云原生技术范畴
- 不可变基础设施 目前实现: 容器镜像
- 云应用编排理论 目前实现: 容器设计模式
什么是容器?
容器,是一个视图隔离,资源可限制,独立文件系统的进程集合
- 视图隔离 - 如能看到部分进程,独立主机名等等;
- 控制资源使用率 - 如 2G 内存大小,CPU 使用个数等等
1 | $ cat netstat.txt |
1 | [root@aliyun ~]# awk '{print $1,$4}' netstat.txt |
其中单引号中的被大括号括着的就是awk的语句,注意,其只能被单引号包含。
其中的$1..$n表示第几例。注:$0表示整个行。
1 | $ awk '{printf "%-8s %-8s %-8s %-18s %-22s %-15s\n",$1,$2,$3,$4,$5,$6}' netstat.txt |
具体问题可以看下这个回答
https://www.zhihu.com/question/28943072/answer/42673180
udf
,就可以在 sql 中使用了。亦叫做 “四舍六入五成双” ,四舍六入,使得两头(即进和舍)概率相等,但是,在 4 和 6 之间的 5 就需要特别对待。具体规则如下:
舍去位的数值小于5时,直接舍去;
舍去位的数值大于等于6时,进位后舍去;
当舍去位的数值等于5时,分两种情况:5后面还有其他数字(非0),则进位后舍去;若5后面是0(即5是最后一位),则根据5前一位数的奇偶性来判断是否需要进位,奇数进位,偶数舍去。
舍去位,当小于 5,即 0 ~ 4.999999…… 则舍去,大于 6,即 6 ~ 10 则进位,则中间区间那个数字,5 ~ 5.999999…… ,只要使该区间内存在的数字平均分布,即可保证取舍概率相等。于是得到上述算法。
DataFrame
1 | In [14]: df = pd.DataFrame({ |
1 | [root@huawei ~]# docker pull mysql |
1 | [root@huawei container]# pwd |