标签

架构设计

从 53% 查询来自计费看 Cloudflare 的统一数据平台思路

来源: infoq.com 33
Cloudflare 披露了内部统一数据平台 Town Lake,以及面向分析场景的 AI Agent Skipper。最值得注意的数字不是“用了哪些新技术”,而是计费工作负载贡献了约 9.1 万次查询,并占到了整体查询的多数:当 billing 成为数据平台最大用户,说明统一分析平台已经不只是 BI 报表工具,而是在支撑真实的经营、运营和安全决策。 ...

Cloudflare 的 Town Lake:当计费查询占到数据平台一半以上

来源: infoq.com 46
Cloudflare 披露了内部统一数据平台 Town Lake,以及面向自然语言分析的 AI 代理 Skipper。最值得注意的数字不是“有了 AI”,而是计费工作负载的真实占比:约 9.1 万次计费查询,占平台查询量的 53%。这说明统一数据平台的核心价值,往往不是炫技,而是把运营、计费、安全、业务数据放到同一套可治理的分析路径里。 计费数据通常最...

用 pgEdge Cloud API 搭一个贴着 Postgres 跑的 RAG 服务

来源: postgr.es 39
RAG 系统最容易失控的地方,不是“大模型会不会回答”,而是数据、切块、向量、检索、服务部署这几段胶水谁来维护。pgEdge Cloud 的思路很直接:把内容放进 Postgres,让数据库侧完成切块和向量化,再把 RAG 服务挂到数据库旁边。UI 里点几下就能完成,但用 API 做一遍,更适合自动化、复现和团队交付。 这篇文章按一个真实路径拆开:本地...

Memcached 1.6.43:一次应该尽快安排的安全修复升级

来源: oschina.net 40
Memcached 1.6.43 已发布,这不是那种“顺手更新一下”的小版本。摘要里明确标出了多个安全相关修复,包括 binprot 项目引用计数溢出、mcmc 上游版本提升,以及 seccomp 沙箱规则调整。对把 Memcached 放在核心读路径、会话缓存或热点数据缓存里的团队来说,这类版本更适合进入短周期变更窗口,而不是等到下次大版本整理。 这...

DjangoAdmin FastAPI+AntdVue v2.7.1:全局参数配置让后台更好改、更好管

来源: oschina.net 39
DjangoAdmin 敏捷开发框架的 FastAPI+AntdVue 版本发布了 v2.7.1。这次更新不追求“大而全”的功能堆叠,重点落在两个非常工程化的方向:新增全局参数配置,以及修复近期用户反馈的问题。对一个前后端分离后台框架来说,全局参数配置往往决定了系统上线后的可维护性:哪些配置能动态调整,哪些配置必须重启服务,哪些配置应该进入数据库,都会...

Akka 2.10.20 发布:一次小版本更新背后的并发工程提醒

来源: oschina.net 42
Akka 2.10.20 已经发布。这个版本从摘要看并不是一次“功能爆炸”的大版本,而是偏维护型更新:构建侧继续做 MiMa 二进制兼容性检查,文档侧补充了 配置覆盖的说明。对正在 JVM 上写并发、分布式系统的团队来说,这类版本反而值得关注:它通常影响升级信心、兼容边界和配置可预期性。 Akka 是用 Scala 编写的 Actor 模型开发库,目标...

Solon AI 4.0.3:给 Java 智能体开发一层轻量统一接口

来源: oschina.net 34
Solon AI v4.0.3 的关键信号很明确:它想把 Java 开发者写智能体应用时最容易分裂的几件事收拢起来,包括模型差异、向量库接入、MCP 协议以及复杂流程控制。更现实的一点是,它把兼容范围拉到 Java 8 到 Java 26,这对仍在长期维护 Java 8 服务、同时又想试水 Agent 的团队很有吸引力。 智能体应用最怕的是一开始直接调...

沿着 pg_hardstorage 看懂 PostgreSQL 备份如何走向恢复

来源: postgr.es 25
对 PostgreSQL 管理员、DBA、SRE 和平台团队来说,备份“成功完成”只是第一层答案。真正需要在故障前搞清楚的是:base backup 去了哪里,WAL 如何保存,仓库里哪些文件负责描述数据,校验失败时能不能定位,恢复时又如何把这些碎片重新拼成一个可启动的数据库。pg_hardstorage 的 Storage and Recovery ...

MoonBit 走进大会和课堂:AI 时代为什么还要重新谈编程语言

来源: oschina.net 39
近期,MoonBit 团队连续出现在产业大会和高校现场:在 GIAC 全球智能应用开发与架构大会上,团队负责人张宏波分享了 AI 时代的软件工程、语言设计与可靠性交付;随后团队又走进香港科技大学(广州)2026 INNOTECH 创科嘉年华和深圳大学,与开发者、师生讨论编程语言、WebAssembly 以及未来软件开发方式。 这类动作值得关注,不只是因...

把 AI 写代码关进工程笼子:推荐系统里的 Harness 实践思路

来源: my.oschina.net 33
推荐业务里的 AI 代码生成,最怕的不是“写不出来”,而是写出来以后直接撞进复杂线上链路:召回、粗排、精排、重排、特征、实验、策略,每一层都有性能、稳定性和业务指标约束。得物推荐 AI Harness 工程化实践系列的开篇,重点不是炫耀模型能生成多少代码,而是把“狂野代码”纳入一套从生成、防护校验到安全上线的工程体系。 这类体系的核心价值很直接:让 A...