Linux_116_raid级别
raid 技术分为多个级别，不同的级别，由于技术角度的考虑，还有公司运营成本的考虑，不同的企业选择不同版本的raid技术
raid 0
数据依次写入到物理硬盘，在理想状态下，写入速度是翻倍的
特点：
但凡任意坏了一块硬盘，数据都将被破坏。数据写入到2块硬盘中，没有备份的功能
读写效率更高，但是数据没有安全性保障
适用于追求极致性能的场景，而不关注于数据安全性的场景
由于raid0的特性
人工智能
【kafka】kafka 在线增加分区副本数
创建 increase-replication-factor.json 文件
$ cat increase-replication-factor.json
{"version":1, "partitions":[
{"topic":"testTopic","partition":0,"replicas":[0,1,2]},
{"topic":"testTopic","partition":1
AI 驱动游戏：鸿蒙生态的机会在哪里？
子玥酱
（掘金 / 知乎 / CSDN / 简书 同名）
大家好，我是 子玥酱，一名长期深耕在一线的前端程序媛 👩💻。曾就职于多家知名互联网大厂，目前在某国企负责前端软件研发相关工作，主要聚焦于业务型系统的工程化建设与长期维护。我持续输出和沉淀前端
SpringBoot集成DeepSeek实现AI对话详细教程
1. 环境说明JDK17以上，SpringBoot3 以上版本
2. 引入依赖 <dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-openai-spring-boot-starter</artifa
方差分析、T检验、卡方分析如何区分？
差异研究的目的在于比较两组数据或多组数据之间的差异，通常包括以下几类分析方法，分别是方差分析、T检验和卡方检验。
三个方法的区别
其实核心的区别在于：数据类型不一样。如果是定类和定类，此时应该使用卡方分析；如果是定类和定量，此时应该使用方差或者T检验。
方差和T检验的区别在于，对于T检验的X来讲，其只能为2个类别比如男和女。如果X为3个类别
GpuGeek全栈AI开发实战：从零构建企业级大模型生产管线（附完整案例）
目录
背景
一、算力困境：AI开发者的「三重诅咒」
1.1 硬件成本黑洞
1.2 资源调度失衡
1.3 环境部署陷阱
二、三大核心技术突破
GpuGeek的破局方案
2.1 分时切片调度引擎（Time-Slicing Scheduler）
2.2 异构计算融合架构
2.3 AI资产自动化管理
三、六大核心
金仓数据库 V9 体验测评：AI 时代国产数据库 “融合” 架构的真实观察
【非广告声明】本文源于作者针对金仓数据库V9所做的真实部署考察和技术分析，并无商业合作背景，未曾得到品牌方的推广委托或者费用赞助，其写作重点在于分享国产数据库在“融合架构”“ AI助力”“平滑迁移”等重要场景中的实际应用感受，包含技术要点，解决落地难点的效果以及行业契合情况，仅仅给那些关心国产数据库选型࿰
AI 应用开发工程师（Agent方向）：打造未来的智能体架构！
文章目录
前言
一、什么是 AI Agent？为什么它如此重要？
二、AI Agent 开发工程师到底做什么？
三、AI Agent 开发工程师需要掌握哪些技能？
四、实战项目推荐（附 GitHub 项目）
五、如何入行 AI Agent 开发？
总结
前言在 AI 领域，A
大数据：HDFS知识体系（知其然，知其所以然）
前言
HDFS是Hadoop体系的基础，不知道各位怎么对待HDFS。反正我更多的关注一些应用层的东西，对于HDFS多有忽视。
但是每次面试的时候都要重新去背面经，我觉得这样的情况不太正常，因此耗时两天半整理了HDFS的知识体系，力求知其然也要知其所以然。
文章中有不少个人思考，希望能让各位更好的理解HDFS.
一、HDFS特性
高容错性：HDFS认为硬件总是不可靠的。
高吞吐量：HDFS为大量
Apache Flink——处理函数
前言
在更底层，可以不定义任何具体的算子（比如 map，filter，或者 window），而只是提炼出一个统一的“处理”（process）操作——它是所有转换算子的一个概括性的表达，可以自定义处理逻辑，所以这一层接口就被叫作“处理函数”（process function）。
在处理函数中，我们直面的就是数据流中最基本的元素：数据事件（event）、状态（state）以及时间（tim
