标签

架构设计

为分析系统建模设备能力:从设备型号推导可解释的能力维度

来源: netflixtechblog.com 45
分析设备数据时,只记录“手机、平板、桌面端”通常不够。产品团队真正关心的往往是:设备能否使用生物识别、是否支持某类网络、屏幕是否适合复杂交互,以及某项功能不可用究竟是设备限制、系统限制,还是用户尚未授权。 来源只给出了“为分析建模设备能力”这一主题,没有限定具体平台或数据仓库。下面以通用事件分析系统为假设,给出一种可以这样实践的数据模型:将稳定的硬件能...

AI 基础设施进入编排深水区:从高性能存储到智能体密度优化

来源: cloud.google.com 37
2026 年 5 月至 7 月,Google Cloud 的 AI 基础设施更新呈现出一个清晰趋势:竞争重点已经从“能不能运行模型”转向“能否在大规模、低延迟、可观测且可控成本的条件下持续运行模型和智能体”。 这组更新覆盖存储、网络、TPU/GPU 编排、推理网关、AI 供应链安全以及智能体运行时。它们共同指向一个现实问题:Agentic AI 不只是...

把威胁模型带进 PR:Dropbox 用 MCP 与 Dash 衔接安全设计和代码审查

来源: infoq.com 58
AI 可以快速阅读代码,却未必知道这段代码原本要满足什么安全约束。Dropbox 将模型上下文协议(Model Context Protocol,MCP)与内部知识平台 Dash 集成,在 AI 辅助代码审查时检索与拉取请求相关的威胁模型和安全要求,让审查者能够把实现与设计意图放在一起验证。 传统代码审查工具擅长展示 diff、调用关系和测试结果。大模...

把威胁模型带进代码审查:Dropbox 用 MCP 与 Dash 对齐安全设计和实现

来源: infoq.com 40
安全设计文档通常在项目启动时写得很认真,代码审查却常常只盯着当前 diff。Dropbox 将模型上下文协议(Model Context Protocol,MCP)与内部知识平台 Dash 集成,在 AI 辅助代码审查期间检索威胁模型和安全要求,让审查者能够直接判断实现是否偏离设计意图。 这项实践解决的重点不是“让模型自动发现所有漏洞”,而是把分散在知...

AI 威胁防御进入董事会议程:用五个治理问题推动安全现代化

来源: cloud.google.com 60
生成式 AI 正在缩短产品开发周期,也在压缩攻击者发现漏洞、生成利用代码和扩大攻击面的时间窗口。面对自动化攻击,企业若仍依赖人工分拣告警、跨工具复制数据和逐级审批,就很难保持同等响应速度。因此,AI 威胁防御不再只是安全运营中心的技术升级,而应成为董事会衡量业务韧性和创新能力的治理基线。 过去,安全投资常被视为成本。现在,每个重要业务计划都可能包含 A...

技术潮流总在回头:用假设、债务与可持续性看懂架构周期

来源: infoq.com 37
云、微服务和生成式 AI 经常被包装成一次全新的技术断代,但许多架构争论并没有消失,只是换了基础设施、成本结构和术语。Holly Cummins 对“太阳底下无新事”的讨论,提供了一种更实用的观察方式:不要只问某项技术是否先进,而要检查它依赖哪些假设、重新引入了哪些历史权衡,以及组织正在用什么形式偿还代价。 技术理念会循环出现,是因为软件工程长期面对的...

让积压量决定副本数:用 KEDA 按 Amazon SQS 队列深度扩缩 Kubernetes Worker

来源: cncf.io 58
在事件驱动系统里,CPU 和内存并不总能反映真实压力。一个消费者 Pod 可能只占用很少的 CPU,但 Amazon SQS 中已经堆积了数千条消息。此时如果只依赖 Kubernetes HPA 的资源指标,扩容往往发生得太晚。 KEDA 可以把 SQS 队列深度转换成 Kubernetes 扩缩容信号,让 Worker 副本数跟随待处理消息数量变化。...

PostgreSQL 18 扩展容器化:文件解耦了,运行时依赖未必

来源: postgr.es 48
PostgreSQL 18 新增 ,补上了扩展外置的最后一块拼图:控制文件和 SQL 脚本不再必须安装到服务器自身的 。配合已有的 ,以及 Kubernetes ImageVolume 或 Docker 的镜像挂载能力,扩展可以被打包成独立 OCI 镜像,在运行时挂进 PostgreSQL 容器。 这让“一个精简 PostgreSQL 基础镜像,加若干...

Solon AI v4.0.4:用统一接口构建跨模型 Java 智能体

来源: oschina.net 55
Solon AI v4.0.4 面向 Java 智能体应用开发,核心价值不只是调用大模型,而是把模型接入、向量检索、MCP 协议和流程控制放进同一套开发框架。它延续 Solon 家族“克制、高效、开放”的取向,并覆盖 Java 8 到 Java 26,适合既要维护旧系统、又想引入 Agent 能力的 Java 团队。 需要说明的是,现有发布摘要没有列出...

GenRec:如何把推荐系统改造成 LLM 原生架构

来源: netflixtechblog.com 57
“GenRec: Towards LLM-Native Recommendation at Netflix”这个标题指向了一种重要变化:大语言模型不再只是给传统推荐结果生成一句解释,而是开始进入推荐链路的核心,用统一的语言接口理解用户意图、组织候选内容,并输出可执行的推荐决策。 由于来源摘要没有披露 Netflix 的具体架构、模型或线上指标,下面不会...