© 2017 VMware Inc. All rights reserved. 采用开源Harbor Registry实现高效安全的容 器镜像运维 姜坦 VMware中国研发中心资深研发工程师 Runtime Package Cluster 开场 1 镜像运维 2 开源企业级镜像仓库-Harbor 3 集成Harbor 4 总结 议程

具体文件 中包含的数量和/或数据类型是文件的容器格式限定的，具体选择那些流从输入文件到输出文件则可能 是自动或者依据 -map 选项（在流的选择章中介绍）来指定。 为了明确指定输入文件，你必须采用从0开始的数字索引法，即第1个输入文件由 0 索引，第2个则 是 1 。同样的，在一个文件中指定数据流也是通过同样规则的索引法，即 2:3 表示第3个输入文 件的第4个数据流。这些内容也可以参考流说明章节。 默认情况下， ffmpeg 把输入文件每种类型（视频、音频和字幕）仅仅采用一个流转换输出到输出文 件中，就是把最好效果的流进行输出：对于视频就是质量最高的流，对于音频就是包含最多声道的， 对于字幕则是第一个字幕轨道，如果有多个同型同率（同样类型，码率相同）则选用索引号最小的 流。 当然，你可以禁用默认设置，而采用 -vn/-an/-sn 选项进行专门的指定，如果要进行完全的手动控 制，则是以 或者 -codec: copy 表示所有的流都不进行再次 编码（包括视频和音频） 可能的流说明符有： stream_index :匹配流的索引，例如 -threads:1 4 表示对2号流采用4个线程处理 stream_type[:stream_index] : stream_type 有 v 表示视频， a 表示音频， s 表示字幕， d 表 示数据和 t 表示附加/附件等可能，如果

indd 2 16-11-22 下午3:38 Greenplum 精粹文集 3 大家都知道 Greenplum 的数据库引擎层是基于著名的开源数据库 Postgresql的（下面会分析为什么采用Postgresql，而不是mysql等等）， 但是 Postgresql 是单实例数据库，怎么能在多个 X86 服务器上运行多 个实例且实现并行计算呢？为了这，Interconnnect 大神器出现了。在 确实有些混乱。 Big Date2.indd 5 16-11-22 下午3:38 6 相信这些特点已经足够了，据说很多互联网公司采用 Mysql 来做 OLTP 的同时，却采用 Postgresql 来做内部的 OLAP 分析数据库，甚 至对新的 OLTP 系统也直接采用 Postgresql。 相比之下，Greenplum 更强悍，把 Postgresql 作为实例（该实例非 Oracle实例 Interconnect 的指挥协调下，数十个甚至数千个 Sub Postgresql 数 据库实例同时开展并行计算。而且，这些 Postgresql 之间采用 share- nothing 无共享架构，从而更将这种并行计算能力发挥到极致，除此之 外，MPP 采用两阶段提交和全局事务管理机制来保证集群上分布式事 务的一致性，Greenplum 像 Postgresql 一样满足关系型数据库的包括 ACID 在内的所有特征。

在线模型预估两个场景通用。 4.2 完善预估系统：性能、接口与周边设施 4.2.1 高效的模型预估过程 OP 和 Transformer 构建了框架处理特征的基本能力。实际开发中，为了实现高性 能的预估能力，我们采用了分片纯异步的线程结构，层层 Call Back，最大程度将线 程资源留给实际计算。因此，预估服务对机器的要求并不高。 为了描述清楚整个过程，这里需要明确特征的两种类型： ● ContextLevel 当然，肯定没有完美的框架和平台。Augur 和 Poker 还有很大的进步空间，也有一 些不可回避的问题。主要包括以下几个方面。 被迫“消失”的 Listwise 特征 前面说到，系统架构设计中没有“银弹”。在采用了无状态分布式的设计后，请求会 分片。所以 ListWise 类型的特征就必须在打分前算好，再通过接口传递给 Augur 使 用。在权衡性能和效果之后，算法同学放弃了这一类型的特征。 当然，不是说 特征工程 在搜索排序系统中，特征工程的输入特征维度高但稀疏性很强，而准确的交叉特征对 模型的效果又至关重要。所以寻找一种高效的特征提取方式就变得十分重要，我们借 鉴 AutoInt[3] 的方法，采用 Transformer Layer 进行特征的高阶组合。 模型结构 我们的模型结构参考 AutoInt[3] 结构，但在实践中，根据美团搜索的数据特点，我们 对模型结构做了一些调整，如下图 2

进一步降低了一般解耦头带来的额外延时开销。 ● 在训练策略上，我们采用 Anchor-free 无锚范式，同时辅以 SimOTA[2] 标签 分配策略以及 SIoU[9] 边界框回归损失来进一步提高检测精度。 2.1 Hardware-friendly 的骨干网络设计 YOLOv5/YOLOX 使用的 Backbone 和 Neck 都基于 CSPNet[5] 搭建，采用了多分 支的方式和残差结构。对于 GPU 编译框架的 帮助。 算法 < 5 实验表明，通过上述策略，YOLOv6 减少了在硬件上的延时，并显著提升了算法的 精度，让检测网络更快更强。以 nano 尺寸模型为例，对比 YOLOv5-nano 采用的 网络结构，本方法在速度上提升了 21%，同时精度提升 3.6% AP。 图 3 Rep 算子的融合过程 [4] EfficientRep Backbone：在 Backbone 设计方面，我们基于以上 时，保持较好的多尺度特征融合能力（Rep-PAN 结构图如下图 5 所示）。 算法 < 7 图 5 Rep-PAN 结构图 2.2 更简洁高效的 Decoupled Head 在 YOLOv6 中，我们采用了解耦检测头（Decoupled Head）结构，并对其进行了 精简设计。原始 YOLOv5 的检测头是通过分类和回归分支融合共享的方式来实现的， 而 YOLOX 的检测头则是将分类和回归分支进行解耦，同时新增了两个额外的

Web 应用 面向对象 OOA/OOD/OOP，Java、C# 面向组件 软件系统是由许多小的组件构建和装配起来的 采用标准规范开发 J2EE, MS.NET 全面采用框架技术 Struts、Spring、Hibernate、AJAX、 WebWork 软件系统采用分层结构和设计模式 MVC 工厂化流水线开发模式 CVS 可视化软件建模 UML、RUP、ROSE 大纲 软件开发现状 Web 应用 面向对象 OOA/OOD/OOP，Java、C# 面向组件 软件系统是由许多小的组件构建和装配起来的 采用标准规范开发 J2EE, MS.NET 全面采用框架技术 Struts、Spring、Hibernate、AJAX、 WebWork 软件系统采用分层结构和设计模式 MVC 工厂化流水线开发模式 CVS 可视化软件建模 UML、RUP、ROSE 大纲 软件开发现状 Web 应用 面向对象 OOA/OOD/OOP，Java、C# 面向组件 软件系统是由许多小的组件构建和装配起来的 采用标准规范开发 J2EE, MS.NET 全面采用框架技术 Struts、Spring、Hibernate、AJAX、 WebWork 软件系统采用分层结构和设计模式 MVC 工厂化流水线开发模式 CVS 可视化软件建模 UML、RUP、ROSE 大纲 软件开发现状

com/astaxie/beedb go get -u 参数可以自动更新包，而且当go get的时候会自动获取该包依赖的其他第三方包 通过这个命令可以获取相应的源码，对应的开源平台采用不同的源码控制工具，例如github采用git、googlecode采 用hg，所以要想获取这些源码，必须先安装相应的源码控制工具 通过上面获取的代码在我们本地的源码相应的代码结构如下 $GOPATH src var c complex64 = 5+5i //output: (5+5i) fmt.Printf("Value is: %v", c) 字符串 字符串 我们在上一节中讲过，Go中的字符串都是采用UTF-8字符集编码。字符串是用一对双引号（""）或反引号（` `）括 起来定义，它的类型是string。 //示例代码 var frenchHello string // 声明变量为字符串的一般方法 分配了一块内 存，然后存储了相应的值。 44 图2.1 Go数据格式的存储 一些技巧 一些技巧 分组声明 分组声明 在Go语言中，同时声明多个常量、变量，或者导入多个包时，可采用分组的方式进行声明。 例如下面的代码： import "fmt" import "os" const i = 100 const pi = 3.1415 const prefix = "Go_"

BCOS开源社区在技术创新、应用产业以及开源生态均取得了非凡成绩。 FISCO BCOS持续攻关核心关键技术，单链性能突破10万TPS。首创DMC算法大幅度提升性能、推出三 种架构形态灵活适配业务需求；全链路国产化，采用国密算法与软硬件体系，支持国产OS，适配国产芯 片和服务器，支持多语言多终端国密接入。拥有覆盖底层+中间件+应用组件的丰富周边组件。 底层平台可用性已经广泛应用实践检验，支撑政务、金融、医疗、双碳、跨境数据流通等关乎国计民生 处理更快、容量更高，使应用运行环境更安全、更稳定。 4 Chapter 1. FISCO BCOS 区块链 FISCO BCOS Documentation, 发布 v2.9.0 1.3 核心模块 FISCO BCOS采用高通量可扩展的多群组架构，可以动态管理多链、多群组，满足多业务场景的扩展需 求和隔离需求，核心模块包括： • 共识机制：可插拔的共识机制，支持PBFT、Raft和rPBFT共识算法，交易确认时延低、吞吐量 最大化并行执行区块 内的交易。 • 交易生命周期的异步并行处理：共识、同步、落盘等各个环节的异步化以及并行处理。 1.5 安全性 考虑到联盟链的高安全性需求，除了节点之间、节点与客户端之间通信采用TLS安全协议外，FISCO BCOS还实现了一整套安全解决方案： • 网络准入机制：限制节点加入、退出联盟链，可将指定群组的作恶节点从群组中删除，保障了系 统安全性。 • 黑白名单机制：每个群

BCOS开源社区在技术创新、应用产业以及开源生态均取得了非凡成绩。 FISCO BCOS持续攻关核心关键技术，单链性能突破10万TPS。首创DMC算法大幅度提升性能、推出三 种架构形态灵活适配业务需求；全链路国产化，采用国密算法与软硬件体系，支持国产OS，适配国产芯 片和服务器，支持多语言多终端国密接入。拥有覆盖底层+中间件+应用组件的丰富周边组件。 底层平台可用性已经广泛应用实践检验，支撑政务、金融、医疗、双碳、跨境数据流通等关乎国计民生 处理更快、容量更高，使应用运行环境更安全、更稳定。 4 Chapter 1. FISCO BCOS 区块链 FISCO BCOS Documentation, 发布 v2.9.0 1.3 核心模块 FISCO BCOS采用高通量可扩展的多群组架构，可以动态管理多链、多群组，满足多业务场景的扩展需 求和隔离需求，核心模块包括： • 共识机制：可插拔的共识机制，支持PBFT、Raft和rPBFT共识算法，交易确认时延低、吞吐量 最大化并行执行区块 内的交易。 • 交易生命周期的异步并行处理：共识、同步、落盘等各个环节的异步化以及并行处理。 1.5 安全性 考虑到联盟链的高安全性需求，除了节点之间、节点与客户端之间通信采用TLS安全协议外，FISCO BCOS还实现了一整套安全解决方案： • 网络准入机制：限制节点加入、退出联盟链，可将指定群组的作恶节点从群组中删除，保障了系 统安全性。 • 黑白名单机制：每个群