servicecomb.apache.org github.com/apache?q=servicecomb 微服务创新新品发布 马彬 2019 2 github.com/apache?q=servicecomb servicecomb.apache.org 在同一个业 务领域的微 服务中使用 了多种不同 语言进行开 发部署 使能多微服 务技术栈开 发的微服务 应用之间协 同工作和共 契约提取 代码生成 文档制作 契约校验 ServiceComb SpringCloud …… ServiceComb toolkit 划分微服务 （含依赖关系） 定义契约 （接口和模型） 发布契约 ServiceComb 契约开发工具 开发微服务 测试微服务 客户+集成商 软件开发商 部署微服务 契约仓库 微服务 运行环 境 验收微服务 协同企业遗留系统微服务化快速改造，实现基于契约的数据、服务标准化管控

使用gRPC go实现 基于Topic的高效消息订阅发布模型 姓名 张凯 中国电子云 目 录 gRPC go 介绍 01 gRPC四种通信模式及落地场景 02 根据proto生成go桩代码 03 订阅者动态注册 04 发布者消息推送 05 现场案例演示 06 gRPC go介绍 gRPC是什么？ 01. 副标题 开篇思考几个问题 01. 副标题 gRPC介绍 基于通信模式如何落地？ 01. 副标题 流式传输 基于通信模式如何落地？ 01. 副标题 以及，本次分享的 “ ” 基于Topic消息发布订阅 基于Topic的消息发布模型简介 01. 副标题 基于Topic的消息发布模型简介 01. 副标题 BRIAN KERNGHAN service PubSubService { rpc Publish(PublishRequest) Protocol Buffers 消息结构体等 Go 语言代码的输出目录， 同样为当前目录。protoc-gen-go 插件会处理 .proto 文 件中的消息定义并生成对应的 Go 结构体。 订阅者动态注册 01. 副标题 type subscriber chan interface{} type topicFunc func(v interface{}) bool type Publisher

- 钻石段t ������! 2.�� ��! 3.�� ��! 4.�� ��! 5.�� ��� ��! 6.�� ���! 1.�� ��! 链路级流量隔离 • 全链路灰度发布 • 全链路压测 • 全链路故障演练 服务治理实践(6)-星耀段t+ 异地容灾 扩展 回顾：服务治理系统的三项必备能力 % 标准化 & 易用性 3 高性能 降u服务间协作成本

Python C拓展在各平台的打包 与发布 赵丰 GitHub ID: zhaofeng-shu33 在 Windows 平台上：没有找到编译器； 在 Unix 平台上： 无法解决软件依赖。 假如 numpy 官方的源只包含一堆 .c 文件 现在你要 pip install numpy 结果将是 1 为什么需要C拓展包 2 如何在不同的平台打包并发布 编写 setup.py 生成 处理不同平台的差异 3 C拓展打包的注意事项 • 在 Linux 系统上打包无法上传到 pypi.org，只能用官方提供的 CentOS 6.10 Docker 打包 • C拓展包如果依赖额外的动态库需要一起打包进去并且在包导入的时候动 态添加PATH • 每一个Python版本打包的C拓展包相互独立，py37不能安装py36打包的 二进制包 • 在Windows平台上需要预装 Visual

决集中化 和互联网化所带来的架构扩展性和面对海量用户请求的技术挑战。这里面其中有⼀个关键点是软负 载。因为整个分布式架构需要有⼀个软负载来协作各个节点之间的服务在线离线状态、数据⼀致性、 以及动态配置数据的推送。这里面最简单的需求就是将⼀个配置准时的推送到不同的节点。即便如 此简单需求，随着业务规模变大也会变的非常复杂。如何能将数据准确的在 3 秒钟之内推送到每⼀ 个计算节点，这是当时提 品牌和运营资源。另外大部分客户没有阿里这么大的体量，模块拆分过细，部署和运维成本都会成 倍上涨，而且阿里巴巴也是从最早⼀个产品逐步演化成 3 个产品的，因此我们最终决定将内部三个 产品合并统⼀开源。定位为：⼀个更易于构建云原生应用的动态服务发现、配置管理和服务管理平 台。由于我们在阿里内部发展了 10 年，在易用、规模、实时、稳定沉淀了核心竞争力，围绕阿里 Dubbo 和 Spring-cloud-alibaba 生态进行推广，建立阿里 简介 < 14 Nacos 定位 Nacos/nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称；⼀个更易于构 建云原生应用的动态服务发现、配置管理和服务管理平台。 官网：https://nacos.io/ 仓库：https://github.com/alibaba/nacos Nacos 优势 易⽤：简单的数据模型，标准的

为了获得更多高质量的正样本，YOLOv6 引入了 SimOTA [4] 算法动态分配正样本， 进一步提高检测精度。YOLOv5 的标签分配策略是基于 Shape 匹配，并通过跨网格 匹配策略增加正样本数量，从而使得网络快速收敛，但是该方法属于静态分配方法， 并不会随着网络训练的过程而调整。 近年来，也出现不少基于动态标签分配的方法，此类方法会根据训练过程中的网络输 出来分配正样本，从而可以 由于使用了 Sinkhorn-Knopp 算法导致训练时间加长， 而 SimOTA[4] 算法使用 Top-K 近似策略来得到样本最佳匹配，大大加快了训练速 度。故 YOLOv6 采用了 SimOTA 动态分配策略，并结合无锚范式，在 nano 尺寸 模型上平均检测精度提升 1.3% AP。 SIoU 边界框回归损失 为了进一步提升回归精度，YOLOv6 采用了 SIoU[9] 边界框回归损失函数来监督网络 美团基础研发平台 / 视觉智 能部。 算法 < 13 目标检测开源框架 YOLOv6 全面升级， 更快更准的 2.0 版本来啦 作者：楚怡 红亮 梦婕等 9 月 5 日，美团视觉智能部发布了 YOLOv6 2.0 版本，本次更新对轻量级网络进 行了全面升级，量化版模型 YOLOv6-S 达到了 869 FPS，同时，还推出了综 合性能优异的中大型网络（YOLOv6-M/L），丰富了

APPKIT打造稳定、灵活、高效的运营配置平台 4 ...................................................................... CAT 3.0 开源发布，支持多语言客户端及多项性能提升 17 ...................................................................... LruCache在美团DSP系统中的应用演进 灵活性差，对不同的运营维度（城市、版本、时间等）都需要事先确定好，无法动态调整。 上线流程“粗糙” 上线流程“粗糙” 在早期，运营配置上线流程需要研发同学参与。产品提出运营配置需求，研发同学通过修改代码对配置进 行变更，然后通过代码上线进行发布。整体流程如下： 这种上线机制存在以下几个问题： 1. 配置上线过多依赖于代码的发布。 2. 整体上线过程无审核机制，无法对配置资源进行合规审核。 指像标题、副 标题、图片、跳转链接等）要求。对底层数据进行JSON化，其对应的数据字段完全可动态扩展，从而满 足业务不断迭代的需求。JSON化随之也会带来运营位字段管理的问题，我们通过字段管理的工具来解决 这个问题。 运营流程化 运营流程化 设计一套整体的流程管理机制，解决运营的投放、审核、发布和回滚的问题。通过流程化的机制，我们实 现了“事前”、“事中”、“事后”的三级管理。 首先

FISCO BCOS Documentation 发 发 发布 布 布 v2.4.0 fisco-dev 2020 年 年 年 06 月 月 月 19 日 日 日 Contents 1 平 平 平台 台 台介 介 介绍 绍 绍 3 2 版 版 版本 本 本及 及 及兼 兼 兼容 容 容 7 3 安 安 安装 装 装 17 4 教 教 教程 程 程 23 5 使 使 使用 用 用手 427 11 常 常 常见 见 见问 问 问题 题 题解 解 解答 答 答 459 12 社 社 社区 区 区 463 i ii FISCO BCOS Documentation, 发 发 发布 布 布 v2.4.0 FISCO BCOS 是一个稳定、高效、安全的区块链底层平台，经过多家机构、多个应用，长时间在生产环 境运行的实际检验。 • Github主页 • 深度解析系列文章 • 1.3.x版本的技术文档请查看 1.3系列技术文档 • FISCO BCOS 2.0+版本及兼容性说明 这里 Contents 1 FISCO BCOS Documentation, 发 发 发布 布 布 v2.4.0 2 Contents CHAPTER 1 平台介绍 FISCO BCOS是由国内企业主导研发、对外开源、安全可控的企业级金融联盟链底层平台，由金链盟开 源工作组协作打造，并于2017年正式对外开源。

数据持有节点(DataOwner Node) 存储节点(Storage Node) 区块链节点(Blockchain Node) Distributed AI 服务组件 多方安全计算框架 可信联邦学习 模型评估 动态模型评估 接口与消息定义 配置说明 命令行工具 XuperDB 背景和目标 特点和优势 架构设计 功能介绍 如何使用 Crypto 数据隐私保护 机器学习算法 纵向联邦学习 团队 我们的团队 成。 1.1 多方安全计算网络 有预测需求的一方为计算需求节点。可获取样本数据进行模型训练和预测的一 方为任务执行节点，多个任务执行节点组成一个SMPC（多方安全计算）网 络。计算需求节点将任务发布到区块链网络，任务执行节点确认后执行任务。 数据持有节点对任务执行节点的计算数据做信任背书。 SMPC是一个支持多个学习过程并行运行的框架，会陆续集成更多纵向联邦学 习、横向联邦学习算法。 1.2 预测任务以预测数据的目标值为目标。 任务由计算需求节点发布到区块链网络，由数据持有节点确认数据使用权，由 任务执行节点最终执行。 算法 PaddleDTX中的算法，一般指的是经过分布式改造的机器学习算法，即联邦学 习算法。 目前开源了纵向联邦学习算法，包括多元线性回归和多元逻辑回归。 训练样本和预测数据集 PaddleDTX中的训练样本和预测数据集都是以文件的形式存储于中心化存储网 络，在发布训练任务或者预测任务的时候，由计算需求节点指定。