mesh

TB-01 智能照明模块是一款基于 EP2S12F40 芯片设计的符合蓝牙 4.2 低功耗SIGE MESH 的蓝牙模块；该模块 支持天猫精灵直接控制且拥有蓝牙 mesh 组网 功能的蓝牙模块；设备之间通过对等星型网络通讯，采用蓝牙广播进行通讯，可保证多设备情况下响应及时，它主要应用于智能灯控。可满足低功耗、低延 时、近距离无线数据通信的要求; 产品特点 无需网关即可直接被天猫精灵控制 2.0mm 间距插针立式焊接封装 2 路正白暖白 PWM 输出 自带板载天线，无需设计天线 亮度（占空比）调整范围 5%-100% 出厂默认冷色暖色占空比各 50% PWM 输出频率 1KHz 互补功率输出：1+1=1.5 带小夜灯功能 带墙壁开关切色温功能 产品应用  智能灯控系统  家庭/楼宇自动化  家用电器无线网络控制  工业控制  低功耗无线传感器网络 模块热线：13632658391/2355239041 刘生 来源： oschina 链接： https://my.oschina.net/u/4187645/blog/3155982

本文为《蚂蚁金服 Service Mesh 大规模落地系列》最后 一篇 - 质量篇，该系列从核心、RPC、消息、无线网关、控制面、安全、运维、测试等模块对 Service Mesh 双十一大规模落地实践进行详细解析。文末包含往期系列文章。 前言 Service Mesh 在蚂蚁金服内部已经大规模落地，经历刚刚双十一的检阅，将现有的体系快速演进至 Service Mesh 架构，无异于给飞机换发动机。本主题主要分享在蚂蚁金服当前的体量下，我们如何做到给飞机换发动机，还确保不出问题。同时在mesh对外客户输出同样有高质量的保障。 本文结合蚂蚁金服 Mesh 化落地质量保障落地的思考，给大家带来如下三个方面的一些质量保障的分享： Mesh 化质量保障体系； Mesh 化测试技术； Mesh 化双十一大规模落地的性能保障； 质量保障体系 首先给大家介绍下我们的质量保障体系。 测试保障体系 我们从测试环境、测试用例、基础功能测试原子镜像能力、测试工具平台、测试场景组合调度、测试方案制定、线上巡检监控、灰度发布三板斧、交付验证、性能、自动化测试等多个方面进行系统性测试保障。通过内外部的质量数据度量和双十一大促来检阅我们的质量能力。 Mesh 测试技术 在开始介绍测试技术之前，我们先了解一下什么是 Service Mesh 以及 Service Mesh 是如何工作的

原汁原味的astar是启发式搜索，随着启发式的算法改变，搜索结果和使用场景也会不一样。 启发式函数可以有很多加盐的东西，比如权重，3d距离，道路材质(摩擦力等)，个性偏好等。 加盐的目的是为了适应更多的应用场景，不过原始的astar是二维平面的，对于具有多重高度图的三维那么用起来就不太方便了。 进行三维空间的扩展的话，原理和二维一样的，只不过方向可以扩展为3x3x3的立方体组合，这种立方体借助了体素的思想，复杂一点的可以基于网格mesh 来源： oschina 链接： https://my.oschina.net/kkkkkkkkkkkkk/blog/3156452

简介：为了共同抵抗疫情，众多企事业单位开始 SOHO 办公（也叫线上办公），以有效降低人员接触导致的交叉感染风险，这是互联网时代给予疫情防御战线的一份礼物。与此同时，这类新型的办公方式也给企事业单位的数据安全保护带来了更多挑战，阿里云数据安全专家建议从五个方面着手，提升企业数据安全保护能力，并提供免费咨询服务。 病毒肆掠，疫情严峻。为了共同抵抗疫情，众多企事业单位开始 SOHO 办公（也叫线上办公），员工尽量在家远程办公，通过钉钉、手机和邮箱等方式完成业务沟通，以有效降低人员接触导致的交叉感染风险，这是互联网时代给予疫情防御战线的一份礼物。 与此同时，这类新型的办公方式也给企事业单位的数据安全保护带来了更多挑战，主要体现在以下几个方面： 需要将部分前期仅在内网可访问的数据权限开放到互联网； 员工使用缺乏安全管控的家庭终端接入到公司内部系统中（特别是日常使用固定终端的办公人员）； 数据访问源分布广泛（白名单访问控制方式极易失效）； 截屏、拍照、录像等数据窃取方式缺乏监管。 <a name="aJRIF"></a> 云上企业如何在 SOHO 办公场景下有效实现敏感数据的保护呢？ 阿里云数据安全专家建议从以下五个方面着手，提升企业数据安全保护能力： <a name="fSfLt"></a> 01 控制接入 SOHO 办公方式无可避免的需要将前期仅在内网可访问的数据权限开放到互联网

简介：虽然不能亲临疫情一线，但数据库团队的同学们，都在自己的岗位上献出了一份力，和大家一起打赢疫情防控阻击战！ 应对逐步发酵的疫情，社会各界都做出了积极响应，贡献了自己的一份力。 那么阿里云数据库团队的同学们有何行动呢？ <a name="XsnLV"></a> 采访时刻 <a name="JJbnR"></a> 小库： 在春节和疫情防控期间，阿里云数据库如何保障客户业务的正常运行，为疫情防控提供了怎样的支持？ <a name="42Cd5"></a> OLTP 数据库团队 PolarDB 通过云原生弹性能力快速扩容支撑了春节和抗疫期间在线教育、游戏行业和在线办公（钉钉）等流量爆发式增长的一波业务。在疫情中，通过重保和护航等方式有力的保障了多地医院、医保、交通、出入境管理等政府系统的稳定运行，在数字经济时代助力国家全面防控疫情。 <a name="Y03bO"></a> OLAP 数据库团队 数据库OLAP团队采用虚拟联合专家组的方式重点支撑教育、游戏、数字政府等行业客户，助力教育和游戏等行业实现精细化运营，助力数字政府多个省份实现全局疫情深度分析和防控。 <a name="2AGyk"></a> NoSQL 数据库团队 在春节期间，NoSQL 数据库团队同学志愿参与了疫情智能问答机器人项目(由达摩院智能服务事业部发起，目前已嵌入到各省市的疾控中心与微信公众号等政府的app中

> 和 mask 裁剪图片说拜拜，用上高性能的 mesh + shader 。文章底部获取完整代码！ 效果预览： 使用方法： 创建一个空节点 添加用户脚本组件 mesh-texture-mask 添加图片 添加修改多边形顶点坐标 实现原理 创建 mesh mesh 是什么？ mesh 是决定一个物体形状的东西。 例如在二维中可以是正方形、圆形、三角形等；在三维中可以是正方体、球体、圆柱体等。 mesh 初始化需要一个 VertexFormat 对象。这个对象是顶点格式对象。 其中 name 是对应顶点着色器的 attribute 变量的值。 type 对应数据类型，决定了每个数据大小。 num 对应有几个数据分量(猜的哈哈！)。例如二维坐标和纹理uv坐标一般只有 x 和 y 两个分量，所以设置为2；三维坐标有 xyz 三个变量，所以值为3；而颜色一般有 rgba 四个分量，所以设置为4。 normalize 表示归一化。 对于我们的多边形裁剪图片，只需要一个二维坐标和一个纹理uv坐标，创建 mesh 参考代码如下: const gfx = cc.gfx; let mesh = new cc.Mesh(); mesh.init(new gfx.VertexFormat([ { name: gfx.ATTR_POSITION, type: gfx.ATTR_TYPE_FLOAT32,

本人浅析传统IT系统层面的系统监控，不涉及k8s以及Service Mesh，抛砖引玉。 随着系统增多，我们需要一套能够立体化监控系统去监控你的应用及业务，出现问题能够及时告警，或通过大屏、短信和邮件。 我个人认为监控应该从三个方面进行入手，即：Metrics、Logging、Tracing。 Metrics （指标） 通常指标信息担负着数据可视化的物料信息，比如：计量器、直方图、计数器、TPS等等。 Logging（日志） 日志信息通常记录了应用程序运行时的详细状态信息。通常会有INFO、WARN、ERROR等级别。 Tracing（追踪） 在传统的单体应用，如传统的MVC系统中，通常访问逻辑明确。而使用微服务对系统进行重新设计之后，就会带来接口互调，多线程，应用多活情况下的调用次序不明等种种问题。这时迫切需要记录每次请求都经过了哪些主机的那些服务，以及是一次调用会带来系统内部的多次调用问题。以及Http传输协议的天然低效率问题，都是需要在追踪层面上做考虑的。 监控选型与架构： Metrics （指标）: Promethues+Grafanna+Influxdb Logging（日志）: ELK or Spark Streaming Tracing（追踪）: Zipkin or Skywalking 欢迎关注我的公号：彪悍大蓝猫，持续分享SpringCloud、大数据干货~ 来源

FBX属于Unity的外部资源，对于unity来说 对fbx的生成ab包处理 只会吧需要的信息剥离出来， 只生成自己所需要的数据。比如mesh 动画信息等，因此生成AB包时 无需吧 .fbx 打入 一般来说是内部class 的序列化数据的方式存在。 以此作为提点 阐述Unity的资源规则。 来源： oschina 链接： https://my.oschina.net/kkkkkkkkkkkkk/blog/3174048

文章联合撰稿人（排名不分先后） 叔同、谷朴、不瞋、育睿、许晓斌、至简、典违、鲁直、改之、小剑、汤志敏、白慕、循环、文卿，喽哥、水鸟、神秀。 在筹备 阿里云首届云原生实践峰会 的过程中，我们展开了对云原生技术的应用和研究领域的探索，邀请了 17 位云原生技术专家从 Serverless、Service Mesh、Kubernetes、边缘计算、容器实例与容器引擎、云原生基础架构、云原生应用开发 7 个发展方向，回顾 2019 云原生领域进展，描绘云原生技术的新十年。 2020 云原生标志性事件预测 展望 2020，在云原生技术的应用和研究领域，我们预见会有这些标志性事件。 第一，云原生技术关注重心在上移，Serverless和应用管理重点。 过去的几年我们看到，云原生技术重心围绕容器和容器编排。Docker 和 K8s 的成功几乎成了云原生的代名词。很多人说，Kubernetes is becoming boring，这是对于技术的趋势来说。 云原生关注重心即将上移： 应用的定义和配置、发布和线上的自动化运维，成为开发和运维人员关心的核心内容。阿里巴巴和微软联合推出的 Open Application Model (OAM) 就是这个方向的一个重要项目； 作为云原生技术的延伸，无服务器计算（Serverless）将进一步释放云计算的能力，将安全、可靠、可伸缩等需求由基础设施实现

> 用 shader + mesh 立个 flag 吧！ 文章底部获取完整代码！ 效果预览 使用方法 创建一个空节点 添加用户脚本组件 mesh-texture-flag 添加图片 修改对应属性 实现原理 概括来说就是创建 mesh 网格模型，通过顶点着色器对顶点坐标不断的修改，达到飘动的效果。关于 mesh 的介绍，可以参考上一篇文章。 确定顶点坐标 为了让顶点着色器里有多个顶点可以改变位置，需要把一个形状分割成多个方形(三角形)。分割数量越大，效果越精细，但需要消耗更多的性能消耗。下图是分割成两行三列的例子。 根据分割的行列数和节点大小，节点锚点，从左到右从上到下，算出每个顶点的位置信息。可以先算出相对左上角的位置，然后再根据锚点偏移，参考代码如下。 const x = (_col - this._col * this.node.anchorX) * _width / this._col; const y = (_row - this._row * this.node.anchorY) * _height / this._row; 确定纹理uv坐标 纹理uv坐标系在左上角， u 轴是向右， v 轴是向下，范围是 0-1。而我们的坐标系是根据锚点确定的， x 轴向右， y 轴向上。 根据锚点求出位置坐标在左下角的占比，然后再翻转一下v就可以求出对应的uv坐标了。参考代码如下。