有新文章,点击查看

探讨打造「高可用架构」秘籍

背景 高可用性的文章多如牛毛,看得人眼花缭乱。今天,咱们换个花样,以终为始,来聊聊如何实现系统业务的高可用性这个宏伟目标。本文覆盖高可用架构设计、常见架构模式、高可用开发运维、大促高可用保障、业务高可用、COE复盘等方面的理念和思考。 高可用性是个宏大的主题,覆盖的领域广泛。我们要聊的,都是实实在在的团队实践经验和教训。 本文不包含异地多活等议题。现在,让我们一起踏上这场关于高可用性的探索之旅吧! 为... 展开更多

收藏 17
0

解读代码检查规则语言CodeNavi的表达式节点和属性

本文分享自华为云社区《CodeNavi 中代码表达式的节点和节点属性》,作者: Uncle_Tom。 根据代码检查中的一些痛点,提出了希望寻找一种适合编写静态分析规则的语言。 可以满足用户对代码检查不断增加的各种需求; 使用户能够通过增加或减少对检查约束条件的控制,实现快速调整检查中出现的误报和漏报; 这种检查语言能够有较低的使用门槛,使用户更专注于检查业务,而不需要关注工具是如何实现的。 我们称这种检查规则语言为:C... 展开更多

收藏 0
0

Elasticsearch:Painless scripting 语言(二)

这是继上一篇文章 “Elasticsearch:Painless scripting 语言(一)” 的续篇。 使用 field API 访问文档中的字段 警告:Field API 仍在开发中,应视为测试版功能。API 可能会发生变化,此迭代可能不是最终状态。有关功能状态,请参阅 #78920。 使用 field API 访问文档字段: field('my_field').get(<default_value>) 此 API 从根本上改变了你在 Painless 中访问文档的方式。以前,你必须使用要访问的字段名称来访问 doc ma... 展开更多

收藏 1
0
发表于数据库专区

GreatSQL 构建高效 HTAP 服务架构指南(主从复制)

GreatSQL 构建高效 HTAP 服务架构指南(主从复制) 引言 全文约定:$为命令提示符、greatsql>为 GreatSQL 数据库提示符。在后续阅读中,依据此约定进行理解与操作 Rapid 引擎 从 GreatSQL 8.0.32-25 版本开始,新增Rapid存储引擎,该引擎使得 GreatSQL 能满足联机分析(OLAP)查询请求。 GreatSQL Rapid引擎性能表现优异,在32C64G测试机环境下,TPC-H 100G测试中22条SQL总耗时仅需不到80秒 Rapid 引擎更多介绍可前往查看: Gr... 展开更多

收藏 0
0
发表于数据库专区

FILE+POS 方式 GreatSQL 主从复制架构给主节点磁盘扩容

FILE+POS 方式 GreatSQL 主从复制架构给主节点磁盘扩容 一、前提 在一套非常老的系统上,有一套GreatSQL主从集群(1主1从),主从复制采用的是FILE+POS方式复制,磁盘使用紧张需要扩容,只能在该台机器上添加更大的磁盘,将原数据盘替换,也没有其他的机器资源替换。这套系统没有VIP,没有高可用切换工具,业务读写直连主节点,从节点可供读,允许有一定的延迟,全程磁盘扩容需要手动操作,以下方案步骤是模拟最快的方式去进行磁... 展开更多

收藏 0
0

Zadig 大幅简化 Helm Chart 管理负担,实现上千微服务高效部署

在云原生领域,Helm 作为 Kubernetes 应用的包管理工具,其重要性不言而喻。但是,随着环境数量的增加,为不同环境定制 Helm Chart 配置变得复杂且容易出错。此外,临时测试环境的生命周期结束后,相关的 Helm Chart 配置往往失去作用,导致资源浪费。 为了解决这些问题,Zadig 提供了三种高效的 Helm Chart 配置管理方法: 从代码库批量同步配置:将 Helm Chart 配置整合至代码库中,通过 Zadig 实现服务的批量创建和同步,适用... 展开更多

收藏 0
0

Zadig 简化 K8s YAML ,实现上千微服务自动化运维

在云原生微服务架构中,企业能够享受到更高的可用性和扩展性,这对于满足业务的快速迭代至关重要。然而,管理大量服务的 YAML 配置成为了一项挑战:服务间的配置细微差别要求频繁复制粘贴,而为不同的部署环境(如开发、测试、预发布等)定制配置又会导致 YAML 文件数量激增。 为了解决这些问题,Zadig 提供了高效的服务配置管理方案: 支持从现有 Kubernetes 集群批量导入服务,实现服务配置的快速迁移。 允许将多个服务配置文... 展开更多

收藏 0
0
发表了博客

从 Icelake 到 Iceberg Rust

本文作者丁皓是Databend 研发工程师,也是 ASF Member, Apache OpenDAL PMC Chair ,主要研究领域包括存储、自动化与开源。 太长不看 Icelake 已经停止更新,请改用 iceberg-rust。 Iceberg-rust 是一个由社区驱动的项目,所有 Icelake 的贡献者都已转向该项目。它涵盖了 Icelake 之前提供的所有功能,并且是 Apache Iceberg 的官方实现版本。 引言 我将分享 icelake 和 iceberg-rust 背后的历史。这篇文章将记录一个开放社区是... 展开更多

收藏 0
0
发表于开发技能专区

实现 LLM 应用的可观测,难在哪里?

随着生成式 AI 概念的火爆,以 ChatGPT、通义大模型为代表,市场上涌现了一系列商用或者开源的大模型,同时基于大语言模型(LLM )以及 AI 生态技术栈构建的应用以及业务场景也越来越多。 众所周知,LLM 包含数十亿甚至万亿级别的参数,其架构复杂,训练和推理涉及大量计算资源。这些特性使得它们在实际应用中可能表现出意料之外的行为,同时也带来了性能、安全性和效率等方面的挑战。 LLM参数量不断增长 (图片来源:https://w... 展开更多

收藏 2
0
发表于网络技术专区

搞大模型,没有重排工具怎么行?

在说重排工具之前,我们要先了解一下 RAG。 检索增强生成(RAG)是一种新兴的 AI 技术栈,通过为大型语言模型(LLM)提供额外的“最新知识”来增强其能力。 基本的 RAG 应用包括四个关键技术组成部分: Embedding 模型:用于将外部文档和用户查询转换成 Embedding 向量 向量数据库:用于存储 Embedding 向量和执行向量相似性检索(检索出最相关的 Top-K 个信息) 提示词工程(Prompt engineering):用于将用户的问题和检索到的... 展开更多

收藏 6
0
没有更多内容
加载失败,请刷新页面
点击加载更多
加载中
下一页
返回顶部
顶部