标签

后端

用 Amazon Bedrock Model Profiler 把模型选择从“翻表格”变成可搜索

来源: aws.amazon.com 41
在 Amazon Bedrock 里选模型,麻烦点通常不在“有没有模型”,而在“信息散落在哪里”:模型能力、区域可用性、调用方式、外部资料、限制条件,往往要在多个 AWS API 和文档页面之间来回切。Amazon Bedrock Model Profiler 的价值就在这里:它把来自多个 AWS API 和外部来源的模型元数据聚合到一个可搜索界面里,...

Meta 规模下的 AI 存储蓝图:训练速度背后的数据通道

来源: engineering.fb.com 42
过去几年,模型能力和训练数据规模都在快速膨胀。更明显的变化是,新一代前沿模型发布间隔从几个月压缩到几周。这个节奏背后不只是 GPU 数量的问题,存储也会直接决定训练吞吐、作业等待时间和算力浪费。对 AI 基础设施来说,存储已经从“放数据的地方”变成了训练流水线的一部分。 大模型训练不是一次性把数据读进内存就结束。训练集、检查点、日志、特征缓存、评估数据...

用 pg-healthcheck 给 PostgreSQL 做一次真正的体检

来源: postgr.es 30
PostgreSQL 出问题时,常常不是突然坏掉,而是早就留下了痕迹:膨胀悄悄增长、复制槽一直扣着 WAL、事务 ID wraparound 接近危险线、备份任务几周前已经停了。 想解决的正是这个痛点:用一个开源 Go 工具直接查询 PostgreSQL 系统目录和视图,输出一份可以行动的健康报告。 它覆盖 14 组、180 多项检查,既能跑在单实例 ...

pgcopydb v0.18:面向 PostgreSQL 18 的低停机迁移工具又进了一步

来源: postgr.es 29
pgcopydb v0.18 是这个项目迄今规模最大的一次发布:从 v0.17 以来合入了 88 个提交,带来 PostgreSQL 16、17、18 兼容性,默认基于 的 CDC 引擎改进,正则过滤,Citus 到 Citus 迁移支持,以及 24 个 bug 修复。对正在做 PostgreSQL 版本升级、跨实例迁移、云上搬迁的团队来说,这类工具的...

Python 3.15 的 JIT 升级:从追踪前端到寄存器分配

来源: realpython.com 21
Python 3.15 预览版继续推进 JIT 编译器:新的 tracing frontend、寄存器分配,以及就地数值操作,目标都很直接,让热路径里的 Python 代码少做解释器调度,多在更贴近机器执行的形态里跑。对业务开发者来说,这不是“所有代码自动飞起来”的开关,而是一个值得开始观察的运行时变化。 JIT 的价值通常不在程序启动阶段,而在那些被...

Wiki-Framework 1.2.0 的 wiki-sse:用普通 HTTP 做后台实时推送

来源: oschina.net 39
后台系统里最容易被低估的功能,往往是“通知”。审批流走到哪一步、任务是否完成、用户是否在线、导入是否失败——这些信息如果只能靠刷新页面拿到,体验会很笨重。Wiki-Framework 1.2.0 新增的 模块,把 Server-Sent Events 作为框架内置能力补上,让服务端单向推送不必一上来就引入 WebSocket。 轮询当然能做:前端每 3...

PostgreSQL 16.8 Checkpointer 卡死:一次由 fsync 队列触发的生产事故

来源: postgr.es 36
一次 PostgreSQL 16.8 生产库事故,最初看起来像内存问题:日志里出现了 。直觉上,很多人会先怀疑物理内存不足,或者某处发生了内存损坏。但真正的根因更隐蔽:checkpointer 进程遇到了一个已知缺陷,被困在 fsync 请求队列的无限重试循环里。 这类问题危险的地方在于,它不会立刻把数据库打挂,而是让 checkpoint 长时间无法...

Cloudflare 用 x402 把网页、API 和 MCP 工具变成可计费资源

来源: blog.cloudflare.com 28
Cloudflare 宣布开放 Monetization Gateway 等待名单:它的目标很直接,把 Cloudflare 后面的网页、数据集、API,甚至 MCP 工具变成可收费资源。支付结算走 x402 开放协议,并以稳定币完成结算,开发者不需要自己搭支付网关、钱包回调、收款对账这一整套系统。 传统 Web 收费通常围绕账号、订阅和账单周期设计。...

Python 3.15 预览版 JIT:别只看开关,要会测热路径

来源: realpython.com 21
Python 3.15 预览版继续把 JIT 编译器推向更实用的方向:不只是“能打开”,而是围绕热点代码、优化器升级和基准测试形成一套可验证的工作流。对日常写 Python 的开发者来说,关键问题不是“JIT 会不会让所有代码变快”,而是“我的这段代码有没有被 JIT 命中,收益是否大于额外复杂度”。 下面用一个可复制的小实验,把启用、确认、基准测试和...

Nano Banana 2 Lite:当 Gemini 图像模型开始适合批量生产

来源: oschina.net 34
Google DeepMind 发布了 Gemini 3.1 Flash-Lite Image,代号 Nano Banana 2 Lite。它的定位很直接:Gemini 图像模型里最快、也最便宜的一档。对开发者来说,这类变化不只是“又多了一个模型”,而是图像生成、批量改图、素材审核、A/B 创意生产这些任务的成本模型可能要重新算一遍。 Weekend ...