1. 减少内存使用1.1. 减少堆内存的使用1.1.1. 使用更少的内存意味着堆被填满的频率会降低，需要的GC周期会更少，其效果也可以成倍增强1.1.2. 更少的新生代回收意味着对象的晋升年龄增加的频率降低1.1.3. 对象晋升到老年代的可能性也降低了1.1.4. FullGC周期（或者并发GC周期）的数量将减少1.2. 方法1.2.1. 减小对象大小1.2.2. 使用对象的延迟初始化1.2.3. 使用标准化对象2. 减小对象大小2.1. 可以提高GC的效率2.2. 即使实例变量是null，也会消耗对象类内的空间2.3. 让对象更小2.3.1. 不太可能将堆的大小增加10%2.3.2. 将堆中
在早期的随笔就介绍过，把常规页面的内容拆分为几个不同的组件，如普通的页面，包括列表查询、详细资料查看、新增资料、编辑资料、导入资料等页面场景，这些内容相对比较独立，而有一定的代码量，本篇随笔介绍基于Vue3+Typescript+Setup语法方式，来拆分页面模块内容为组件，实现分而治之的处理。1、页面模块组件的划分我们先来了解下常规页面的内容的整体界面布局，它包含常规的列表界面，新增、编辑、查看、导入等界面，除了列表页面，其他内容以弹出层对话框的方式进行处理，如下界面示意图所示。这些页面也可以放在一个大页面里面进行处理，逻辑代码也可以整合一起进行管理，大致的页面布局如下所示。我们看到，如果这
在早期的随笔就介绍过，把常规页面的内容拆分为几个不同的组件，如普通的页面，包括列表查询、详细资料查看、新增资料、编辑资料、导入资料等页面场景，这些内容相对比较独立，而有一定的代码量，本篇随笔介绍基于Vue3+Typescript+Setup语法方式，来拆分页面模块内容为组件，实现分而治之的处理。1、页面模块组件的划分我们先来了解下常规页面的内容的整体界面布局，它包含常规的列表界面，新增、编辑、查看、导入等界面，除了列表页面，其他内容以弹出层对话框的方式进行处理，如下界面示意图所示。这些页面也可以放在一个大页面里面进行处理，逻辑代码也可以整合一起进行管理，大致的页面布局如下所示。我们看到，如果这
KubeSphere从诞生的第一天起便秉持着开源、开放的理念，并且以社区的方式成长，如今KubeSphere已经成为全球最受欢迎的开源容器平台之一。这些都离不开社区小伙伴的共同努力，你们为KubeSphere提出了很多建设性意见，也贡献了很多代码，非常感谢社区小伙伴们的付出。为了帮助社区的小伙伴们更好地掌握KubeSphere社区的进展，我们决定每两周更新一次周报，即双周报。本双周报主要是整理展示新增的贡献者名单，以及两周内提交过Commit的贡献者，并对近期重要的PR进行解析，同时还包含了线上/线下活动和布道推广等一系列社区动态。贡献者名单新晋贡献者近期重要更新KubeSphere以下更新将
KubeSphere从诞生的第一天起便秉持着开源、开放的理念，并且以社区的方式成长，如今KubeSphere已经成为全球最受欢迎的开源容器平台之一。这些都离不开社区小伙伴的共同努力，你们为KubeSphere提出了很多建设性意见，也贡献了很多代码，非常感谢社区小伙伴们的付出。为了帮助社区的小伙伴们更好地掌握KubeSphere社区的进展，我们决定每两周更新一次周报，即双周报。本双周报主要是整理展示新增的贡献者名单，以及两周内提交过Commit的贡献者，并对近期重要的PR进行解析，同时还包含了线上/线下活动和布道推广等一系列社区动态。贡献者名单新晋贡献者近期重要更新KubeSphere以下更新将
作者：韩信子@ShowMeAI教程地址：https://www.showmeai.tech/tutorials/37本文地址：https://www.showmeai.tech/article-detail/271声明：版权所有，转载请联系平台与作者并注明出处收藏ShowMeAI查看更多精彩内容本系列为斯坦福CS231n《深度学习与计算机视觉(DeepLearningforComputerVision)》的全套学习笔记，对应的课程视频可以在这里查看。更多资料获取方式见文末。引言ShowMeAI在前面的内容中给大家做了很多图像分类的介绍，主要围绕卷积神经网络（LeNet/AlexNet/NIN/
作者：韩信子@ShowMeAI教程地址：https://www.showmeai.tech/tutorials/37本文地址：https://www.showmeai.tech/article-detail/271声明：版权所有，转载请联系平台与作者并注明出处收藏ShowMeAI查看更多精彩内容本系列为斯坦福CS231n《深度学习与计算机视觉(DeepLearningforComputerVision)》的全套学习笔记，对应的课程视频可以在这里查看。更多资料获取方式见文末。引言ShowMeAI在前面的内容中给大家做了很多图像分类的介绍，主要围绕卷积神经网络（LeNet/AlexNet/NIN/
查看当前的内核版本:uname-r,输出示例:laggage@laplus:~$uname-r5.11.0-41-generic下载镜像安装包wget\kernel.ubuntu.com/~kernel-ppa/mainline/v4.12/linux-headers-4.12.0-041200_4.12.0-041200.201707022031_all.deb\kernel.ubuntu.com/~kernel-ppa/mainline/v4.12/linux-headers-4.12.0-041200-generic_4.12.0-041200.201707022031_amd64.de
查看当前的内核版本:uname-r,输出示例:laggage@laplus:~$uname-r5.11.0-41-generic下载镜像安装包wget\kernel.ubuntu.com/~kernel-ppa/mainline/v4.12/linux-headers-4.12.0-041200_4.12.0-041200.201707022031_all.deb\kernel.ubuntu.com/~kernel-ppa/mainline/v4.12/linux-headers-4.12.0-041200-generic_4.12.0-041200.201707022031_amd64.de
前言前一篇文章【云原生之旅-11）基于Kubernetes动态伸缩JenkinsBuildAgents】有讲到在 KubernetesPod(Jenkinsbuildagent)里面构建docker容器镜像，当时我们采取了一种简单快速的方式来rundockerindocker，也就是mount /var/run/docker.sock到主机的dockerengine，这需要dockerrun在特权 privileged模式下，有很大的安全隐患。另外这种方式还有个很大的缺陷就是当一台机器上同时运行多个dockerbuildagent时，会出现阻塞的情况，因为这一批agent用的都是宿主机上的同一
