affinity

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

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

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

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

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

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

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