affinity

腾讯技术开放日 | 全面解析腾讯会议的视频前处理算法

跟風遠走 提交于 2020-08-08 17:17:29
在视频通话中, 视频前处理模块可以有效提升用户参与实时视频时的体验,并保护用户隐私,主要包括虚拟背景、美颜和视频降噪等。腾讯会议在视频前处理场景下,遇到哪些技术难点,如何进行优化?【腾讯技术开放日 · 云视频会议专场】中,腾讯云高级工程师李峰从算法和工程优化的角度进行了分享。 视频前处理场景探索 视频是连续的,在转播的时候需要经过编码和解码的流程,所以视频处理需要分为前处理和后处理。所谓前处理就是指编码前的视频处理,比如背景虚化。 所谓后处理就是指解码后的视频处理,比如视频超分。 有哪些前处理算法可以应用在视频会议的处理场景下呢?理想情况下,多多益善,能够想到的都可以落地,但是考虑到会议场景的计算资源非常有限,而且要不影响其它高优先级的服务,所以需要挖掘用户最迫切的需求,利用有限的计算资源为用户提供更好的视频体验。 数据分析发现会议场景下大家开摄像头的比例不是很高,我们分析主要有三个原因:第一担心泄漏隐私,第二不够自信,第三画质不好。针对这几个点腾讯会议陆续推出了虚拟背景、美颜、视频降噪、暗场景增强等一系列的处理算法。 虚拟背景可以很好的保护用户隐私,创造一个公平的环境,这里贴了一个用户的反馈,这是一个在线课堂老师反馈虚拟背景可以为许多孩子取消歧视,让家庭背景、家庭条件不再成为孩子的负担。美颜的话,相信大家都是非常了解,也是经常用的,它可以鼓励大家参与到视频通话的场景中来

亲和性与反亲和性

二次信任 提交于 2020-08-06 19:51:54
nodeSelector 提供了一个非常简单的方式,将 Pod 限定到包含特定标签的节点上。亲和性与反亲和性(affinity / anti-affinity)特性则极大地扩展了限定的表达方式。主要的增强点在于: 表达方式更加有效(不仅仅是多个精确匹配表达式的“和”关系) 可以标识该规则为“soft” / “preference” (软性的、偏好的)而不是 hard requirement(必须的),此时,如果调度器发现该规则不能被满足,Pod 仍然可以被调度 可以对比节点上(或其他拓扑域 topological domain)已运行的其他 Pod 的标签,而不仅仅是节点自己的标签,此时,可以定义类似这样的规则:某两类 Pod 不能在同一个节点(或拓扑域)上共存 # 节点亲和性 节点亲和性(node affinity)的概念与 nodeSelector 相似,可以基于节点的标签来限定 Pod 可以被调度到哪些节点上。 当前支持两种类型的节点亲和性, requiredDuringSchedulingIgnoredDuringExecution (hard,目标节点必须满足此条件) 以及 preferredDuringSchedulingIgnoredDuringExecution (soft,目标节点最好能满足此条件)。名字中 IgnoredDuringExecution 意味着

Kubernetes-Qos之 Guaranteed, Burstable,Best-Effor

試著忘記壹切 提交于 2020-08-06 09:53:26
Kubernetes的服务质量保证(QoS) Kubernetes需要整体统筹平台资源使用情况、公平合理的将资源分配给相关pod容器使用,并且要保证容器生命周期内有足够的资源来保证其运行。 与此同时,由于资源发放的独占性,即资源已经分配给了某容器,同样的资源不会在分配给其他容器,对于资源利用率相对较低的容器来说,占用资源却没有实际使用(比如CPU、内存)造成了严重的资源浪费,Kubernetes需从优先级与公平性等角度综合考虑来提高资源的利用率。为了在资源被有效调度和分配的同时提高资源利用率,Kubernetes针对不同服务质量的预期,通过QoS(Quality of Service)来对pod进行服务质量管理,提供了个采用 requests 和 limits 两种类型对资源进行分配和使用限制。对于一个pod来说,服务质量体现在两个为2个具体的指标: CPU与内存。实际过程中,当NODE节点上内存资源紧张时,kubernetes会根据预先设置的不同QoS类别进行相应处理。 设置资源限制的原因 如果未做过节点 nodeSelector,亲和性(node affinity)或pod亲和、反亲和性(pod affinity/anti-affinity)等 Pod高级调度策略 设置,我们没有办法指定服务部署到指定机器上

腾讯技术开放日 | 全面解析腾讯会议的视频前处理算法

元气小坏坏 提交于 2020-08-05 18:19:13
在视频通话中, 视频前处理模块可以有效提升用户参与实时视频时的体验,并保护用户隐私,主要包括虚拟背景、美颜和视频降噪等。腾讯会议在视频前处理场景下,遇到哪些技术难点,如何进行优化?【腾讯技术开放日 · 云视频会议专场】中,腾讯云高级工程师李峰从算法和工程优化的角度进行了分享。 视频前处理场景探索 视频是连续的,在转播的时候需要经过编码和解码的流程,所以视频处理需要分为前处理和后处理。所谓前处理就是指编码前的视频处理,比如背景虚化。 所谓后处理就是指解码后的视频处理,比如视频超分。 有哪些前处理算法可以应用在视频会议的处理场景下呢?理想情况下,多多益善,能够想到的都可以落地,但是考虑到会议场景的计算资源非常有限,而且要不影响其它高优先级的服务,所以需要挖掘用户最迫切的需求,利用有限的计算资源为用户提供更好的视频体验。 数据分析发现会议场景下大家开摄像头的比例不是很高,我们分析主要有三个原因:第一担心泄漏隐私,第二不够自信,第三画质不好。针对这几个点腾讯会议陆续推出了虚拟背景、美颜、视频降噪、暗场景增强等一系列的处理算法。 虚拟背景可以很好的保护用户隐私,创造一个公平的环境,这里贴了一个用户的反馈,这是一个在线课堂老师反馈虚拟背景可以为许多孩子取消歧视,让家庭背景、家庭条件不再成为孩子的负担。美颜的话,相信大家都是非常了解,也是经常用的,它可以鼓励大家参与到视频通话的场景中来

C# SQLite 数据库操作

纵然是瞬间 提交于 2020-07-29 10:02:52
C# SQLite 数据库操作学习 运行环境:Window7 64bit,.NetFramework4.61,C# 7.0 参考: SQLite 官网 SQL As Understood By SQLite System.Data.SQLite 菜鸟教程 SQL 教程 章节: 1、下载安装 2、数据类型 3、创建数据库 4、删除数据库 5、创建表 6、删除表 7、查询表结构 8、更改表名 9、增加列(字段) 10、读取创建表的 SQL 语句 11、更改列名 12、删除列 13、插入数据 14、替换数据 15、更新数据 16、删除数据 17、查询数据 18、获取查询数据的行数(多少条记录) 19、事务 Transaction 20、整理数据库 正文: 一、下载安装 这段时间在学习 C# 编程中,想写一个简单的进销存程序,就想到了用数据库,需要一个简单便携的桌面数据库,想自己写个,功力太浅,可以做为以后练手学习的项目。原来会用的 Foxpro 已经被微软不知丢在哪个旮旯了,在网上找了一下,发现只有 Access 和 Sqlite 可选,看了很多对比,决定还是学习使用 Sqlite。 在 System.Data.SQLite 官网 的 download 中的 Setups for 64-bit Windows (.NET Framework 4.6) sqlite-netFx46

Nginx的10万并发内核参数优化

倾然丶 夕夏残阳落幕 提交于 2020-07-27 15:12:22
关于内核参数的优化: net.ipv4.tcp_max_tw_buckets = 6000 timewait的数量,默认是180000。 net.ipv4.ip_local_port_range = 1024 65000 允许系统打开的端口范围。 net.ipv4.tcp_tw_recycle = 1 启用timewait快速回收。 net.ipv4.tcp_tw_reuse = 1 开启重用。允许将TIME-WAIT sockets重新用于新的TCP连接。 net.ipv4.tcp_syncookies = 1 开启SYN Cookies,当出现SYN 等待队列溢出时,启用cookies来处理。 net.core.somaxconn = 262144 web 应用中 listen 函数的 backlog 默认会给我们内核参数的 net.core.somaxconn 限制到 128,而nginx定义的NGX_LISTEN_BACKLOG 默认为511,所以有必要调整这个值。 net.core.netdev_max_backlog = 262144 每个网络接口接收数据包的速率比内核处理这些包的速率快时,允许送到队列的数据包 的最大数目。 net.ipv4.tcp_max_orphans = 262144 系统中最多有多少个TCP套接字不被关联到任何一个用户文件句柄上。如果超过这个数

微软虚拟化平台现在可以管理VMware!

不羁岁月 提交于 2020-07-25 17:35:22
System Center 虚机管理器(简称 SCVMM )的最新 Beta 已经公开 发布 ,其中包含许多非常有用的功能,例如可以管理 Hyper-V 虚机,物理机器到虚机的在线转化( P2V 迁移),虚机在线自助银行服务,和 SCOM 结合实现性能和资源优化等等… 然而最吸引我的还是 SCVMM 2008 Beta 自带的第三方虚拟架构管理集成能力,举例来说, SCVMM 现在可以管理 VMware ESX Server 主机! 附图所示的就是 SCVMM 2008 Beta 的主界面,可以看到和 SCVMM 2007 几乎如出一辙,可以看到其中添加了 VMware 的主机,而且保留了 Data Center 、 Cluster 、 Host 的层次结构。 SCVMM 可以帮助“×××” VMware 的大多数功能,甚至包括大家非常喜欢的 VMotion 功能!而且使用起来也非常简单。只需切换到“虚拟机”视图,选中所需迁移的虚机,然后单机右侧操作面板上的“虚拟机迁移”,即可开始迁移。 在打开“迁移虚拟机向导”对话框上可以看到可以迁移的目标主机,并且用星数来表示目标主机的等级,综合性能越高,星数越高,便于我们对目标虚机进行“海选”。如果该虚机不满足迁移条件,则可以在“级别解释”窗格上显示原因,附图表明目标虚机的 CPU Affinity 设置有问题。 问题解决以后

How to properly use TSX-NI (both HLE and RTM) when threads might switch cores?

和自甴很熟 提交于 2020-06-27 11:55:46
问题 It seems that Intel's Transactional Synchronization Extensions (TSX-NI) work on a per-CPU basis. This applies to both the _InterlockedXxx_HLE{Acquire,Release} Hardware Lock Elision functions (HLE), as well as for the _xbegin / _xend /etc. Restricted Transactional Memory (RTM) functions. What is the "proper" way to use these functions on multi-core systems? Given their correctness guarantees, I assume I only need to be worried about performance here. So, how should I structure & write my code

Java基础1-Java概述;jdk安装配置

江枫思渺然 提交于 2020-05-05 19:53:27
计算机基本概念 windows : desktop系统。 linux : 稳定性 + 安全性。 centos 、 ubuntu、redhat、suse mac : 路径: 精准定位 目录: 所在的文件夹。 dos命令 : dir : directory d : 切换盘符. tab : 补全按键 shift + tab : 反向操作 cd : 进入目录 mkdir :mkd /make directory 创建目录 目录 .. : 上级目录 . : 当前目录 复制 cp copy del : 删除文件 del a.txt // -s :递归 // -q : quiet 安静 // -f : force,强制 del /s/q/f *.class mv //移动 rmdir //删除目录,空目录,/q /s ipconfig //查看IP地址 ping //查看网络连通情况 ping 192.168.0.10 配置hosts文件,绕过dns解析 C:\Windows\System32\drivers\etc\hosts文件 [host] .... 192.168.0.67 xy ... exit //退出 set //列出所有的环境变量 win7的注意事项 安装64旗舰版,有administrator用户,可以优化。 环境变量配置 防火墙 控制面板->防火墙->打开关闭防火墙。 cpu

L2-028 秀恩爱分得快(25 分)

扶醉桌前 提交于 2020-05-05 16:24:05
古人云:秀恩爱,分得快。 互联网上每天都有大量人发布大量照片,我们通过分析这些照片,可以分析人与人之间的亲密度。如果一张照片上出现了 K 个人,这些人两两间的亲密度就被定义为 1/K。任意两个人如果同时出现在若干张照片里,他们之间的亲密度就是所有这些同框照片对应的亲密度之和。下面给定一批照片,请你分析一对给定的情侣,看看他们分别有没有亲密度更高的异性朋友? 输入格式: 输入在第一行给出 2 个正整数:N(不超过1000,为总人数——简单起见,我们把所有人从 0 到 N-1 编号。为了区分性别,我们用编号前的负号表示女性)和 M(不超过1000,为照片总数)。随后 M 行,每行给出一张照片的信息,格式如下: K P[1] ... P[K] 其中 K(<= 500)是该照片中出现的人数,P[1] ~ P[K] 就是这些人的编号。最后一行给出一对异性情侣的编号 A 和 B。同行数字以空格分隔。题目保证每个人只有一个性别,并且不会在同一张照片里出现多次。 输出格式: 首先输出“A PA”,其中 PA 是与 A 最亲密的异性。如果 PA 不唯一,则按他们编号的绝对值递增输出;然后类似地输出“B PB”。但如果 A 和 B 正是彼此亲密度最高的一对,则只输出他们的编号,无论是否还有其他人并列。 输入样例 1: 10 4 4 -1 2 -3 4 4 2 -3 -5 -6 3 2 4 -5 3