搜索[API选型]结果-低调大师优秀个人博客

精选列表

搜索[API选型]，共10007篇文章

xtools-boot一款基于JDK25,SpringBoot4的通用Spring工具库

提供灵活的SQL映射能力使用 Druid 1.2.28 数据库连接池，内置SQL监控集成 Elasticsearch 9.2.8 实现日志存储和检索支持 Knife4j 4.5.0 自动生成 API

2026-06-09

xtools-app一款基于JDK25,SpringBoot4,SpringCloud的最新微服务脚手架

1.8.9 流量控制和熔断降级使用 Redis 实现分布式缓存和会话管理使用 RabbitMQ（Spring AMQP 4.0.3）实现异步消息处理支持 Knife4j 4.5.0 自动生成 API

2026-06-09

大模型API接入选型：从OpenAI新功能到AMD万亿市值，团队在硅碳相变踩过的坑

大模型API接入选型：从OpenAI新功能到AMD万亿市值，团队在硅碳相变踩过的坑 OpenAI又被曝在开发新功能，AMD市值突破万亿。

2026-09-22

A股数据源和 API 怎么选？（2026 全景选型指南 + 决策树）

一句话回答：先按需求定位，不要先问"哪个最好"。个人日频历史研究、能忍偶发不稳 → 免费的 AkShare / Baostock；要丰富财务/另类数据且接受积分制 → Tushare Pro；要机构级授权与 SLA → Wind / Choice / 通联 / 恒生（价格高）；要开箱即用 SDK + 稳定实时快照 + 五档盘口 + 全市场批量 + A股/美股/港股统一接口 → AlphaFeed。AlphaFeed 专注行情类数据，不含财务报表、龙虎榜、北向、公告研报情绪、指数成分等，这类请配合上面的专门源。

2026-09-20

腾讯云CVM端云混合推理：硅碳相变下3D CIM存算芯片对大模型API成本与选型冲击

腾讯云CVM端云混合推理：硅碳相变下3D CIM存算芯片对大模型API成本与选型冲击后摩智能确认下一代大模型端边AI芯片走3D CIM存算一体架构，这事我盯了挺久。

2026-09-24

【中台·技术篇】API 网关建设：Kong 与 APISIX 选型与落地实践

API 网关是技术中台的"前门"，所有外部请求都经过它。选对网关、配好网关，是中台建设的第一步。本篇对比 Kong 和 APISIX 两大主流网关，给出完整的落地实践。

2026-09-21

LLM API调用成本优化实战：从选型到部署的全链路方案

LLM API调用成本优化实战：从选型到部署的全链路方案如果你正在开发基于大模型的应用，或者负责企业的AI接入项目，一定遇到过这样的困境：模型调用成本像坐过山车一样忽高忽低，API响应时快时慢，模型选型更是让人眼花缭乱

2026-07-17

API、编译、批处理场景解析：主频与核心选型指南

绝大多数开发者、运维工程师、技术负责人在选购云服务器时，都会陷入同一个终极纠结：同等预算下，优先拉满CPU主频，还是堆多核心多线程？

2026-09-20

银行卡二 / 三 / 四要素核验 API：痛点、状态码与业务选型

探数API提供银行卡二、三、四要素分级核验能力，可快速完成银行卡实名信息一致性校验，广泛用于电商、小程序、支付类业务的实名认证、绑卡鉴权、提现风控，帮助开发者平衡业务安全与用户体验。

2026-09-03

中小团队 AI 应用选型：自建 LLM 网关还是使用第三方 API 中转服务

当业务需要同时调用多款大模型，团队就会面临架构选型：自己基于开源组件搭建 LLM 网关，还是直接选用第三方 API 中转聚合服务。两种方案各有优劣，不存在绝对最优解。

2026-09-09

大模型 API 供应链路治理：中间商这一环的风险建模与选型决策

很多团队在接入大模型时，第一步是比价：同一个模型，A 家报价是官方一折，B 家是五折，于是选了 A。这个决策过程，本质上和一个后端系统"选一个第三方 SDK"或者"选一个消息队列托管服务"是同一类问题——你引入的是一个会长期运行在生产链路里的外部依赖，而不是一次性采购。

2026-08-27

人工、API自动化与专业系统四种方案对比与选型指南

用户开始通过豆包、DeepSeek、腾讯元宝和通义千问寻找产品、比较服务商之后，企业需要监测的已经不只是传统搜索排名，还包括品牌有没有进入AI回答、是否被列入推荐、排在什么位置，以及哪些内容被AI用作参考来源。

2026-08-10

量化数据 API 怎么选？我用一场回测与实盘的偏差，整理了一份技术选型 Checklist

当时策略本身并不复杂，核心逻辑是基于过去一段时间的价格和成交量计算信号，再根据排名选择股票。

2026-09-11

Serverless 服务选型

综述近两年来，Serverless 概念在开发者中交流的越来越多，实践、服务、产品层出不穷。Serverless 的主题分享呈现爆发趋势，如在云原生领域颇具影响力的 KubeCon&CloudNativeCon 会议中，关于 Serverless 的主题，2018 年有 20 个，到 2019 年增长至 35 个。产品层面，从最早的 AWS Lambda，到 Azure Functions、Goolge Functions、Google CloudRun，再到国内阿里云 Serverless Kubernetes、Serverless 应用引擎、函数计算等，面向计算的 Serverless 云上基础设施越来越丰富。新概念、新产品的产生不是凭空出现，它们诞生之初要解决的是当前问题。随着实践者对问题域的理解越来越清晰和深刻，会逐步迭代问题的处理方法，提供更接近问题本质的解决方案。若不从问题域出发来理解解决方案，容易陷入两个极端，即「它能解决一切问题」「它太超前了，理解不了」。本篇文章尝试以日常开发流程为起点，分析每个阶段面对的问题，然后组合解决方案，提炼面向 Serverless 的开发模型，并与业界提出的 Serverless 产品形态做对应，为开发者采用 Serverless 架构和服务提供参考。迭代模型从项目整体视角来看：这个模型的目标是满足客户需求。通过被动迭代满足客户提出的需求，同时逐步深刻理解客户需求的本质，通过主动迭代和客户一起采用更好的方案或从根源解决面对的问题。每次的需求反馈会加深对客户需求的理解，提供更满足需求的服务。每次的 bug 反馈会加深对处理方案的理解，提供更稳定的服务。在模型启动后，日常的核心问题就集中在了如何加速迭代。为了解决迭代加速的问题，需要了解有哪些制约因素，有的放矢。下述是从开发视角看到的开发模型：虽然会有不同的开发语言和架构，但在每个阶段均有通用的问题，如：除了要解决上述通用问题，还需要提供标准化的方案，降低开发者的学习和使用成本，缩短从想法到上线的时间。若将上述过程中不同阶段花费的时间做个分析，在项目整个生命周期中会发现：部署&运维占用的时间和精力，会远大于开发&测试通用逻辑占用的时间和精力，会接近甚至超过业务逻辑为了加速迭代，需要依次解决占用时间和精力多的部分，如图 1：从左至右，通过下放不同层次的运维工作，降低「部署&运维」成本。在降低了运维工作成本后，在「通用逻辑」层面降低成本。二者结合起来，在迭代过程中更深入聚焦业务。该过程也是从 Cloud Hosting 到 Cloud Native 的过程，充分享受云原生带来的技术红利。由于软件设计架构和部署架构与当时环境耦合度高，面对新的理念和服务、产品，存量应用迭代过程中采用的技术需要有相应调整，即开发和部署方式需要有一定的改造。新应用的开发和部署应用新的理念时，有一定的学习和实践成本。故上述过程不能一蹴而就，需要根据业务当前的痛点优先级来选择匹配的服务和产品，并根据未来的规划提前进行技术预研，在不同的阶段选择适合的服务和产品。 Serverless 简介维基百科对于 Serverless 有较为完备的定义 [1]: Serverless computing is a cloud computing execution model in which the cloud provider runs the server, and dynamically manages the allocation of machine resources. Pricing is based on the actual amount of resources consumed by an application, rather than on pre-purchased units of capacity. It can be a form of utility computing. 在这种计算模型下，给用户会带来如下收益： Serverless computing can simplify the process of deploying code into production. Scaling, capacity planning and maintenance operations may be hidden from the developer or operator. Serverless code can be used in conjunction with code deployed in traditional styles, such as microservices. Alternatively, applications can be written to be purely serverless and use no provisioned servers at all. 概念本质上是对问题域的抽象，是对问题域特征的总结。通过特征来理解概念，可以避免注意力集中在文字描述而非概念的价值本身。站在用户角度，我们可以抽象出 Serverless 的如下特征：免运维 (服务器运维、容量管理、弹性伸缩等) 按资源的使用量付费在一定规模的公司中，若严格区分开发和运维的角色，这种计算形态其实是已经存在的，并非全新的事物。但目前的技术趋势，是期望借助云的规模和技术红利优势，通过上云来降低业务在技术侧的成本，并通过技术红利反哺业务。故业界对于 Serverless 的讨论，注意力是集中在云上的服务和产品所体现的 Serverless 能力。 Serverless 开发模型 Martin Fowler 的这篇文章 [2] 站在架构的角度，对 Serverless 开发模型做了充分的阐述，这里做个简单的总结，核心围绕三点： Event-driven 开发模型自动弹性伸缩 OpenAPI Serverless 开发采用 Event-driven 模型 [3]，围绕 HTTP/HTTPS 请求、时间、消息等 Event 的生产和响应进行架构设计。在这样的模型中，Event 的生产、处理流程是核心，通过 Event 驱动整个服务流程，注意力集中在整个处理流程。对业务理解越深刻，Event 类型和业务会越匹配，技术和业务的相互促进作用会越有效。Event-driven 模型，使得服务常驻这种理念从必选项转变为可选项，可以更好应对业务请求量的变化，如自动弹性伸缩。同时服务非常驻，可以降低所需的资源成本和维护成本，加速项目迭代。通过文章 [2] 的两幅图可以更直观理解：图 2图 3图 2 是当前常见的开发模型，Click Processor 服务是个常驻服务，响应来自用户的所有点击请求。生产环境中，通常会多实例部署，常驻是个关键特征，日常的运维重点在确保常驻服务的稳定性方面。图 3 是 Event-driven 开发模型，关注重心前移，集中在 Event 的产生和响应方面，响应服务是否常驻是个可选项。Serverless 在概念上与 PaaS (Platform as a Service)、CaaS (Container as a Service) 的区别，重点是在是否将自动弹性伸缩作为概念诞生之初的核心特征。结合 Event-driven 的开发模型，Serverless 场景中自动弹性伸缩需要对开发者透明度加深，开发者开发过程对处理能力的关注重心从静态转为动态，更好应对上线后业务请求量的不确定性。在开发方面，交付时可以采用镜像，也可以采用语言层面的打包 (如 Java 中的 war/jar) ，由平台负责运行时相关的工作。还可以更进一步，采用 FaaS 的理念，依托于平台或标准化 FaaS 解决方案，只提供业务逻辑函数，由平台负责请求入口、请求调用和自动弹性伸缩等运行时事宜。不论哪种交付方式，在云上均可以使用 BaaS [4] 的理念，将部分逻辑通过云平台或第三方的 OpenAPI 实现，如权限管理、中间件管理等，开发过程中注意力更加聚焦在业务层面。 Serverless 服务模型 Serverless 服务模型关注云厂商对于 Serverless 计算形态的支持，不同的服务和产品形态主要差异点主要集中在对 Serverless 特征的理解和满足程度方面：免运维 (服务器运维、容量管理、弹性伸缩等) 按资源的使用量付费在免运维维度，最基本的是免去服务器运维成本，开发者可以按量申请资源。在容量管理、弹性伸缩、流量管理、日志/监控/告警等常规的运维层面，不同的服务和产品会根据自身定位、目标客户特征等，有侧重采用适合的方式来满足。在计费形态方面，云厂商一方面会根据自身定位确定收费维度，如资源、请求量等，一方面也会根据当前的技术能力确定收费的粒度。通过上述分析可知，云厂商不同 Serverless 服务模型不是静态的，会伴随产品定位、目标客户特征、技术能力等持续迭代，和客户共同成长。Serverless 服务模型需要满足实际需求，再回到图 1，云厂商的 Serverless 服务模型可以分为如下几类：资源实例平台调度平台应用管理平台业务逻辑管理平台综合起来，即：阿里云 Serverless 产品国内的云服务厂商，阿里云提供的 Serverless 服务和产品形态相对完备。这里以阿里云为例进行探讨，探讨的经验可以平滑迁移到其他云服务厂商。从阿里云公开的资料 [5] 可以了解到几类常见的 Serverless 产品形态：上述云产品分类可以清晰和图 1 的模型对应起来，用户在进行选择时，先整理当前业务技术所处的阶段和痛点，确定对云上方案的需求，然后再根据云厂商的产品形态做对应，选择适合当前阶段的服务和云产品。该对应关系重点是了解云产品定位是否可以长期满足业务需求，如：业务技术目前所处的阶段是否有对应的 Serverless 产品形态业务快速迭代是否会受限于云产品自身的发展云产品的稳定如何云产品是否可以持续为业务带来技术红利同时还需要了解云产品是否可以伴随业务发展，重点是业务对技术的需求中，哪些是云产品层面由于定位带来的限制，哪些是当前云产品的技术实现带来的限制。若是云产品定位带来的限制，那么就需要考虑使用和业务需求定位更匹配的云产品。若是当前技术实现的限制，那么有机会和云产品共同成长，及时给云产品反馈，使得云产品可以更好满足自身的业务需求。除此之外，业务层面还需关注云厂商自身服务类型的丰富性，云厂商自身服务越丰富，规模越大，越会产生规模效应，进而给业务带来更丰富的技术红利和成本优势。幸运的是，云产品通常都会有丰富的文档，也有相应的用户群，可以直面产品 PD 和研发。云产品的 PD 和研发也很期望直面用户，聆听用户的反馈和需求，和用户一起共建。下面简单介绍下阿里云 Serverless 产品和用户钉钉群。阿里云 ECI 产品 [6] 是 Serverless 和容器化的弹性计算服务，用户无需管理底层服务器，只需要提供打包好的镜像，即可运行容器，并仅为容器实际运行消耗的资源付费。阿里云 Serverless Kubernetes (简称 ASK) 是阿里云容器服务产品 [7] 家族中的一种形态，托管 Kubernetes Master 组件，依托阿里云 ECI 产品提供 Pod 实例，用户无需运维 Kubernetes Master 和 Agent 节点即可使用 Kubernetes 调度能力，详情可参见产品文档 [8]。阿里云 Serverless 应用引擎 (简称 SAE) [9] 是面向应用的 Serverless PaaS 平台，帮助 PaaS 层用户免运维 IaaS，按需使用，按量计费，实现低门槛微服务应用上云，有效解决成本及效率问题。支持 Spring Cloud、Dubbo 和 HSF 等流行的开发框架，真正实现了 Serverless 架构和微服务架构的完美融合。除了微服务应用外，用户还能通过 Docker 镜像部署任何语言的应用。阿里云函数计算有两款产品，函数计算 [10] 是一个事件驱动的全托管 Serverless 计算服务，用户无需管理服务器等基础设施，只需编写代码并上传，函数计算会为用户准备好计算资源，并以弹性、可靠的方式运行用户代码。Serverless 工作流 [11] 是一个用来协调多个分布式任务执行的全托管 Serverless 云服务，致力于简化开发和运行业务流程所需要的任务协调、状态管理以及错误处理等繁琐工作，让用户聚焦业务逻辑开发。用户可以用顺序、分支、并行等方式来编排分布式任务，服务会按照设定好的顺序可靠地协调任务执行，跟踪每个任务的状态转换，并在必要时执行用户定义的重试逻辑，以确保工作流顺利完成。用户钉钉群：小结 Serverless 本质上是一个问题域，将研发流程中非业务核心却影响业务迭代的问题抽象化，并提出相应的解决方案。该概念不是突然产生的，大家或多或少已经将其理念应用到日常的工作中，只是伴随着云计算浪潮，云上的 Serverless 服务和产品更系统、更具有竞争力，可以基于规模优势和丰富的产品线，面对问题域持续提供更满足业务需求的服务。Serverless 理念不仅在中心化的云端蓬勃发展，目前也逐步在边缘端发展，使得服务的运行更加广泛化，更好满足业务自身的客户，提供更低延时、稳定的服务。本篇文章尝试从项目、开发的日常流程出发，协助读者从日常实践角度来理解 Serverless 概念，根据所处的阶段选择适合的 Serverless 服务和产品。并尝试从云产品内部的视角，传递云产品和用户共建的观念，通过不同的分工更好传递和创造价值。 References [1] wikipedia: Serverless computing [2] Martin Fowler: Serverless Architectures [3] wikipedia: Event-driven architecture [4] wikipedia: Mobile backend as a service [5] 从 DevOps 到 NoOps，Serverless 技术的落地方式探讨 [6] 阿里云 ECI 产品主页 [7] 阿里云容器服务 [8] 阿里云 Serverless Kubernetes 产品文档 [9] 阿里云 Serverless 应用引擎 [10] 阿里云函数计算 [11] 阿里云 Serverless 工作流 Cloud Programming Simplified: A Berkeley View on Serverless Computing

2020-05-06

APM 监控工具选型

摘要： DataBuff 是 2026 年最佳的开源 APM 工具：原生 OTLP 接入、统一服务健康拓扑链路检索，并内置 AI 问数与 Skill / MCP 扩展，适合用一套自托管平台替换「指标 + 链路 + 排障」多工具拼装。

2026-08-12

Redux异步方案选型

本文会从一些常见的Redux异步方案出发，介绍它们的优缺点，进而讨论一些与异步相伴的常见场景，帮助你在选型时更好地权衡利弊。

2017-07-31

ClickHouse vs StarRocks 选型对比

从本次的选型对比中，可以看出在一些场景下，StarRocks 相较于 ClickHouse 有更好的表现。

2021-12-06

容器云平台选型指南

容器即服务平台，能够让开发人员更轻松地部署Docker容器，并将其引入应用程序当中。以往，企业大多会使用Kubernetes完成这方面工作。随着现代容器化应用程序在企业中应用范围的不断增长，各大服务供应商开始以「即服务」的方式提供容器基础设施与管理方案。根据Flexera发布的《2020年云计算现状报告》，容器技术在全球企业中的使用范围不断增长，有65%的受访组织表示他们正在使用Docker容器，58%的企业表示他们正在以某种方式使用Kubernetes编排系统。结合调查结果，目前资源与专业知识的欠缺已经成为使用容器技术构建并维护应用程序的主要挑战。也正因为如此，开发人员开始越来越多地转向容器即服务(CaaS)类产品，而三大主要云服务商在CaaS领域也不出意外地占据着优势。将容器基础设施交给云供应商打理云服务商实际上向用户提供的是一套托管形式的容器编排引擎(其大多数源自谷歌极具人气的Kubernetes开源项目)，用以部署并运行容器、管理集群、实现自动化扩展与故障管理，并维护通用基础设施层中的治理及安全性问题。总体来看，CaaS平台能够处理一切联网、负载均衡、监控、日志记录、身份验证、安全性、自动扩展以及持续集成/持续交付(CI/CD)功能。正是凭借这种强大的能力，企业得以在CaaS的支持下既利用云基础设施的优势，也能够顺利避免PaaS所带来的供应商锁定问题 (例如AWS Elastic Beanstalk, Azure App Service或者Google App Engine)，将容器承载的工作负载轻松在不同环境之间往来迁移。而CaaS与经典基础设施即服务(IaaS)之间的核心区别，在于企业自身是否需要掌握Kubernetes(或其他容器编排工具)的相关资源及管理技能。很明显，CaaS能够帮助我们摆脱这种硬性要求，将相关工作交由云服务商打理。此外，CaaS还具有更灵活的可移植特性，不少供应商都提供可部署在本地或云端的CaaS平台，以供自己的容器环境能够跨多种云及/或本地环境加以运行。前德意志银行员工、现任BBC开发人员Rob Isenberg提到，“大家可以在基础设施层级上管理任务并自行设置编排工具，也可以使用容器平台来处理基础设施并提供预先安装的编排工具，借此部署并扩展容器环境。” 实现更大的灵活性与可扩展性在CaaS上运行容器，类似于在IaaS上运行虚拟机;其主要优势在于良好的部署速度及易用性、即付即用的云模型简单性，以及之前提到的不受供应商锁定影响的灵活性。将容器基础设施交由云供应商打理之后，企业可以直接启动并运行容器，而无需投资采购自有硬件、亦无需构建并运行自有Kubernetes集群或者其他容器编排系统。此外，通过容器化应用程序，企业也可以更轻松地将应用程序迁移至不同的环境或者供应商生态系统当中，由此实现更大的灵活性与可扩展性。所有这一切，都将显著提高成本效率，包括使用容器以更好地根据需求执行横向扩展，并保证企业只需要为实际使用的云资源付费。容器的轻量化程度也远高于虚拟机，这意味着它们的资源消耗量更低，因此通常拥有更快的运行速度与更低的使用成本。指令与记录层面的一致性还带来另一大优势，即隔离在容器中的各项服务都只可以通过流行的边车部署模型建立起更高效的日志聚合与集中监控机制。但必须承认，将传统应用程序迁移至容器仍是一项艰难的工作，即使是在基于CaaS的应用程序之上也是如此。Flexera的云现状报告提到，有34%的受访者在这方面遇到了挑战。在面向容器的应用程序迁移当中，往往涉及将单体式应用程序拆分为微服务架构;对于历史较长且规模较大的企业来说，这背后往往对应着重大的文化与技术转变，难度可想而知。云服务商哪家强? 大多数主要云服务商都提供自己的CaaS产品，此外其他几家供应商也都希望在这片市场上一展拳脚。云服务市场的领导者Amazon Web Services (AWS)掌握的Kubernetes-less Elastic Container Service (ECS)与Elastic Kubernetes Service (EKS)都有着强劲的市场表现。同样的，根据Flexera的分析报告，Azure Kubernetes Service与Google Kubernetes Engine (GKE)也都在近期迎来了强劲的增长势头。三大云巨头现在还提供无服务器Kubernetes服务，其中包括AWS ECS on Fargate, Google Cloud Run on GKE以及Azure Container Instances。与EKS、AKS以及GKE不同，这些服务彻底消除了服务器管理任务，以按需消费方式进一步降低了容器方案的使用门槛。目前，Google Cloud的大部分容器管理功能都被归入Anthos，此功能可跨本地基础设施与各大主要公有云(目前支持Google Cloud Platform与AWS，未来亦有计划支持Azure)管理基于容器的应用程序。Anthos将GKE for cloud workloads, GKE On-Prem以及 Anthos Config管理控制台结合起来，供用户在混合及多云Kubernetes部署当中集中执行管理、策略及安全保护等任务。除了三大云服务巨头之外，包括IBM/Red Hat、VMware、SUSE/Rancher、Canonical、D2iQ(原Mesosphere)、Rackspace、甲骨文、HPE、阿里巴巴、华为以及腾讯在内的各服务商也都推出了自己的托管CaaS方案选项。其中相当一部分产品能够在本地、公有云乃至混合环境中进行部署。在Gartner发布的《竞争格局：公有云容器服务》报告中，将Google的GKE确定为领先的托管Kubernetes选项。 Forrester的分析师们则在2019年第三季度，将AWS评为最新公有云企业容器平台领导者，微软与谷歌则紧随其后。需要注意的是，尽管Forrester的报告仅涉及七家供应商，而且仅关注公有云这一类部署场景。根据报告作者的表述，AWS“在部署选项、安全性以及深度集成等方面处于领先地位。凭借着广泛的完全托管(及无服务器)Kubernetes(K8s)方案选项，以及无与伦比的云容器部署总量，AWS不断创新，并将其容器平台与领先的安全性及网络功能加以深度集成。” 微软向来以强大的开发人员使用体验及全球影响力而备受赞誉，但报告称其容器方案的使用复杂性令人难以理解。谷歌虽然拥有丰富的Kubernetes专业知识以及在多云环境下的良好兼容能力，但产品的复杂度同样有些离谱。话虽如此，根据2019年云原生计算基金会的调查，尽管AWS EKS成为最受欢迎的容器管理平台，但GKE、Docker EE/CE与AKS也在紧紧追赶而且差距不大。 Flexera的报告发现，使用AWS EKS/ECS的企业占比为55%，另有23%的企业受访者已经有计划未来采用CaaS。Azure Kubernetes Service的采用率达到了50%，另有26%的企业已经有计划使用。Google Kubernetes Engine采用占比为26%，有27%的企业受访者则计划使用GKS。但相比之下，Flexera报告发现仍有63%的企业受访者正在使用自主管理的Kubernetes解决方案。结语关于CaaS产品的信息主要来自各服务供应商自身，所以我们难以做出真正客观且公正的选择。如上所述，Forrester与Gartner虽然各自深入研究了这一领域，但关注的主要是供应商之间的竞争关系，而并非CaaS的实际发展节奏。【责任编辑：赵宁宁 TEL：（010）68476606】

2020-12-09

数据湖存储架构选型

本文内容来自由阿里云计算平台事业部与阿里云开发者社区联合主办的大数据+AI meetup 2020第二站·上海讲师郑锴的分享《数据湖存储架构选型》一、数据湖是个潮流简单来讲，数据湖的理念就是说从一个企业的视角来讲

2020-11-24

应用监控的选型思考

阿里云应用实时监控和诊断工具 ARMS，点击这里。最近由于项目的缘故，经常会和同学们聊到一个话题，那就是企业如何在应用性能管理(Application Performance Monitoring, 简称APM) 领域的开源和商业化产品中选择合适自己的产品，下面就以该领域为例和大家做一个分享。先说结论：没有统一答案，企业用户应当从自身需求，技术掌握深度，建设成本这三个方面来衡量。企业性质和最终方案技术掌握程度自身需求建设成本世界500强的IT部门, 最终选择商业产品，部署方式为专用云已经被各大APM厂商进行过POC，接口人对APM领域有一定理解；已经在内部进行过多轮DevOps概念推广和相关环境建设。 1.配合压测调优性能；2.能快速推广和应用到全集团；3.集团大屏幕输出；4.日常运维中的问题报警，排查，诊断。 1.产品费用+咨询费用

2018-11-18

选型OpenStack，需要谨防“舍本逐末”

同样是采用IT服务外包的方式，OpenStack的选型以及所需要的服务模式和用户以往所熟悉的模式存在着巨大差异，从而也注定了用户需要进行相应的调整和变化。 OpenStack和传统方式有什么不同?

2017-07-02

图像处理项目硬件选型

【项目实战派】图像处理项目的硬件平台选型一直以来我都对嵌入式系统比较感兴趣，因为感到图像处理最终还是要走向便携式、移动化的。

2015-12-22

资源下载

更多资源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

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。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

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。