高校学生在家实践ECS弹性云服务器

本文涉及的产品
云服务器 ECS,每月免费额度200元 3个月
云服务器ECS,u1 2核4GB 1个月
简介: 简单谈谈我这几周使用ECS弹性云服务器的体验感

本人来自深圳大学,就读的是计算机科学与技术专业,目前是大三,在大二暑假的时候,不满足于在csdn上写博客,想要搭建一个属于自己的博客,于是就想着去租一个服务器来使用,正巧听同学介绍,学生可以在阿里云上免费领取阿里云服务器,于是就过来参与这个“飞天加速计划-高校学生在家实践”活动了
我在学校里也多次使用过学校的服务器,所以对于服务器的时候也算是轻车熟路,在配置好了阿里云服务器之后,就打算用来建立网站了,我是使用的宝塔平台来管理我的服务器的,在这个平台上可以很轻松的管理端口,配置mysql,配置FTP,网站站点等常用的服务器配置。
建站我是用的wordpress平台进行建站的,后端是用php写的,前端就是普通的js,html,css三件套,初始的网站页面我觉得还是不错的
展望未来,通过“高校学生在家实践”,我得到了很多的收获,我学习了如何去建立一个互联网网站,如何利用服务器配置前后端,以及学会了很多linux的命令,我希望在未来,可以搭建一个具有很高访问量的个人博客,就像廖雪峰一样。

相关实践学习
一小时快速掌握 SQL 语法
本实验带您学习SQL的基础语法,快速入门SQL。
7天玩转云服务器
云服务器ECS(Elastic Compute Service)是一种弹性可伸缩的计算服务,可降低 IT 成本,提升运维效率。本课程手把手带你了解ECS、掌握基本操作、动手实操快照管理、镜像管理等。了解产品详情: https://www.aliyun.com/product/ecs
相关文章
|
4天前
|
弹性计算 前端开发 JavaScript
高校学生在家实践ECS弹性云服务器
简单谈谈我这几周使用ECS弹性云服务器的体验感
|
1月前
|
弹性计算
阿里云ECS使用体验
在申请高校学生免费体验阿里云ECS云服务器后的一些使用体验和感受。
|
2月前
|
人工智能 搜索推荐 测试技术
模拟试错(STE)法让7B大模型测试超GPT-4
【2月更文挑战第24天】模拟试错(STE)法让7B大模型测试超GPT-4
42 1
模拟试错(STE)法让7B大模型测试超GPT-4
|
Arthas 监控 Cloud Native
用 Arthas 神器来诊断 HBase 异常进程
HBase 集群的某一个 RegionServer 的 CPU 使用率突然飙升到百分之百,单独重启该 RegionServer 之后,CPU 的负载依旧会逐渐攀上顶峰。多次重启集群之后,CPU 满载的现象依然会复现,且会持续居高不下,慢慢地该 RegionServer 就会宕掉,慢慢地 HBase 集群就完犊子了。
用 Arthas 神器来诊断 HBase 异常进程
|
弹性计算 运维 监控
学生免费云服务器ECS——阿里云“飞天加速计划”使用体验(windows)
第一次接触云服务器,发现云服务器是一种很强大的弹性可伸缩的云计算服务,可以帮助我们降低IT成本,提升运维效率。云服务器控制面板整合了对于云服务器的常用管理功能,通过云服务器控制面板可以看到云服务器的配置信息,而且可以对云服务器执行重启、关闭、启动、重置、更改密码、远程连接、更换操作系统等操作。而且还可以随时查看当天云服务器的监控信息。
学生免费云服务器ECS——阿里云“飞天加速计划”使用体验(windows)
|
2月前
|
存储 编解码 API
【视频花屏问题】解码天书:深入理解视频流花屏现象及其解决方案
【视频花屏问题】解码天书:深入理解视频流花屏现象及其解决方案
106 5
|
6月前
|
前端开发 Java 关系型数据库
基于springboot的学生宿舍管理系统。Javaee项目,springboot项目。
基于springboot的学生宿舍管理系统。Javaee项目,springboot项目。
|
弹性计算 运维 安全
阿里云ecs使用体验
整了台服务器部署项目上线
阿里云ecs使用体验
|
9天前
|
弹性计算
阿里云ECS的使用心得
本文主要讲述了我是如何了解到ECS,使用ECS的一些经验,以及自己的感悟心得
|
15天前
|
机器学习/深度学习 人工智能 自然语言处理
革命新架构掀翻Transformer!无限上下文处理,2万亿token碾压Llama 2
【4月更文挑战第28天】清华大学研究团队提出了Megalodon,一种针对长序列数据优化的Transformer模型。为解决Transformer的计算复杂度和上下文限制,Megalodon采用了CEMA改进注意力机制,降低计算量和内存需求;引入时间步长归一化层增强稳定性;使用归一化注意力机制提升注意力分配;并借助预归一化与双跳残差配置加速模型收敛。在与Llama 2的对比实验中,Megalodon在70亿参数和2万亿训练token规模下展现出更优性能。论文链接:https://arxiv.org/abs/2404.08801
27 2