当前位置： 首页 > news >正文

通过TinyML为语音助手赋能，推动以用户为中心的创新和现实世界应用

news 来源：原创 2025/8/18 16:20:38

英文标题：Empowering voice assistants with TinyML for user-centric innovations and real-world applications
中文标题：通过TinyML为语音助手赋能，推动以用户为中心的创新和现实世界应用

作者信息

Sireesha Chittepu1, Sheshikala Martha1 & Debajyoty Banik2
1 School of CS & AI, SR University, Warangal, India
2 School of Engineering, Anurag University, Hyderabad, India
*Correspondence: debajyoty.banik@gmail.com

论文出处

Scientific Reports | (2025) 15:15411
Empowering voice assistants with TinyML for user-centric innovations and real-world applications | Scientific Reports
www.nature.com/scientificreports/

研究背景

本文探讨了将基于TinyML（微型机器学习）的语音助手集成到日常生活中的动机，重点关注提升其用户界面（UI）和功能以改善用户体验。研究讨论了语音助手在智能家居自动化、视障辅助技术和医疗健康监测等现实世界应用中的潜力。文章指出，尽管语音助手在提升用户采用率方面受到关注，但其与新兴技术（如智能家居和医疗监测）的集成研究相对较少。TinyML作为一种新兴技术，旨在降低人工智能系统的训练成本、碳足迹和能源消耗，适用于低功耗设备。

研究目的与假设

研究旨在通过分析关键性能指标（包括准确性、计算效率和功耗）来评估基于TinyML的语音助手的有效性。假设是：基于TinyML的语音助手可以在显著降低能耗和增强用户隐私的同时，实现与基于云的系统相当的准确性，使其成为现实世界应用的可行替代方案。

研究问题

研究围绕以下问题展开：

  1. 与传统基于云的系统相比，基于TinyML的语音助手的主要实施问题是什么？

  2. 基于TinyML的语音助手的性能和部署如何影响不同硬件平台？

  3. 环境条件和背景噪声如何影响基于TinyML的语音助手的性能和可靠性？

  4. 基于数据集比较，哪种TinyML模型架构在准确性、计算效率和现实可行性之间取得了平衡？

TinyML语音助手的特点

与依赖云计算的传统语音助手相比，TinyML语音助手通过在设备上进行推理，减少了对云的依赖。然而，这种转变也带来了挑战，例如模型复杂度降低和内存资源受限。TinyML在隐私和安全性方面具有优势，因为数据处理在本地进行，无需将数据传输到云端。此外，TinyML设备的功耗极低，适合在资源受限的环境中使用。

实验与分析

传统语音助手与TinyML语音助手的比较

表1提供了TinyML语音助手和传统基于云的语音助手在功耗、延迟、准确性、隐私和可扩展性等关键性能指标上的比较。结果显示，TinyML在能源效率和隐私方面表现出色，但在计算能力和准确性方面存在局限性。

语音助手的市场分布

图1展示了不同设备（如手机、智能音箱、汽车、耳机等）中语音助手的使用分布。例如，Siri主要在手机上使用，Alexa在智能音箱中较为常见，而Google Assistant在汽车中使用频繁。

语音助手的功能与性能

表2列出了Google Assistant、Cortana和Alexa等语音助手的功能质量、正确性、任务时间和情感智能等指标。这些数据显示了不同语音助手在信息质量、响应时间和情感智能方面的差异。

TinyML模型的准确性和工具

表3展示了不同TinyML模型及其软件工具的准确性。例如，ProtoNN在EdgeML上达到了93.58%的准确性，而CNN+GRU在CMIS-NN上达到了85.4%的准确性。这些模型在准确性、计算效率和现实可行性之间取得了平衡。

实施问题与解决方案

实施问题

  • 硬件限制：TinyML设备的计算能力、内存和存储有限，限制了可使用的模型复杂度。

  • 部署挑战：在微控制器单元（MCU）上部署TinyML模型时，面临处理能力不足和模型复杂度受限的问题。

  • 数据隐私与安全：尽管TinyML减少了数据传输，但仍需确保数据安全。

解决方案

  • 模型压缩：通过量化感知训练和知识蒸馏等技术，优化模型以适应低功耗设备。

  • 硬件优化：采用新的微控制器架构，如ARM Cortex-M55和RISC-V，以提高处理能力和能效。

  • 框架支持：TensorFlow Lite Micro（TFLM）等框架通过量化感知训练和硬件加速，优化模型部署。

噪声干扰与环境适应性

噪声对性能的影响

背景噪声显著影响语音助手的性能，导致语音识别准确率降低和误解。研究表明，不同的噪声抑制技术在不同条件下效果各异。

噪声抑制技术

表5比较了基于自动语音识别（ASR）的模型、频谱减法和基于深度学习的去噪方法。结果显示，ASR模型在36种噪声背景下表现出更高的语音识别准确性，而深度学习方法（如SEGAN和CNN）在噪声环境中表现更好，但计算成本较高。

基于TinyML的语音助手模型比较

数据集与模型架构

研究比较了不同数据集（如智能家居、智能手表、车辆等）上的TinyML模型架构。例如，在MUSAN数据集上，RNN架构的精度较高，而在AudioSet数据集上，由于TinyML的计算能力有限，决策树模型更为适用。

模型性能

表8和表9展示了不同模型在不同数据集上的性能。例如，CNN模型在UrbanSound8K数据集上达到了94%的准确性，而决策树模型在ESC-50数据集上表现出色，功耗极低。

现实世界应用

智能家居自动化

TinyML语音助手被集成到智能家居设备中，如Amazon Echo Flex和Google Nest Hub，提供实时命令处理，无需云连接，提高了响应速度和隐私保护。

医疗与辅助技术

TinyML模型被用于可穿戴健康监测设备，如Philips Biosensor BX100和智能助听器，通过神经语音增强技术提高语音清晰度。

工业与环境监测

TinyML语音助手被用于工业设备的预测性维护系统，分析振动和声音模式以预测故障。此外，像Elephant AI Initiative这样的保护项目利用TinyML传感器跟踪野生动物行为，识别偷猎活动。

汽车语音助手

汽车制造商如Tesla和BMW正在研究基于TinyML的语音识别模型，以减少对云的依赖，提高导航和信息娱乐系统的响应速度。

案例研究：Google语音命令数据集

研究使用Google语音命令数据集进行了案例研究，该数据集包含65,000个1秒长的音频记录，涵盖30个不同的单词。表10比较了不同TinyML模型在准确性、延迟和功耗方面的表现。CNN模型在准确性（94%）、低延迟（30-70毫秒）和适中的功耗之间取得了平衡，而决策树模型在功耗方面表现最佳。

伦理考量

随着TinyML语音助手在日常生活中的普及，伦理问题变得尤为重要。关键问题包括：

  • 数据隐私：尽管TinyML减少了数据传输，但仍需确保数据安全。

  • 训练数据中的偏差：AI模型从训练数据中学习，如果数据不具多样性，可能导致偏差结果。

  • 潜在的滥用：语音助手可能被用于未经授权的监视或传播虚假信息。

结论与未来研究方向

结论

TinyML为语音助手提供了在设备上进行处理的能力，减少了延迟并增强了隐私。然而，计算限制、噪声干扰和部署挑战必须得到解决，以充分发挥其潜力。研究指出，研究人员可以投入时间来识别TinyML研究中的空白，以便进一步推进该领域的发展。

未来研究方向

  • 模型部署与优化：如何通过量化、剪枝和知识蒸馏等模型压缩技术，使Transformer模型更适合TinyML应用？

  • 噪声管理与环境适应性：如何使TinyML语音助手在不同噪声水平的各种环境中表现良好？

  • 硬件创新与可扩展性：新的微控制器架构（如RISC-V和ARM Cortex-M55）如何增强TinyML语音助手的实施？

相关文章：

通过TinyML为语音助手赋能，推动以用户为中心的创新和现实世界应用

英文标题：Empowering voice assistants with TinyML for user-centric innovations and real-world applications 中文标题：通过TinyML为语音助手赋能，推动以用户为中心的创新和现实世界应用 作者信息 Sireesha Chittepu1, Sheshikala Mart…...

编程日记 2025/8/18 16:20:38

学习Python网络爬虫的实例

30岁程序员学习Python的第二天之网络爬虫的练习实例 爬取软科2025年中国大学排名 思路： 1、百度查到到网页地址：https://www.shanghairanking.cn/rankings/bcur/2025 2、编写爬取代码，具体步骤分3步，第一步通过requests库爬取网…...

编程日记 2025/8/17 8:29:20

雨云游戏云MCSM面板服使用教程我的世界Forge服务端开服教程

雨云 - 新一代云服务提供商 雨云面板服目前支持一键开服的游戏有：Minecraft Java版、Minecraft 基岩版、泰拉瑞亚、饥荒，还提供纯Java/Linux环境（Docker），方便开自己开其他游戏服。 其中Minecraft Java版支持一键开…...

编程日记 2025/8/17 10:04:44

关于loadstartcode使用

loadstartcode 命令用于从 TFTP 服务器下载一个名为 startcode 的文件。这个命令通常用于将启动代码（如引导加载程序或内核启动映像）从 TFTP 服务器加载到设备内存中。它是嵌入式设备和网络设备（如路由器）常见的命令，通…...

编程日记 2025/8/17 10:24:25

Linux死锁实验分析与总结

三、实验结果截图及分析 1. 实验代码 #include <pthread.h> #include <stdio.h> #include <unistd.h>pthread_mutex_t mutex1 PTHREAD_MUTEX_INITIALIZER; pthread_mutex_t mutex2 PTHREAD_MUTEX_INITIALIZER;void* producer(void* arg) {while (1) {pth…...

编程日记 2025/8/17 8:27:22

【计网】ipconfig、ping、arp、tracert

目录 ipconfig ping arp tracert cmd ipconfig ipcofig -all IPv4 物理地址 ping 检测网络连通情况&#xff0c;分析网络速度 根据域名得到服务器IP 根据TTL判断对方所使用的操作系统以及数据包经过路由器数量 byte数据包大小 time响应时间 TTLDNS记录在DNS服务器上存在…...

编程日记 2025/8/17 8:27:43

当手机开始预判你的下一步：一场正在颠覆生活的AI静默革命

当手机开始预判你的下一步&#xff1a;一场正在颠覆生活的AI静默革命 深夜加班时&#xff0c;手机自动调暗屏幕亮度&#xff1b;出差途中&#xff0c;智能音箱提前预定好常去的酒店&#xff1b;打开购物APP&#xff0c;推荐清单里躺着昨天刚在聊天中提到的商品——这些场景背后…...

编程日记 2025/8/17 8:28:59

【SDRS】面向多模态情感分析的情感感知解纠缠表征转移

abstract 多模态情感分析（MSA）旨在利用多模态的互补信息对用户生成的视频进行情感理解。现有的方法主要集中在设计复杂的特征融合策略来整合单独提取的多模态表示，忽略了与情感无关的信息的干扰。在本文中，我们提出将单模表征分解为情感特定特征和情感独立特征，并将前者融…...

编程日记 2025/8/18 10:16:32

C++ 中的静态链接和动态链接详解

目录 一、什么是链接&#xff1f; 链接分为两类&#xff1a; 二、静态链接&#xff08;Static Linking&#xff09; 特点&#xff1a; 优点&#xff1a; 缺点&#xff1a; 使用方式&#xff1a; 三、动态链接&#xff08;Dynamic Linking&#xff09; 特点&#xff1a; 优…...

编程日记 2025/8/17 8:27:36

426、N叉树的层序遍历

输入检查&#xff1a; if not root:return [] 如果根节点为空&#xff0c;直接返回空列表 初始化&#xff1a; result [] queue collections.deque([root]) result用于存储最终结果queue初始化包含根节点&#xff0c;使用双端队列实现 主循环&#xff1a; while queue:leve…...

编程日记 2025/8/18 14:21:49

雅思阅读--重点短语/句式39个

文章目录 1. according to2. regardless of3. make/keep/leave + n. + adj.leave us stronger1. according to “according to（根据）”。 德国著名数学家 David Hilbert（大卫希尔伯特）说过： Mathematics is a game played according to certain simple rules with meanin…...

编程日记 2025/8/17 9:51:11

探索开源大模型体系：当今AI的引领者

目录 1. Hugging Face Transformers 2. OpenAI GPT 3. DeepSpeed 4. Megatron-LM 5. AllenNLP 总结 在当今人工智能的迅猛发展中&#xff0c;大模型&#xff08;Large Model&#xff09;已经成为了AI领域的核心。与传统的机器学习模型相比&#xff0c;大模型在自然语言处…...

编程日记 2025/8/17 8:37:14

n8n系列（1）初识n8n：工作流自动化平台概述

1. 引言 随着各类自动化工具的涌现，n8n作为一款开源的工作流自动化平台，凭借其灵活性、可扩展性和强大的集成能力，正在获得越来越多技术团队的青睐。 本文作为n8n系列的开篇，将带您全面了解这个强大的自动化平台，探索其起源、特性以及与其他工具的差异，帮助您判断n8n是否…...

编程日记 2025/8/18 13:27:07

n8n 与智能体构建：开发自动化 AI 作业的基础平台

n8n 是一款开源的自动化流程构建平台&#xff0c;通过其模块化节点系统&#xff0c;开发者可以快速实现跨平台的任务编排、数据集成与智能交互。当 n8n 与大型语言模型&#xff08;LLM&#xff09;结合时&#xff0c;就能构建出具备感知、推理、执行能力的 AI 智能体&#xff0…...

编程日记 2025/8/17 2:09:02

大模型主干

1.什么是语言模型骨架LLM-Backbone,在多模态模型中的作用&#xff1f; 语言模型骨架&#xff08;LLM Backbone&#xff09;是多模态模型中的核心组件之一。它利用预训练的语言模型&#xff08;如Flan-T5、ChatGLM、UL2等&#xff09;来处理各种模态的特征&#xff0c;进行语义…...

编程日记 2025/8/17 8:29:47

大模型在宫颈癌诊疗全流程预测与应用研究报告

目录 一、引言 1.1 研究背景与意义 1.2 研究目的与创新点 二、大模型预测宫颈癌术前风险 2.1 术前数据收集与预处理 2.2 预测模型构建与算法选择 2.3 术前风险预测指标与案例分析 三、大模型辅助制定术中方案 3.1 术中风险动态监测与预测 3.2 基于预测的手术方案优化…...

编程日记 2025/8/17 9:15:03

Diffusion Transformer（DiT）

扩散模型的核心思想&#xff1a;Diffusion Models是一种受到非平衡热力学启发的生成模型&#xff0c;其核心思想是通过模拟扩散过程来逐步添加噪声到数据中&#xff0c;并随后学习反转这个过程以从噪声中构建出所需的数据样本。 DiT的架构&#xff1a;DiT架构基于Latent Diffu…...

编程日记 2025/8/17 8:37:28

多模态理论知识

说一下多模态的定义? 多模态是指使用多种不同类型的媒体和数据输入&#xff0c;例如文本、图像、音频、视频等&#xff0c;它们之间存在关联或者对应关系。 这些不同类型的媒体和数据输入可以在不同的层面上传达信息并表达意义。多模态数据的处理需要融合不同类型的信息&…...

编程日记 2025/8/17 9:23:23

Nginx 安全防护与HTTPS部署

目录 一、核心安全配置 1、隐藏版本号 2、限制危险请求方法 3、请求限制&#xff08;CC攻击防御&#xff09; &#xff08;1&#xff09;使用Nginx的limit_req模块限制请求速率 &#xff08;2&#xff09;压力测试验证 4、防盗链 &#xff08;1&#xff09;修改 Window…...

编程日记 2025/8/17 9:08:02

Python爬虫+代理IP+Header伪装：高效采集亚马逊数据

1. 引言 在当今大数据时代&#xff0c;电商平台&#xff08;如亚马逊&#xff09;的数据采集对于市场分析、竞品监控和价格追踪至关重要。然而&#xff0c;亚马逊具有严格的反爬虫机制&#xff0c;包括IP封禁、Header检测、验证码挑战等。 为了高效且稳定地采集亚马逊数据&am…...

编程日记 2025/8/17 10:36:44

效率提升利器：解锁图片处理新姿势

今天我给大家分享一款超实用的图片压缩软件&#xff0c;好用程度超出想象&#xff01;该软件身形 “轻盈”&#xff0c;仅 648KB&#xff0c;启动后能迅速上手。 01 软件介绍 这款软件就是PicSizer&#xff0c;具有以下特点&#xff1a; 支持windows系统 体积小&#xff0c;绿…...

编程日记 2025/8/17 10:52:06

【强化学习】什么是强化学习？2025

1. 强化学习简介 一句话总结&#xff1a;强化学习&#xff08;Reinforcement Learning, RL&#xff09;是一种机器学习范式&#xff0c;强调智能体&#xff08;agent&#xff09;通过与环境&#xff08;environment&#xff09;的交互&#xff0c;以试错&#xff08;trial‑an…...

编程日记 2025/8/17 3:59:49

富文本编辑器的第三方库ProseMirror

如果0-1的开发一个富文本编辑器&#xff0c;成本还是非常高的&#xff0c;里面很多坑要踩&#xff0c;市面上很多库可以帮助我们搭建一个富文本编辑器&#xff0c;ProseMirror就是其中最流行的库之一。 认识ProseMirror ProseMirror 提供了一套工具和概念&#xff0c;用于构建…...

编程日记 2025/8/17 9:23:07

理解IP四元组与网络五元组：网络流量的“身份证”

理解IP四元组与网络五元组&#xff1a;网络流量的“身份证” 在现代网络通信中&#xff0c;IP四元组和网络五元组是流量识别、连接追踪、安全策略等核心的基础概念。理解这些“元组”不仅能够帮助我们更好地设计网络架构、排查故障&#xff0c;还能为安全与运维策略的落地提供…...

编程日记 2025/8/17 10:19:24

ROS2：话题通信CPP语法速记

目录 发布方实现流程重点代码 订阅方实现流程重点代码 参考代码示例发布方代码订阅方代码 发布方实现流程 包含头文件&#xff08;rclcpp.hpp与[interfaces_pkg].hpp&#xff09;初始化ROS2客户端&#xff08;rclcpp::init&#xff09;自定义节点类(创建发布实例&#xff0c;伺…...

编程日记 2025/8/17 8:29:27

码蹄集——直线切平面、圆切平面

MT1068 直线切平面 思路&#xff1a; 则 #include<bits/stdc.h> using namespace std;int main( ) {int n;cin>>n;cout<<n*(n1)/21;return 0; } MT1069圆切平面 n个圆最多把平面分成几部分&#xff1f;输入圆的数量N&#xff0c;问最多把平面分成几块。比如…...

编程日记 2025/8/17 8:31:58

2025年游戏行业DDoS攻防指南：智能防御体系构建与实战策略

2025年&#xff0c;游戏行业在全球化扩张与技术创新浪潮中&#xff0c;正面临前所未有的DDoS攻击威胁。攻击规模从T级流量到AI驱动的精准渗透&#xff0c;攻击手段从传统网络层洪水到混合型应用层打击&#xff0c;防御体系已从“被动应对”转向“智能博弈”。本文将结合最新攻击…...

编程日记 2025/8/16 21:20:02

LightGBM算法原理及Python实现

一、概述 LightGBM 由微软公司开发&#xff0c;是基于梯度提升框架的高效机器学习算法&#xff0c;属于集成学习中提升树家族的一员。它以决策树为基学习器&#xff0c;通过迭代地训练一系列决策树&#xff0c;不断纠正前一棵树的预测误差&#xff0c;逐步提升模型的预测精度&a…...

编程日记 2025/8/17 9:30:53

Nvidia发布Parakeet V2，一款新的开源自动语音识别模型

Nvidia 发布 Parakeet V2&#xff0c;一款新的开源自动语音识别 AI&#xff0c;核心亮点&#xff1a;一秒钟转录一小时的音频&#xff1b;Open ASR 上的顶级模型&#xff0c;击败了 ElevenLabs 的 Scribe 和 OpenAI 的 Whisper&#xff1b;6.05% 的单词错误率&#xff1b;CC-BY…...

编程日记 2025/8/17 8:39:18

浅析MySQL 的 **触发器（Trigger）** 和 **存储过程（Stored Procedure）原理及优化建议

MySQL 的 触发器（Trigger） 和 存储过程（Stored Procedure） 是数据库中用于实现业务逻辑的重要机制，它们的原理和使用方式不同，适用于不同的场景。 一、基本概念与原理 特性触发器（Trigger）存储过程（Stored Procedure）定义在表上定义，当特定事件（INSERT/UPDATE/DELE…...

编程日记 2025/8/17 10:12:11

网页版部署MySQL + Qwen3-0.5B + Flask + Dify 工作流部署指南

1. 安装MySQL和PyMySQL 安装MySQL # 在Ubuntu/Debian上安装 sudo apt update sudo apt install mysql-server sudo mysql_secure_installation# 启动MySQL服务 sudo systemctl start mysql sudo systemctl enable mysql 安装PyMySQL pip install pymysql 使用 apt 安装 My…...

编程日记 2025/8/17 8:29:53

人工智能与智能合约：如何用AI优化区块链技术中的合约执行？

引言&#xff1a;科技融合的新风口 区块链和人工智能&#xff0c;是当前最受瞩目的两大前沿技术。一个以去中心化、可溯源的机制重构信任体系&#xff0c;另一个以智能学习与决策能力重塑数据的价值。当这两项技术相遇&#xff0c;会碰撞出什么样的火花&#xff1f; 智能合约作…...

编程日记 2025/8/17 13:22:53

如何提升丢包网络环境下的传输性能：从 TCP 到 QUIC，再到 wovenet 的实践

在现代互联网环境中&#xff0c;稳定、可靠的网络连接对各种在线应用至关重要。然而&#xff0c;理想情况往往难以实现&#xff0c;特别是在以下一些典型场景中&#xff0c;网络丢包&#xff08;packet loss&#xff09; 常常发生&#xff1a; 一、常见的网络丢包场景 跨境通…...

编程日记 2025/8/17 10:23:56

Python 中的数据结构介绍

Python 是一种功能强大的编程语言&#xff0c;它内置了多种数据结构&#xff0c;以便用户能够方便、高效地存储、处理和访问数据。数据结构是组织和存储数据的方式&#xff0c;不同的数据结构适用于不同的应用场景。掌握 Python 中的基本数据结构&#xff0c;可以使代码更加简洁…...

编程日记 2025/8/16 15:41:34

数据中台架构设计

数据中台分层架构 数据采集层 数据源类型&#xff1a;业务系统&#xff08;ERP、CRM&#xff09;、日志、IoT 设备、第三方 API 等。采集方式&#xff1a; 实时采集&#xff1a;Kafka、Flink CDC&#xff08;变更数据捕获&#xff09;。离线采集&#xff1a;Sqoop、DataX&…...

编程日记 2025/8/17 8:28:17

基于SpringBoot网上书店的设计与实现

pom.xml配置文件 1. 项目基本信息(没什么作用) <groupId>com.spring</groupId> <!--项目组织标识&#xff0c;通常对应包结构--> <artifactId>boot</artifactId> <!--项目唯一标识--> <version>0.0.1-SNAPSHOT</ve…...

编程日记 2025/8/17 8:27:37

Vue3路由模式为history，使用nginx部署上线后刷新404的问题

一、问题 在使用nginx部署vue3的项目后&#xff0c;发现正常时可以访问的&#xff0c;但是一旦刷新&#xff0c;就是出现404的情况 二、解决方法 1.vite.config.js配置 在vite.config.js中加入以下配置 export default defineConfig(({ mode }) > {const isProduction …...

编程日记 2025/8/17 10:12:20

从单机到生产：Kubernetes 部署方案全解析

&#x1f680; 从单机到生产&#xff1a;Kubernetes 部署方案全解析 &#x1f310; Kubernetes&#xff08;k8s&#xff09;是当今最流行的容器编排系统&#xff0c;广泛应用于开发、测试和生产环境。但不同的使用场景对集群规模、高可用性和资源需求有不同的要求。本文将带你…...

编程日记 2025/8/18 13:28:00

redis大全

1 redis安装和简介 基于ubuntu系统的安装 sudo apt update sudo apt install redis##包安装的redis 没有默认配置文件 启动 redis-server /path/to/your/redis.confredis-cliRedis 默认是没有设置用户和密码的&#xff0c;即可以无密码访问 设置密码的方法&#xff1a;可以通…...

编程日记 2025/8/17 8:38:27

C#经典算法面试题

C#经典算法面试题 递归算法 C#递归算法计算阶乘的方法 一个正整数的阶乘（factorial）是所有小于及等于该数的正整数的积，并且0的阶乘为1。自然数n的阶乘写作n!。1808年，基斯顿卡曼引进这个表示法。 原理：亦即n!=123…(n-1)n。阶乘亦可以递归方式定义：0!=1，n!=(n-1)!n。…...

编程日记 2025/8/17 8:38:15

cephadm部署ceph集群

一、什么是Ceph? ceph是一个统一的、分布式的存储系统&#xff0c;设计初衷式提供较好的性能(io)、可靠性(没有单点故障)和可扩展性(未来可以理论上无限扩展集群规模)&#xff0c;这三点也是集群架构所追求的。 “统一的”:意味着Ceph可以一套存储系统同时提供对象存储、块存…...

编程日记 2025/8/17 8:49:22

c#OdbcDataReader的数据读取

先有如下c#示例代码&#xff1a; string strconnect "DSNcustom;UIDsa;PWD123456;" OdbcConnection odbc new OdbcConnection(strconnect); odbc.Open(); if (odbc.State ! System.Data.ConnectionState.Open) { return; } string strSql "select ID from my…...

编程日记 2025/8/17 8:29:34

代码随想录训练营第十八天| 150.逆波兰表达式求值 239.滑动窗口最大值 347.前k个高频元素

150.逆波兰表达式求值&#xff1a; 文档讲解&#xff1a;代码随想录|150.逆波兰表达式求值 视频讲解&#xff1a;栈的最后表演&#xff01; | LeetCode&#xff1a;150. 逆波兰表达式求值_哔哩哔哩_bilibili 状态&#xff1a;已做出 思路&#xff1a; 这道题目是让我们按照逆波…...

编程日记 2025/8/17 8:57:40

数据中台产品功能介绍

在数字化转型浪潮中&#xff0c;数据中台作为企业数据管理与价值挖掘的核心枢纽&#xff0c;整合分散数据资源&#xff0c;构建统一的数据管理与服务体系。本数据中台产品涵盖数据可视化、数据建设、数据治理、数据采集开发和系统管理五大平台&#xff0c;以丰富且强大的功能模…...

编程日记 2025/8/18 15:35:21

第四章-初始化Direct3D

首先我们需要一个错误检测和抛出机制 inline std::string ToString(const HRESULT& result) {char buffer[256];sprintf_s(buffer, "error code : 0x%08X\n", result);return std::string(buffer); }class MyException : public std::runtime_error { public:My…...

编程日记 2025/8/16 19:06:22

实操3:6位数码管

文章目录 文章介绍仿真图原来的仿真代码教学用开发板段选和位选对应引脚思考题实物图 文章介绍 对应“案例5_3: 6位数码管显示0或者1【静态显示】” 跳转链接 要求&#xff1a;实现开发板的6位数码管同时显示0或者1 仿真图 原来的仿真代码 #include<reg52.h> // 头文件…...

编程日记 2025/8/17 15:02:39

常识补充（NVIDIA NVLink技术：打破GPU通信瓶颈的革命性互联技术）

文章目录 **引言&#xff1a;为什么需要NVLink&#xff1f;**1. NVLink技术概述1.1 什么是NVLink&#xff1f;1.2 NVLink的发展历程 2. NVLink vs. PCIe&#xff1a;关键对比2.1 带宽对比2.2 延迟对比 3. NVLink的架构与工作方式3.1 点对点直连&#xff08;P2P&#xff09;3.2 …...

编程日记 2025/8/18 14:21:57

openwrt 使用quilt 打补丁（patch）

1,引入 本文简单解释如何在OpenWRT下通过quilt命令打补丁--patch&#xff0c;也可查看openwrt官网提供的文档 2&#xff0c;以下代码通过编译net-snmp介绍 ① 执行编译命令之后&#xff0c;进入build_dir的net-snmp-5.9.1目录下&#xff0c;改目录即为snmp最终编译的目录了 /…...

编程日记 2025/8/17 9:42:38

NVIDIA Halos：智能汽车革命中的全栈式安全系统

高级辅助驾驶行业正面临一个尴尬的"安全悖论"——传感器数量翻倍的同时&#xff0c;事故率曲线却迟迟不见明显下降。究其原因&#xff0c;当前行业普遍存在三大技术困局&#xff1a; 碎片化安全方案 传统方案就像"打补丁"&#xff0c;激光雷达厂商只管点云…...

编程日记 2025/8/17 8:28:40

k8s术语之service

Kubernetes在设计之初就充分考虑了针对容器的服务发现与负载均衡机制&#xff0c;提供了Service资源&#xff0c;并通过kube-proxy配合cloud provider 来适应不同的用于场景。随着kubernetes用户的激增&#xff0c;用户场景的不断丰富&#xff0c;又产生了一些新的负载均衡机制…...

编程日记 2025/8/16 17:54:37