问题标签 [checkpoint]

我需要使用 OPSEC API 远程收集属于我的客户端的防火墙规则数据。我在网上研究了一下，发现我可以使用 OPSEC API 的 LEA（日志导出 API）（更多信息：https ://www.fir3net.com/Firewalls/Check-Point/a-quick-guide-to -checkpoints-opsec-lea.html）。我还发现有一个名为 fw1-lograbber 的项目（https://github.com/certego/fw1-loggrabber）。我对网络安全很陌生，实际上对 CheckPoint 防火墙一无所知。所以我的问题是对 CheckPoint 防火墙规则的基础知识以及如何使用 OPSEC API 收集它们的简要说明。更具体地说，检查点日志中是否包含规则，或者 LEA 中是否有特定方法来获取规则？

谢谢你们！

我正在为 aarch64 使用 qemu 模拟器，并希望创建一个外部检查点（或快速转发）以保存从创建检查点时重新启动系统所需的所有内容。（其实我是想跳过开机步骤）我只在qemu VM快照和快进上发现了一些东西，但对模拟器不起作用。qemu 模拟器有检查点功能吗？

我使用 docker-1.10.0-dev 来检查 docker 容器。但是出现了一个问题。

我在http://criu.org/Docker上下载了这个 docker

不能使用 CRIU 或任何其他检查点/恢复命令。我需要能够在不同的系统上恢复进程。

我已经加载了预训练的初始模型：

if FLAGS.pretrained_model_checkpoint_path: assert tf.gfile.Exists(FLAGS.pretrained_model_checkpoint_path) variables_to_restore = tf.get_collection( slim.variables.VARIABLES_TO_RESTORE) restorer = tf.train.Saver(variables_to_restore) restorer.restore(sess, FLAGS.pretrained_model_checkpoint_path) print('%s: Pre-trained model restored from %s' % (datetime.now(), FLAGS.pretrained_model_checkpoint_path)) 并通过使用flowers_train.py 在我的数据上训练模型

训练完成后，损失约为1.0，模型保存在指定目录。

现在我想继续训练，所以，我恢复模型：

if FLAGS.checkpoint_dir is not None: # restoring from the checkpoint file ckpt = tf.train.get_checkpoint_state(FLAGS.checkpoint_dir) tf.train.Saver().restore(sess, ckpt.model_checkpoint_path)

并继续训练模型，但第一步的损失约为 6.5，这实际上意味着该模型根本没有初始化。

这是inception_train.py的全部内容，这些内容是从这个inception_train.py修改而来的

我乘坐的第一列火车是：

bazel-bin/inception/flowers_train --train_dir="{$TRAIN_DIR}" --data_dir="{$DATA_DIR}" --fine_tune=True --initial_learning_rate=0.001 --input_queue_memory_factor=1 --batch_size=64 --max_steps=100 --pretrained_model_checkpoint_path="/home/tensorflow/inception-v3/model.ckpt-157585"

我试图通过这个命令继续训练：

bazel-bin/inception/flowers_train --train_dir="{$TRAIN_NEW_DIR}" --data_dir="{$DATA_DIR}" --fine_tune=False --initial_learning_rate=0.001 --input_queue_memory_factor=1 --batch_size=64 --max_steps=2000 --checkpoint_dir="{$TRAIN_DIR}"

拜托，谁能解释一下，初始化训练模型时我做错了什么？

我编写了一个 stateful-wordCount spark 流应用程序，它可以连续接收来自 Kafka 的数据。我的代码包含一个mapWithState函数并且可以正常运行。当我在 spark UI 检查 Streaming Statistics 时，我在处理时间图表中发现了一些周期性脉冲。我认为这可能是由于使用checkpoint引起的。希望有人能解释一下，非常感谢！

和完成的批次表：

我发现一些 1 秒时间成本的批次会定期发生。然后我进入一个 1 秒时间成本批次和一个亚秒时间成本批次，发现 1 秒时间成本批次比另一个多工作。

比较两种批次：

这似乎是由 引起的checkpoint，但我不确定。

谁能给我详细解释一下？谢谢！

这是我的代码：

我使用以下代码在每 10 个时期后使用 tensorflow 检查点：

问题是，随着新文件的生成，之前的 5 个模型文件会被自动删除。

保存或恢复时没有错误。重量似乎已正确恢复。

我正在尝试按照karpathy/min-char-rnn.py、sherjilozair/char-rnn-tensorflow和Tensorflow RNN 教程来构建我自己的最小字符级别 RNN 。我的脚本似乎按预期工作，除非我尝试恢复/恢复训练。

如果我重新启动脚本并从检查点恢复，然后恢复训练，则损失总是会恢复，就好像没有检查点一样（尽管权重已正确恢复）。但是，在脚本的执行过程中，如果我重置图表、启动新会话并恢复，那么我可以继续按预期将损失最小化。

我试图在我的台式机（带有 GPU）和笔记本电脑（仅 CPU）上运行它，两者都在带有 Tensorflow 0.12 的 Windows 上。

下面是我的代码，我在这里上传了代码+数据+控制台输出： https ://gist.github.com/dk1027/777c3da7ba1ff7739b5f5e89491bef73

我正在尝试将 wildfly docker 容器实时迁移到此处描述的另一个主机。np-example 运行良好。

这是我的容器

但是当我尝试检查它时，我得到了这个错误

即使是挂起的 Wildfly 服务器和没有端口转发和卷共享的容器也无法设置检查点。

谁能告诉我如何找到一个日志文件来指定错误。

提前致谢

我们有一个产品，其中本地 linux 机器“SCANNER”在本地网络上进行一些轮询，然后使用 pg_query（服务器运行 PostgreSQL 9.5.5）通过 OpenVPN 连接将信息填充到我们云服务器中的数据库中。

SCANNER 上有一个 PHP (5.5.9) 守护程序，它在“while”循环中检查数据库以完成工作。这一直很有效，并且继续在我们所有的客户网络上运行良好，除了一个最近出现了一个奇怪的问题。

在他们升级了防火墙（一个 Checkpoint 5200，据我们所知，所有规则都是正确的，允许通过 VPN 从 SCANNER 到我们的云服务器的流量），一个脚本中的一个查询无限期挂起。以下是我们注意到的症状：

大多数情况下，查询工作正常，脚本继续。每隔一段时间，pg_query() 调用就会阻塞并且永远不会返回。并不是说有错误；该调用实际上会永远阻塞（或者在我们手动重新启动之前的几个小时）。

这个查询很长一段时间都是一样的，在我们的任何其他客户端上，我们从来没有遇到过这个问题，也没有在这个客户端上遇到过这个问题，直到他们改变了他们的防火墙。

我们可以通过查看云服务器上的 pg_stat_activity 表来判断该查询确实到达了云，然后永远位于该表中。在每种情况下，pg_stat_activity.state='idle' 和 pg_stat_activity.waiting=false

在此期间，我们仍然可以通过 VPN 从 SCANNER ping 云服务器，并且可以继续从 SCANNER 上的其他脚本和 SCANNER 的命令行成功查询其远程数据库。

这个客户端碰巧有两台不同的 SCANNER 机器，在不同的子网上但在同一个防火墙后面。此问题可能随时出现在任何一个上，但不一定同时出现在两个上（至少没​​有任何统计意义）。

如果我们重新启动守护进程，问题就暂时解决了。但它通常会在 2 秒到几个小时后的某个时间再次出现。

我们正在寻找任何可能解决问题的输入，无论是与我们的应用程序还是防火墙本身（我们已获得根据需要进行修改的权限）相关。随时提出任何澄清问题。

提前致谢！