其他
分布式一致性分布式场景下，多个服务同时对服务一个流程，比如电商下单场景，需要支付服务进行支付、库存服务扣减库存、订单服务进行订单生成、物流服务更新物流信息等。如果某一个服务执行失败，或者网络不通引起的请求丢失，那么整个系统可能出现数据不一致的原因。上述场景就是分布式一致性问题，追根到底，分布式一致性的根本原因在于数据的分布式操作，引起的本地事务无法保障数据的原子性引起。分布式一致性问题的解决思路有
前面简单的学习了一下Helpscripts，他主要使用场景在于EC2和AutoScaling里面安装配置各种服务和程序，然后我们通过creationpolicy来获取cfn-signal脚本发送的信号。类似的，如果我们需要控制其他资源之间的优先顺序，我们一般使用dependson和waitcondition来实现。dependson本身可以实现创建的顺序，但是他并不管成功与否。waitcondit
将容器保存为本地镜像又叫做容器的持久化存储，docker镜像导入导出有两种方法：一种是使用save和load命令；一种是使用export和import命令。二者的区别在于：Save方法，会保存该镜像的所有历史记录Export方法，不会保留历史记录，即没有commit历史save保存的是镜像（image），export保存的是容器（container）；load用来载入镜像包，import用来载入容
环境描述：测试环境LNMP因为后端是php编写，所以在nginx配置文件里upstreamcommon{server127.0.0.1:9000;server127.0.0.1:9001;server127.0.0.1:9002;}客户端发现两个接口一个一直再报502，一个再报502和500.然后就开始排查开发模式的DBUG发现的确存在500现象，但是没有产生502的问题。然后就怕查到nginx错
无人值守称重系统利用粮食出入库必须经过称重这个关键环节，将计算机技术和网络技术应用其中，自动导入数据，增加了信息采集功能，自动生成各种的报表，实现了数据信息共享。该系统极大地减少料出入库的工作量，提高了工作效率，提升了企业管理水平，保证了企业的效益。
我们在大多时候用linux时候都是虚拟机或者云主机，使用确实方便了很多，不过有些时候我们突发其想想在自己电脑上装一个linux系统，刚开始安装才发现有很多地方和虚拟机是有区别的，安装过程也会遇到很多的问题，本教程是我在安装完毕整理出来的一套教程，每一个步骤都详细列出，希望帮助到有需要的朋友。
Rancher+Kubeflow，再也不用担心机器学习的复杂性啦！
Kubeflow可以让机器学习（ML）工程师和数据科学家能够轻松地利用云资产（公有云或本地机房）来处理ML工作负载。本文将详细介绍如何在Rancher上安装Kubeflow，包括前期的集群准备、NFS设置以及如何访问Kubeflow UI。点开文章，轻松扩展机器学习能力！