pd1

容器磁盘上的文件的生命周期是短暂的，这就使得在容器中运行重要应用时会出现一些问题。首先，当容器崩溃 时，kubelet 会重启它，但是容器中的文件将丢失——容器以干净的状态（镜像最初的状态）重新启动。其次，在 Pod 中同时运行多个容器时，这些容器之间通常需要共享文件。Kubernetes 中的 Volume 抽象就很好的解决了这些问题 背景 Kubernetes 中的卷有明确的寿命 —— 与封装它的 Pod 相同。所f以，卷的生命比 Pod 中的所有容器都长，当这 个容器重启时数据仍然得以保存。当然，当 Pod 不再存在时，卷也将不复存在。也许更重要的是，Kubernetes 支持多种类型的卷，Pod 可以同时使用任意数量的卷卷的类型。 emptyDir 一个emptyDir 第一次创建是在一个pod被指定到具体node的时候，并且会一直存在在pod的生命周期当中，正如它的名字一样，它初始化是一个空的目录，pod中的容器都可以读写这个目录，这个目录可以被挂在到各个容器相同或者不相同的的路径下。当一个pod因为任何原因被移除的时候，这些数据会被永久删除。注意：一个容器崩溃了不会导致数据的丢失，因为容器的崩溃并不移除pod. emptyDir 磁盘的作用： scratch space, such as for a disk-based mergesortcw

题目描述 小L热衷于undercards. 在undercards中，有四个格子。每个格子要么是空的，要么住着一只BigBob。 每个BigBob有一个不超过k的血量；血量减到0视为死亡。那个格子随即空 出。 当一只BigBob受到伤害后，假如它没有死亡且剩余血量为t，它会从左数第 一个空格处召唤一只血量为a[t]的BigBob；若没有空格，则不会召唤。 法术R定义为：从左往右，对每个BigBob造成一点伤害；假如有BigBob死 亡，重复上述效果。 聪明的小L发现，在某些情况下，当他发动法术R时，游戏会陷入循环。 他想求出这样的初始情形有多少种。 输入 输入一个正整数k； 随后一行k-1个正整数，表示a[1]~a[k-1]； 输出 输出一个整数，表示答案。 样例输入 2 2 样例输出 31 提示 【样例解释】 Bigbob最多有2血，满血bigbob受伤会召出新的。 循环的初始状态有： (2,1,0,0),(1,2,0,0),(2,0,1,0),(2,1,1,0),(0,2,1,0),(1,2,1,0),(2,2,1,0),(1,0,2,0),(0,1,2,0),(1,1,2,0),(2,1,2,0),(2,1,0,1),(0,2,0,1),(1,2,0,1),(0,2,1,1),(1,2,1,1),(0,0,2,1),(1,0,2,1),0,1,2,1),(1,1,2,1),

TiDB Binary 部署指导 概述 一个完整的 TiDB 集群包括 PD，TiKV 以及 TiDB。启动顺序依次是 PD，TiKV 以及 TiDB。在关闭数据库服务时，请按照启动的相反顺序进行逐一关闭服务。 阅读本章前，请先确保阅读 TiDB 整体架构 及 部署建议 。 本文档描述了三种场景的二进制部署方式： 快速了解和试用 TiDB，推荐使用 单节点方式快速部署 。 功能性测试 TiDB，推荐使用 功能性测试部署 。 生产环境使用 TiDB，推荐使用 多节点集群模式部署 。 TiDB 组件及默认端口 1. TiDB 数据库组件（必装） | 组件 | 默认端口 | 协议 | 说明 | | :-- | :-- | :-- | :--------------- | | ssh | 22 | TCP | sshd 服务 | | TiDB | 4000 | TCP | 应用及 DBA 工具访问通信端口 | | TiDB | 10080 | TCP | TiDB 状态信息上报通信端口 | | TiKV | 20160 | TCP | TiKV 通信端口 | | PD | 2379 | TCP | 提供 TiDB 和 PD 通信端口 | | PD | 2380 | TCP | PD 集群节点间通信端口 | 2. TiDB 数据库组件（选装） | 组件 | 默认端口 | 协议 | 说明 |

pandas两种数据结构 一. pandas的两种数据结构 1. 一维数据结构 - Series (1). 四种创建方式 (2). Series属性 (3). Series索引 (4). 基本函数的使用 2. 二维数据结构(表格形) - DataFrame (1). 创建方式 字典类创建 列表类创建 (2). DataFrame属性 (3). DataFrame的基本使用 T转置 通过列索引获取列数据 增加列数据 删除列 选取某个值 一. pandas的两种数据结构 1. 一维数据结构 - Series (1). 四种创建方式 通过list创建 import pandas as pd s1 = pd . Series ( [ 1 , 2 , 3 , 4 ] ) s1 # 结果 左侧 0 1 1 2 2 3 3 4 dtype : int64 通过数组创建 import numpy as np import pandas as pd n1 = np . arange ( 2 , 10 ) pd . Series ( n1 ) # 结果 0 2 1 3 2 4 3 5 4 6 5 7 6 8 7 9 dtype : int32 # 注意类型变了 指定索引 指定的索引数目和值数目必须相等，一一对应 n1 = np . arange ( 2 , 10 ) pd . Series ( n1

pandas索引操作 Pandas的索引操作 1. Pandas单层索引操作 1.1 增 1.2 删 1.3 改 1.4 查 1.5 高级索引 2. Pandas层级索引 2.1. 层级索引 2.2 选取 2.3 交换 Pandas的索引操作 1. Pandas单层索引操作 创建一个Series和DataFrame： ps1 = pd . Series ( range ( 5 ) , index = list ( "abcde" ) ) pd1 = pd . DataFrame ( np . arange ( 9 ) . reshape ( 3 , 3 ) , index = list ( "abc" ) , columns = list ( "ABC" ) ) display ( ps1 , pd1 ) 结果： 1.1 增 (1). reindex - 在原来索引数据的基础上，创建一个属于新索引的新对象，即创建新对象 Series: 创建新Series对象 ps2 = ps1 . reindex ( list ( "abcdef" ) ) 结果： a 0.0 b 1.0 c 2.0 d 3.0 e 4.0 f NaN dtype : float64 f在原索引数据中不存在，就为缺失值 DataFrame: 创建新DataFrame对象 默认增加行： pd2 = pd1 .