1-3 京东大规模容器实践之网路性能优化，2021微服务架构解决方案docker容器云K8S分布式事务控制综合管理

日趋重要的高速移动工具，如高速铁路、无人驾驶飞机等，大多都处在开阔地带。由于视距传播的存在，瑞利衰落模型已经不能很好地描述该环境下的信道情况，而莱斯衰落信道模型由视距分量和多径分量组成，更能准确地表述上述信道变化。基于此模型，在大规模天线系统下，在已存在的基于叠加训练序列信道估计方法的基础上，提出了改进的信道估计方法和对应的解码方法。改进后的信道估计方法分为直射分量已知和未知两种情况，分别推导了相应的信道估计公式和解码方法。数值仿真结果验证了本文所提方案性能的优越性。

5G大规模天线技术及其他空口技术详解.pdf

5G大规模天线技术及其它空口技术v1（中国电信）.pdf

缓存机制简单总结可以说是空间换时间，被用于提升系统交互的效率。而有趣的是，这种缓存机制令人惊奇并且优美的遵循着“几何分形”的规律，也就是几何分形学中的“自相似性”。徐汉彬曾在阿里巴巴和腾讯从事4年多的技术研发工作，负责过日请求量过亿的Web系统升级与重构，目前在小满科技创业，从事SaaS服务技术建设。在过去的工作中，徐汉彬从事各类缓存建设和优化，遇到问题无数，从各种各样的问题中，逐渐总结出它们之间的“共性”，而这个“共性”又优雅地遵循“几何分形学”。从几何分形的角度去看待缓存机制，能够更容易和更清晰地表述出它的深层原理和部署思想。帮助技术人员去解决在缓存上遇到的技术问题。缓存机制在我们的实际研

FDD多用户大规模MIMO的信道估计：基于变分贝叶斯推理的方法

在2015年3月21日的北京SparkMeetup第六次活动上，尹绪森就如何使用PredictionIO打造一个定制化推荐引擎进行了详细介绍，白刚则分享了新浪在大规模多标签分类上的探索。在2015年3月21日的北京SparkMeetup第六次活动上，一场基于Spark的机器学习专题分享由微软JulienPierre、新浪网白刚与Intel研究院尹绪森联手打造。JulienPierre首先进行了开场发言，并为大家分享Spark在ASG团队的应用情况。通过Julien了解到，其团队主要工作集中在SparkSQL和MLlib两个组件，基于Spark做一些交互式分析，其中包括：将Spark与现有的查询

大规模MIMO系统中的导频分配方法研究，孙旭耀，戚晨皓，本文研究了服务质量（Quality of Service，QoS）约束下的大规模MIMO系统的导频分配。结合了公平性准则与最大化和速率准则的优点进行导频��

针对矢量线可视化中的数据输入/输出瓶颈, 提出一种大规模流场矢量线可视化的数据预取方法. 首先将规模流场数据划分为若干数据块; 在预处理阶段统计数据块间以及数据块各边界间的粒子流向, 并构造数据块间粒子流向概率图和数据块边界间粒子流向概率图.在进行矢量线计算时, 利用粒子流向概率图预测粒子流向预取数据块. 实验结果表明, 相比已有的数据预取方法, 该方法进行数据预取的命中率和数据满足率提高 10%～25%, 可以有效地提高大规模流场矢量线可视化的效率.

达梦数据库大规模并行处理MPP技术白皮书.pdf