Bash无疑已经成为每个现代类Unix系统或基于Unix的操作系统的本地内置自动化解决方案。程序员使用Bash创建Shell脚本来自动化重复的命令行任务。Bash的主要目标是提供一种最小的语法来执行其他程序并处理它们的退出代码和输出。但是，现代的Bash解释器具有完整的命令语言，提供大多数通用编程语言的功能。因此，我们可以通过包含传统的命令行调用和算法代码编写高度可读的Shell脚本。现代的Bash版本引入了关联数组和支持按引用传递的性能相关特性，使Bash具有与其他准备好进行Shell脚本编写的语言竞争的能力。在本文中，我将介绍一些Bash编码技巧，您可以在您的Shell脚本中包含它们，使它
Bash无疑已经成为每个现代类Unix系统或基于Unix的操作系统的本地内置自动化解决方案。程序员使用Bash创建Shell脚本来自动化重复的命令行任务。Bash的主要目标是提供一种最小的语法来执行其他程序并处理它们的退出代码和输出。但是，现代的Bash解释器具有完整的命令语言，提供大多数通用编程语言的功能。因此，我们可以通过包含传统的命令行调用和算法代码编写高度可读的Shell脚本。现代的Bash版本引入了关联数组和支持按引用传递的性能相关特性，使Bash具有与其他准备好进行Shell脚本编写的语言竞争的能力。在本文中，我将介绍一些Bash编码技巧，您可以在您的Shell脚本中包含它们，使它
译者|李睿审校|孙淑娟ApacheCassandra是大规模管理物联网和时间序列数据的一个可靠选择。在Cassandra中存储、查询和分析物联网设备生成的时间序列的最流行用例已经得到很好的理解和记录。在通常情况下，时间序列是根据其源物联网设备存储和查询的。但是，还有另一类物联网应用程序需要快速访问由一组物联网设备基于已知状态生成的最新数据。此类应用程序需要回答的问题是：哪些物联网设备或传感器当前正在报告特定状态？本文将重点关注这个问题，并提供五种可能的数据建模解决方案，以便在Cassandra中有效地回答这个问题。1、介绍物联网正在生成大量需要存储、查询和分析的时间序列数据。ApacheCas
译者|李睿审校|孙淑娟ApacheCassandra是大规模管理物联网和时间序列数据的一个可靠选择。在Cassandra中存储、查询和分析物联网设备生成的时间序列的最流行用例已经得到很好的理解和记录。在通常情况下，时间序列是根据其源物联网设备存储和查询的。但是，还有另一类物联网应用程序需要快速访问由一组物联网设备基于已知状态生成的最新数据。此类应用程序需要回答的问题是：哪些物联网设备或传感器当前正在报告特定状态？本文将重点关注这个问题，并提供五种可能的数据建模解决方案，以便在Cassandra中有效地回答这个问题。1、介绍物联网正在生成大量需要存储、查询和分析的时间序列数据。ApacheCas
译者|布加迪审校|孙淑娟云为一家公司的现代应用程序开发流程带来了许多好处。最重要的好处之一是能够自动执行向来需要手动步骤的关键操作。自动化可能是使用云的最显著的一个优势。云架构师在切实可行的地方利用自动化，以确保其角色不被边缘化。对云架构师的工作至关重要的一些常见的云自动化技术有哪些？每个云架构师在设计、构建和部署云托管应用程序时，应该竭力实现以下五种操作的自动化。1、扩展自动扩展对使用云而言最基本、最必不可少。无论我们谈论自动扩展服务器资源，还是内置在AmazonS3和DynamoDB等原生云服务中的弹性扩展，扩展都是云的重要组成部分。构建可扩展的基础设施是人们当初迁移到云的主要原因之一。但
译者|布加迪审校|孙淑娟云为一家公司的现代应用程序开发流程带来了许多好处。最重要的好处之一是能够自动执行向来需要手动步骤的关键操作。自动化可能是使用云的最显著的一个优势。云架构师在切实可行的地方利用自动化，以确保其角色不被边缘化。对云架构师的工作至关重要的一些常见的云自动化技术有哪些？每个云架构师在设计、构建和部署云托管应用程序时，应该竭力实现以下五种操作的自动化。1、扩展自动扩展对使用云而言最基本、最必不可少。无论我们谈论自动扩展服务器资源，还是内置在AmazonS3和DynamoDB等原生云服务中的弹性扩展，扩展都是云的重要组成部分。构建可扩展的基础设施是人们当初迁移到云的主要原因之一。但
译者|李睿审校|孙淑娟 开发人员的思维方式是理解问题，构建解决方案，然后找出如何将健壮且安全的解决方案部署到生产环境中。不幸的是，一旦实现，将安全优秀实践嵌入到解决方案中通常会操作更加复杂和成本高昂，而快速发布创新的压力往往会导致DevOps团队发布安全债务。最佳Devsecops实践是将知识、最佳实践和安全性“左移”到开发过程中，以便敏捷开发团队更有可能将安全性直接融入微服务、应用程序或数据库中。 但是持续集成（CI）/持续交付（CD）管道呢？当构建、集成、打包和交付代码到环境的人工步骤在CI/CD工具中编写脚本时，这种自动化提高了部署的可靠性。具有强大CI/CD实施的Devops团队通
译者|李睿审校|孙淑娟 开发人员的思维方式是理解问题，构建解决方案，然后找出如何将健壮且安全的解决方案部署到生产环境中。不幸的是，一旦实现，将安全优秀实践嵌入到解决方案中通常会操作更加复杂和成本高昂，而快速发布创新的压力往往会导致DevOps团队发布安全债务。最佳Devsecops实践是将知识、最佳实践和安全性“左移”到开发过程中，以便敏捷开发团队更有可能将安全性直接融入微服务、应用程序或数据库中。 但是持续集成（CI）/持续交付（CD）管道呢？当构建、集成、打包和交付代码到环境的人工步骤在CI/CD工具中编写脚本时，这种自动化提高了部署的可靠性。具有强大CI/CD实施的Devops团队通
译者|布加迪审校|孙淑娟过去十年是深度学习的时代。我们为从AlphaGo到DELL-E2的一系列重大事件而激动不已。日常生活中出现了不计其数的由人工智能（AI）驱动的产品或服务，包括Alexa设备、广告推荐、仓库机器人和自动驾驶汽车等。近年来，深度学习模型的规模呈指数级增长。这不是什么新闻了：WuDao2.0模型含有1.75万亿参数，在SageMaker训练平台的240个ml.p4d.24xlarge实例上训练GPT-3大约只需25天。但随着深度学习训练和部署的发展，它变得越来越具有挑战性。由于深度学习模型的发展，可扩展性和效率是训练和部署面临的两大挑战。本文将总结机器学习（ML）加速器的五大
译者|布加迪审校|孙淑娟过去十年是深度学习的时代。我们为从AlphaGo到DELL-E2的一系列重大事件而激动不已。日常生活中出现了不计其数的由人工智能（AI）驱动的产品或服务，包括Alexa设备、广告推荐、仓库机器人和自动驾驶汽车等。近年来，深度学习模型的规模呈指数级增长。这不是什么新闻了：WuDao2.0模型含有1.75万亿参数，在SageMaker训练平台的240个ml.p4d.24xlarge实例上训练GPT-3大约只需25天。但随着深度学习训练和部署的发展，它变得越来越具有挑战性。由于深度学习模型的发展，可扩展性和效率是训练和部署面临的两大挑战。本文将总结机器学习（ML）加速器的五大
