云端大脑时代,我们还需要学习吗?

背景

前两天用到 firewall-cmd 命令,都用过十几遍了,竟然还是没记住。可能大脑也知道这种知识存在云端,没必要记,所以总是偷懒,一到关键时候,就指挥双手去干活!

我不知道怎么解决一个技术问题,但是我知道怎么知道怎么解决一个技术问题,有点拗口,白话就是“搜索”

每次要解决一个难一点、新一点的技术知识的时候,从打开官网开始,好几个浏览器,同时开几十个相关网页,有时电脑好几天都是密密麻麻的搜索页面,直到把对这个技术问题的疑惑都搞清楚!说来也神奇,各种技术问题,没有搜索解决不了的,只是耗时长短、资料多寡的问题。

本文记录三个最近解决的小问题,不得不承认:脑容量有限,真的记不住这么多技术知识点呐!

MySQL 慢查询问题

Mantis 上提了个新 bug ,项目存在大量慢查询,提交的问题信息中只有 Query 的时间已证明查询的慢,但没有具体的 SQL 语句。

怎么排查这个问题的呢?关键是拿到慢查询日志。不记得具体的命令,就直接百度到这两项信息:

show variables like '%log_output%';
show variables like '%quer%';

测试服务器上的输出配置:
在这里插入图片描述
slow_query_log_file 的日志文件,下载到本地分析了一下,慢查询是由几个大表查询导致的,没有索引。创建索引后,查询效率立即提高了。

防火墙端口开放命令

习惯了在服务器上关闭防火墙,有一次碰到比特币勒索后,就长了个心眼,对于测试服务器,如果网络部门开启了防火墙,就走开放端口命令来启动应用。

真的是,每次都记不住添加端口命令。有一次下决心要记住,就在笔记本上手抄了两遍遍,最后还是没记住后面的几个参数。

firewall-cmd --zone=public --add-port=8080-8081/tcp --permanent
firewall-cmd --reload

XXL-Job admin 打包成 war

XXL-Job 的 admin 调度中心模块,默认 pom.xml 打包为 jar ,为了支持国产化部署,我们使用时只能打成 war 包。调整 pom.xml 和项目主类,流程如下。

第一步,pom.xml 修改打包类型为 war

<packaging>war</packaging>

第二步,添加 tomcat 依赖的 scope 为 provided ,然后剔除内置 tomcat :

<dependency>
	<groupId>org.springframework.boot</groupId>
	<artifactId>spring-boot-starter-tomcat</artifactId>
	<scope>provided</scope>
</dependency>

<!-- 移除tomcat插件-->
<dependency>
	<groupId>org.springframework.boot</groupId>
	<artifactId>spring-boot-starter-web</artifactId> <!-- 移除嵌入式tomcat插件 -->
	<exclusions>
		<exclusion>
			<groupId>org.springframework.boot</groupId>
			<artifactId>spring-boot-starter-tomcat</artifactId>
		</exclusion>
	</exclusions>
</dependency>

第三步,修改 pom.xml build 配置项:

<build>
	<finalName>xxl-job-admin</finalName>
	<plugins>
		<plugin>
			<groupId>org.springframework.boot</groupId>
			<artifactId>spring-boot-maven-plugin</artifactId>
		</plugin>
		<plugin>
			<groupId>org.apache.maven.plugins</groupId>
			<artifactId>maven-war-plugin</artifactId>
			<version>3.2.3</version>
		</plugin>
	</plugins>
</build>

项目默认 maven-war-plugin 的版本是 2.几的,直接打包会报错。

第四步,修改 SpringBoot 启动类 XxlJobAdminApplication 继承一个类,使得项目能够加载外部的容器:

@SpringBootApplication
public class XxlJobAdminApplication extends SpringBootServletInitializer {

	public static void main(String[] args) {
        SpringApplication.run(XxlJobAdminApplication.class, args);
	}

	@Override
	protected SpringApplicationBuilder configure(SpringApplicationBuilder builder) {
		builder.sources(this.getClass());
		return super.configure(builder);
	}

}

启示录

你有没有这种疑惑,反正什么都能在互联网上搜到,还有必要记那么多知识吗?这个防火墙的命令,让我想起了一个问题:在知识搜索即得的互联网时代,为什么我们的大脑还需要学习知识呢?

印象里听过一本书专门是解决这个问题的,然后在听书历史中搜索了下,是《知识大迁移》。的确,现在什么知识都能搜索得到,但是问题是,你首先要知道搜什么呀!

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值