标签

工程效能

从默认放行到零信任：用 Kubernetes NetworkPolicy 隔离三层应用

来源: postgr.es 21
Kubernetes 集群中的 Pod 通常可以彼此通信。部署了 Frontend、Backend 和 Database，并不意味着三层之间天然存在网络边界。要实现零信任，需要先把命名空间切换为默认拒绝，再基于标签、端口和方向逐条开放业务真正需要的链路。 NetworkPolicy 是标准 Kubernetes API，但 API 对象本身不会拦截数据...
# AI # Kubernetes # LLM
阅读全文

ip2region 3.18.0：数据更新与 C++ Windows 集成指南

来源: oschina.net 30
ip2region 3.18.0 的重点是数据更新，以及对 C++ Windows 环境的支持。对于需要在内网、边缘节点或低延迟服务中完成 IP 定位的团队，这次更新的价值不只是“能在 Windows 上编译”，还意味着同一套 xdb 数据和查询逻辑可以覆盖更多部署环境。 ip2region 是一个离线 IP 数据管理与定位框架，同时支持 IPv4、I...
# 全栈 # 工程效能 # 开源
阅读全文

让 AI Agent 走出 Demo：用仿真测试和自动评估构建生产级可靠性

来源: infoq.com 30
很多 AI Agent 在演示环境里表现惊艳，进入真实业务后却很快暴露问题：用户不会按预设路径提问，工具会返回异常数据，多轮对话会逐渐偏离目标，合规边界也可能在长链路中被突破。真正的难点不是让 Agent 完成一次成功任务，而是持续证明它在大量未知场景下仍然可靠。 来源分享的核心思路是把 Agent 测试从人工抽查升级为“仿真驱动测试”：用合成用户画像...
# AI # InfoQ # LLM
阅读全文

给反爬网关装上 WebAssembly：Anubis 一年工程化复盘

来源: oschina.net 25
WebAssembly 进入一个反爬网关，并不是把一段 Rust 编译成 就结束了。Anubis 为工作量证明加入 WebAssembly 的过程，经历了几百个 commit、五代 PR、几十个测试，还包括部分 Rust 重写、编译器 bug，以及至少三次把开发机内存跑爆。这个故事的价值，在于它展示了一个看似局部的性能或兼容性改动，怎样变成跨语言、跨运...
# Rust # 全栈 # 前端
阅读全文

Blume：把 Markdown 目录直接变成 AI 友好的文档站

来源: infoq.com 30
搭建文档站经常不是难在写内容，而是难在维护脚手架、导航、SEO、构建配置和迁移工具。Blume 试图缩短这条链路：只需要 Node.js 和一份 Markdown 文档，就能从内容目录生成完整网站。它基于 Astro 与 Vite，既保留静态内容的简单性，也为后续定制和工程化构建留下空间。 传统文档系统通常要求团队先选择主题、编写站点配置、维护路由，再...
# AI # InfoQ # 全栈
阅读全文

Kubernetes v1.37：KubeletInUserNamespace Beta 化，Rootless 节点走向生产

来源: kubernetes.io 47
Kubernetes v1.37 将 特性门控提升到 Beta，并默认开启。这个变化不会自动把现有集群变成 rootless 集群，但它标志着 Kubernetes 节点组件以非 root 用户运行的方案已经从长期实验阶段进入更稳定的使用阶段。 Rootless 模式的核心目标很明确：即使 kubelet、CRI、OCI runtime、CNI 插件或...
# AI # Docker # Kubernetes
阅读全文

用弹性 VM 与跨可用区调度提高 Spark 集群创建成功率

来源: cloud.google.com 39
对持续运行的大规模分析平台来说，Spark 作业能否按时开始，往往不只取决于代码和数据，还取决于指定规格的虚拟机当时是否有库存。固定机型、固定可用区的配置看似确定，遇到区域容量波动时却可能让整个数据管道停在集群创建阶段。 Yahoo 在 Google Cloud Managed Service for Apache Spark（原 Dataproc）中...
# AI # GCP # Go
阅读全文

用 Antigravity CLI 批量改造 DAO：把 Spanner 双写迁移变成可验证的流水线

来源: cloud.google.com 38
数据库迁移真正棘手的部分，往往不是把历史数据复制到新库，而是在生产服务持续处理请求时，让新旧存储长期保持一致。Google 财务工程团队在迁移到 Spanner 时，需要为 30 多个 DAO 补齐转换器、双写分支、错误处理和单元测试。逐个手工修改不仅耗时，还容易在时间戳、空值和字段映射上产生细微偏差。 他们采用的办法，是先把迁移模式标准化，再通过 A...
# AI # GCP # Go
阅读全文

TPU 上的 LLM 推理为何会撞墙：Gemma 3 分类与生成负载实测解析

来源: cloud.google.com 39
把大语言模型从实验环境搬到生产系统后，模型参数量并不能单独决定吞吐和成本。同一套 TPU、同一个服务框架，面对“长输入、短输出”的分类请求和“短输入、长输出”的生成请求，可能呈现完全不同的扩展曲线。 这组测试在 Google Cloud TPU v6e 上运行 Gemma 3 12B 与 27B，使用 GKE Autopilot、单主机 2×2 TPU...
# AI # GCP # Go
阅读全文

别只盯着 GPU：生产级 AI 平台是一套异构计算系统

来源: cncf.io 29
谈到 AI 基础设施，GPU 往往最先进入讨论：需要多少张卡、显存多大、训练吞吐是多少。但生产工作负载并不是把张量送入 GPU 就结束了。数据读取、解压、清洗、分词、请求编排、结果后处理和可观测性通常运行在 CPU 上，并持续依赖内存、网络与存储。平台工程真正要解决的，是这些资源如何协同，而不只是如何分配加速卡。 一条典型的推理链路可以拆成以下阶段： ...
# AI # CNCF # 云原生
阅读全文