在 Win10上的 docker desktop上去启用K8s，阿里云团队给出了详细的指南：Docker Desktop for Mac/Windows 开启 Kubernetes。在实操中，有两点需要做调整。 执行load_images.ps1脚本时，因为安全策略被阻塞时，需要将安全策略调整到Set-ExecutionPolicy Unrestricted，脚本执行完毕后，记得将安全策略调整回Default级别。 kubectl apply -f xxxx.yaml时，需要把yaml下载到本地，在执行。可能是因为raw.githubusercontent.com域名访问问题导致。

医学影像信息系统(PACS)狭义上是指基于医学影像存储与通信系统，从技术上解决图像处理技术的管理系统；在现代医疗行业，医学影像信息系统是指包含了包括了RIS，以DICOM3.0国际标准设计，以高性能服务器、网络及存储设备构成硬件支持平台，以大型关系型数据库作为数据和图像的存储管理工具，以医疗影像的采集、传输、存储和诊断为核心，是集影像采集传输与存储管理、影像诊断查询与报告管理、综合信息管理等综合应用于一体的综合应用系统，主要的任务就是把医院影像科日常产生的各种医学影像（包括核磁、CT、DR、超声、各种X光机等设备产生的图像）通过DICOM3.0国际标准接口（中国市场大多为模拟，DICOM，网络等接口）以数字化的方式海量保存起来，当需要的时候在一定的授权下能够很快的调回使用，同时增加一些辅助诊断管理功能^1。 功能架构PACS系统最基础的功能如下： 目前PACS系统被赋予越来越多的内涵，当前一个复杂的PACS系统功能架构如下： 本质上PACS还是干了那些基础的事，只是增加了一些区域交互、上下协同和智能化。 业务流程 影像科室的工作流程 诊疗科室的工作流程 数据流 单看P ...

LIS系统(Laboratory Information System) 即实验室（检验科）信息系统，它是医院信息管理的重要组成部分之一。本文从业务诉求、主要功能、系统要点、行业趋势、主要厂商五个方面对LIS系统进行总结。 业务诉求检验科检验科设有临检、生化、免疫、微生物等部门和血库。科室主要的工作主要是针对各种疾病从生物化学、血液学、细胞学、免疫学等给临床诊断疾病、追踪疗效和估计预后提供准确科学的检验依据。标准医院检验科仪器有很多，包括血常规仪器、生化仪器、免疫分析仪等。^1 业务流程 检验总体流程图 门诊检验流程图 住院检验流程图 角色诉求 系统管理员 用户权限的分配管理；试剂的管理、仪器设备的管理；检验科人员、科研管理；耗材管理；质量控制；检验数据的查询；数据的统计分析等 检验操作员 手工快速录入信息；智能条码的使用；医嘱确认；自动釆检验操作员集标本数据；统一的自定义中文检验报告单；多种质控图的自动绘制；工作日志；每日工作量统计报表分析；无容量限制报告结果存储；检验知识的维护；数据的压缩、备份和恢复；危急值查询；动态查询检验数据；检验数据和质控数据的集 ...

certbot已经管理了一些域名或子域名的情形下，如果要对一个新增的子域名添加SSL证书支持，可以使用以下命令： sudo certbot -d xxx.xxx.com --expand

某些公司会墙特定网站，如果你有一个可访问的域名和服务器，就可以通过nginx反向代理来来解决这些问题。比如现在我们用mirror.example.com镜像www.baidu.com，以下是详细操作。 DNS里添加A记录，新增子域名，如：mirror.example.com 在nginx里新增解析文件。注意下面的配置是用https去镜像https。 server { server_name mirror.example.com; # 下面这段location配置是关键 location / { sub_filter www.baidu.com mirror.example.com; sub_filter_once off; proxy_ssl_session_reuse off; proxy_set_header X-Real-IP $remote_addr; proxy_set_header X- ...

出于学习研究的需要，需要在我的机器上搭建一个cdh环境，自从转投docker之后，就很少用vmware等虚拟机了，所以尝试着用docker去搭一套cdh环境。以下是具体步骤。 拉取cdh镜像 docker pull cloudera/quickstart 启动容器 docker run --name cdh -d --hostname=quickstart.cloudera --privileged=true -t -i -p 8888:8888 -p 8020:8020 -p 8022:8022 -p 7180:7180 -p 21050:21050 -p 50070:50070 -p 50075:50075 -p 50010:50010 -p 50020:50020 -p 8890:8890 -p 60010:60010 -p 10002:10002 -p 25010:25010 -p 25020:25020 -p 18088:18088 -p 8088:8088 -p 19888:19888 -p 7187:7187 -p 11000:11000 cloudera/qui ...

开始使用下面的脚本开始 CREATE DATABASE [Crack_Me];GOUSE Crack_Me;GOCREATE TABLE [dbo].[Crack_Me_If_You_Can]( [ID] [int] PRIMARY KEY IDENTITY NOT NULL, [Insert_Date] [datetime] NOT NULL, [Some_Data] [varchar](100) NOT NULL, [Optional_Data] [varchar](50)NULL, [Life_the_Universe_and_Everything] [int] NOT NULL,);GOINSERT INTO [Crack_Me_If_You_Can]( Insert_Date, Some_Data, Optional_Data, Life_the_Universe_and_Everything)VALUES (GetDate(), 'Don''t Panic', 'Share and Enjoy', 42);GOS ...

本文总结一下Drools的性能提升要点。 要点 选择7.5以后的版本。老版本存在一个性能BUG。 KnowledgeBuilder很耗时，编译结果要缓存起来。这样builder就不会成为瓶颈。 kbase过大，会导致内存消耗过多，gc也可能成为瓶颈。建议按规则相关性拆分为多个Kbase。但需要注意，如果一个kbase里的规则数太少，那么无法发挥drools的优势，跟你自己写if-else 没啥差别。所以拆分的重点是规则相关性，而不是数量。 drools的体系注定其更适应增加rule数，而不是增加fact数。在使用时牢记此点。另外，最极端的情况，使用一个通用类去表达所有的fact，会增加beta节点向左侧匹配值的次数，也会导致性能下降，并降低规则可读性。 尽量减少data或fact的碎片化，尽量在同一个session中仅包含相关fact和相关rule。在创建session时，将所有fact批量insert到session中，然后fire比为每个fact单独触发规则更为可取。 在调用insert（）之前准备好数据远远胜过在LHS里去访问数据库获取数据，这种做法可以显著提高性能 ...

这几天在windows里折腾docker。遇到了和linux下不一样的地方或者和网上众言不一致的地方。记录备忘。 -e 参数要用双引号 --linux-e 'flag=true'--windows-e "flag=true" docker for windows 依赖windows 10 专业版，但vmware workstation pro 15 已经与 hyper-v不冲突了 -v 注意宿主机路径分隔符和容器的路径分隔符不一样 -v c:\data:/data portainer如果加上参数--restart always，每次自动重启后，会导致登陆时用户名密码失效。需要再重启容器才行。 待续。

vscode的设置/主题/插件等可以通过Settings Sync插件来同步。它是通过github来进行中转。 大体的步骤是 创建一个GitHub的private token给与create gist权限。 为该插件配置token并上传配置，此时会生成一个gist id。 在另一台机器里安装该插件后，请求下载配置。此时会要求输入token和gist id。完成后开始下载配置。 快捷键1. Upload Key : Shift + Alt + U2. Download Key : Shift + Alt + D