常见的OT/工业防火墙错误

2.Starlingx

项目介绍：

StarlingX，一个专注于对低延迟和高性能应用进行优化的开源边缘计算及物联网云平台，StarlingX 项目旨在为边缘计算重新配置经过验证的云技术，在大规模分布式计算环境中提供成熟且稳健的云平台。StarlingX 是适用于裸机、虚拟机和容器化部署环境的完整边缘云基础设施平台，适用于对高可用性(HA)、服务质量(QoS)、性能和低延迟等有严格要求的应用场景。

2020 年大事记

2020 年 8 月正式发布 4.0 版本。社区将对 Kata Containers 的支持添加为一个容器运行时，集成了 OpenStack 的 Ussuri 版本，将剩余的平台服务容器化，以列出对软件的一些增强。

2020 年，StarlingX 项目被批准为开源基础设施基金会的顶级项目之一。在这一年中，有 111 位贡献者将 2237 项代码更改合并到了代码库中。这还不包括提交到平台集成的相邻项目的代码库中的更改(例如 Kubernetes)。

相关介绍
 

随着今年即将结束，我总结了一些我的思考以及从我的(机器学习)博士经历中学到的教训。我讨论的主题包括对未来的期望，在读博士期间常见的挑战(以及一些帮助挑战的策略)，跟上论文发布的步伐，研究的社区性质并发展处一个研究愿景。我希望这些主题对指导博士和机器学习的研究有帮助!

对读博士的期望

在这篇文章的标题中，我将博士学位称为一段“旅程”，这是一个经常被低估的方面，尤其是那些刚从本科毕业的人(这也是我的经历)。典型的机器学习博士是相对非结构化的5 - 6年的时间，在这期间，不仅可以学习到如何做研究该领域的知识，你还能够开发出个人对特定问题的偏好。

这些不断变化的个人偏好将影响你决定从事的研究类型，甚至你博士之后选择的职业道路。但尤其是在读博士的初期，很难预测这些个人观点将如何演变。

就我而言，开始读博士时，我完全假定自己会留在工业界，读了一段时间后，我开始认真考虑学术界的问题，最后做出了一个非常艰难的决定：拒绝学术界的邀请，继续留在工业界。

所以进入博士阶段，有助于一步一步向前走，并专注于获得的经验(学习/研究/社区参与)，而不是一个非常具体的期望结果(这很容易变化，也会添加不必要的压力。)

这个旅途中的一些常见的挑战

攻读博士学位是一个非常有益的经历，尤其是在机器学习方面，它提供了一个为理解基础科学和有影响力的技术部署做出贡献的机会。我非常感谢我的博士学位给了我很多机会去体验这两种体验!然而，博士学位的持续时间和非结构化也会使其具有挑战性。我的旅程肯定是有起有落的，在不同的时候，我挣扎于感觉到孤立，完全被卡住，甚至试图跟上快速进展的步伐而不知所措。回顾过去，通过与同龄人的讨论，我现在知道，不幸的是，这些低谷可能是相当普遍的。但因为这些经历是很多人共有的，所以也可以有一些策略来克服它们。下面我将讨论其中的一些经验和策略。

感觉完全被卡住

一个很常见的挑战就是感觉完全被卡住了，不管是在某个特定项目上还是在整个研究过程中。

（编辑：鹰潭站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!