配置WAN口
智能接入网关设备优先使用主端口转发流量，如果主端口出现故障，则自动使用备端口转发流量。若多个WAN口间优先级不同，则智能接入网关设备可通过主端口和备端口组建高可用链路。若多个WAN口间优先级相同，则智能接入网关设备可通过WAN口的 ...
主备方案介绍
使用场景 主备双活：大数据量随机读响应有高要求（P999小于50ms）的实时在线业务，例如用户推荐，安全风控等。主备容灾：当云数据库HBase实例因不可预料的原因（例如设备故障、机房断电断网等）发生故障，容灾机制可用于保障数据的一致性和...
FAQs
全局流量管理（GTM）和负载均衡（SLB）有什么区别？答：首先 GTM 是通过DNS将域名解析到多个IP地址，不同用户访问不同的IP地址，来实现应用服务流量的分配。同时通过健康检查动态更新DNS解析IP列表，实现故障隔离以及故障切换。最终用户的...
上海博卡：借助云效+ACK实现3分钟快速发布
通过Pod的健康监测和就绪监测，再加上应用暴露一个健康监测接口（比如SpringBoot的Actuator的health）即可简单实现故障自动重启，在应用初期问题较多的时候，或者发生突发问题的时候，自动重启大多数都能立马缓解问题，虽然不能根本解决，...
常见问题
code=exited”错误 启动SSH服务时出现“error while loading shared libraries”错误 ECS网络问题 Windows实例ping外网地址提示“一般故障”Linux系统的ECS中没有禁ping却ping不通的解决方法 使用ping命令测试ECS实例时ping不通的排查方法 ...
构造测试数据
企业的真实数据经过脱敏后也可以应用于功能验证及演示，但是数据脱敏操作很复杂，脱敏过重会导致数据无法使用，脱敏过轻会出现数据泄露风险，最安全的方式就是构造测试数据。在构造测试数据前，您需要梳理清楚业务场景及对数据的特殊要求，...
支持计划
业务不可用分钟（包含专项应急小组会诊）一般问题小时一般咨询小时 7×24小时专属企业钉钉群快速响应，提供业务咨询、自动预警、故障处理等服务，并可由多位专家进行疑难应急会诊案例严重性的响应时间：业务不可用分钟（包含专项应急小组...
常见问题
本文为您介绍数据集成任务常见问题。资源组操作及网络连通 在做离线同步时，我们需要先了解哪些DataWorks及其网络能力？同步ECS自建的数据库的数据时，如何保障数据库与DataWorks的网络连通？数据库和DataWorks不在同一个地域（Region）下...
架构模块介绍
模块划分 SOFARPC 各个模块的实现类都只在自己模块中出现，一般不交叉依赖。需要交叉依赖的实现类已经全部抽象到 core 或者 common 模块中。模块划分如下：模块名 子模块名 中文名 说明 依赖 all-发布打包模块 需要打包的全部模块。all bom...
创建压测场景
各随机值出现的概率相等。高斯定时器：高斯定时器与统一随机定时器类似，同样用于设置停顿时长，可设置 延迟基准 和 可变跨度。若要求随机停顿时间符合正态分布，可使用高斯定时器。固定吞吐量定时器：固定吞吐量定时器用于控制吞吐量，使...
COPY
即使数据会被服务器直接从一个文件读取或者写入一个文件而不通过客户端，输入数据也会被根据 ENCODING 选项或者当前客户端编码解释，并且输出数据会被根据 ENCODING 或者当前客户端编码进行编码。COPY 会在第一个错误处停止操作。这在 COPY...
Rowkey设计
HBase的RowKey设计可以说是使用HBase最为重要的事情，直接影响到HBase的性能，常见的RowKey的设计问题及对应访问。RowKey的行由行键按字典顺序排序，这样的设计优化了扫描，允许存储相关的行或者那些将被一起读的邻近的行。然而，设计不好...
算法说明
场景说明 预测算法采用在线机器学习技术，对每个实体的每个指标进行预测，适用于一般性时序预测场景，包括：机器级别指标的预测，例如CPU使用率、内存利用率、硬盘读写速率等。业务指标的预测，例如QPS、流量、成功率、延时等。黄金指标的...
词法结构
SQL 输入由一个 命令 序列组成。一个命令由一个 记号 的序列构成，并由一个分号（;终结。输入流的末端也会标志一个命令的结束。具体哪些记号是合法的与具体命令的语法有关。简介 一个记号可以是一个 关键词、一个 标识符、一个 带引号的...
SET TRANSACTION
如果并发的可序列化事务间的读写模式可能导致一种那些事务串行（一次一个）执行时不可能出现的情况，其中之一将会被回滚并且得到一个 serialization_failure 错误。SQL 标准定义了一种额外的级别：READ UNCOMMITTED。在 PolarDB中 READ ...
数据探索函数
本示例中设置横向距离为10，以输入数据的第一个极大值点为参考，横向距离为10以内的极大值点会被忽略，因此设置distance参数后的极大值更稀疏，对这些极大值出现时刻的设备数据进行分析会更有价值。SELECT FIND_PEAKS('{"distance":10}',1,...
配置OSS输出组件
同时需要配置后缀格式，格式可选择生成序列后缀，如_0、_1、_2 等；也可选择生成UUID随机数后缀。文件数量为任务并发数。说明 当选择写入多个文件时，任务并发数配置为1时也会生成后缀。1 或 uuid 随机后缀。前缀冲突策略为保留原文件追加...
配置OSS输出组件
同时需要配置后缀格式，格式可选择生成序列后缀，如_0、_1、_2 等；也可选择生成UUID随机数后缀。文件数量为任务并发数。说明 当选择写入多个文件时，任务并发数配置为1时也会生成后缀。1 或 uuid 随机后缀。前缀冲突策略为保留原文件追加...
向量召回评估
重要 测试召回效果时，训练embedding用T时间数据时，真实序列使用T+1时间的，否则出现穿越，hitrate偏高。user_emb_table（user向量表）string（可选）user embedding表，只在u2i召回时需要提供。输出配置 total_hitrate（向量召回评估值）...
常见问题
IoT设备身份认证的常见问题和对应的方案。1.ID²有效期的问题：ID²的到期时间取决于首次调用ID²服务的时间+ID²授权的有效期，每台设备的ID²到期时间均不相同（如2022.04.01激活，1年有效期，2023.04.01过期）。ID²到期前您可以在 设置...
工作原理
该方式主要应用于在服务出现异常后及时的发现问题和定位问题。预测将来产生的时序数据，判断时序数据未来的走势。您可通过时序预测功能实现。该方式主要应用于对服务关键指标的异常走势进行提前预警。时序预测应用场景如下：预测服务关键...
配置Amazon S3输出组件
同时需要配置后缀格式，格式可选择生成序列后缀，如_0、_1、_2 等；也可选择生成UUID随机数后缀。文件数量为任务并发数。说明 当选择写入多个文件时，任务并发数配置为1时也会生成后缀。1 或 uuid 随机后缀。前缀冲突策略为保留原文件追加...
配置Amazon S3输出组件
同时需要配置后缀格式，格式可选择生成序列后缀，如_0、_1、_2 等；也可选择生成UUID随机数后缀。文件数量为任务并发数。说明 当选择写入多个文件时，任务并发数配置为1时也会生成后缀。1 或 uuid 随机后缀。前缀冲突策略为保留原文件追加...
故障管理
故障管理概述 故障管理是源于ITIL的一个概念，在IT企业或者互联网企业进行故障管理的目的是当生产环境出现重大宕机时尽快恢复正常的服务运营，将组件失败对业务所造成的负面影响降到最低，从而确保满足事先与业务客户之间所约定的服务级别...
基本概念
Validation Token Accuracy Validation Token Acc代表针对验证集学习的准确程度，曲线一般呈现上升趋势，训练过拟合后会呈现下降趋势，优秀的模型效果往往出现在Validation Token Acc的最大值节点，此时预测准确率最高，训练效果最好。...
概念解释
模型中心模块核心概念解释如下表所示：模块 概念 解释 训练数据 训练集 调优所用的数据集，格式一般为Prompt+Completion的文本数据，可通过Excel进行编辑和上传，最小训练数据条数为20，最大训练数据条数为10000，一条训练数据Prompt+...
API详情
例如，中文文本“你好，我是通义千问”会被转换成序列['你','好','，','我','是','通','义','千','问']，而英文文本"Nice to meet you."则会被转换成['Nice',' to',' meet',' you','.']；图片将被转换为固定长度的token序列。由于模型调用...
API详情
例如，中文文本“你好，我是通义千问”会被转换成序列['你','好','，','我','是','通','义','千','问']，而英文文本"Nice to meet you."则会被转换成['Nice',' to',' meet',' you','.']；图片将被转换为固定长度的token序列。由于模型调用...
2.3 门禁设备与手机蓝牙对接协议
广播间隔：两次广播事件之间的最小的时间间隔，一般取值范围在 20ms~10.24s 之间，链路层会在每次广播时间期间产生一个随机广播延时时间加在广播时间里，这样来避免多设备之间的数据碰撞。1.3.2 蓝牙连接参数 连接参数如下：参数 说明 通道...
附录：SOFAStack 产品目录
产品架构 产品优势 分布式跨应用追踪 追踪每个交易的完整链路，按不同服务（应用）接口建立调用时间序列，收集链路上每个服务的性能数据，按服务追踪交易性能问题。多维度链路查询 根据 Trace ID 按不同条件（错误、超时等）检索调用链，...
云安全中心反弹Shell多维检测技术详解
pty.spawn("/bin/bash")' 通过伪终端中转与通过管道等中转原理一样，但通过伪终端中转的检测难度大大提升，单从Shell的标准输入输出来看，和正常打开的终端没有什么区别。此外，一些场景如容器、各类产品Agent等也会有相似的日志记录，平衡...
API详情
例如，中文文本“你好，我是通义千问”会被转换成序列['你','好','，','我','是','通','义','千','问']，而英文文本"Nice to meet you."则会被转换成['Nice',' to',' meet',' you','.']；图片将被转换为固定长度的token序列。由于模型调用...
发送普通消息（三种方式）
由于在oneway方式发送消息时没有请求应答处理，如果出现消息发送失败，则会因为没有重试而导致数据丢失。若数据不可丢，建议选用可靠同步或可靠异步发送方式。producer.sendOneway(msg);}/在应用退出前，销毁Producer对象。注意：销毁...
API详情
例如，中文文本“你好，我是通义千问”会被转换成序列['你','好','，','我','是','通','义','千','问']，而英文文本"Nice to meet you."则会被转换成['Nice',' to',' meet',' you','.']；图片将按照图片尺寸、图片大小、分辨率不同会转换成...
模型配置
然后，系统分别根据 高潜验证人群、随机人群 在预测周期内的购买情况计算准确率、召回率，作为推荐是否成功的量化指标：准确率：高潜验证人群 或 随机人群 的命中记录数/预测记录数 召回率：高潜验证人群 或 随机人群 的命中记录数/实际...
GBDT二分类V2
梯度提升决策树(Gradient Boosting Decision Trees)二分类，是经典的基于梯度提升（Gradient Boosting）的有监督学习模型，可以用来解决二分类问题。支持计算资源 支持的计算引擎为MaxCompute。算法简介 梯度提升决策树(Gradient Boosting ...
光伏发电异常检测提效
因此，行业内逐步形成共识，基于信息技术、云计算、物联网、大数据技术的在线运维管理系统的出现，会加快运维效率的不断提升，且与传统运维模式相比，人员投入会减少一半左右。目前的挑战 虽然基于在线运维管理系统带来了效率的提升，但是...
PS-SMART多分类
如果特征ID为字符串类型，则需要使用序列化组件进行序列化。如果特征值为类别型字符串，需要进行特征离散化等特征工程处理。虽然PS-SMART多分类组件支持数十万特征任务，但是消耗资源大且运行速度慢，可以使用GBDT类算法进行训练。GBDT类...
API详情
您也可以在代码中配置API-KEY，但是泄漏风险会提高。简单示例 Python from http import HTTPStatus import dashscope def simple_multimodal_conversation_call():messages=[{"role":"user","content":[{"image":...
PS-SMART回归
如果特征ID为字符串类型，则需要使用序列化组件进行序列化。如果特征值为类别型字符串，需要进行特征离散化等特征工程处理。虽然PS-SMART回归组件支持数十万特征任务，但是消耗资源大且运行速度慢，可以使用GBDT类算法进行训练。GBDT类算法...
- 产品推荐
- 这些文档可能帮助您