在中国的应用已近十年，但对应用的深入思考却没有跟上。想象一下大数据在统计分析模式下的应用，会影响其他领域在信息获取方向的应用创新。本文将从信息获取、网络服务和数据整合三个方向探讨大数据的应用，拓宽应用视野。一、信息获取的大数据应用。1.1信息获取和知识发现。大数据最发人深省的应用是信息获取，通常被认为是统计分析模式的延伸。由维克多·迈耶勋伯格和肯尼斯·库克耶

在互联网公司或者一些并发量比较大的项目，虽然有各种项目架构设计、NoSQL、MQ、ES等解决比较高的并发访问，但是对于数据库来说，压力还是太大，这时候即使数据库架构、表结构、索引等都设计的很好了，但是还是扛不住的，主从复制通过读写分离缓解读负载。但是像淘宝这种项目，单一数据库肯定是不行的，为了解决这个问题，就可以使用分库分表PS：这是一篇学习博

本文来自腾讯资深架构师杨志华的分享。1、前言也许没有多少人记得2004年发生的事情。但对于老腾讯来说，14年前的那个日子，2004年6月16日永远难以忘怀。这一天，QQ诞生5年后的腾讯在香港联交所主板上市，由此拉开了腾讯快速成长的序幕。这14年间，腾讯的网络基础架构也伴随着各种业务的发展而发展，变迁而变迁。早年间网络经历的一切，不管

RDBMS是我们常见的一些存储数据的仓库，无论是做前端还是后端，都会接触到。我们常见的数据处理，都是通过sql来和数据库做交互的，因此造成了许多人对数据库认知比较模糊，底层的架构也不是很清晰，从本周开始，我们介绍些数据库的基础知识，来了解数据库引擎是如何工作的，以及如何设计更好的索引的方法论，欢迎一起探讨。一、数据库架构

PyTorch已为我们实现了大多数常用的非线性激活函数，我们可以像使用任何其他的层那样使用它们。让我们快速看一个在PyTorch中使用ReLU激活函数的例子：在上面这个例子中，输入是包含两个正值、两个负值的张量，对其调用ReLU函数，负值将取为0，正值则保持不变。现在我们已经了解了构建神经网络架构的大部分细节，我们来构建一个可用于解决真实问题的深度学习架构。

深入了解神经网络本章将介绍用于解决实际问题的深度学习架构的不同模块。前一章使用PyTorch的低级操作构建了如网络架构、损失函数和优化器这些模块。本章将介绍用于解决真实问题的神经网络的一些重要组件，以及PyTorch如何通过提供大量高级函数来抽象出复杂度。本章还将介绍用于解决真实问题的算法，如回归、二分类、多类别分类等。本章将讨论如下主题：详解神经网络的不

SoundSiphonMac版功能特色捕获Mac的所有音频捕获特定应用程序音频独立调整每个应用程序的电平捕获混合在一起的应用程序音频作为立体声音频单独捕获每个应用程序在其自己的通道中的音频在捕获时静音捕获的应用程序

作者吴连火，腾讯游戏专家开发工程师，负责欢乐游戏大规模分布式服务器架构。有十余年微服务架构经验，擅长分布式系统领域，有丰富的高性能高可用实践经验，目前正带领团队完成云原生技术栈的全面转型。导语欢乐游戏这边对istio服务网格的引进，自2019开始，从调研到规模化落地，至今也已近三年。本文对实践过程做了一些思考总结，期望能给对网格感兴趣的同学们以参考

PyTorch已为我们实现了大多数常用的非线性激活函数，我们可以像使用任何其他的层那样使用它们。让我们快速看一个在PyTorch中使用ReLU激活函数的例子：在上面这个例子中，输入是包含两个正值、两个负值的张量，对其调用ReLU函数，负值将取为0，正值则保持不变。现在我们已经了解了构建神经网络架构的大部分细节，我们来构建一个可用于解决真实问题的深度学习架构。

深入了解神经网络本章将介绍用于解决实际问题的深度学习架构的不同模块。前一章使用PyTorch的低级操作构建了如网络架构、损失函数和优化器这些模块。本章将介绍用于解决真实问题的神经网络的一些重要组件，以及PyTorch如何通过提供大量高级函数来抽象出复杂度。本章还将介绍用于解决真实问题的算法，如回归、二分类、多类别分类等。本章将讨论如下主题：详解神经网络的不