fleet

物流 大数据 就是通过海量的物流数据，即运输、仓储、搬运装卸、包装及流通加工等物流环节中涉及的数据、信息等，挖掘出新的增值价值，通过大数据分析可以提高运输与配送效率，减少物流成本，更有效地满足客户服务要求。 1. 物流大数据的作用 物流大数据应用对于物流企业来讲具有以下 3 个方面的重要作用。 1）提高物流的智能化水平 通过对物流数据的跟踪和分析，物流大数据应用可以根据情况为物流企业做出智能化的决策和建议。在物流决策中，大数据技术应用涉及竞争环境分析、物流供给与需求匹配、物流资源优化与配置等。 在竞争环境分析中，为了达到利益的最大化，需要对竞争对手进行全面的分析，预测其行为和动向，从而了解在某个区域或是在某个特殊时期，应该选择的合作伙伴。 在物流供给与需求匹配方面，需要分析特定时期、特定区域的物流供给与需求情况，从而进行合理的配送管理。在物流资源优化与配置方面，主要涉及运输资源、存储资源等。物流市场有很强的动态性和随机性，需要实时分析市场变化情况，从海量的数据中提取当前的物流需求信息，同时对已配置和将要配置的资源进行优化，从而实现对物流资源的合理利用。 2）降低物流成本 由于交通运输、仓储设施、货物包装、流通加工和搬运等环节对信息的交互和共享要求比较高，因此可以利用大数据技术优化配送路线、合理选择物流中心地址、优化仓库储位，从而大大降低物流成本，提高物流效率。 3）提高用户服务水平

本文译自《 DevOps2.0的工具集（DevOps黑宝书）——打造自动化的持续交付流程》一书 ，转自译者CSDN博客，转载请注明出处。 译者的话： 你真的懂DevOps么？你知道怎么就持续集成持续部署又微服务了么，用时下流行的工具，实践DevOps怎么搞……跟着我，听老司机818 DevOps的那些事儿。 本文只是开个头儿…… 原著作者介绍： Viktor Farcic CloudBees资深顾问，熟悉多种编程语言，从最早的Pascal，Basic，ASP，C，C++，Perl，Python，ASP，NET，Visual Basic，C#，JavaScript等等。热衷于微服务、持续部署和测试驱动开发（TDD）。著有《Test-Driven Java Development》一书，该书由Packt出版。 DevOps理念 做小型的新项目感觉很棒，上一次我做这样的项目还是在2015年的夏天。虽然那个项目有不少问题，但做起来确实很高兴。因为在做这种小型而且相对来说比较新的项目产品时，我们可以按照自己的喜好选择技术手段、方法策略以及整体框架等。 我们能用微服务么？当然可以！我们能试试Polymer和GoLang么？必须的！无拘无束自由自在的做项目真的很爽。虽然我们或许会做错误的决定，而且这个决定可能会让我们的进度延缓一周，但起码不会像其他项目那样，一着不慎满盘皆输。简单来说

　　机器之心发布 　　 机器之心编辑部 　　 全球人工智能学术竞赛 DSTC 是对话系统技术领域的顶级赛事。2020 年度第九届国际对话技术竞赛 DSTC9 共设有 4 个赛道 （Track-1～Track-4），主办方包括 Facebook、亚马逊、微软、卡内基梅隆大学、清华大学等，参与者广泛覆盖了企业和高校的参赛团队。 　　近期 DSTC9 官方陆续公布各个赛道排名。百度参与了 DSTC9 前 3 个赛道中 4 项任务的角逐，并在最终的榜单中拔得头名，成绩令人瞩目。这些赛道全面涵盖了开放域闲聊、知识对话、任务型对话等关键问题。据悉，百度在这些任务中所使用的核心技术，均基于其最近开源的开放域对话模型 PLATO-2。 　　PLATO-2 是基于隐空间技术的大规模开放域对话模型，参数规模高达 16 亿，可就开放域话题深度畅聊，在中英文效果上，已全面超越 Google Meena、Facebook Blender、微软小冰等先进模型。PLATO-2 采用了课程学习进行训练，其过程包括两个阶段：第一阶段，基于简化的 “一对一” 映射，训练得到基础的回复生成模型；第二阶段包含生成 - 评估两个模型，针对开放域对话的 “一对多” 问题，通过引入离散隐变量进行建模，训练得到更高质量的回复生成模型，同时训练评估模型，从多个候选中选择出最合适的回复。这种框架具有很强的通用能力

# coding=utf-8 import pymysql import configparser from tkinter import * from tkinter import ttk, messagebox from sshtunnel import SSHTunnelForwarder config = configparser.ConfigParser() if not config.read('sys.ini'): config['ssh'] = { 'host': '', 'user': '', 'passwd': '' } config['db'] = { 'host': '', 'user': '', 'passwd': '' } with open('sys.ini', 'w') as configfile: config.write(configfile) ssh_host = config['ssh']['host'] ssh_user = config['ssh']['user'] ssh_pwd = config['ssh']['passwd'] db_host = config['db']['host'] db_user = config['db']['user'] db_pwd = config['db']['passwd'] server =

最后更新时间: 2020-07-24 00:41 Show HN: TinyPilot – Build a KVM over IP for Under $100 Using a Raspberry Pi - (mtlynch.io) 展示HN:TinyPilot–使用覆盆子Pi以低于100美元的价格在IP上构建一个KVM 得分:167 | 评论:87 Cognitect Joins Nubank - (cognitect.com) Cognitect连接Nubank 得分:346 | 评论:125 The History, Status, and Future of FPGAs - (acm.org) 燃料电池板的历史、现状和未来 得分:45 | 评论:30 How Inuit Parents Teach Kids to Control Their Anger - (npr.org) 因纽特父母如何教孩子控制愤怒 得分:36 | 评论:4 Launch HN: Sidekick (YC S20) – A new hardware device to connect remote teams 推出HN:助手(YC S20)——一种连接远程团队的新硬件设备 得分:36 | 评论:24 1SecondPainting: Generate abstract paintings in one

最后更新时间: 2020-07-23 23:01 Cognitect Joins Nubank - (cognitect.com) Cognitect加入Nubank 得分:253 | 评论:85 Show HN: TinyPilot – Build a KVM over IP for Under $100 Using a Raspberry Pi - (mtlynch.io) 显示HN:tinyplot–使用树莓Pi构建一个基于IP的KVM，成本低于100美元 得分:18 | 评论:4 1SecondPainting: Generate abstract paintings in one click - (1secondpainting.com) 1SecondPainting：一次点击生成抽象画 得分:283 | 评论:74 Designing scalable API on AWS spot instances - (adapty.io) 在AWS spot实例上设计可伸缩API 得分:71 | 评论:25 KDE Slimbook: Linux Laptop with Ryzen 4000 - (slimbook.es) KDE Slimbook：带有Ryzen 4000的Linux笔记本电脑 得分:364 | 评论:230 Why is CSS the way it is

1.测试数据 #bank索引下account类型 POST /bank/account/_bulk {"index":{"_id":"1"}} {"account_number":1,"balance":39225,"firstname":"Amber","lastname":"Duke","age":32,"gender":"M","address":"880 Holmes Lane","employer":"Pyrami","email":"amberduke@pyrami.com","city":"Brogan","state":"IL"} {"index":{"_id":"6"}} {"account_number":6,"balance":5686,"firstname":"Hattie","lastname":"Bond","age":36,"gender":"M","address":"671 Bristol Street","employer":"Netagy","email":"hattiebond@netagy.com","city":"Dante","state":"TN"} {"index":{"_id":"13"}} {"account_number":13,"balance":32838,"firstname":"Nanette","lastname":

文章目录 以后再也不用安装安装 tons of beats 了！ 解锁Ingest manager页面 先决条件 Ingest manager组件简介 集成（Integrations） 新的索引策略 配置（Configurations） Fleet 数据流（Data Streams） Elastic Agent 总结 以后再也不用安装安装 tons of beats 了！ 用过Elastic Stack，用过ELK的小伙伴都知道，Elastic目前提供的数据采集方案主要是基于Beats。这是一个软件族，包括了多个组件： Beats是用Go语言编写的轻量级的数据采集群，它具有以下特点： 从多个数据源采集 运行在多种终端上 Docker 和 k8s 支持Cloud的元数据 70+ 社区制造的Beats 50+ 模块 虽然通过beats，我们可以开箱即用的采集大量的数据源 但其按照意图区分多个不同软件的方式也给我们带来了不便。通常情况下，如果我们需要采集多维度的数据，就需要在一个主机上安装多个beats，比如，filebeat用于日志采集，metricbeat用于指标采集，auditbeat用于审计/安全数据的采集。客观上，从软件安装/删除，软件配置更改，软件升级等方面增加了我们对于agent的运维管理工作量。 为了解决这个问题，Elastic推出了数据摄入模块的整体解决方案

Odoo / Ps Cloud收费企业版是对社区版的极大增强，除了增加了很多功能外，最大的功能区别是企业版支持条码而社区版不支持，企业版对手机支持更好、有单独的APP，最重要区别的是企业版提供底层技术支持而社区版不提供技术支持，使用购买的许可号可以向Odoo / Ps Cloud官方开工单解决技术问题，这对商业应用至关重要。下文将对功能和服务上的区别进行更详细的描述。 费用上，社区版完全免费开源，企业版商业开源。企业版需要购买授权，按年按用户付费，最少购买5用户，以下为5用户许可的每年不含税价格： 全功能约 ￥5.8万元/年 （2019年1月最新报价） 一般进销存套装约 ￥1.2万元/年 制造产销一体套装约 ￥2.6万元/年 供应链门户套装约 ￥3.1万元/年 可联系我司提供无限制30天免费试用。通过 ps cloud 官方合作伙伴（比如我们）可以有 骨?折 折扣。 官方购买只提供在线SAAS服务，在线SAAS服务不包含Odoo / Ps Cloud企业版源码。 如果想进行私有云部署，必须通过官方合作伙伴购买。官方合作伙伴会提供完整Odoo / Ps Cloud企业版源码，同时合作伙伴有义务为其客户提供版本升级，提供原生Odoo / Ps Cloud的官方bug修复，服务期限为一年，包括一年内Odoo / Ps Cloud版本的更新及bug修复。 Odoo / Ps

2020 年 2 月 27 日飞桨核心框架（以下简称Paddle）发布了1.7版本，这也是Paddle在2020年首个重大更新，下面让我们来看看具体的更新内容。 Paddle 1.7版本对框架功能层面进行了重点增强，预测部署能力全面提升，分布式训练发布PLSC支持千万规模分类任务，并对参数服务器模式进行了优化整合。对编译选项、编译依赖以及代码库进行了全面清理优化。模型库持续完善，优化了整体层次结构，增加了动态图模型实现。端到端开发套件和工具组件进一步完善。 训练框架 增加自动混合精度训练AMP接口和新控制流接口。 优化Tensor使用方式和显存分配策略。 新增支持NVIDIA DALI GPU数据预处理库。 持续优化基础OP的功能和性能。 动态图的功能进一步完善，性能大幅提升，对Data Independent的动态图模型提供转为静态图可预测部署模型的功能。 框架调试分析功能和易用性全面提升。 预测部署 服务器端预测库的Python API大幅优化，新增R语言、Go语言的预测API，并增加相关的使用方法和示例，强化了量化支持能力。 Paddle Lite支持无校准数据的训练后量化方法生成的模型，加强对OpenCL的支持，支持昆仑XPU的预测。 模型压缩库PaddleSlim重构裁剪、量化、蒸馏、搜索接口，与模型库充分打通，新增大规模可扩展知识蒸馏框架Pantheon。 分布式训练