Runjavago
Runjavago

CISSP学习笔记：灾难恢复计划

第十八章 灾难恢复计划

18.1 灾难的本质

  • 灾难恢复计划围绕组织正常运营被终端，为混乱的时间带来正常的工作秩序
  • 灾难恢复计划应该被配置为几乎是自动执行的

18.1.1 自然灾难

  • 地震：美国的大部分地区都出现至少属于中级的地震事件
  • 洪水：
  • 暴风雨：
  • 火灾：
  • 其他的地区性事件： 世界上某些地区具有地区性的自然灾害

18.1.2 人为灾难

  • 火灾：
  • 恐怖行为：恐怖行为不可预测，为DRP团队带来的特殊挑战
  • 爆炸/煤气泄漏：
  • 电力中断：最基本的灾难恢复计划也包括了对短时间电力中断威胁的应对方法，关键业务使用ups

18.1.3 其他公共设施和基础设施故障

  1. 硬件/软件故障
    • 硬件组件可能受到磨损且无法继续运行或受到物理损坏
    • 由于财务上的限制，维持全冗余系统并非总能实现
  2. 罢工/示威抗议
    • 人为灾难形式可能是罢工或其他劳工危机
  3. 盗窃/故意破坏
    • 业务连续性计划和灾难恢复计划应当包括充分的预防性措施，以控制这些事件的发生频率

18.2 理解系统恢复和容错能力

  • 增加系统应变能力和容错能力的技术控制会直接影响到可用性，系统恢复和容错能力的主要目的是销毁单点故障
  • 单点故障可以发生在任何组件上，能够导致整个系统崩溃
  • 容错能力时指系统在发生故障的情况下仍然继续运行的能力
  • 系统恢复能力指的是系统在发生不利时间时保持可接受的服务水平的能力

18.2.1 保护磁盘驱动

  • 添加容错和系统恢复组件的常见方法是增加冗余磁盘矩阵（RAID）
  • 常见RAID配置：
    • RAID-0：称为条带，使用两个或两个以上的磁盘，提高磁盘系统性能
    • RAID-1：称为镜像，使用两个磁盘，并含有相同的数据信息，实现高可用
    • RAID-5：称为奇偶校验，使用三个或更多磁盘，坏1个速度会变慢
    • RAID-10：条带镜像，至少使用4个磁盘，提高可用性和性能

18.2.2 保护服务器

  • 故障转移集群包含两个或两个以上的服务器，一台服务器出现故障，其他服务器通过称为故障转移的自动化过程接管负载

18.2.3 保护电源

  • 不间断供电电源（UPS）、发电机或他们两者提供容错能力，UPS提供5-到30分钟供电，发电机提供长时供电

18.2.4 受信恢复

  • 受信恢复保证系统在发生故障或崩溃后，能够还原到之前的状态，还原分为自动还原和管理员手动干预
  • 系统可以被预制，在损坏时能够处于故障防护状态或应急开放状态
  • 四种类型的受信恢复：
    • 手动式恢复
    • 自动式恢复
    • 无过度损失的自动式恢复： 系统能够自动执行恢复过程，包括对数据以及其他对象的恢复
    • 功能恢复：支持功能恢复的系统能够偶自动恢复某些特定功能

18.2.5 服务质量

  • QOS（服务质量）控制能够保护负载下的数据网络的完整性：
  • QOS因素：
    • 宽带
    • 延迟时间
    • 抖动
    • 数据包丢失
    • 干扰

18.3 恢复策略

  • 灾难恢复计划应该能够几乎全自动起到作用并开始为恢复操作提供支持
  • 除了提高响应能力外，保险也能够减少经济损失
  • 有效行政保险责任范围为记名的、打印的或书面的文档与手稿

18.3.1 确定业务单元的优先顺序

  • 优先级别最高的业务最先被恢复

18.3.2 危机管理

  • 危机管理是一门科学和技术，如果培训预算支出允许，进行危机培训是个好办法

18.3.3 应急通道

  • 灾难来袭，组织能够内部与外部之间通讯是很重要的

18.3.4 工作组恢复

  • 灾难恢复计划目标是让工作组恢复到正常状态并且重新开始日常工作
  • 为了推动这项工作，为不同的工作组开发独立的恢复设施是最好的办法

18.3.5 可替代的工作站点

  • 灾难恢复计划中重要要素之一就是，主要的工作站点无法使用时选择考研替代的工作站点
    • 冷战点：足够大的地方处理组织运营工作，适当的电子环境支持，没有预先安装计算机设施，也没有通信宽带链接，成本相对便宜
    • 热站点：建筑布局中具有固定的被维护的固定工作设施，并且富有完备的服务器、工作站和通信链接设备，，服务器和工作站都是预先配置好的，装置了适当的操作系统和应用软件，服务器数据是最新的
    • 温站点：介于热站点和冷战点之间，包含设备和数据线路，不包含客户的备份数据，重新激活站点至少需要12个小时
    • 移动站点：设备起源的拖车或其他容易重新安置的单元组成，为了维持安全计算机环境所需的所有环境系统
    • 服务局：租借计算机时间的公司，购买部分处理能力，发生故障时，能够为IT需求提供支持，
    • 云计算：在云站点被激活之前能够避免大部分的操作成本

18.3.6 相互援助协议

  • 在灾难发生时通过共享计算机设施或其他资源彼此相互援助
  • MAA协议缺点：
    • 很难强制实施
    • 可能受同样的威胁
    • 机密性

18.3.7 数据库恢复

  • 灾难恢复计划汇总包括数据恢复技术是很重要的
  • 数据库恢复的主要技术手段
    • 电子链接：数据库备份通过批量传送的方式被转移到远处的某个场所，需要测试备份解决方法
    • 远程日志处理：更加迅速的方式完成数据的传输，以批量的方式进行，但是发生的更频繁，
    • 远程镜像：最先进的数据库备份解决方法，费用也是最贵的，实时数据库服务器在备份站点进行维护

18.4 恢复计划开发

18.4.1 紧急事件响应

  • 重要人员在是被灾难或灾难即将来临应立即遵守、简单但内容全面的指令

18.4.2 人员通知

  • 维护一份人员列表，以便在发生灾难时进行联络

18.4.3 评估

  • 灾难恢复团队到达现场的收到任务就是评估现状

18.4.4 备份和离站存储

完整备份：存储着受保护设备上包含的数据的完整副本，每个文件的归档比特都会被重置、关闭或设置为0

增量备份：只存储哪些自从最近一次完整备份依赖被修改过的所有文件，增量备份只复制归档比特被打开、启用和设施为1的文件，一旦备份完成，重置、关闭或设置为0

差异备份：存储哪些自从最近一次完整备份依赖被修改过的所有文件，差异备份只复制归档比特被打开、启用或设置为1的文件

  1. 备份介质格式
    • 数字数据存储（DDS）/数字音频磁带（DAT）
    • 数字线性磁带（DLT）和超强DLT
    • 线性磁带开放式技术（LTO）
  2. 磁带到磁带（D2D）备份
    • 采用完整的磁带到磁盘备份方法的组织，必须确保地理多样性
  3. 最佳备份做法
    • 数据备份量会随着时间的推移而增加
    • 使用定期备份的情况下，总有可能存在备份依赖的数据丢失
    • 最后需要测试组织的恢复流程
  4. 磁带轮换
    • 磁带轮换策略:（GFS测试、汉罗塔测试、六磁带每周备份），商用备份软件、全自动分层存储管理系统实现自动备份策略

18.4.5 软件托管协议

  • 软件托管协议，对公司起到保护作用，避免公司受软件开发商的代码故障影响，防止出现由软件开发商破产而造成产品失去技术支持的情况

18.4.6 外部通信

  • 灾难恢复期间，与组织外部不同的实体进行通信很有必要

18.4.7 公用设施

  • 灾难恢复计划中应该包括解决这些服务在灾难发生过程中出现问题的关联信息和措施

18.4.8 物流和供应

  • 灾难恢复操作中有关物流的问题是值得注意

18.4.9 恢复与还原的比较

  • 抢救团队必须确保新的IT基础设施的可靠性
  • 在结束所有灾难恢复工作之后，就需要在原有场所执行还原操作，并且终止灾难恢复约定下的任何处理场所操作

18.5 培训、意识与文档记录

  • 灾难恢复计划应该进行完整的文档记录
  • DRP应当被视为极其敏感的文档，并且只有分类和需知的基础提供给个人

18.6 测试与维护

  • 每一种灾难恢复计划都必须顶起进行测试，以确保计划的条款是可行的并且符合组织变化的需要

18.6.1 通读测试

  • 通读测试是最简单的也是最重要的测试，只需灾难恢复团队分发灾难恢复清单的副本

18.6.2 结构化演练

  • 灾难恢复团队成员聚集在一间大会议室，不同的人在灾难发生时扮演不同角色**（桌面演练）**

18.6.3 模拟测试

  • 模拟测试为灾难恢复团队成员呈现情景并要求他们产生适当的响应措施，这种测试可能涉及中断非关键的业务活动并使用某些操作人员

18.6.4 并行测试

  • 并行测试表示下一个层次的测试，将实际人员重新部署到替换的恢复场所和实现场所启用措施，唯一的差别在于主要设施的运营不会被中断，这个场所仍然处理组织的日常处理

18.6.5 完全中断测试

  • 完全中断测试与并行测试的操作方法类似，但是涉及关闭主场所的运营并将其转移到恢复场所

18.6.6 维护

  • 灾难恢复计划是灵活的文档，必须对灾难恢复计划修改以符合变化的需要，灾难恢复人员应当将组织的业务连续性计划借鉴为恢复工作的模板

你可能感兴趣的:(CISSP学习笔记,学习,笔记,网络)

  • 使用TVM编译部署DarkNet模型：YOLO-V2和YOLO-V3实战指南 周情津Raymond
    使用TVM编译部署DarkNet模型：YOLO-V2和YOLO-V3实战指南tvm-cnTVMDocumentationinChineseSimplified/TVM中文文档项目地址:https://gitcode.com/gh_mirrors/tv/tvm-cn前言在深度学习模型部署领域，TVM作为一个高效的深度学习编译器栈，能够将训练好的模型优化并部署到各种硬件平台上。本文将详细介绍如何使用T
  • Java小白入门200例56之鸡兔同笼问题 编程界小明哥 Java小白入门200例javajava小白入门实例
    作者简介作者名：编程界明世隐简介：CSDN博客专家，从事软件开发多年，精通Java、JavaScript，博主也是从零开始一步步把学习成长、深知学习和积累的重要性，喜欢跟广大ADC一起打野升级，欢迎您关注，期待与您一起学习、成长、起飞！引言很多Java初学者问我，新手明明很用心、很努力学习的Java知识，转头又忘记了，很让人犯愁，小白如何能够快速成长、成为大牛呢？其实要成为大神的技巧只有一个：“多
  • flask部署机器学习_如何开发端到端机器学习项目并使用Flask将其部署到Heroku cumichun6193 大数据python机器学习人工智能深度学习
    flask部署机器学习There'sonequestionIalwaysgetaskedregardingDataScience:关于数据科学，我经常被问到一个问题：WhatisthebestwaytomasterDataScience?Whatwillgetmehired?掌握数据科学的最佳方法是什么？什么会雇用我？Myanswerremainsconstant:Thereisnoalterna
  • 嵌入式学习之Linux入门篇笔记——8，Linux帮助手册讲解 玄奕子 嵌入式学习之Linux入门篇linux学习笔记ubuntu
    配套视频学习链接：http://【【北京迅为】嵌入式学习之Linux入门篇】https://www.bilibili.com/video/BV1M7411m7wT/?p=4&share_source=copy_web&vd_source=a0ef2c4953d33a9260910aaea45eaec81.Linux帮助手册使用man命令打开，使用手册一共有九页。（按Q退出帮助手册）1.可执行的程序
  • 韦东山嵌入式入门笔记之——应用开发基础篇（二）
    三、Makefile的使用1、为什么需要Makefile在编写程序后，如果仅改动了一个源文件（比如.h文件），那么不可能通过一系列的命令来重新编译所有的源文件，甚至有时改动的源文件比较多，出现最后忘记编译某些源文件的情况。而make工具可以解决上述问题，它会在有必要时重新编译所有受改动影响的源文件。而Makefile文件则告诉make怎样编译和连接成一个程序。Makefile带来的好处就是——“自
  • C语言学习——四则运算，关系运算，逻辑运算与位运算 许白掰 C语言学习学习c语言开发语言
    目录前言编辑一、四则运算1.四则运算的概念2.注意事项3.小结二、关系运算1.关系运算的概念三、逻辑运算1.逻辑运算的概念2.逻辑运算中的短路法则（1）对于&&运算（2）对于||运算3.取非运算（!）四、位运算1.位运算的概念2.深度剖析位运算（1）再论数据类型（2）所以位运算时需要明确知道的事（3）类型补充知识——char字符型3.小结五、总结前言——C语言中支持下面四种类型的运算一、四则运算1
  • SpringBoot电商项目实战：从零搭建百万级架构
    博主介绍：Java、Python、js全栈开发“多面手”，精通多种编程语言和技术，痴迷于人工智能领域。秉持着对技术的热爱与执着，持续探索创新，愿在此分享交流和学习，与大家共进步。DeepSeek-行业融合之万象视界(附实战案例详解100+)全栈开发环境搭建运行攻略：多语言一站式指南(环境搭建+运行+调试+发布+保姆级详解)感兴趣的可以先收藏起来，希望帮助更多的人SpringBoot电商项目实战：从
  • CCNA 网络基础知识最新PPT课程
    本文还有配套的精品资源，点击获取简介：CCNA课程涵盖了网络基础的各个方面，包含OSI模型、TCP/IP协议、路由协议、VLAN以及思科设备配置等内容。本套PPT资源旨在帮助学习者全面理解网络通信的运作，从OSI的七层模型到TCP/IP协议簇，再到路由协议的选择与配置，以及VLAN技术的实现与管理，学习者能够逐步掌握网络技术，为通过CCNA认证或解决实际网络问题打下坚实基础。1.OSI模型全面介绍
  • Java简易爬虫：抓取京东图书信息实战指南 黃昱儒
    本文还有配套的精品资源，点击获取简介：本项目展示如何使用Java语言创建一个网络爬虫来抓取京东网站的图书信息。介绍使用Maven作为构建工具，HTTP客户端库发送请求，以及Jsoup或类似库解析HTML内容。讲解如何处理JavaScript动态加载内容，绕过反爬机制，并讨论数据存储和用户界面设计的策略。1.Java网络爬虫项目概述网络爬虫是一种自动获取网页内容的程序，它按照一定的规则，自动抓取互联
  • ConvNeXT：面向 2020 年代的卷积神经网络
    摘要视觉识别的“咆哮二十年代”始于VisionTransformer（ViT）的引入，ViT很快取代了ConvNet，成为图像分类任务中的最新最强模型。然而，vanillaViT在应用于目标检测、语义分割等通用计算机视觉任务时面临困难。HierarchicalTransformer（如SwinTransformer）重新引入了若干ConvNet的先验知识，使Transformer成为实用的通用视觉
  • Spinnaker 4 SDK助力扩展多工业相机成像系统 51camera 工业相机机器视觉产品资料查询平台工业相机
    扩展多相机成像系统是系统集成商和机器制造商面临的一项技术挑战。网络拥堵、CPU过载、同步错误以及配置复杂性等问题常常会给成功构建包含大量GigE相机的系统造成诸多阻碍。最近，Teledyne通过交换机将40多台GigE相机连接到一台PC，成功运行了相机系统。即使在极限压力下，系统依然连续运行了数天，期间没有出现帧丢失或错误。这一成就得益于Spinnaker4SDK，它基于TeledyneGigE框
  • 人工智能赋能气象气候：从数据智能到预测创新的融合之路 慌ZHANG 人工智能人工智能
    个人主页：慌ZHANG-CSDN博客期待您的关注一、引言：气象气候与AI的“天然耦合”气象与气候系统是典型的复杂、多尺度、强非线性的自然系统，其建模、分析与预测依赖庞大观测数据和高性能计算资源。传统方法以数值天气预报（NWP）与物理建模为核心，虽然取得重要成就，但也面临计算代价大、精度不足、长期预测偏差大等瓶颈。与此同时，人工智能（AI），尤其是以深度学习为代表的机器学习方法，近年来在图像识别、自
  • 【机器学习|学习笔记】类别特征（Categorical Features）处理方法，附代码。 努力毕业的小土博^_^ 机器学习学习笔记机器学习学习笔记神经网络人工智能深度学习
    【机器学习|学习笔记】类别特征（CategoricalFeatures）处理方法，附代码。【机器学习|学习笔记】类别特征（CategoricalFeatures）处理方法，附代码。文章目录【机器学习|学习笔记】类别特征（CategoricalFeatures）处理方法，附代码。前言✅为什么要处理类别特征？原因1：大多数模型不能处理字符串原因2：避免“错误的顺序假设”原因3：方便模型泛化与特征交互✅
  • Python中使用Graphviz绘制决策树图解 黃昱儒
    本文还有配套的精品资源，点击获取简介：Graphviz是一款用于数据可视化和算法流程展示的图形绘制软件，特别适用于Python中绘制决策树和其他图形类型。本安装包包含Graphviz安装程序和配置指南，以及如何在Python中利用pydot库等第三方库进行图形绘制的详细步骤。通过配置环境变量和利用DOT语言，用户可以将决策树模型转换为可视化图形，加深对机器学习模型的理解和调试。1.Graphviz
  • 【深度学习|冰川制图9】GlacierNet2：一种面向高山冰川制图的混合多模型学习架构 努力毕业的小土博^_^ 优秀论文推荐深度学习学习架构
    【深度学习|冰川制图9】GlacierNet2：一种面向高山冰川制图的混合多模型学习架构【深度学习|冰川制图9】GlacierNet2：一种面向高山冰川制图的混合多模型学习架构文章目录【深度学习|冰川制图9】GlacierNet2：一种面向高山冰川制图的混合多模型学习架构结果与讨论3.1消融区制图欢迎铁子们点赞、关注、收藏！祝大家逢考必过！逢投必中！上岸上岸上岸！upupup大多数高校硕博生毕业要
  • Linux基础IO——文件系统与动静态库 栖林_ Linuxlinux运维服务器
    文章目录什么是文件系统磁盘的物理结构扇区中的块组软硬链接硬链接软连接动静态库生成静态库使用静态库生成动态库使用动态库什么是文件系统我们之前所说的文件读写都是通过进程对已经打开的文件进行操作，也就是对操作系统对文件所创建的结构体进行操作那么对于磁盘中没有打开的文件是如何进行管理的磁盘的物理结构这里我们主要讨论机械磁盘而非固态磁盘，因为机械磁盘的价格较低，而且学习之后也能更好的理解整个系统这是机械硬盘
  • 目标检测新纪元：DETR到Mamba实战解析 加油吧zkf 图像处理python分类人工智能目标检测
    【实战分享】目标检测的“后DEⱯ”时代：DETR/DINO/RT-DETR及新型骨干网络探索（含示例代码）目标检测从YOLO、FasterR-CNN到Transformer结构的DETR，再到DINO、RT-DETR，近两年出现了许多新趋势：更高效的端到端结构、更少的手工设计（比如不再需要NMS）、以及新型轻量化骨干网络（比如Mamba、ConvNeXt、ViT等）被引入检测任务中。作为从事目标检
  • 【集成学习】Bagging、Boosting、Stacking算法详解
    文章目录1.相关算法详解：2.算法详细解释：2.1Bagging：2.2Boosting：2.3Stacking：2.4K-foldMulti-levelStacking：集成学习（EnsembleLearning）是一种通过结合多个模型的预测结果来提高整体预测性能的技术。它通过将多个学习器的结果集成起来，使得最终的模型性能更强，具有更好的泛化能力。常见的集成学习框架包括：Bagging、Boos
  • 数字图像处理学习笔记 andwhataboutit? 学习笔记
    1-图像处理基础_哔哩哔哩_bilibili输出图像像素点需要将图象值要作类型转换，转成Int图像仿射变换线性变换+平移线性变换：1，变换前直线，变换后仍然直线2，直线比例不变3，直线到远点的距离不变仿射变换计算：常见变换：恒等变换：变换前后一致尺度变换：对尺寸作放大或缩小旋转变换：图像旋转但是尺寸不变平移：：位置移动尺寸不变偏移（垂直、水平）：垂直或者水平方向变化代码示例：importcv2im
  • OpenCV中DPM（Deformable Part Model）目标检测类cv::dpm::DPMDetector 村北头的码农 OpenCVopencv目标检测人工智能
    操作系统：ubuntu22.04OpenCV版本：OpenCV4.9IDE:VisualStudioCode编程语言：C++11算法描述OpenCV中用于基于可变形部件模型（DPM）的目标检测器，主要用于行人、人脸等目标的检测。它是一种传统的基于特征的目标检测方法，不依赖深度学习，而是使用HOG特征+部件模型来进行检测。示例代码#include#include#includeusingnamesp
  • 隐马尔可夫模型：语音识别系统的时序解码引擎 大千AI助手 人工智能Python#OTHER语音识别人工智能机器学习概率马尔科夫链HMM
    本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我，一起撕掉过度包装，学习真实的AI技术！1HMM与语音识别的理论基础隐马尔可夫模型（HMM）作为一种双重随机过程的统计模型，其核心在于描述一个包含隐含状态的马尔可夫链，以及这些状态生成可观测输出的概率分布。在语音识别领域，HMM的时序建模能力与语音信号的特性形成了完美契合：隐含状态：对应语音
  • Python 2.7.13安装与配置教程 金融先生-Frank
    本文还有配套的精品资源，点击获取简介：Python2.7.13是Python2.x系列的最后一个版本，虽然不再维护，但许多遗留系统仍在使用。本教程详细介绍了Python2.7.13在Windows系统上的安装流程，并提供了环境变量配置、安装验证以及如何开始使用Python的方法。同时强调了Python3.x的迁移重要性，并提供了学习资源和第三方库安装的指导。1.Python2.7.13重要性与现状
  • 深度学习前置知识全面解析：从机器学习到深度学习的进阶之路
    一、引言：人工智能时代的核心技术在当今这个数据爆炸的时代，人工智能(AI)已经成为推动社会进步的核心技术之一。作为AI领域最重要的分支，深度学习(DeepLearning)在计算机视觉、自然语言处理、语音识别等领域取得了突破性进展，彻底改变了我们与机器交互的方式。本教案将从机器学习的基础知识出发，系统性地介绍深度学习的核心概念、数学基础、网络架构和训练方法，为读者构建完整的知识体系框架。无论你是刚
  • Pytorch 之torch.nn初探 torch.nn.Module与线性--Linear layers 十有久诚 人工智能机器学习pytorch
    初探torch.nn.Module神经网络可以使用torch.nn包构建。它提供了几乎所有与神经网络相关的功能，例如：线性图层nn.Linear，nn.Bilinear卷积层nn.Conv1d，nn.Conv2d，nn.Conv3d，nn.ConvTranspose2d非线性nn.Sigmoid，nn.Tanh，nn.ReLU，nn.LeakyReLU池化层nn.MaxPool1d，nn.Aver
  • PyTorch实战：从零构建CNN模型，轻松搞定MNIST手写数字识别
    PyTorch实战：从零构建CNN模型，轻松搞定MNIST手写数字识别大家好！欢迎来到我的深度学习博客！对于每个踏入计算机视觉领域的人来说，MNIST手写数字识别就像是编程世界的“Hello,World!”。它足够简单，能够让我们快速上手；也足够完整，可以帮我们走通一个深度学习项目的全流程。之前我们可能用Keras体验过“搭积木”式的快乐，今天，我们将换一个同样强大且灵活的框架——PyTorch，
  • 手把手实现RPC框架--简易版Dubbo构造（四）服务端线程池处理请求 反射调用 ”PANDA JAVArpcdubbojava
    本节commit源码地址：11e4aca服务端实现--反射调用服务端如果收到请求就创建一个线程来处理调用，利用线程池创建线程，对多线程情况进行处理（Java线程池学习请戳：https://blog.csdn.net/suifeng3051/article/details/49443835）publicclassRpcServer{privatefinalExecutorServicethreadP
  • 重生学AI第十五集：学习非线性激活函数
    背景知识激活是什么意思？“激活”一词来源于生物学神经系统，在人的大脑中，存在着大量的神经元。每个神经元在接收到足够强的刺激时，会被激活，产生电信号并传递给其他神经元。这些电信号在神经网络中层层流动，最终形成了大脑对外界信息的反应。神经元就等同于人工神经网络中的基本计算单元，每一个网络层都包含着许多这样的神经元，激活函数就是为了能够判断输入是否达到“激活”标准，达到激活标准，则会影响后续计算，反之，
  • Pytorch：nn.Linear中是否自动应用softmax函数 浩瀚之水_csdn 深度学习目标检测#Pytorch框架pytorch人工智能python
    在本文中，我们将介绍Pytorch中的nn.Linear模块以及它是否自动应用softmax函数。nn.Linear是Pytorch中用于定义线性转换的模块，常用于神经网络的全连接层。一、什么是nn.Linearnn.Linear是PyTorch中的一个类，它是实现线性变换的模块。nn.Linear的主要作用是将输入张量和权重矩阵相乘，再添加偏置，生成输出张量。我们来看一个简单的示例，展示如何使用
  • 【字节跳动】数据挖掘面试题0006：SVM（支持向量机）详细原理 言析数智 数据挖掘常见面试题支持向量机数据挖掘算法SVM
    文章大纲SVM（支持向量机）原理：用最通俗的话讲清楚1.核心思想：找一条“最安全”的分界线2.数学背后的“人话”逻辑3.处理“分不开”的情况：核函数的魔法4.为什么SVM有时比神经网络“聪明”？`5.SVM的优缺点：适合什么场景？`6.一句话总结SVM7.SVM常见的面试知识点除了原理相关内容外**1.硬间隔SVM的数学表达****2.软间隔SVM的数学表达****3.拉格朗日对偶问题推导****
  • Java IO相关技术小结 William一直在路上 java
    JavaIO（输入/输出）相关技术一、JavaIO基础概念数据流方向输入流（InputStream/Reader）：从数据源（文件、网络、内存）读取数据到程序。输出流（OutputStream/Writer）：从程序写入数据到目标位置。数据类型字节流（ByteStream）：以字节为单位处理数据（InputStream/OutputStream），适用于二进制文件（图片、视频）。字符流（Chara
  • 算法 单链的创建与删除 换个号韩国红果果 c算法
    先创建结构体 struct student { int data; //int tag;//标记这是第几个 struct student *next; }; // addone 用于将一个数插入已从小到大排好序的链中 struct student *addone(struct student *h,int x){ if(h==NULL) //??????
  • 《大型网站系统与Java中间件实践》第2章读后感 白糖_ java中间件
           断断续续花了两天时间试读了《大型网站系统与Java中间件实践》的第2章，这章总述了从一个小型单机构建的网站发展到大型网站的演化过程---整个过程会遇到很多困难，但每一个屏障都会有解决方案，最终就是依靠这些个解决方案汇聚到一起组成了一个健壮稳定高效的大型系统。          看完整章内容，
  • zeus持久层spring事务单元测试 deng520159 javaDAOspringjdbc
    今天把zeus事务单元测试放出来,让大家指出他的毛病, 1.ZeusTransactionTest.java 单元测试   package com.dengliang.zeus.webdemo.test; import java.util.ArrayList; import java.util.List; import org.junit.Test; import
  • Rss 订阅 开发 周凡杨 htmlxml订阅rss规范
                    RSS是 Really Simple Syndication的缩写（对rss2.0而言，是这三个词的缩写，对rss1.0而言则是RDF Site Summary的缩写，1.0与2.0走的是两个体系）。   RSS
  • 分页查询实现 g21121 分页查询
    在查询列表时我们常常会用到分页，分页的好处就是减少数据交换，每次查询一定数量减少数据库压力等等。 按实现形式分前台分页和服务器分页： 前台分页就是一次查询出所有记录，在页面中用js进行虚拟分页，这种形式在数据量较小时优势比较明显，一次加载就不必再访问服务器了，但当数据量较大时会对页面造成压力，传输速度也会大幅下降。 服务器分页就是每次请求相同数量记录，按一定规则排序，每次取一定序号直接的数据
  • spring jms异步消息处理 510888780 jms
    spring JMS对于异步消息处理基本上只需配置下就能进行高效的处理。其核心就是消息侦听器容器，常用的类就是DefaultMessageListenerContainer。该容器可配置侦听器的并发数量，以及配合MessageListenerAdapter使用消息驱动POJO进行消息处理。且消息驱动POJO是放入TaskExecutor中进行处理，进一步提高性能，减少侦听器的阻塞。具体配置如下：
  • highCharts柱状图 布衣凌宇 hightCharts柱图
    第一步：导入 exporting.js,grid.js,highcharts.js;第二步：写controller   @Controller@RequestMapping(value="${adminPath}/statistick")public class StatistickController {  private UserServi
  • 我的spring学习笔记2-IoC（反向控制 依赖注入） aijuans springmvcSpring 教程spring3 教程Spring 入门
    IoC（反向控制 依赖注入）这是Spring提出来了，这也是Spring一大特色。这里我不用多说，我们看Spring教程就可以了解。当然我们不用Spring也可以用IoC，下面我将介绍不用Spring的IoC。 IoC不是框架，她是java的技术，如今大多数轻量级的容器都会用到IoC技术。这里我就用一个例子来说明： 如：程序中有 Mysql.calss 、Oracle.class 、SqlSe
  • TLS java简单实现 antlove javasslkeystoretlssecure
      1. SSLServer.java package ssl; import java.io.FileInputStream; import java.io.InputStream; import java.net.ServerSocket; import java.net.Socket; import java.security.KeyStore; import
  • Zip解压压缩文件 百合不是茶 Zip格式解压Zip流的使用文件解压
       ZIP文件的解压缩实质上就是从输入流中读取数据。Java.util.zip包提供了类ZipInputStream来读取ZIP文件,下面的代码段创建了一个输入流来读取ZIP格式的文件; ZipInputStream in = new ZipInputStream(new FileInputStream(zipFileName));     &n
  • underscore.js 学习（一） bijian1013 JavaScriptunderscore
            工作中需要用到underscore.js，发现这是一个包括了很多基本功能函数的js库，里面有很多实用的函数。而且它没有扩展 javascript的原生对象。主要涉及对Collection、Object、Array、Function的操作。       学
  • java jvm常用命令工具——jstatd命令(Java Statistics Monitoring Daemon) bijian1013 javajvmjstatd
    1.介绍         jstatd是一个基于RMI（Remove Method Invocation）的服务程序，它用于监控基于HotSpot的JVM中资源的创建及销毁，并且提供了一个远程接口允许远程的监控工具连接到本地的JVM执行命令。         jstatd是基于RMI的，所以在运行jstatd的服务
  • 【Spring框架三】Spring常用注解之Transactional bit1129 transactional
    Spring可以通过注解@Transactional来为业务逻辑层的方法(调用DAO完成持久化动作)添加事务能力，如下是@Transactional注解的定义：   /* * Copyright 2002-2010 the original author or authors. * * Licensed under the Apache License, Version
  • 我(程序员)的前进方向 bitray 程序员
    作为一个普通的程序员,我一直游走在java语言中,java也确实让我有了很多的体会.不过随着学习的深入,java语言的新技术产生的越来越多,从最初期的javase,我逐渐开始转变到ssh,ssi,这种主流的码农,.过了几天为了解决新问题,webservice的大旗也被我祭出来了,又过了些日子jms架构的activemq也开始必须学习了.再后来开始了一系列技术学习,osgi,restful.....
  • nginx lua开发经验总结 ronin47
    使用nginx lua已经两三个月了，项目接开发完毕了，这几天准备上线并且跟高德地图对接。回顾下来lua在项目中占得必中还是比较大的，跟PHP的占比差不多持平了，因此在开发中遇到一些问题备忘一下 1：content_by_lua中代码容量有限制，一般不要写太多代码，正常编写代码一般在100行左右（具体容量没有细心测哈哈，在4kb左右），如果超出了则重启nginx的时候会报 too long pa
  • java-66-用递归颠倒一个栈。例如输入栈{1,2,3,4,5}，1在栈顶。颠倒之后的栈为{5,4,3,2,1}，5处在栈顶 bylijinnan java
    import java.util.Stack; public class ReverseStackRecursive { /** * Q 66.颠倒栈。 * 题目：用递归颠倒一个栈。例如输入栈{1,2,3,4,5}，1在栈顶。 * 颠倒之后的栈为{5,4,3,2,1}，5处在栈顶。 *1. Pop the top element *2. Revers
  • 正确理解Linux内存占用过高的问题 cfyme linux
    Linux开机后，使用top命令查看，4G物理内存发现已使用的多大3.2G，占用率高达80%以上： Mem:   3889836k total,  3341868k used,   547968k free,   286044k buffers Swap:  6127608k total,&nb
  • [JWFD开源工作流]当前流程引擎设计的一个急需解决的问题 comsci 工作流
         当我们的流程引擎进入IRC阶段的时候，当循环反馈模型出现之后，每次循环都会导致一大堆节点内存数据残留在系统内存中，循环的次数越多，这些残留数据将导致系统内存溢出，并使得引擎崩溃。。。。。。       而解决办法就是利用汇编语言或者其它系统编程语言，在引擎运行时，把这些残留数据清除掉。
  • 自定义类的equals函数 dai_lm equals
    仅作笔记使用 public class VectorQueue { private final Vector<VectorItem> queue; private class VectorItem { private final Object item; private final int quantity; public VectorI
  • Linux下安装R语言 datageek R语言 linux
    命令如下：sudo gedit  /etc/apt/sources.list1、deb http://mirrors.ustc.edu.cn/CRAN/bin/linux/ubuntu/ precise/ 2、deb http://dk.archive.ubuntu.com/ubuntu hardy universesudo apt-key adv --keyserver ke
  • 如何修改mysql 并发数(连接数)最大值 dcj3sjt126com mysql
    MySQL的连接数最大值跟MySQL没关系，主要看系统和业务逻辑了   方法一：进入MYSQL安装目录 打开MYSQL配置文件 my.ini 或 my.cnf查找 max_connections=100 修改为 max_connections=1000 服务里重起MYSQL即可 　　方法二：MySQL的最大连接数默认是100客户端登录：mysql -uusername -ppass
  • 单一功能原则 dcj3sjt126com 面向对象的程序设计软件设计编程原则
    单一功能原则[ 编辑]     SOLID 原则 单一功能原则 开闭原则 Liskov代换原则 接口隔离原则 依赖反转原则 查   论   编 在面向对象编程领域中，单一功能原则（Single responsibility principle）规定每个类都应该有
  • POJO、VO和JavaBean区别和联系 fanmingxing VOPOJOjavabean
    POJO和JavaBean是我们常见的两个关键字，一般容易混淆，POJO全称是Plain Ordinary Java Object / Plain Old Java Object，中文可以翻译成：普通Java类，具有一部分getter/setter方法的那种类就可以称作POJO，但是JavaBean则比POJO复杂很多，JavaBean是一种组件技术，就好像你做了一个扳子，而这个扳子会在很多地方被
  • SpringSecurity3.X--LDAP：AD配置 hanqunfeng SpringSecurity
    前面介绍过基于本地数据库验证的方式，参考http://hanqunfeng.iteye.com/blog/1155226，这里说一下如何修改为使用AD进行身份验证【只对用户名和密码进行验证，权限依旧存储在本地数据库中】。   将配置文件中的如下部分删除： <!-- 认证管理器，使用自定义的UserDetailsService，并对密码采用md5加密-->
  • mac mysql 修改密码 IXHONG mysql
    $ sudo /usr/local/mysql/bin/mysqld_safe –user=root & //启动MySQL(也可以通过偏好设置面板来启动)$ sudo /usr/local/mysql/bin/mysqladmin -uroot password yourpassword //设置MySQL密码（注意，这是第一次MySQL密码为空的时候的设置命令，如果是修改密码，还需在-
  • 设计模式--抽象工厂模式 kerryg 设计模式
    抽象工厂模式：     工厂模式有一个问题就是，类的创建依赖于工厂类，也就是说，如果想要拓展程序，必须对工厂类进行修改，这违背了闭包原则。我们采用抽象工厂模式，创建多个工厂类，这样一旦需要增加新的功能，直接增加新的工厂类就可以了，不需要修改之前的代码。     总结：这个模式的好处就是，如果想增加一个功能，就需要做一个实现类，
  • 评"高中女生军训期跳楼” nannan408
       首先，先抛出我的观点，各位看官少点砖头。那就是，中国的差异化教育必须做起来。    孔圣人有云：有教无类。不同类型的人，都应该有对应的教育方法。目前中国的一体化教育，不知道已经扼杀了多少创造性人才。我们出不了爱迪生，出不了爱因斯坦，很大原因，是我们的培养思路错了，我们是第一要“顺从”。如果不顺从，我们的学校，就会用各种方法，罚站，罚写作业，各种罚。军
  • scala如何读取和写入文件内容？ qindongliang1922 javajvmscala
    直接看如下代码： package file import java.io.RandomAccessFile import java.nio.charset.Charset import scala.io.Source import scala.reflect.io.{File, Path} /** * Created by qindongliang on 2015/
  • C语言算法之百元买百鸡 qiufeihu c算法
    中国古代数学家张丘建在他的《算经》中提出了一个著名的“百钱买百鸡问题”，鸡翁一，值钱五，鸡母一，值钱三，鸡雏三，值钱一，百钱买百鸡，问翁，母，雏各几何？ 代码如下： #include <stdio.h> int main() { int cock,hen,chick; /*定义变量为基本整型*/ for(coc
  • Hadoop集群安全性：Hadoop中Namenode单点故障的解决方案及详细介绍AvatarNode wyz2009107220 NameNode
    正如大家所知，NameNode在Hadoop系统中存在单点故障问题，这个对于标榜高可用性的Hadoop来说一直是个软肋。本文讨论一下为了解决这个问题而存在的几个solution。 1. Secondary NameNode 原理：Secondary NN会定期的从NN中读取editlog，与自己存储的Image进行合并形成新的metadata image 优点：Hadoop较早的版本都自带，
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他