当前位置: 首页 > news >正文

VISSIM二次开发(Python)大作业总结2

VISSIM二次开发(Python)&大作业总结2

写在前面

前一小节已经概括了基本所有这次使用的二次开发的知识,在这一小节,我们主要介绍本文对.att文件的读取和绘图以及分析的工作。

在这一部分我们将展开对这一部分的介绍,由于这部分的内容专门性比较强,所以就与前面的二次开发部分分开撰写,供有需要的同学们参考。

.att文件示例

在这里插入图片描述

其中表头会介绍数据字节含义,这里需要点出第一列就是仿真运行次数。

需求1:依据仿真结果绘制contour图

#开发环境
matplotlib                         3.3.4
numpy                              1.19.5
pandas                             1.2.4

coutour图是指等高线图,直接上代码

import pandas as pd
import numpy as np
import matplotlib.pyplot as pltS=8  #设置需要读取的仿真次数df1=pd.read_csv('file.att',sep=';',skiprows=21)#att中数据分隔符是“;”,然后需要跳过前面不需要转换成df的部分。
#读取数据需要跳过前面的不需要的行
#%%
# df2=df1.sort_values(by=['DATACOLLECTIONMEASUREMENT', 'TIMEINT'])dfn1=df1[df1['$DATACOLLECTIONMEASUREMENTEVALUATION:SIMRUN'].isin([S])]#这里其实在前面更改clomun后会更加方便。选择仅仅包含这第八次运行的结果
T=int(672*5/8)#这是其中非匝道段的线圈有效数据的行数,因为后面会有很多不需要的统计值,可能需要自己更改
#%%
dfn=dfn1[dfn1['DATACOLLECTIONMEASUREMENT'].isin([1,2,4,7,9])]#这里选取了其中需要分析的截面
pre_df=dfn[['TIMEINT','DATACOLLECTIONMEASUREMENT','SPEED(ALL)']].iloc[:T,:]#这里主要是选择需要分析的几列
pre_df1=pre_df[['SPEED(ALL)']]#最后发现还是只需要一列
pre_df1.index = range(T)#为方便,对index重新编号#下面就是把上面的一列数据转换
for i in range(84):if i ==0:A= pre_df1.iloc[0:5,0]C=pd.DataFrame(A)C.index = range(len(C))else:B=pd.DataFrame(pre_df1.iloc[i*5:i*5+5,0])B.index = range(len(B))C=pd.concat([C,B],axis=1,join='inner')#建立一个9*64的df作为等高线绘图的输入t=C.shape[1]#下面就是等高线图的绘制
C=C.iloc[::-1,:]
x=np.linspace(0,t-1,t)
y=np.linspace(37,41,5)
X,Y=np.meshgrid(x,y)   #上面三句话就是建立等高线图的网格 
plt.figure()
plt.contourf(X,Y,np.array(C),7,cmap=plt.cm.RdYlGn,levels=np.linspace(0,90,50)) #绘制等高线图,中间需要以矩阵的形式,并且满足x列,y行
plt.colorbar()#显示色条
plt.xticks(range(0,84,12),['6:00','7:00','8:00','9:00','10:00','11:00','12:00'])#更改横纵坐标
plt.yticks([37,38,39,40,41],['NHNX41','NHNX40','NHNX39','NHNX38','NHNX37'])
# plt.savefig('C:\\Users\\13968\\Desktop\\0819-'+str(S)+'.jpg', dpi=1000)
plt.show()

其中控制绘图效果的主要就是levels=np.linspace(0,90,50)这个代码其中0,90是控制显示的纵坐标色彩范围(对应颜色),50是表述色彩过渡的趋势,可以参考下面链接中的方法进行选用。以及色板的使用都可以参考,当然官方文档写的也很清楚~

contourf的colorbar如何设置显示范围_solmn的博客-CSDN博客_colorbar设置想要的范围

【Python】绘制热力图seaborn.heatmap,cmap设置颜色的参数_小白兔de窝-CSDN博客_cmap

部分同学可能也有绘制真实场景的contour的需求,因为方法一致这里也不进行探讨了,主要就是构建这个绘图速度时空矩阵C,大家可以自己尝试,这部分中间的df传递有些混乱目前看来能达到效果就好

最终绘制的效果如下~是不是还可以

在这里插入图片描述

需求2:依据结果进行分析

结果分析主要是参考这两篇文献来做的

Bottleneck Identification and Calibration for Corridor Management Planning

Calibration of a micro-traffic simulation model with respect to the spatial-temporal evolution of expressway on-ramp bottlenecks

评价指标含义要求
C1(Bottleneck Area Matching)实际与仿真在瓶颈范围(时间和空间上)的匹配程度>0.75
C2(Actual Speed Matching)反映范围匹配以及实际速度的匹配>0.70
GEH由Geoffrey E. Havers提出,旨在比较两组流量数据的匹配程度<5
速度相对误差<15%

也简单罗列一下公式,其中C1和Devs还有一些其他的形式不过差别不大,具体怎么算可以参考前面推荐的文献~
Devs=∣Sr−SsjSr\\Devs= \frac { | S _ { r } - S _ { s } j } { S _ { r } } Devs=SrSrSsj

GH=(E−v)2(E+v)/2\sqrt { G H } = \sqrt { \frac { ( E - v ) ^ { 2 } } { ( E + v ) / 2 } } GH=(E+v)/2(Ev)2

C1=∑i=1N{(∑t=1T[BSs(i,t)ABSr(i,t)])⋅(xi+1−xi)}∑i=1N(∑t=1T[BSs(i,t)VBSr(i,t)])⋅(xi+1−xi)}\\C_1=\frac{\sum _ { i = 1 } ^ { N } \{ ( \sum _ { t = 1 } ^ { T } [ B S _ { s } ( i , t ) A B S _ { r } ( i , t ) ] ) \cdot ( x _ { i } + 1 - x _ { i } ) \}}{\sum _ { i = 1 } ^ { N } ( \sum _ { t = 1 } ^ { T } [ B S _ { s } ( i , t ) V B S _ { r } ( i , t ) ] ) \cdot ( x _ { i } + 1 - x _ { i } ) \}} C1=i=1N(t=1T[BSs(i,t)VBSr(i,t)])(xi+1xi)}i=1N{(t=1T[BSs(i,t)ABSr(i,t)])(xi+1xi)}

C2=2∑i=1N∑i=1T{[BSs(i,t)VBSr(i,t)]⋅∣Ss(i,t)−Sr(i,t)∣)⋅(xi+1−xi)}∑i=1N∑t=1T{[BSs(i,t)VBSr(i,t)]⋅(Ss(i,t)+Sr(i,t)))⋅(xi+1−xi)}\\C_2=\frac{2 \sum _ { i = 1 } ^ { N } \sum _ { i = 1 } ^ { T } \{[ B S _ { s } ( i , t ) V B S _ { r } ( i , t ) ] \cdot| S _ { s } ( i , t ) - S _ { r } ( i , t ) | ) \cdot ( x _ { i } + 1 - x _ { i } ) \}}{\sum _ { i = 1 } ^ { N } \sum _ { t = 1 } ^ { T } \{ [ B S _ { s } ( i , t ) V B S _ { r } ( i , t ) ] \cdot ( S _ { s } ( i , t ) + S _ { r } ( i , t ) ) ) \cdot ( x _ { i } + 1 - x _ { i } ) \}} C2=i=1Nt=1T{[BSs(i,t)VBSr(i,t)](Ss(i,t)+Sr(i,t)))(xi+1xi)}2i=1Ni=1T{[BSs(i,t)VBSr(i,t)]Ss(i,t)Sr(i,t))(xi+1xi)}

这部分代码为好兄弟xjt今天看论文了嘛的博客_CSDN博客 提供

#文件导入部分前面有讲解,在此不再赘述,主要介绍主要其功能性模块
#计算BS矩阵(45代表阈值,可自行调节,索引自行依据矩阵调节)BS_wn[f'speed_{data}'] = BS_wn[f'speed_{data}'].apply(lambda x: 0 if x >= 45 else 1)   #这里直接利用pandas读取后的Dataframe类型来进行操作,其他类型也可以操作,只要索引对应上
#修正BS矩阵 怕出错这里可不带入,对结果影响不大
BS_s_1 = BS_wn.values   #转换成矩阵形式,遍历一个线圈的历史数据进行判断
for spa_ii in range(1,BS_s_1.shape[1]):for tt_3 in range(BS_s_1.shape[0]):if BS_s_1[tt_3][spa_ii] == 0:  #主要关注瓶颈区的设置是否合理,因此不合理的瓶颈区设置的异常值就是0,所以找到所有0(非瓶颈区位置)for tt_4 in range(tt_3-3,tt_3):data_listwn = []if tt_4 <0:passelse:for tt_5 in range(tt_4,tt_4+5):if tt_5 == tt_3 or tt_5 >=len(BS_s_1.shape[0])-1: #空间位置索引最大值passelse:data_listwn.append(BS_s_1[tt_5][spa_ii])if data_listwn == [1, 1, 1, 1]:BS_s_1[tt_3][spa_ii] = 1
#指标各参数含义可详见公式
#计算C1
def Ca_C1(Bs_s, Bs_r):C1_up = np.sum(np.logical_and(Bs_s,Bs_r))C1_down = np.sum(Bs_s+Bs_r)C1 = 2*C1_up/C1_downreturn C1
# 计算C2指标:
def Ca_C2(Bs_s1, Bs_r1, S_s, S_r):Bs_or = np.logical_or(Bs_s1,Bs_r1)S_abs = np.abs(S_r-S_s)S_add =S_r+S_sC2_up = np.sum(np.multiply(Bs_or, S_abs))C2_down = np.sum(np.multiply(Bs_or,S_add))C2 =1 - 2*C2_up/C2_downreturn C2
# 计算GEH
def Ca_GEH(V_ss,V_r):Geh_up = np.multiply((V_ss-V_r), (V_ss-V_r))Geh_down = (V_ss+V_r)/2Geh = np.sqrt(Geh_up/Geh_down)return np.percentile(Geh, 0.85) #返回85分位值
#计算速度相对偏差
def Ca_DevS(S_s1, S_r1):S_abs = np.abs(S_r1-S_s1)idxnonzeros = np.where(S_r1 != 0)Devs = S_abs[idxnonzeros]/S_r1[idxnonzeros]Devs_re = Devs[np.where(Devs <= np.percentile(Devs, 0.85))]  #剔除15%的较大的值后进行计算,也可以不剔除Devs_avr = np.average(Devs_re)return Devs_avr

通过计算这些指标再结合这个专栏的第一篇就能进行校正参数的标定~

当然,这些工作都是建立在经过前置的细致的检查之后的,比如软件检查-建模检查-动画检查,经过定性分析之后再进行这里介绍的方法进行定量分析。从而得到最佳的参数组合,完成模型的标定工作,对交通现象和微观行为有更深入的认知 。

本系列第一篇:VISSIM二次开发(Python)&大作业总结1_tu_qing的博客-CSDN博客欢迎大家关注

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.exyb.cn/news/show-35238.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈,一经查实,立即删除!

sql中grant授权语句revoke撤销语句

MySQL 赋予用户权限命令的简单格式可概括为&#xff1a; grant 权限 on 数据库对象 to 用户 一、grant 普通数据用户&#xff0c;查询、插入、更新、删除 数据库中所有表数据的权利 grant select on testdb.*to common_user%; grant insert on testdb.*to common_user%; gran…...

QT如何设置小程序不被重复启动多个该程序

添加互斥锁 判断 如果进程有该程序&#xff0c;则return不运行 #if defined Q_OS_WIN32 //for win #include <windows.h> bool checkOnly() {// 创建互斥量HANDLE m_hMutex CreateMutex(NULL, FALSE, L"fortest_abc123" );// 检查错误代码if (GetLas…...

jquery--动画效果

show() : 显示隐藏的匹配元素。 这个就是 show( speed, [callback] ) 无动画的版本。如果选择的元素是可见的&#xff0c;这个方法将不会改变任何东西。无论这个元素是通过hide()方法隐藏的还是在CSS里设置了display:none;&#xff0c;这个方法都将有效。 hide()&#xff1a…...

SVN错误:Previous operation has not finished;run “cleanup“ if it was interrupted.

问题分析&#xff1a; SVN报错以上错误&#xff0c;可能是修改本地的文件之前没有update&#xff0c;导致commit的时候产生冲突&#xff0c;致使SVN崩溃&#xff0c;陷入clean up 死循环。 svn 的 operation是存放在 "work queue" 里的。而 "work queue"…...

【力扣1044. 最长重复子串】二分查找+Rabin-Karp 字符串编码、后缀数组(Python3)

题目描述 https://leetcode-cn.com/problems/longest-duplicate-substring/ 思路题解 方法一&#xff1a;二分查找Rabin-Karp 字符串编码 https://leetcode-cn.com/problems/longest-duplicate-substring/solution/zui-chang-zhong-fu-zi-chuan-by-leetcode/ class Solut…...

政产学研各界推动软件和信息技术服务业增速发展

​日前&#xff0c;工业和信息化部发布的最新数据显示&#xff0c;上半年&#xff0c;我国软件和信息技术服务业业务收入呈加快增长态势&#xff0c;完成软件业务收入44198亿元&#xff0c;同比增长23.2%&#xff0c;近两年复合增长率为14.7%。 从利润水平来看&#xff0c;上半…...

JavaScript-DOM、BOM对象

DOM对象 功能&#xff1a;控制html文档的内容 1、获取页面标签(元素)对象&#xff1a;Element 方法&#xff1a;document.getElementById(“id值”)&#xff1a;通过元素id获取元素对象、 2、操作Element对象&#xff1a; 1&#xff09;. 修改属性值&#xff1a; 明确获取的对…...

Vue 路由导航

...

Java学习五阶段-RabbitMQ-SpringBoot整合

文章目录 新建项目pom.xmlapplication.yml主程序 简单模式主程序生产者消费者测试类 工作模式主程序生产者消费者测试类 ack模式设置 ack 模式手动执行确认操作 抓取数量发布和订阅模式主程序生产者消费者测试类 路由模式主程序生产者消费者测试类 主题模式主程序生产者消费者测…...

flink 小技巧记录

一、背景 flink做etl、大宽表、统计过程中有些小细节可以尝试优化&#xff0c;这里简单记录下&#xff1a; 二、场景 2.1 允许延迟的数据同步。比如线上订单库binlog同步到查询库&#xff0c;或者简单处理进入分析库&#xff0c;让分析师直接查询明细. 如果吞吐要求大一点&…...

带你了解DDoS攻击的原理,让你轻松学会DDoS攻击原理及防护措施

DDoS攻击原理是什么? 随着网络时代的到来&#xff0c;网络安全变得越来越重要。在互联网的安全领域&#xff0c;DDoS(Distributed DenialofService)攻击技术因为它的隐蔽性&#xff0c;高效性一直是网络攻击者最青睐的攻击方式&#xff0c;它严重威胁着互联网的安全。接下来的…...

小区物业管理系统-物业管理员页面

小区物业管理系统-物业管理员页面 主页面 添加业主 Public Class PropertyManager_Pro_insertbug:插入&#xff1a;若删除一个&#xff0c;用count就会插入相同的&#xff0c;导致插入错误Dim proprietor As New ProprietorPublic Sub New(s As String)InitializeComponent()E…...

js常见问题总结-DOM节点增删改查

DOM节点的增删改查 文章目录DOM节点的增删改查1.查找节点2.增加节点2.1 创建节点createElement()&#xff1a;创建一个dom节点2.2 父节点插入子节点2.3 同级插入节点3.修改节点3.1 替换节点3.2 clone节点4.删除节点4.1删除节点5.常见操作实现问题综合案例1.查找节点 getElemen…...

Python数学问题20:高空抛物

1. 问题描述 一球从100米高度自由落下&#xff0c;每次落地后反跳回原高度的一半&#xff1b;再落下&#xff0c;求它在第10次落地时&#xff0c;共经过多米&#xff1f;第10次反弹多高&#xff1f; 2. 实例代码 high 200 total 100 for i in range(10):high / 2total hi…...

SQL Server 执行计划(1)- 概述

在本系列文章中&#xff0c;我们将导航 SQL Server 执行计划的海洋&#xff0c;从定义执行计划的概念开始&#xff0c;遍历执行计划的类型、组件和运算符&#xff0c;分析执行计划&#xff0c;我们将完成如何保存和管理执行计划。 SQL Server 执行计划概述 当你提交一个 T-SQ…...

多域间访问之外部信任

前言&#xff1a;在同一个林内&#xff0c;通过自动建立可传递的&#xff0c;双向的信任关系&#xff0c;可以实现所有域间的相互信任。但是在不同林之间则不会自动建立信任关系&#xff0c;要实现两个林之间的访问需要手工建立信任关系。 林之间的信任关系又可分为外部信任和…...

阿里程序员的Java之路!Redis宕机数据丢失解决方案

二叉树 定义 二叉树是n(n>0)个结点的有限集合&#xff0c;该集合或者为空集&#xff08;称为空二叉树&#xff09;&#xff0c;或者由一个根结点和两棵互不相交的、分别称为根结点的左子树和右子树组成。 图解 二叉树特点 由二叉树定义以及图示分析得出二叉树有以下特点…...

最全面的 Spring 学习笔记

最全面的 Spring 学习笔记...

html基础

文章目录day01_web一、Web前端介绍1. 什么是网页2. 网页的组成3. 开发前的准备二、 HTML语法介绍1. HTML介绍2. 标签3. 使用三、常用标签介绍1. 基本结构解析2. body中常用标签3. 常用结构标签属性和属性值day01_web 一、Web前端介绍 1. 什么是网页 网页是基于浏览器的应用程…...

pt-osc工具原理与实践

MySQL在5.7版本对于online ddl支持的并不是非常优化&#xff0c;比如说将大表int字段类型修改成bigint或者对大表进行字符编码的改造。对于业务来说都是需要停业去处理的&#xff0c;对于高速发展的互联网行业来说&#xff0c;时间就是金钱&#xff0c;所以合理的应用pt-osc工具…...

Python学习日记3

今天换了一个视频资源学习&#xff0c;因为发现之前的教学视频讲的是python2&#xff0c;python2跟现在的python3差别很大&#xff0c;所有换了一个平台学习。 今天学习内容主要是把python重新从头看了一遍&#xff0c;重新学习了一下&#xff0c;补充了关系运算符的知识&…...

Android FileProvider 应用间共享媒体资源

先参考以下两个文档&#xff1a; 官网介绍&#xff1a;https://developer.android.google.cn/training/data-storage/use-cases TX 介绍&#xff1a;https://developers.weixin.qq.com/community/develop/doc/0004886026c1a8402d2a040ee5b401 然后基于以上的文档做一个例子介…...

express框架rmvp的使用

文章目录前言一、RMVP是什么&#xff1f;二、搭建基本服务1.构建服务器server.js基本组成2.router文件2.1、如何实现数据的获取GETPOSTPUTPATCHDELETE2.2 如果想要不区分请求方式,一律接收2.3 做rmvp的抽离,抽离controller三、渲染知识补充前端请求静态资源目录&#xff08;快&…...

【Android 11】使用Android Studio调试系统应用五):编译Settings 模块、解决编译错误

文章目录 1. 篇头语2. 系列文章3. 关联Git4. 完善Settings的依赖4. 1 Android.bp回顾4.2 提取出所需androndx支持库4.2.1 依赖列表(android.bp)4.2.2 转换后的列表(build.gradle)4.2 提取出所需aar库4.3 提取出依赖的本地jar包4.3.1 查找本地jar包的位置4.3.2 所需jar列表(ando…...

出现了,Mac也可以玩的简单扫雷(1.0版本)

总体思路: 1.随机生成雷区 2.将每一个方块旁边有几个雷的数量算出来 3.不断的输入想要翻的方块 4.判断是否输赢 5.改变此方块的状态 直接上代码: #include <iostream> #include <ctime> #include <chrono> //计时头文件 #include <string.h> …...

python数据类型的性能分析

python数据类型的性能分析 本文主要对Python两种内置数据类型list 和 dict上各种操作的大O数量级进行分析 list与dict的比较 list类型各种操作&#xff08;interface&#xff09;的实现方 法有很多&#xff0c;如何选择具体哪种实现方法&#xff1f; 总的方案就是&#xff0…...

DP求解 最大连续子数组和

DP求解 最大连续子数组和 题目描述&#xff1a;输入一个整型数组&#xff0c;数组中的一个或连续多个整数组成一个子数组。求所有子数组的和的最大值。 1. 暴力求解 思路分析&#xff1a;计算数组中每一个连续子数组的和&#xff0c;找出其中最大值 /*** 暴力求解* param nums…...

element时间选择器 选择当前时间和之后的时间

<el-form-item label"称号有效期&#xff1a;" prop"featureEndTime"><el-date-pickerv-model"formObj.featureEndTime"type"datetime"placeholder"选择日期"format"yyyy-MM-dd HH:mm:ss"value-format&q…...

Dubbo(一)项目架构演变过程

Dubbo&#xff08;一&#xff09;项目架构演变过程架构演变过程单体架构垂直架构SOA&#xff08;分布式架构&#xff09;微服务架构架构演变过程 dubbo是一款高性能的java rpn框架。 随着互联网的发展&#xff0c;用户群体逐渐壮大&#xff0c;网站的流量成倍增长&#xff0c;…...

搜索: DFS + 剪枝:木棒

题目链接&#xff1a;https://www.acwing.com/problem/content/169/ 题目&#xff1a; 乔治拿来一组等长的木棒&#xff0c;将它们随机地砍断&#xff0c;使得每一节木棍的长度都不超过 50 个长度单位。 然后他又想把这些木棍恢复到为裁截前的状态&#xff0c;但忘记了初始时有…...

JMeter入门教程(16)——非GUI运行

文章目录1.任务背景2.任务目标3.任务实操1.任务背景 JMeter的场景运行方式分为两种&#xff0c;一种是GUI&#xff08;视窗运行&#xff0c;即我们可以看到的运行界面&#xff09;方式&#xff0c;另一种是非GUI&#xff08;命令窗口&#xff09;方式运行&#xff0c;在Window…...

什么是运维?什么是游戏运维?

1&#xff09;运维是指大型组织已经建立好的网络软硬件的维护&#xff0c;就是要保证业务的上线与运作的正常&#xff0c; 在他运转的过程中&#xff0c;对他进行维护&#xff0c;他集合了网络、系统、数据库、开发、安全、监控于一身的技术 运维又包括很多种&#xff0c;有D…...

404未找到是什么意思_404错误是什么意思?为什么是404

展开全部404页面是客户端在浏览网页时&#xff0c;服务器无法正常提供信息&#xff0c;或是服务器无法回应&#xff0c;且不知道原因所返回的页面。62616964757a686964616fe59b9ee7ad9431333366306464404 的含义&#xff1a;第一个 4 表示客户端出错&#xff1b;第二个 0 表示你…...

云呐AIOps智能运维是什么意思?AIOps如何赋能it运维

近年来&#xff0c;运维技术从传统的手动操作到DevOps自动化运维&#xff0c;再到AIOps智能化运维&#xff0c;完成跨越发展&#xff0c;IT运维领域再一次引起了公众的关注。这一次&#xff0c;云呐智能运维管理平台的构建是智能运维的缩影&#xff0c;运维技术的不断发展也是云…...

什么是运维

运维&#xff0c;这里指互联网运维&#xff0c;通常属于技术部门&#xff0c;与研发、测试、系统管理同为互联网产品技术支撑的4大部门&#xff0c;这个划分在国内和国外以及大小公司间都会多少有一些不同。 一个互联网产品的生成一般经历的过程是:产品经理、需求分析、研发部门…...

【IT运维小知识】安全组是什么意思?

很多刚入行的IT运维小白&#xff0c;对于IT生活充满向往&#xff0c;对IT知识充满好奇心。有人问&#xff0c;安全组是什么意思&#xff1f; 安全组是什么意思&#xff1f; 安全组是一种虚拟防火墙&#xff0c;用于控制安全组内ECS实例的入流量和出流量&#xff0c;从而提高E…...

一文帮你理解整个SRE运维体系

SRE运维体系的构建和工作职责划分。 SRE工程师近年来的岗位需求逐年增加&#xff0c;被称为IT行业十大最受欢迎的行业之一。 可观测性系统 在任何有一定规模的企业内部&#xff0c;一旦推行起来整个SRE的运维模式&#xff0c;那么对于可观测性系统的建设将变得尤为重要&…...

运维篇 k8s(Kubernetes)

文章目录1. 什么是k8s&#xff1f;2. 安装Ubuntu server3. 安装docker4. 搭建集群1. 修改主机名2. 安装kubelet、kubeadm、kubectl3. 配置master4. 配置node5. 网络配置6. 实例&#xff1a;运行tomcat容器1. 什么是k8s&#xff1f; k8s是kubernetes的简称&#xff0c;即字母“…...

python方向是什么意思_Python运维方向基本工作内容是什么

python运维方面一般用来做什么运维的主要工作是什么&#xff1f; 部署和维护。所以python首先用在运维的就是部署工具啊&#xff0c;从最原始的fabric到类似saltstack这种集成工具都可以&#xff0c;从单个部署到批量自动化部署都可以使用python来实现。另外一个常用的就是监控…...

智能运维(AIOps)系列之一:个人对智能运维的理解

前序 本人从事了 5年 的智能运维开发&#xff0c;把这几年的想法和思路在此跟大家分享一下&#xff0c;主要是为了起到抛砖引玉的作用。该序列总共5部分&#xff1a; 智能运维系列之一 — 概述&#xff1a;主要是讲述自己对智能运维的理解&#xff1b;智能运维系列之二 — 什…...

DevOps是什么意思

DevOps即Development和Operations的组合词&#xff0c;是一组过程、方法与系统的统称&#xff0c;用于促进开发应用程序或软件工程、技术运营和质量保障QA部门之间的沟通、协作与整合。 什么是DevOps&#xff1f; DevOps是一种重视“软件开发人员&#xff08;Dev&#xff09;”…...

什么是 SRE?一文详解 SRE 运维体系

可观测性系统在任何有一定规模的企业内部&#xff0c;一旦推行起来整个SRE的运维模式&#xff0c;那么对于可观测性系统的建设将变得尤为重要&#xff0c;而在整个可观测性系统中&#xff0c;通常我们会分为如下三个方面&#xff1a;指标监控&#xff1a;即各种指标监控&#x…...

linux运维是什么

linux运维即linux运维工程师&#xff1b;Linux是一套免费使用和自由传播的类Unix操作系统&#xff0c;是一个基于POSIX和UNIX的多用户、多任务、支持多线程和多CPU的操作系统。它能运行主要的UNIX工具软件、应用程序和网络协议。它支持32位和64位硬件。Linux继承了Unix以网络为…...

华为发布最强服务器芯片,华为:最强ARM服务器芯片,华为鲲鹏920处理器发布

华为&#xff1a;最强ARM服务器芯片&#xff0c;华为鲲鹏920处理器发布2019年01月07日 16:02作者&#xff1a;王伟铭编辑&#xff1a;王伟铭分享今日华为宣布推出ARM-based处理器——鲲鹏920(Kunpeng 920)&#xff0c;以及基于鲲鹏920的泰山服务器、华为云服务&#xff0c;将计…...

arm服务器芯片尺寸,华为公开ARM服务器芯片“Hi1620”:7nm+64核心

在日前的智能计算大会暨中国智能计算业务战略发布会&#xff0c;华为正式发布ARM服务器计算芯片&#xff0c;型号为“Hi1620”&#xff0c;据悉&#xff0c;这是华为的第四代服务器平台。华为表示该芯片将在2019年推出&#xff0c;采用台积电7nm工艺制造&#xff0c;在ARMv8架构…...

华为服务器升腾芯片,华为公布昇腾910芯片架构细节:7nm+ EUV工艺、32核达芬奇...

在今天开幕的行业顶级活动、第31届Hot Chips大会上&#xff0c;华为也作为主角之一参加&#xff0c;与AMD、Intel、ARM等巨头一道介绍自家在芯片方面的最新成果。华为此次活动的主题是AI芯片所用的“Da Vinci(达芬奇)”架构&#xff0c;成品是去年发布的昇腾310(Ascend 310)、昇…...

华为第四代服务器芯片Hi1620,华为第四代自研芯片Hi1620曝光, 全球首款7nm的ARM处理器...

日前&#xff0c;AnandTech披露了一组华为第四代ARM服务器自研芯片&#xff0c;Hi1620的主要规格信息&#xff0c;新的Hi1620被宣布为全球首款用于数据中心的7nm处理器&#xff0c;其中Ares内核将为其部署带来高性能。至少四年来&#xff0c;Arm一直在努力成为现代服务器、现代…...

2019届华为秋招数字芯片面试经验

转&#xff1a;https://blog.csdn.net/weixin_43343190/article/details/84725721 2019届秋招&#xff0c;2018年10月16日&#xff0c;坐标杭州香格里拉饭店西楼小礼堂。 距离拿到offer已半月有余&#xff0c;闲来无事&#xff0c;回忆一下去面杭研海思数字芯片的经过&#xff…...

2022IC秋招面经分享【华为·芯片与器件工程师(上海海思)】

【流程】 2022.9.19 一面 2022.9.19 二面 2022.9.21 三面 面经分享 一面 1.手撕代码&#xff08;交通灯&#xff09; 忘记时钟是1Mhz了&#xff0c;所以计数器写错了&#xff0c;但是思路是对的 2.手撕代码&#xff08;时钟分频-分频系数N为1-255任意可选&#xff09; 我的写…...

华为芯片设计面试题_华为2019数字芯片设计笔试题目和解析(单选第一部分)...

1.单选1.已知“a1b1;b3b001;”,那么{a,b}()【A】3b001【B】3b101【C】4b0011【D】4b1001解析&#xff1a;位拼接运算符{}&#xff0c;用这个运算符可以把两个或多个信号的某些位拼接起来进行运算操作。已知“a1b1;b3b001;”,那么{a,b}4’b1001, {b,a}4’b0011, {4{a}}4’b1111,…...