记一次Linux内核崩溃：kdump,crash,vmcore scofield 菜鸟运维杂谈 原理 Linux内核发送崩溃时，kdump会生成一个内核转储文件vmcore。可以通过分析vmcore分析出内核崩溃的原因。crash是一个被广泛应用的内核奔溃转储文件分析工具。使用crash调试内核转储文件，需要安装crash工具和内核
# pandas使用浮点值NaN(Not a Number）表示浮点和非浮点数组中的缺失数据。 from pandas import Series,DataFrame import pandas as pd import numpy as np string_data = Series(['aardvark','artichoke',np.nan,'avocado']) print(string_data) '''
Latex standalone tips 在使用 standalone 输出 tikz 包的图形的时候出现了文档错位的问题： 检查之后发现是使用了 geometry 包的缘故，将其删去后图形正常。 附上代码： \documentclass[UTF8]{standalone} \usepackage{amsmath,amssymb} \usepackage{tikz} %\usepackage{geome
本文章使用Ubuntu focal 20.04 LTS作为宿主机qemu版本为5.2.0，以x86_64构架openwrt为例。 直接启动固件 因为宿主机也是x86_64构架且支持硬件虚拟化，所以这里启动kvm加速，openwrt-x86-64-generic-squashfs-combined.img是编译好的固件。 qemu-system-x86_64 --enable-kvm openwr
本文介绍Linux常用性能统计分析命令，监控进程或者系统性能。主要包括CPU（top、mpstat）、内存（vmstat、free）、I/O（iostat）、网络性能（sar）、系统日志信息（demsg）、查看进程状态（pidstat）。下面简要介绍这些命令的使用方法。 mpstat、iostat、pidstat和sr命令需要安装sysstat软件包，sysstat包含了
目录数据引入查看数据信息DataFrame的基础属性缺失值异常值大量数据One-Hot 独热编码归一化 & 标准化其他常用代码rdd 中忽略第一行取出特征数据数据集切分 预处理方法 数据的归一化 数据引入 csv html, html、sax、dom 解析器 xml databases，pyodbc json pdf， pdfminer 查看
3 Resetting scheduling policy for child processes 每个线程都有一个reset-on-fork调度标识。当设置该标识后，使用fork(2)创建的子进程不会继承特权调度策略。可以通过如下方式设置reset-on-fork： 在调用sched_setscheduler(2)时，将SCHED_RESET_ON_FORK 标识作为policy参数在
个人博客地址：http://www.mwbdtth.club/ 选择题可能有些题目有点小问题，请酌情参考，主要还是以实操为主 单选题(200分): 1.制定银行容器平台的需求时，考虑包括的方面叙述错误的是(10分) A、管理大规模容器集群的能力 B、满足金融业务的监管和安全要求，平台需要考虑应用的高可用性
奔跑吧Linux内核入门篇 第8章 进程管理 8.5.3 实验3: 后台守护进程 文章目录 实验详述实验解析程序源码编译验证执行kernel log buffer 实验详述 实验目的 通过本实验了解和熟悉Linux是如何创建和使用后台守护进程的. 实验步骤 (1) 写一个用户程序, 创建一个守护进
PBR-M1 极路由4 HC5962 一个用 SPI FLASH 32M ，一个用 NAND FLASH 128M ，其它基本一致。 功能：LuCI<*> luci-app-adblock<*> luci-app-aria2<*> luci-app-advanced-reboot <*> luci-app-qos 多语言简体中文 英文 日本语 多主题luci-theme-materialluci-theme-openwrtluci-theme-ope
基于avocado/avocado-vt 测试工具。 测试所用的qcow2文件——jeos-27-x86_64.qcow2，就是avocado的qcow2 [root@localhost ~]# cat /etc/qemu-ifup #!/bin/bash switch=virbr0 ifconfig $1 up brctl addif $switch $1 [root@localhost ~]# [root@localhost ~]# ifconfig virbr0
项目里金额是8位小数，测试偶尔写了个 0.0000007 在明细列表中，结果发现提交不了， 断点发现，底层 format 小数保留位数时，js 将0.000000* （6个0 以上），都存成了 科学计数法形式。导致底层记录数据转成字符串显示正常小数位数时出现问题 针对这种问题，需要处理成string 再
https://www.qemu.org/docs/master/system/target-mips.html 环境： Ubuntu 20.04 Linux version 5.4.0-58-generic (buildd@lcy01-amd64-004) (gcc version 9.3.0 (Ubuntu 9.3.0-17ubuntu1~20.04)) #64-Ubuntu SMP Wed Dec 9 08:16:25 UTC 2020 安装QEMU到Ubuntu 20.04: sudo
个人博客地址：http://www.mwbdtth.club/ 选择题可能有些题目有点小问题，请酌情参考，主要还是以实操为主 单选题(200分) 下面对项目管理叙述错误的是(10分) A、项目文档管理是指在一个项目运行过程中将提交的各类文档进行收集管理控制的过程 B、工程项目保存的文档要涵盖项目
原文地址：https://blog.csdn.net/shenshen211/article/details/51740988/ 常见到的*.obj文件有两种：第一种是基于COFF(Common Object File Format)格式的OBJ文件(也称目标文件)，这种格式用于编译应用程序；第二种是Alias|Wavefront公司推出的OBJ模型文件。本文对第二种obj模型文件进行
$$DMISLAYER/'SCR200Calibration.dms' DECL/REAL,PORTX,PORTY,PORTZ,IT,JT,I,J,K,SNLENG,FPORTX,FPORTY,DirFac,PortPos DECL/INTGR,10,L,PORTDIR DECL/CHAR,10,CalibFile,HomeDir $$ENDLAYER PortPos=0 TEXT/OPER,'Latch all port lids in their open positio
$$DMISLAYER/'START' DECL/REAL,PORTX,PORTY,PORTZ,IT,JT,IVEC,JVEC,KVEC,SNLENG,FPORTX,FPORTY,SENDIA DECL/INTGR,10,SEQ,PORTDIR DECL/CHAR,10,HomeDir,CalibFile,calibfil TEXT/OPER,'Latch first port lids in their open position.' UNITS/MM,ANGD
LINGO运算符与函数 常用运算符 算数运算符 ^次方， *乘， /除， +加， -减 逻辑运算符 关系运算符 = 表达式左右相等 <= 表达式左边<=右边 >= 表达式右边>=左边 LINGO没有单独的'>' '<'，二者出现是会被认为是省略了'=' 不同种类运算符混合时的优先级为：单目>双目；算数>逻辑>
记录一下使用ros进行单目相机标定的过程。 1. 运行usb_cam(需下载功能包，进行编译才可以使用) roslaunch usb_cam usb_cam-test.launch 2.安装ros的标定功能包 sudo apt-get install ros-melodic-camera-calibration* 3.运行ros标定功能包 0.0375是指单个网格的大小，我的棋盘是3.7
第三章 服务器性能剖析 （1）性能剖析（profiling）：用于测试服务器的时间花费在哪里。 本书对数据库性能的定义：是指完成某件任务所需要的时间度量，即响应时间，每个SQL语句的查询话费的时间。 完成一项任务所需要的时间可以分成两部分：执行时间和等待时间（如IO等待）。 （2）性能剖析有两个步骤： 测
1. KNN原理 KNN（k-Nearest Neighbour）：K-近邻算法，主要思想可以归结为一个成语：物以类聚 1.1 工作原理 给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的 k （k <= 20）个实例，这 k 个实例的多数属于某个类， 就把该输入实例分为这个类。 https://www.cnblogs.com/ybj
基本思路 Adaboost体现的是“三个臭皮匠，胜过一个诸葛亮”，它是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)， 然后把这些弱分类器集合起来，构成一个更强的最终分类器（强分类器）。训练过程如下（参考Andy的机器学习--浅析Adaboost算法，他说得非常形象，贴切。）
一：简单实现K-近邻算法 （一）导入数据 import numpy as np import matplotlib.pyplot as plt import pandas as pd def CreateDataSet(): data = np.array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]) labels = np.array(['A','A','B','B'])
show profile： 是mysql提供可以用来分析当前会话中语句执行的资源消耗的情况，可以用于sql的调优的测量。 默认状态下参数处于关闭状态，并保存最近15次的运行结果。 mysql> show variables like '%profil%'; +------------------------+-------+
案例2：平面点2分类问题 本章将介绍以下几个新的使用方法： 1、对样本数据的保存及读取，对训练好的模型的保存及读取； 2、启动多线程支持，加速你的训练模型； 3、动态的实时输出训练时的图形结果；（按每一训练周期做一次输出更新的方式） 4、将图形和曲线结果保存到外部Bitmap图形文件中；
