【摘 要】
：
随着教育现代化建设的推进,越来越多的高校从数字校园向智慧校园转型,转型过程中新旧系统更新迭代频繁,系统数量及规模日益庞大.为了满足高效、快速迭代开发以及低门槛、高可用的运维等需求,提出了一套基于Rancher的DevOps平台方案.方案充分考虑了智慧校园转型的应用场景,通过Rancher、Gitlab、Docker、Nexus等技术构建DevOps平台,做到平稳过渡遗留系统、快速迭代开发、降低开发运维成本等,提高各信息系统的可用性、可拓展性,助力智慧校园转型的推进.
【机 构】
：
广州软件学院软件研究所,广州 510900
论文部分内容阅读
随着教育现代化建设的推进,越来越多的高校从数字校园向智慧校园转型,转型过程中新旧系统更新迭代频繁,系统数量及规模日益庞大.为了满足高效、快速迭代开发以及低门槛、高可用的运维等需求,提出了一套基于Rancher的DevOps平台方案.方案充分考虑了智慧校园转型的应用场景,通过Rancher、Gitlab、Docker、Nexus等技术构建DevOps平台,做到平稳过渡遗留系统、快速迭代开发、降低开发运维成本等,提高各信息系统的可用性、可拓展性,助力智慧校园转型的推进.
其他文献
通过结合流花溪河道治理工程建设,根据当地具体环境状况,分析该工程对河道功能恢复及改善保护生态环境重要意义,以期为相关工作提供参考性建议.
随着我国交通运输业的发展,通行率越来越高,交通密度和车辆载重越来越大,一些沥青路面在正式开放交通后不久就出现了车辙、裂缝、坑惨等不同程度的早期损害,这不仅影响行车的安全性和舒适性,同时也将造成经济损失.通过阐述沥青路面常见的预防性养护技术及现状,提出了提升相关技术的措施,供工程技术人员参考.
通过分析改性乳化沥青微表处技术的施工工艺要点和在预防性养护路段的实际应用,充分表明该技术性价比高、实用性强,其作为一种新型公路预防性养护工艺,值得在工程施工中推广应用.
在进行公路工程建设的过程当中,检测工作的重要性是毋庸置疑的.利用科学的试剂进行检测,可以让工程质量有所提升,也可以让公路建设更加稳定可靠.基于此,首先讨论了公路工程水泥混凝土原材料检测内容,其次分析了公路工程水泥混凝土原材料实验检测现状,然后介绍了公路工程水泥混凝土原材料质量控制策略,以供相关工作人员参考.
随着我国社会经济的稳步发展,以及城市化建设水平的不断提升,我国公路工程也在不断发展.在当前社会经济背景下,要求公路工程建设的水平能够契合市场需求,因此,在公路工程建设过程中,施工技术的应用是至关重要的.在我国公路项目建设中,技术的应用需要规范的质量保障,对技术应用的各个环节也需要科学的规范.通过对沥青混凝土公路施工技术的应用现状的研究,提出具体的优化策略,保障我国公路工程建设的稳步发展.
近几年来,社会经济的发展带动了人们生活水平的提高,也增加了人们对出行的需求.汽车作为一种运输工具在中国得到越来越广泛的应用,同时学习机动车驾驶的人员也在日益增多,极大地推进了机动车驾驶与训练产业的蓬勃发展.但是,在驾驶培训产业迅速发展的背后是驾校之间激烈无序的竞争,给行业发展造成了一系列负面后果.为规范驾培机构的经营行为,驾培机构积极响“放管服”改革,进一步健全业务制度,提升从业人员服务质量,维护驾校学生的合法权益,促进驾驶员教育服务行业规范、健康、稳步发展.但在改革过程中,政府管理、培训机构自我管理等方
时间序列异常检测是数据挖掘领域的研究热点方向,基于统计或传统机器学习的方法虽取得一定的效果,但仍缺乏对类不平衡问题、数据间关系等方面的考虑.基于自编码器和分类器相结合的方法能有效捕捉到时间序列数据的局部空间特征和前后依赖关系,经自编码器编码后再使用传统分类器能更精准识别出异常,同时避免阈值筛选等方案所面临的问题.通过与多个基准方法进行实验对比,该方案在多个数据集上都表现出良好的效果.
在分析捕鱼算法不足的基础上,提出了一种求解绝对值方程的改进捕鱼算法.该算法通过使用新的撒网方法来降低计算机内存消耗并减少计算量,从而提高算法性能.数值实验结果表明,在求解高维绝对值方程时,与捕鱼算法相比,改进捕鱼算法具有内存占用低、运行速度快等优点;与粒子群等群智能算法相比,改进捕鱼算法在求解精度等各项指标上均优于其他对比算法.
我国的农作物病害识别主要依靠人工,借助计算机进行农作物病害识别存在病害样本数据量少,识别的精度低、实时性差等问题.针对上述问题,建立了水稻、小麦、玉米三种作物的15种常见病害作为实验样本集,利用迁移学习的方法,在ImageNet数据集取得Shufflenet v21′、MobileNet v3_large、GhostNet的预训练模型,迁移网络的所有权重信息进行训练.实验结果表明:基于迁移学习的MobileNet v3_lage模型在农作物病害识别上所达到的效果最好,准确率为99.27％,模型大小仅4.0
XGBoost算法和LightGBM算法都是“数据挖掘”竞赛中的“佼佼者”,本文将这两种算法应用到贷款违约预测中,结果表明在违约因素影响方面:贷款发放时间、信贷周转余额合计、债务收入比、年收入、分期付款金额、信用等级、贷款金额等因素影响较大,并利用AUC值作为评价指标,发现XGBoost算法在贷款违约预测模型中略优于LightGBM算法,但是在运算速度上LightGBM算法大大优于XGBoost算法.