首页 文章 精选 留言 我的

文章列表

共 224558 篇
Elasticsearch 磁盘水位与写入拒绝的排查思路,以及换引擎的判断点

Elasticsearch 磁盘水位与写入拒绝的排查思路,以及换引擎的判断点

【摘要】云上日志集群最常见两类告警是磁盘水位告警与写入拒绝(EsRejectedExecutionException 429),根因集中在写入批次过小、副本索引构建开销、磁盘水位线触发只读三处。本文给出排查顺序与可调整项,并给出一个判断点:当磁盘与写入压力来自存储模型本身时,调参的边际收益会快速下降,需要考虑更换存储引擎。文中对照包含可复现第三方基准 Ag...

「我改完自己试了几个问题,感觉没问题」不算发布记录:给每次 Prompt 上线留一份三段式报告

「我改完自己试了几个问题,感觉没问题」不算发布记录:给每次 Prompt 上线留一份三段式报告

「我改完自己试了几个问题,感觉没问题」不算发布记录:给每次 Prompt 上线留一份三段式报告「这个拒答问题是什么时候开始的?」「上周订单确认率变好,是谁改了什么?」一场 Prompt 应用的线上效果复盘会,同样的问题五个人给出四版记忆:有人印象里是发版之后,有人记得那周只改了路由没动提示词,有人终于想起某个周二下午在后台改过一版——改了什么?没人记得。回滚...

日增 1TB 日志保留 30 天:云上日志成本的测算与优化实践

日增 1TB 日志保留 30 天:云上日志成本的测算与优化实践

云上日志账单由三部分构成:存储、写入计算、查询计算。存储受压缩率与副本数影响最大,写入计算受索引构建方式影响最大,查询计算则与并发能力相关。本文以「日增 1TB、保留 30 天」为样例,给出云上与自建两种口径的估算方法,以及降低账单的可执行配置。文末说明云上托管场景的口径边界——不同口径的数字不能混用。

云上日志成本优化指南:从存储模型、冷热分层到弹性扩缩容的完整路径

云上日志成本优化指南:从存储模型、冷热分层到弹性扩缩容的完整路径

摘要:云上日志账单下不来,多数团队的第一反应是降副本数或缩短保留周期,但这两个动作都要在可用性和合规性上付出代价。更有效的切入点在存储模型——Apache Doris 采用列式存储 + ZSTD,日志场景压缩率可达 5:1 ~ 10:1,而 Elasticsearch 因需同时保留正排、倒排与 Docvalue,压缩率约 1.5:1。按已披露的云上托管口径(...

从接口到数据底座:TimechoAI 时序预测的 SDK+REST 双通道实践

从接口到数据底座:TimechoAI 时序预测的 SDK+REST 双通道实践

摘要时序预测长期受困于"统计模型调参难、深度学习门槛高"的两难。TimechoAI 以时序基础大模型(Foundation Model)范式,将预测能力封装为 Python SDK 与 REST API 双通道,使业务侧以十余行代码即可完成零样本预测、异常检测与缺失填补。本文沿"能力定位 → 双路径实战 → 数据底座 → 生产落地"展开,并重点说明:高质量时...

基于 WorkBuddy 的生产力级 AI Agent 实践:跑通本地文本分析 Skill

基于 WorkBuddy 的生产力级 AI Agent 实践:跑通本地文本分析 Skill

过去一年,AI Agent 工具的能力边界一直靠两样东西撑着:大模型本身和function calling(工具调用)。但工具调用有个老问题——它高度依赖"宿主怎么定义工具",换个框架就得重写,A 家的 MCP 到了 B 家未必兼容。Skill 是想解决"可移植性"这件事。 一个 skill 往往被设计成一个自包含的目录:一个入口脚本、一个说明文档、若干配置...

极小技术团队的大模型工程交付:三类技术工作范式

极小技术团队的大模型工程交付:三类技术工作范式

随着大模型开发框架、公有云 API、向量数据库工具链成熟,单个开发者或 2‑3 人极小团队,可以借助 AI 技术杠杆完成过去小型研发团队承担的业务交付工作。但不同工作范式,对技术栈、硬件资源、工程能力的约束差异很大。下面梳理三类主流技术工作范式,同时给出每类范式对应的技术栈、风险边界、原型验证思路。

大模型生产项目效果评估:构建三维可观测指标体系

大模型生产项目效果评估:构建三维可观测指标体系

很多团队评估大模型项目,优先统计 “节省多少人工工时”,仅靠人力缩减作为核心判断依据。这套评估口径在生产环境存在明显缺陷:大模型带来的收益不仅是降本,还包含业务产出增益、工程团队能力沉淀。本文给出一套可落地的三维观测指标体系,配套埋点、A/B 实验实现思路,用于生产环境大模型项目迭代复盘。

AI 小项目冷启动:算力与开发资源的工程规划方案

AI 小项目冷启动:算力与开发资源的工程规划方案

小型 AI 项目在起步阶段经常出现资源错配问题:团队采购大量第三方模型 API、SaaS 工具,却没有对业务做最小原型验证,最终出现工具大量闲置、调用成本居高不下的现象。在 2026 年,各类大模型 SaaS 服务、开源模型部署方案选择繁多,如果没有从工程角度做资源规划,很容易造成算力与人力的浪费。

资源下载

更多资源
Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长,特征是大鼻子、头戴帽子、身穿背带裤,还留着胡子。与他的双胞胎兄弟路易基一起,长年担任任天堂的招牌角色。

Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称,一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集,帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring

Spring框架(Spring Framework)是由Rod Johnson于2002年提出的开源Java企业级应用框架,旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念,提供核心容器、应用上下文、数据访问集成等模块,支持整合Hibernate、Struts等第三方框架,其适用范围不仅限于服务器端开发,绝大多数Java应用均可从中受益。

WebStorm

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源,继承了IntelliJ IDEA强大的JS部分的功能。

用户登录
用户注册