haxx.se/usingcurl/usingcurl-verbose/usingcurl-writeout 可以通过该参数,输出你想要的某个具体请求变量。 比如输出请求状态码: 1curl -I -m 10 -o /dev/null -s -w %{http_code} http://localhost:30
如何提升短视频生成的效率
尚待尝试的一些想法 原则:对于高时效性要求的场景,从并行执行角度去优化;对于大批量生成的场景,从资源复用角度去优化。 音频生成阶段根据文本长度和语速,评估语音时长可以找语音部门的同事问一下他们的语音时长逻辑,然后我们自己可以在没生成语音的情况下,直接通过文本+语速算出时长,这样就省掉了用语音回填网页时长的这一步。 然后语音的生成、网页截屏,可以同步进行,极大缩短单个视频的生成时间。 应用场景:
HPA学习笔记
我们通过kubernetes的弹性伸缩(HPA, Horizontal Pod Autoscaler)来动态控制线上docker资源,以从资源角度来解决大批量生成视频的问题(比如个股收盘解读的性能问题)。目前云平台已经提供了HPA的支持,需要我们开发自定义指标操控功能,可以控制什么时候开启HPA、扩容多少、什么时候关闭HPA。 参考文档:http://172.20.1.247/wiki/inde
2021读书计划
2020年读的书太少了,读书计划也没有完成。2021继续加油! 另外读的这些书,如果是技术类的,需要制作对应的PPT,因为如果你不能清晰的讲出来,那么你就没有真正掌握这个东西。参考费曼学习法。 理财《聪明的投资者》《副业赚钱之道:从0到1打造多元化收入》一位软件开发转自由职业者-安晓辉写的书,讲解了一些自由职业的方法模型。 感觉应用到自己身上还是有难度的,不能直接套用,因为我跟他们有一些差异:他们
Python常用操作
Conda 安装教程https://www.jianshu.com/p/edaa744ea47d 源查看当前的源1conda config --show channels 修改为清华源1234conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --add