利器解读!Linux 内核调测中最最让开发者头疼的 bug 有解了|龙蜥技术
通过在Anolis 5.10 内核中增强 kfence 的功能,实现了一个线上的、精准的、可定制的内存调试解决方案。
系列解读 SMC-R (二):融合 TCP 与 RDMA 的 SMC-R 通信 | 龙蜥技术
本篇以 first contact (通信两端建立首个连接) 场景为例,介绍 SMC-R 通信流程。
丝般顺滑!全新垃圾回收器 ZGC 初体验 | 龙蜥技术
Java 语言的垃圾回收机制(即 GC )是提高 Java 代码开发效率的利器,然而 GC 引发的暂停往往严重影响 Java 业务的响应时间。 本系列共计 3 篇文章,本篇将介绍 GC 的基本概念和 ZGC 的规模化实践,第二篇将介绍 ZGC 的原理和调优,第三篇将介绍 Dragonwell 对于 ZGC 的生产就绪改造。
线程池:故障梳理总结
本文从故障与技术双重视角,总结线程池满导致服务不可用的典型场景与根因,涵盖数据库慢查询、连接池配置不当、超时设置缺失等问题,结合真实案例剖析并提出fast-fail、流控、背压等防护策略,助力开发者提升系统稳定性。
干货推荐:OOM 杀进程 or 应用卡顿?该如何抉择
推出了 FastOOM 功能,支持节点以及 Pod 级别的用户态 OOM 配置,通过提前介入杀进程的方式避 Near-OOM 导致的抖动夯机。
简单配置RHEL9.X
本文介绍了切换系统默认运行级别的方法,包括临时和永久配置。通过调整运行级别,可将系统从图形界面切换至文本界面,优化资源占用或进行远程管理。同时,文章强调了制作系统快照的重要性,以确保在异常情况下快速恢复环境,并提供了创建与恢复快照的操作建议及策略。适用于服务器管理和虚拟化环境的风险控制场景。
Java 内存管理与优化:掌控堆与栈,雕琢高效代码
Java内存管理与优化是提升程序性能的关键。掌握堆与栈的运作机制,学习如何有效管理内存资源,雕琢出更加高效的代码,是每个Java开发者必备的技能。
如何确保 JNDI 配置的正确性
JNDI(Java Naming and Directory Interface)配置的正确性对于应用程序的稳定运行至关重要。确保 JNDI 配置正确的方法包括:仔细检查配置文件中的语法和路径,使用测试环境进行验证,以及启用日志记录以捕获潜在错误。
深度学习之路径优化与车辆调度
基于深度学习的路径优化与车辆调度技术在交通管理、物流配送、公共交通、共享出行等领域具有重要应用价值。这些技术利用深度学习模型处理复杂的交通数据、实时信息以及用户需求,旨在提高运输效率、降低成本、减少拥堵并提升服务质量。
Java“语句不可达”解决
在Java编程中,“语句不可达”是一种编译器警告或错误,通常发生在代码中存在永远无法执行的语句时。这多是由于条件判断逻辑错误或冗余代码导致。解决方法包括:检查循环和条件语句的边界值、优化逻辑流程、移除未使用的代码分支,确保所有路径都能达到预期的目标状态。合理运用这些技巧可以提升代码质量和可读性。
深度学习之自动化农场管理
基于深度学习的自动化农场管理利用深度学习技术,通过对农场中的多种数据进行实时监控、分析与决策,提升农业生产的智能化水平,最终实现自动化管理。该技术涵盖作物生长监测、灌溉系统管理、病虫害检测、收割计划以及资源优化等方面,有助于提高生产效率、减少资源浪费,并增强对环境的可持续性管理。
龙蜥操作系统
龙蜥社区(OpenAnolis)是面向国际的 Linux 服务器操作系统开源根社区及创新平台,秉承“平等、开放、协作、创新”的原则,理事会由阿里云、统信软件、龙芯、Arm 、Intel 等 24 家国内外头部企业共同组成,有超过 1000 家来自芯片厂商、软件厂商、整机厂商、操作系统厂商等覆盖操作系统全产业链的合作伙伴参与生态共建。