Two Sum
通过之前几篇Spring Cloud中几个核心组件的介绍，我们已经可以构建一个简略的（不够完善）微服务架构了。比如下图所示：
Spring Cloud Config为服务端和客户端提供了分布式系统的外部化配置支持。配置服务器为各应用的所有环境提供了一个中心化的外部配置。它实现了对服务端和客户端对Spring Environment和PropertySource抽象的映射，所以它除了适用于Spring构建的应用程序，也可以在任何其他语言运行的应用程序中使用。作为一个应用可以通过部署管道来进行测试或者投入生产，我们可以分别为这些环境创建配置，并且在需要迁移环境的时候获取对应环境的配置来运行。
在微服务架构中，我们将系统拆分成了一个个的服务单元，各单元间通过服务注册与订阅的方式互相依赖。由于每个单元都在不同的进程中运行，依赖通过远程调用的方式执行，这样就有可能因为网络原因或是依赖服务自身问题出现调用故障或延迟，而这些问题会直接导致调用方的对外服务也出现延迟，若此时调用方的请求不断增加，最后就会出现因等待出现故障的依赖方响应而形成任务积压，最终导致自身服务的瘫痪。
在上一篇《Spring Cloud构建微服务架构（一）服务注册与发现》中，我们已经成功创建了“服务注册中心”，实现并注册了一个“服务提供者：COMPUTE-SERVICE”。那么我们要如何去消费服务提供者的接口内容呢？
Spring Cloud简介
docker 镜像加速 推荐阿里云镜像加速，登录后即可获得自己的镜像加速设置命令粘贴到命令行即可
x86 平板安装 win10 太卡，安装 android 兼容性不好，要是在上面安装一个 Linux 这岂不是一件很酷的事情，而且基于 x86 架构的 Linux 软件资源可谓是异常丰富，本文以国产寨板「蓝魔R9s Pro」为例介绍在普通的 x86 平板上安装 Ubuntu
1996年，John Platt 发布一个称为 SMO（Sequential Minimal Optimization，序列最小优化）的强大算法，用于训练 SVM，该算法的核心思想是将原问题分解成多个小问题分别进行优化求解。
支持向量机，因其英文名为support vector machine，故一般简称SVM，通俗来讲，它是一种二类分类模型，其基本模型定义为特征空间上的间隔最大的线性分类器，其学习策略便是间隔最大化，最终可转化为一个凸二次规划问题的求解。
记录在使用 Jenkins 与 Docker 的配置过程，方便日后再来进行相关的配置
《深入理解 Java 虚拟机》一书的笔记
C# 与 Java 同属于 OOP 语言，但是两者却有着很大的不同点，本文着重对比 C# 与 Java 的差异
x86 的平板安装 win10 太卡，安装 android 兼容性不好，要是在上面安装一个 Linux 这岂不是一件很酷的事情