-
Linux运维和云计算运维，别再搞混了！
很多想要转行IT的同学，经常会把Linux运维和云计算运维混为一谈，甚至以为两个就是同一个岗位。虽说二者底层技术相通，但是工作场景、核心技能等多方面有着明显差别，那么Linux运维和云计算运维有什么区别?以下是详细内容介绍。
-
Linux云计算运维必须了解的发行版本！
inux发行版种类繁多，新手常常不知道该如何选择。不同场景适合的系统差异很大，桌面办公、服务器运维、学习实操各有最优解。本文为大家推荐常用的8个Linux系统，一起来看看吧。
-
想要成为优秀的Linux云计算运维需要哪些技能？
现如今，不少想要转行IT的同学都将目光瞄准Linux云计算运维方向，但又不了解其真实岗位要求，从而盲目学习一堆过时的内容，导致无法找到合适的工作。那么Linux云计算运维需要掌握哪些核心技能?具体请看下文。
-
Linux用户passwd命令使用及示例！
passwd命令是Linux系统中管理用户密码的核心命令，也是运维人员日常必备技能。它可用于修改自身或其他用户密码、锁定/解锁用户账号、设置密码有效期等。很多新手对其参数和用法不熟悉，本文为大家详细讲解一下Linux用户passwd命令使用!
-
0基础学Linux，自学还是报班？
很多零基础想要转行学习Linux云计算运维的同学都会面临一个选择难题：0基础学Linux云计算运维，自学还是报班?其实这两种学习方式没有绝对的好与坏，关键在于你的基础、时间以及目标，结合真实情况来决定即可。
-
倒计时1天！从 Infra 到 Agent：龙蜥社区SkillHub Workshop参会指南来了
9月21日，杭州见。
-
收藏！2026 云栖大会如何玩转龙蜥？超全参会指南来了
如何玩转龙蜥？
-
亮点抢先看！AMD、中兴通讯等企业大咖解码下一代 OS｜2026 云栖大会
一览来自 AMD、中兴通讯、阿里云、英特尔，以及上海交通大学等企业/高校专家的精彩 金句和重磅议题。
-
龙蜥赛题队伍再创佳绩！2026 大学生操作系统能力大赛 OS 功能挑战赛道总决赛名单出炉
恭喜他们。
-
详解Linux僵尸进程与孤儿进程！
在Linux系统中，进程的生命周期里藏着两个容易混淆的概念——僵尸进程与孤儿进程。它们看似相似，却有着截然不同的产生机制与系统影响，是运维与开发必须掌握的核心知识点。接下来本文为大家详细讲解一下Linux僵尸进程与孤儿进程!
-
Linux运维面试常被问到哪些命令？
众所周知，Linux系统是依靠命令行进行操作的。因此准备面试Linux云计算运维岗位时，大部分同学都会花费大量时间背命令，但又抓不住重点，那么Linux云计算运维面试，常被问到哪些命令?其实面试官很少会考冷门复杂指令，大多都是围绕高频命令提问，也是日常运维工作中会用到的。
-
学渗透测试前需要懂Linux吗？
许多零基础想要入行渗透测试的同学，都会有这样一个疑问：学渗透测试之前一定要掌握Linux吗?不懂Linux可以直接上手吗?答案是：建议提前打好Linux基础，它是渗透测试的底层基石，对长久发展有很大的帮助。
-
云计算运维中，K8S的Deployment和Statefulset有何区别?
在Kubernetes中，Deployment和StatefulSet都是用来管理应用的资源对象，但是它们的设计目的和服务场景有所不同。下面详细解释这两种资源的区别：
-
0基础入行云计算运维，多久能拿到offer？
0基础转行学云计算运维是很多人的选择，但在还未开始学习之前，大家最关心的问题就是学习周期：从0开始学习云计算运维，多久可以拿到Offer?其实这个答案是没有固定标准的，主要取决于学习投入时长、学习方式等多种因素。
-
云计算运维岗位需要经常加班吗？
不少打算转行云计算运维的同学，最关心的问题就是工作强度：云计算运维要经常加班吗?这个问题很难回答，加班与否与所在行业、公司规模、业务类型直接相关，无法一概而论。
-
在Linux中系统中如何查看磁盘空间？
在Linux运维工作中，查看磁盘空间是日常必做操作，及时掌握磁盘使用情况能有效避免因空间占满导致服务异常。Linux 系统自带了简单实用的命令工具，无需安装额外软件，就能快速查看，那么Linux怎么查看磁盘空间?请看下文。
-
云计算运维和传统运维有什么区别？
近期，小编收到很多留言，很多零基础想转行的同学问：云计算运维和传统运维，差别到底在哪?
-
2026年运维岗位已经饱和了吗？
不少想转行IT的同学都刷到过“运维岗位已经饱和”的说法，因此心里产生疑问：运维岗位饱和，2026年再入行还来得及吗?能找到工作吗?
-
TensorFlow Lite CPU 推理提速四倍：XNNPack 动态范围量化技术解析
导语 2024 年 4 月，TensorFlow 官方博客发布了一项重要更新：XNNPack 的全连接和二维卷积算子现已支持动态范围量化。这一改进让 TensorFlow Lite 的 CPU 推理性能相比单精度基线提升了四倍，意味着更多 AI 功能可以部署到更旧、更低端的设备上。对于长期受限于端侧算力与模型精度平衡难题的开发者而言，这无疑是一个值得关注的进展。 背景：CPU 仍是端侧推理的主战场 XNNPack 是 TensorFlow Lite 的 CPU 后端。尽管 GPU、NPU 等专用加速器在移动端日益普及，CPU 依然为机器学习推理提供了最广泛的覆盖范围，并且仍然是 TensorFlow Lite 的默认目标。因此，提升 CPU 推理性能始终是 TensorFlow Lite 团队的首要任务。 在此
-
LLM API 选型与集成：从模型调用到生产架构的实践指南
调用一次 LLM API 并不难。对大多数模型服务来说，借助官方 SDK，往往几行代码就能完成第一次请求。真正困难的是，当应用开始面对真实用户之后，如何让这次调用持续保持足够快、成本可控并且稳定可靠。随着对话轮次增加，上下文越来越长，Token 成本会不断累积；流量上升后，Rate Limit 往往会在最不合适的时候出现；而很多 LLM API 本身又是无状态的，每次请求结束后都不会记住上一轮发生
