标签

工程效能

云平台控制面单点依赖的代价：Railway 八小时全平台宕机复盘

来源：infoq.com 17
一家托管了三百万用户工作负载的平台，被自家云厂商的自动化系统一键拔线——没有预警，没有人工确认，连邮件通知都是事后才到。这就是 Railway 在 Google Cloud 上遭遇的真实事故：GCP 的自动化风控系统直接冻结了 Railway 的生产账号，导致整个平台瘫痪八小时，而受影响的不仅是 GCP 上的工作负载，连部署在 AWS 和裸金属服务器上...
# AI # AWS # GCP
阅读全文

PB级数据摄入管线零停机迁移：Meta 的反向影子与持续校验实践

来源：infoq.com 36
每天从 MySQL 搬运数 PB 级的社交图谱数据到下游数据仓库，任何一次管线迁移都像在高速行驶的汽车上换引擎——稍有不慎，就是全局性的数据延迟或丢失。Meta 最近完成了这项硬核操作，不仅实现了零停机迁移，还把管线的可靠性拉到了新水位。他们靠的不是运气，而是两套精准的工程利器：反向影子测试与持续校验监控。 社交图谱数据是 Meta 生态的命脉。好友关...
# AI # InfoQ # MySQL
阅读全文

给 SageMaker AI 上的大模型推理装上"全息仪表盘"——从 GPU 利用率到生成质量一站式可观测

来源：aws.amazon.com 26
大模型上线推理后，运维团队最怕的不是"模型不跑"，而是"模型跑着但悄悄变差"。传统监控只盯着 GPU 利用率、请求延迟这些基础设施指标，对 LLM 输出质量——延迟首字时间（TTFT）、吞吐量（Tokens/s）、输出截断率——几乎一无所知。Amazon SageMaker AI 的 Inference Component 架构配合 CloudWatc...
# AI # AWS # LLM
阅读全文

Python assert：用对了是利器，用错了是隐患

来源：realpython.com 18
很多开发者对 的理解停留在"写个检查，报错就停"的层面，但它在 Python 里有明确的设计意图和使用边界。搞清楚这些，你才能在调试、测试和文档化代码时真正发挥它的价值，而不是在生产环境里埋雷。 语句的完整语法是： 如果 为假，抛出 ，并把 作为错误信息；如果为真，什么都不发生。本质上它等价于： 关键点在于 。这个内置常量默认为 ，但当 Python ...
# Python # 后端 # 工程效能
阅读全文

用 Kubernetes 与 GitOps 搭建云原生内部开发者平台：从集群到软件供应链的安全闭环

来源：cncf.io 34
现代软件交付的瓶颈早已不在应用代码本身——它卡在跑代码的平台上。团队写好了服务，却要花大量时间处理集群配置、权限审批、镜像签名、环境漂移。内部开发者平台（Internal Developer Platform，IDP）的目标就是把这些摩擦抹掉：开发者声明"我要一个生产环境的前端服务"，平台自动完成从集群分配到镜像构建到安全校验到部署的全链路。 下面拆解...
# AI # CNCF # Kubernetes
阅读全文

用自然语言做故障演练：阿里开源 Blade AI 智能体，让混沌工程变成日常

来源：oschina.net 36
混沌工程的价值没人质疑，但真正坚持做故障演练的团队不多。原因很简单——一次完整的演练，从场景设计、参数计算、命令构造、执行观测到结果回收，动辄耗费半天。ChaosBlade 已经把故障注入的能力做得很全，但"人 → ChaosBlade"之间那段路，依然又长又陡。 阿里最近开源的 Blade AI，瞄准的就是这段路。它不是 ChaosBlade 的替代...
# AI # 全栈 # 工程效能
阅读全文

VS Code 1.122：离线也能跑自己的大模型，浏览器里直接测响应式

来源：oschina.net 20
VS Code 1.122 把两件开发者高频要做的事推到了编辑器内部：一是用自己部署的大模型写代码，二是看页面在不同屏幕上的表现。前者通过 Air-gapped BYOK 让你断网也能调用本地模型，后者用浏览器设备模拟把"开 Chrome DevTools 切设备"的流程收进了 VS Code。再加上更丰富的问题报告机制，这个版本在"编辑器即工作台"这...
# AI # LLM # 全栈
阅读全文

不再为 JSON 纠结：MySQL HeatWave Document Store 的混合之道

来源：blogs.oracle.com 22
用户画像、IoT 遥测、AI 提示词日志、商品目录——现代应用每天都在吞吐大量半结构化数据。这些数据天生带着 JSON 的灵活基因，字段随时增减，嵌套层级深浅不一，硬塞进严苛的关系型表结构里，往往意味着无休止的 和痛苦的 ORM 映射。 但另一方面，企业又很难彻底拥抱纯文档数据库。事务一致性、细粒度权限控制、成熟的运维生态，以及最关键的——对海量数据做...
# AI # MySQL # 可观测性
阅读全文

从代码补全到任务执行：Dropbox 如何重构 AI 时代的工程生产力

来源：dropbox.tech 18
代码补全、智能搜索、自然语言查错——这些 AI 辅助工具已经渗透进大多数工程师的日常。但 Dropbox 的工程团队正在推进一个更激进的转向：不再把 AI 当作"帮人写代码的助手"，而是构建能够独立执行有边界任务的 agentic 系统，并为此搭建支撑平台。这意味着工程生产力的定义本身正在被重写。 辅助工具的交互模型是"人提问，AI 回答"。工程师写一...
# AI # Dropbox # LLM
阅读全文