对于自动驾驶应用来说，最终还是需要对3D场景进行感知。道理很简单，车辆不能靠着一张图像上得到感知结果来行驶，就算是人类司机也不能对着一张图像来开车。因为物体的距离和场景的和深度信息在2D感知结果上是体现不出来的，而这些信息才是自动驾驶系统对周围环境作出正确判断的关键。一般来说，自动驾驶车辆的视觉传感器（比如摄像头）安装在车身上方或者车内后视镜上。无论哪个位置，摄像头所得到的都是真实世界在透视视图（PerspectiveView）下的投影（世界坐标系到图像坐标系）。这种视图与人类的视觉系统很类似，因此很容易被人类驾驶员理解。但是透视视图有一个致命的问题，就是物体的尺度随着距离而变化。因此，当感知
对于自动驾驶应用来说，最终还是需要对3D场景进行感知。道理很简单，车辆不能靠着一张图像上得到感知结果来行驶，就算是人类司机也不能对着一张图像来开车。因为物体的距离和场景的和深度信息在2D感知结果上是体现不出来的，而这些信息才是自动驾驶系统对周围环境作出正确判断的关键。一般来说，自动驾驶车辆的视觉传感器（比如摄像头）安装在车身上方或者车内后视镜上。无论哪个位置，摄像头所得到的都是真实世界在透视视图（PerspectiveView）下的投影（世界坐标系到图像坐标系）。这种视图与人类的视觉系统很类似，因此很容易被人类驾驶员理解。但是透视视图有一个致命的问题，就是物体的尺度随着距离而变化。因此，当感知
SRE最早是由Google提出的概念，其大概的意思就是：以标准化、自动化、可扩展驱动维护，用软件开发解决运维难题。这个岗位面世的时候，其根本要解决的问题就是打破传统研发人员快速迭代而引发的业务不稳定性，用以保证业务维护侧重的服务质量以及稳定性之间的平衡。不同公司的SRE定位是不同的，可能某些公司的运维岗位也是SRE，以此，不能以偏概全，国内的SRE基本是以岗位来区分的，比如，有负责网络的SRE，有负责DBA的SRE，有专门负责业务的SRE，还有什么安全SRE等等。就谷歌所提到的SRE的理解来讲，基本都是以服务质量稳定为基线的维护工程师，只是对于SRE的要求是苛刻的，下面是我的个人理解：第一：技
SRE最早是由Google提出的概念，其大概的意思就是：以标准化、自动化、可扩展驱动维护，用软件开发解决运维难题。这个岗位面世的时候，其根本要解决的问题就是打破传统研发人员快速迭代而引发的业务不稳定性，用以保证业务维护侧重的服务质量以及稳定性之间的平衡。不同公司的SRE定位是不同的，可能某些公司的运维岗位也是SRE，以此，不能以偏概全，国内的SRE基本是以岗位来区分的，比如，有负责网络的SRE，有负责DBA的SRE，有专门负责业务的SRE，还有什么安全SRE等等。就谷歌所提到的SRE的理解来讲，基本都是以服务质量稳定为基线的维护工程师，只是对于SRE的要求是苛刻的，下面是我的个人理解：第一：技
与一个行业大牛的朋友交流时，在听到他年轻时在思科的一些关于将工作方法升华为方法论，比如“监、管、控”、“新网点”理念，并推动整个行业建设时为之一震。这个触动让我有了让自己的运维知识体系建设做第一次飞跃的打算，即如何将知识体系通过一个主线串起来。关于这个主线，找过一些朋友做了交流，比如“风险可控”、“一体化”、“更高效更优化的资源配置”、“可扩展性”。由于自己主要身处一线运维团队，所以选了“可扩展性”的主线，接下来打算根据这条主线，不断完善知识体系，目标是体系化的整理知识体系，主要从组织、流程、工具的可持续整合。以下内容，主要是对运维整体的概览，讲讲对运维的认识，以及一些转型理念思考。一、运维不
与一个行业大牛的朋友交流时，在听到他年轻时在思科的一些关于将工作方法升华为方法论，比如“监、管、控”、“新网点”理念，并推动整个行业建设时为之一震。这个触动让我有了让自己的运维知识体系建设做第一次飞跃的打算，即如何将知识体系通过一个主线串起来。关于这个主线，找过一些朋友做了交流，比如“风险可控”、“一体化”、“更高效更优化的资源配置”、“可扩展性”。由于自己主要身处一线运维团队，所以选了“可扩展性”的主线，接下来打算根据这条主线，不断完善知识体系，目标是体系化的整理知识体系，主要从组织、流程、工具的可持续整合。以下内容，主要是对运维整体的概览，讲讲对运维的认识，以及一些转型理念思考。一、运维不
用户画像与实时数据分析是互联网企业的数据核心。知乎数据赋能团队以ApacheDoris为基础，基于云服务构建高响应、低成本、兼顾稳定性与灵活性的实时数据架构，同时支持实时业务分析、实时算法特征、用户画像三项核心业务流，显著提升对于时效性热点与潜力的感知力度与响应速度，大幅缩减运营、营销等业务场景中的人群定向成本，并对实时算法的准确率及业务核心指标带来明显增益。一、前言知乎业务中，随着各业务线业务的发展，逐渐对用户画像和实时数据这两部分的诉求越来越多。对用户画像方面，期望有更快、更准、更方便的人群筛选工具和方便的用户群体分析能力。对于实时数据方面，期望拥有可以实时响应的用户行为流，同时在算法特
用户画像与实时数据分析是互联网企业的数据核心。知乎数据赋能团队以ApacheDoris为基础，基于云服务构建高响应、低成本、兼顾稳定性与灵活性的实时数据架构，同时支持实时业务分析、实时算法特征、用户画像三项核心业务流，显著提升对于时效性热点与潜力的感知力度与响应速度，大幅缩减运营、营销等业务场景中的人群定向成本，并对实时算法的准确率及业务核心指标带来明显增益。一、前言知乎业务中，随着各业务线业务的发展，逐渐对用户画像和实时数据这两部分的诉求越来越多。对用户画像方面，期望有更快、更准、更方便的人群筛选工具和方便的用户群体分析能力。对于实时数据方面，期望拥有可以实时响应的用户行为流，同时在算法特
前言Linux系统的基本操作，对于大多数计算机类相关学生或者相关从业人员都很重要，本文以树莓派的Linux系统为实例，从基础出发，详细介绍Linux系统中最基础的操作。什么是Linux这里就不搬概念了，Linux本质上和Window一样都是运行在计算机上的操作系统，但是有一个核心区别就是Linux是开源的。Linux系统范畴运行在桌面端的Linux像Windows一样有图形化界面，我们可以用鼠标操作，但是大多数Linux系统运行在服务器上没有图形化界面，那我们怎么执行呢？使用Shell工具，它就像一个外部用户与Linux内核沟通的桥梁，例如复制粘贴重命名文件，这些都是通过Linux命令来执行的
前言Linux系统的基本操作，对于大多数计算机类相关学生或者相关从业人员都很重要，本文以树莓派的Linux系统为实例，从基础出发，详细介绍Linux系统中最基础的操作。什么是Linux这里就不搬概念了，Linux本质上和Window一样都是运行在计算机上的操作系统，但是有一个核心区别就是Linux是开源的。Linux系统范畴运行在桌面端的Linux像Windows一样有图形化界面，我们可以用鼠标操作，但是大多数Linux系统运行在服务器上没有图形化界面，那我们怎么执行呢？使用Shell工具，它就像一个外部用户与Linux内核沟通的桥梁，例如复制粘贴重命名文件，这些都是通过Linux命令来执行的
