标签

后端

Decathlon 如何用 Chronos-2 在 AWS 上规模化预测每周需求

来源: aws.amazon.com 44
对拥有数万种商品、覆盖多个大洲的零售商来说,需求预测真正难的部分不是“训练一个模型”,而是让预测系统稳定地跑起来:数据要按周整理,推理要覆盖大量 SKU,跨区域结果要能落地,成本和运维复杂度还必须可控。 Decathlon 的实践说明,Chronos-2 可以被部署到 AWS 上,服务大规模、周期性的需求预测任务。根据案例摘要,该方案将预测准确度提高了...

从复杂系统到可维护的数据科学流水线:把难题拆成可验证的边界

来源: realpython.com 37
复杂系统的问题,通常不是某个函数特别长,也不只是代码量变多了。真正的困难在于:多个部分相互影响,系统行为会随着时间、数据和环境变化而变化,而且局部修改可能带来难以预料的全局结果。The Real Python Podcast 第 309 期围绕复杂系统、复杂编码问题,以及如何维护数据科学流水线展开讨论,这些主题对日常 Python 开发同样有直接价值。...

用 Python 做一个命令行石头剪刀布:从循环到规则表

来源: realpython.com 34
石头剪刀布看起来只是几个 ,却很适合用来检验 Python 命令行程序的基本功:如何读取玩家输入、控制游戏循环、随机生成电脑选择,以及用枚举和字典表达胜负规则。下面从一个可运行的小程序出发,再拆解实现中的关键决策。 游戏只有三种选择:石头、剪刀和布。与其写一长串嵌套条件,不如把“某个选择能击败什么”直接放进字典: 这样判断胜负时只需要检查:。规则数据和...

生产环境 PostgreSQL 安全补丁到底要多快打上?用补丁延迟管理风险

来源: postgr.es 35
2026 年 8 月 13 日,PostgreSQL 一次性修复了 28 个 CVE,创下项目历史纪录。这个数字容易引发错误的判断:是不是 PostgreSQL 变得更不安全了?更值得关注的问题其实是,安全修复从“发布”到“真正运行在生产服务器上”,中间花了多长时间。 这段时间可以称为 补丁延迟(patch latency)。对于运行关键业务的 Pos...

别等流量打爆 GPU:Kubernetes 预测式自动扩缩容实践

来源: cncf.io 32
GPU 工作负载的扩容,往往不是把副本数从 2 调到 10 那么简单。节点启动、GPU 资源调度、镜像拉取和模型加载都需要时间。如果等队列已经堆积、GPU 利用率已经飙高,扩容动作可能已经来不及了。 一次生产事故很能说明问题:服务不是逐渐变慢,而是在流量上升后直接崩溃;大量 Pod 处于 Pending,用户错误率达到 15%~20%。这类事故的关键通...

从“Postgres 很糟”到 PostgreSQL 深处:一名 DBA 的二十年进化路径

来源: postgr.es 35
一个数据库人的技术路线,往往不是从“我喜欢这项技术”开始,而是从一次故障、一次磁盘告急,或一场无法解释的生产事故开始。Shaun Thomas 与 PostgreSQL 的关系就是如此:早期因为膨胀、清理和升级问题而嫌弃它,后来却在真实生产环境中不断修复、自动化和扩展,最终成为 PostgreSQL 社区的长期贡献者。 这段经历最有价值的地方,不是某个...

Spring Boot 落地后量子密码:本周就能交付的四种模式

来源: infoq.com 37
后量子密码(PQC)不再只是密码学团队的远期课题。对于 Spring Boot 服务,真正可执行的路径不是一次性替换整个加密栈,而是从四类边界清晰的场景开始:服务间负载加密、数据库字段保护、长期有效文件签名,以及把服务令牌从 RS256 迁移出去。 更现实的原因是“先窃取、后解密”(Harvest Now, Decrypt Later)已经改变了时间表...