Skywalking(v8.5.0)优化系列汇总
章节规划如下：
1. Agent的能力|设计|优化
我们需要观测什么
SkyWalking Agent 能观测什么
如何采集可观测性数据
揭开 Java Agent 的面纱
SkyWalking Agent 的设计及使用优化
参考文末附录：【当月亮守护地球 | SkyWalking Agent守护你的应用...有它相伴才安逸】
2. Agent插件篇
3. 负载均衡篇
4. 服务集群篇
5.
人工智能
ScheduledThreadPoolExecutor（定时任务线程池）
对于线程池，从全局视角来看，有两个基本点：
线程的数量
阻塞队列
ScheduledThreadPoolExecutor的线程数量：
如果corePoolSize大于0，那么线程数量最终就是corePoolSize，都是核心线程，没有非核心线程，maximumPoolSize形同虚设。
如果corePoolSize等于0，只会创建1个非核心线程。
ScheduledThreadPoolExec
clickhouse-HDFS
参考文档
前言
在hdfs格式ck能解析的情况下，比如CSV,TSV等，可以在ck中建立一个映射表。读取hdfs中的数据，使用ck来分析。需要注意的是如果uri路径中包括了Globs模糊匹配符号，那么说明ck只是映射hdfs中的文件，是只读的。如果写入会
Sending build context to Docker daemon 数据很大
正在部署一个docker软件
进行docker build的时候发现文件非常大
Sending build context to Docker daemon xxGB
心中出现疑虑为何会这么大，是不是把自己有个文件夹几个T的数据也传过去了。查了一下果然
Docker client会发送Dockerfile同级目录下的所有文件到Dockerdaemon。
解决的方式：
在一个新的文件夹中进行
Apache Flink——DataStream API 执行环境
前言
Flink 有非常灵活的分层 API 设计，其中的核心层就是 DataStream/DataSet API。由于新版本已经实现了流批一体，DataSet API 将被弃用，官方推荐统一使用 DataStream API 处理流数据和批数据。
DataStream（数据流）本身是 Flink 中一个用来表示数据集合的类（Class），我们编写的Flink 代码其实就是基于这种数据类型的处理，所
图神经网络：GAT图注意力网络原理和源码解读（tensorflow）
标签：图神经网络，图注意力网络，注意力机制，GAT，tensorflow
本文内容分为三块：
GAT原理扫盲
GAT源码阅读（tensorflow）
GAT源码链路分析
GAT的GraphSAGE策略实现分析
原理初步理解
（1）从GNN，GCN到GAT
先看个哔哩哔哩视频理解一下，链接地址GAT原理视频链接
GNN学习的是邻居节点聚合到中心的方式，传统的GNN对于邻居节点采用求和/求平均的
1分钟极速生成简历表单，AI与Flash Table实战让你领先一步
前言过去，开发和业务人员在制作复杂表单时，常常遇到流程繁琐、效率低下等问题。传统开发方式不仅耗时，还容易出现数据整合和交互设计的难题。现在有一个热门了低代码平台Flash Table，它简化了表单开发流程，让用户可以更快地创建和管理复杂表单，提高了整体效率。现在，开发者处理数据和交互问题变得更加轻松
