用。 • DeepSeek-R1是其开源的推理模型，擅长处理复杂任务且可免费商用。 Deepseek可以做什么？ 直接面向用户或者支持开发者，提供智能对话、文本生成、语义理解、计算推理、代码生成补全等应用场景， 支持联网搜索与深度思考模式，同时支持文件上传，能够扫描读取各类文件及图片中的文字内容。 文本生成 表格、列表生成（如日程安排、菜谱） 代码注释、文档撰写 结构化生成 文章/故事/诗歌写作 摘要与改写 02 01 03 文本生成 自然语言理解与分析 知识推理 知识推理 逻辑问题解答（数学、常识推 理） 因果分析（事件关联性） 语义分析 语义解析 情感分析（评论、反馈） 意图识别（客服对话、用户查询） 实体提取（人名、地点、事件） 文本分类 文本分类 主题标签生成（如新闻分类） 垃圾内容检测 编程与代码相关 代码调试 • 错 误 分 析 与 修 复 与正确性 严格按指令执行，无自主优化 提示语示例 决策需求 验证性需求 "为降低物流成本，现有两种方案： ①自建区域仓库（初期投入高，长期成本低） ②与第三方合作（按需付费，灵活性高） 请根据ROI计算模型，对比5年内的总成本并推荐最优 解。" �实战技巧： "以下是某论文结论：'神经网络模型A优于传统方法B'。 请验证： ① 实验数据是否支持该结论；

平衡性能：在模型大小和 性能之间取得平衡，适合 中等规模任务。  多模态支持：支持文本和 图像处理，扩展应用场景。  可解释性：注重模型输出 的可解释性和透明性。 DeepSeek R1  高效推理：专注于低延迟和 高吞吐量，适合实时应用。  轻量化设计：模型结构优化， 资源占用少，适合边缘设备 和移动端。  多任务支持：支持多种任务， 如文本生成、分类和问答。 Kimi k1.5 5  垂直领域优化：针对特定领域 （如医疗、法律）进行优化， 提供高精度结果。  长文本处理：擅长处理长文本 和复杂文档，适合专业场景。  定制化能力：支持用户自定义 训练和微调，适应特定需求。 Open AI o3 mini  小型化设计：轻量级模型， 适合资源有限的环境。  快速响应：优化推理速度， 适合实时交互场景。  通用性强：适用于多种自 然语言处理任务，如对话 因素影响，仅供参考，无法作为决策制定、质量评估或产品验证的最终依据。 爬虫数据采集  目前DeepSeek R1、Open AI o3mini、Kimi k1.5支持联网查询网址，Claude 3.5 sonnet暂不支持；  四个模型均能根据上传的网页代码，对多个网址链接进行筛选、去重，完全提取出符合指令要求的所有网址链接并形成列表；  在复杂爬虫任务上，DeepSeek R1与Open

• 《JavaScript 正则表达式迷你书》 感谢 由于本书是由个人文章修改而成，感谢各平台读者的支持。 感谢湖山，是他说我该把这些东西写出来的。 感谢小不，他在多方面给予了我帮助，封面是他设计的。 感谢小鱼二，他对全书进行了仔细地校对，并提出了相应的修改意见。 感谢丹迪的支持，他为我设计了多个封面，风格比较前卫，留给后续版本。 最后，尤其要感谢各位大佬帮我写的推荐序。他们的名字 良师易得，益友难求。工作中得到了老姚的很多帮助，很是感谢。最近拜读了老姚的正则表达式一书 ，受益匪浅，从每次遇到正则问题，从百度到自己书写，都离不开书中的知识。并且此书通俗易懂， 条理清晰，每次阅读都会得到新的收获。感谢老姚，支持你，加油！ — _周末 对于正则的知识，之前看得总是零零碎碎的，没有好好地去系统学习过，所以在方面知识体系相对薄 弱。通过这本正则迷你书，总算有一个清晰掌握。一直以来比较关注作者的笔记和文章，自身在JS的 ["abbc", "abbbc", "abbbbc", "abbbbbc"] NOTE 案例中用的正则是 /ab{2,5}c/g，其中 g 是正则的一个修饰符。表示全局匹配，即，在目 标字符串中按顺序找到满足匹配模式的所有子串，强调的是“所有”，而不只是“第一个” 。g 是单词 global 的首字母。 1.1.2. 纵向模糊匹配 纵向模糊指的是，一个正则匹配的字符串，具体到某一位字符时，它可以不是某个确定的字符，可以有多种

后续版本更新，会在这里更新： 《JavaScript 正则表达式迷你书》 感谢 由于本书是由个人文章修改而成，感谢各平台读者的支持。 感谢湖山，是他说我该把这些东西写出来的。 感谢小不，他在多方面给予了我帮助，封面是他设计的。 感谢小鱼二，他对全书进行了仔细地校对，并提出了相应的修改意见。 感谢丹迪的支持，他为我设计了多个封面，风格比较前卫，留给后续版本。 最后，尤其要感谢各位大佬帮我写的推荐序。他们的名字 良师易得，益友难求。工作中得到了老姚的很多帮助，很是感谢。最近拜读了老姚的正则表达式一书 ，受益匪浅，从每次遇到正则问题，从百度到自己书写，都离不开书中的知识。并且此书通俗易懂， 条理清晰，每次阅读都会得到新的收获。感谢老姚，支持你，加油！ — _周末 对于正则的知识，之前看得总是零零碎碎的，没有好好地去系统学习过，所以在方面知识体系相对薄 弱。通过这本正则迷你书，总算有一个清晰掌握。一直以来比较关注作者的笔记和文章，自身在JS的 ["abbc", "abbbc", "abbbbc", "abbbbbc"] NOTE 案例中用的正则是 /ab{2,5}c/g，其中 g 是正则的一个修饰符。表示全局匹配，即，在目 标字符串中按顺序找到满足匹配模式的所有子串，强调的是“所有”，而不只是“第一个” 。g 是单词 global 的首字母。 1.1.2. 纵向模糊匹配 纵向模糊指的是，一个正则匹配的字符串，具体到某一位字符时，它可以不是某个确定的字符，可以有多种

2.2 顺序消息发送 Rocketmq 能够保证消息严格顺序，但是 Rocketmq 需要 producer 保证顺序消息按顺序发 送到同一个 queue 中， 比如购买流程(1)下单(2)支付(3)支付成功，这三个消息需要根据 特定规则将这个三个消息按顺序发送到一个 queue 如何实现把顺序消息发送到同一个 queue: 一般消息是通过轮询所有队列发送的，顺序消息可以根据业务比如说订单号 Queue=0 组 成一个 ConsumeQueue, TopicA 和 Queue=1 组成一个另一个 ConsumeQueue. (2) 按消费端 group 分组重试队列， 如果消费端消费失败，发送到 retry 消费队列中 (3) 按消费端 group 分组死信队列，如果消费端重试超过指定次数，发送死信队列 (4) 每个 ConsumeQueue 可以由多个文件组成无限队列被 MapedFileQueue commitLog 其实调用存储消费队列 mapedFileQueue.load()方法来加载的。 遍历出${user.home} \store\${commitlog}目录下所有 commitLog 文件，按文件名（文 件名就是文件的初始偏移量）升序排一下， 每个文件构建一个 MapedFile 对象, 在 MapedFileQueue 中用集合 list 把这些 MapedFile 文件组成一个逻辑上连续的队列

基于这个协议，您可以自由： • 复制、发行、展览、表演、放映、广播或通过信息网络传播本作品 • 创作演绎作品 惟须遵守下列条件： • 署名。您必须按照作者或者许可人指定的方式对作品进行署名(但是不得以任何方式暗示它们支持您 或者您作品的使用)。 • 非商业性使用。您不得将本作品用于商业目的。 • 相同方式共享。如果您改变、转换本作品或者以本作品为基础进行创作，您只能采用与本协议相同的 许可协议发布基于本作品的演绎作品。 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 4 目录 Lucid Lynx II.II 添加语言支持和更改默认语言 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 II.III 创建一个用户账户和快速切换用户 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 430 IX Ubuntu 帮助和支持 435 IX.I 简介 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Operator 的基本原理 3. MySQL Operator 设计实践 4. 小结 MySQL 容器化目标 • 快速部署 MySQL 主从集群 • 支持 MySQL 集群高可用 • 支持 MySQL 集群弹性伸缩 • 支持 MySQL 5.5 & 5.7 Master Slave1 Slave2 MySQL 集群：1 主 2 从 MySQL 容器化系统架构 REST CLI WorkQueue List/Watch - CRD - Pod Write Informer Worker ReadOnly • Informer：监听事件并触发回调函数的二级缓存工具包 • WorkQueue：事件合并、过滤、延时、限速 Operator CRD 里有什么 MySQL CRD • Spec：配置 & 期望状态 • Status：当前状态 MySQL 配置 创建 CRD 3. 集群管理 2. 调度 pod Ceph MySQL-Operator 集群管理 Master High Availability Ø 目前最常用的高可用实现 Ø 支持大多数 MySQL 版本 Ø 使用 mysql 半同步复制 Ø 有数据丢失风险 Mysql Group Replication Ø MySQL 官方提供 Ø 5.7 新特性 Ø 基于 Paxos

少碎片、支持大文件、能够进行索引压缩 少碎片、支持大文件、能够进行索引压缩 • 二进制层次的文件可以移植 二进制层次的文件可以移植 (Linux (Linux   Windows) Windows) • 访问速度飞快，是所有 访问速度飞快，是所有 MySQL MySQL 文件引擎中速度最快的 文件引擎中速度最快的 • 不支持一些数据库特性，比如 事务、外键约束等 不支持一些数据库特性，比如 Space Table Space 的方式来进行数据存储 的方式来进行数据存储 (ibdata1, ib_logfile0) (ibdata1, ib_logfile0) • 支持 事务、外键约束等数据库特性 支持 事务、外键约束等数据库特性 • Rows level lock , Rows level lock , 读写性能都非常优秀 读写性能都非常优秀 • 能够承载大数据量的存储和访问 选择字段的一般原则是保小不保大，能用占用字节 少的字段就不用大字段。比如，主键，强烈建议用 int 整型 . 不用 bigint ，为什么 ? 省空间啊。空间是什么 ? 空间就是效率！按 4 个字节和按 32 个字节定位一条记 录，谁快谁慢太明显了。涉及几个表做 join 时， 效果 就更明显了。更小的字段类型占用的内存就更少，占用 的磁盘空间和磁盘 I/O 也会更少，而且还会占用更少的 带宽。因此

自行设定相应的镜像即 可，有完善的周边服务 训练服务 • 提供基于 kubeflow 的分布式训练方案 – 界面化操作，用户提供代码地址和执行命令即可 – 系统内建支持安装 pip 依赖 – 自制存储插件支持分布式文件系统存储用户数据 – 支持官方镜像，不需要 JDOS 提前协助制作镜像 – 提供 tensorboard 作为训练监控实时查看训练状态 – 用户训练完成后释放 GPU 资源，提高 GPU 用户选择集群提供代码地址和执行命令即可 – 选择所用框架（镜像）：支持官方，亦可自制 （提供 dockerfile 生成镜像服务） – 选择存储来源：对接了内部的存储 – 填写代码地址，执行的命令等 – 可以选择是否监控训练，提供 tensorboard 任务列表 可以指定 git 的 commit-id 发起任务 任务详情 可以查看具体的容器列表，以及查看容器的日志和事件 Serving 服务 提供统一便捷的

...................................................................................... 16 7.1 单机支持 1 万以上持丽化队列 ....................................................................................... 息兇投递，如果消息完全在一个内存队列中，那举在投递前可以挄照优兇级排序，令优兇级高的兇投递。 由亍 RocketMQ 所有消息都是持丽化的，所以如果挄照优兇级来排序，开销会非常大，因此 RocketMQ 没有特 意支持消息优兇级，但是可以通过发通的方式实现类似功能，即单独配置一个优兇级高的队列，和一个普通优兇级 的队列， 将丌同优兇级収送到丌同队列即可。 对亍优兇级问题，可以归纳为 2 类 1) 只要 的负担，实现相对复杂。 (1). 淘宝 Notify 支持多种过滤方式，包含直接挄照消息类型过滤，灵活的诧法表达式过滤，几乎可以满足 最苛刻的过滤需求。 (2). 淘宝 RocketMQ 支持挄照简单的 Message Tag 过滤，也支持挄照 Message Header、body 迕行过滤。 (3). CORBA Notification 规范中也支持灵活的诧法表达式过滤。  Consumer