小编Fra*_*ala的帖子

我正在调查可用于：部署和更新微服务型应用程序的谷歌云工具。到目前为止，我的注意力集中在两个解决方案上：(a) 容器集群；(b) 托管实例组加上自动调节程序。你能不能帮我决定我应该走哪条路。您会在下面找到一些详细信息和要求：

• 应用程序从一个 pubsub 主题中提取任务并将结果写入另一个 pubsub 主题；
• 任务相互独立；
• 工作人员的数量应该自动缩放。CPU使用水平；
• 每个工作人员最多使用 10GiB 的 RAM。
• 在启动时，worker 需要几分钟 (<=5mn) 来准备处理任务；
• 开箱即用的滚动更新是一个加分项；
• Worker 共享一个内存缓存服务器，除此之外，Worker 之间严格没有任何类型的通信；
• 我怀疑不需要负载平衡，因为工作人员会尽快处理新任务；
• 日志被推送到一个集合 API（谷歌云日志或第三方）。

我为解决方案 (a) 和解决方案 (b) 做了一个 MWE。到目前为止，我认为我不会使用 kubernetes 功能。因此我更倾向于解决方案（b）。

你怎么认为 ？

最好的，弗朗索瓦。

试图将观察结果分别绘制到每次观察的多个尺度,我设法产生以下情节:

但是我想添加一个刻度,在每个刻度中显示y-max值,而不管它与前一刻度之间的差距.下面给出了这种情节的一个例子.当y-max是滴答间隔的倍数时产生.

谢谢,F.

以下是用于生成这些示例的代码.

import numpy as np
import pylab as pl
import matplotlib as plt
import matplotlib.ticker as ticker
import matplotlib.transforms

def add_scales(fig, axes, scales, subplot_reduction_factor=0.1, margin_size=50):
    nb_scales = len(scales)
    b,l,w,h = zoom_ax.get_position().bounds

    _, ymax = axes.get_ylim()

    # Saves some space to the right so that we can add our scales
    fig.subplots_adjust(right=1-(subplot_reduction_factor)*nb_scales)

    for (n, (vmin, vmax, color, label, alignment)) in enumerate(scales):

        # Adjust wrt. the orignial figure's scale 
        nax = fig_zoom.add_axes((b,l,w,(h * alignment) / ymax)) …