博客 RSS 訂閱

f702 頭像

f702 - Prometheus中系統CPU使用率如何計算？

先放結論，Prometheus中採集的原始指標無法直接表示CPU使用率，需要通過promQL語言二次計算，計算公式如下： sum by(instance)(rate(node_cpu_seconds_total{mode!="idle"}[15s])) / sum by(instance)(rate(node_cpu_seconds_total[15s])) 該公式的計算原理與top命令中計算cp

prometheus , cpu

收藏 評論

benfangdechaofen 頭像

奔放的炒粉 - 模型與動態哲學：數字世界的“道”與編程新範式

一、重新思考編程的本質 傳統的編程語言建立在靜態類型、預定義類和編譯時約束的基礎上，而動態模型提出了一種全新的編程範式： 先有對象，後有類：在動態模型中，事物（對象）可以先存在，之後再通過描述者（類）來定義其行為和結構，這與現實世界的認知方式更為接近。 萬物皆可執行：任何模型都可以轉化為動作（函數），這使得數據和邏輯的界限變得模糊，系統可以在運行時動態調整自身行為。 無限遞歸的解

webkit

收藏 評論

infinilabs 頭像

極限實驗室 - Easysearch Rollup 相比 OpenSearch Rollup 的優勢分析

背景 在處理時序數據時，Rollup 功能通過數據聚合顯著降低存儲成本，並提升查詢性能。Easysearch 與 OpenSearch 均提供了 Rollup 能力，但在多個關鍵維度上，Easysearch Rollup 展現出更優的表現。本文將從查詢體驗、索引管理、聚合能力、性能優化和任務管理五個方面，分析 Easysearch Rollup 相較於 OpenSearch Rollup 的優勢。

performance , rollup

收藏 評論

swiftcommunity 頭像

Swift社區 - 【微服務架構】從鏈路追蹤到日誌關聯：打造分佈式系統問題定位利器

摘要 微服務架構為系統帶來了靈活性與擴展性，但也讓問題定位變得更加複雜。服務間缺乏日誌關聯性是微服務調試和運維中的核心痛點之一。本文章將深入探討如何通過分佈式追蹤、鏈路ID等技術實現服務間日誌關聯，並通過示例代碼與工具展示如何落地這些方法。 引言 微服務架構中，系統被拆分為多個服務模塊，每個服務都有獨立的日誌記錄機制。然而，在複雜的分佈式系統中，單個服務的日誌信息往往不足以定位跨服務問題。為此，引

微服務 , 分佈式系統

收藏 評論

swiftcommunity 頭像

Swift社區 - 【日誌分析】從手動解析到智能檢測：日誌異常模式挖掘全解

摘要 本文探討了如何結合日誌分析工具和機器學習技術實現自動化日誌異常模式檢測。通過介紹相關技術背景、工具選擇及應用場景，輔以完整的代碼示例，指導開發者高效分析日誌中的異常模式，提升系統運維效率與穩定性。 引言 在現代複雜的分佈式系統中，日誌是系統行為和事件的核心記錄。傳統手動分析日誌效率低，面對海量日誌易造成錯漏。為解決這一痛點，自動化工具與機器學習逐漸成為日誌分析中的關鍵手段。本篇文章將通過具體

日誌分析

收藏 評論

writers 頭像

思否編輯部 - AdventureX 2025 正式啓動：五天四夜，120小時極限創造！一起在杭州點燃青年創新之火！

隨着 Deepseek、宇樹科技的相繼誕生，杭州迅速成為“AI 之城”，而屬於這座城市的另一場科技嘉年華——AdventureX 2025，也正火熱開啓！ AdventureX 是中國最大、最具創造力的青年黑客鬆之一，由中國高中生與大學生自發創辦，面向全球青年創造者，致力於“讓更多中國年輕人為改變世界而活”。 我們相信，在這個世界上，從不缺有天賦、有衝勁的年輕人，缺的是一片能自由呼吸、自由創造的空

人工智能 , 黑客馬拉松

收藏 評論

actionopensource 頭像

愛可生開源社區 - 基礎設施層變更後，業務真的還穩嗎？來看問簡智驗平台的一次真實演示

🤔 基礎設施層變更後，業務還穩嗎？ 在真實業務環境中，影響穩定性的變更，並非只來自業務代碼本身 —— 基礎設施級的非業務變更，一旦處理不當，往往會引發連鎖反應。 傳統測試手段，大多圍繞“業務代碼變更”進行驗證。一旦變更發生在數據庫、網絡、權限、配置等基礎設施層，測試團隊常常默認“沒必要測”、“業務代碼又沒動，測什麼？” 然而上線後卻出現： 某些頁面打不開了 某些角色訪問受限 某些流程跑不

人工智能 , 自動化測試 , 測試工具 , 測試自動化

收藏 評論

opentiny 頭像

OpenTiny社區 - 直播分享|TinyVue 多端實戰與輕量圖標庫分享

TinyVue是一個跨端跨框架的企業級UI組件庫，基於renderless無渲染組件設計架構，實現了一套代碼同時支持Vue2和Vue3，支持PC和移動端，包含100多個功能豐富的精美組件，可幫助開發者高效開發Web應用。 4月22日19點，雲計算高級前端開發工程師，TinyVue 項目成員鄭志超、申君健老師，將為大家分享TinyVue多端模板與模式切換，並與大家介紹TinyVue輕量圖標庫的使用。

vue.js , 組件庫 , 開源 , 前端

收藏 評論

nocobase 頭像

NocoBase - GitHub 上 Star 數排名前 40 的開發者工具

原文鏈接：https://www.nocobase.com/cn/blog/github-open-source-developer...。 過去一年，我們持續追蹤 GitHub 上的開源項目動態，發佈了多篇深度內容： GitHub Star 數量前 12 的開源無代碼（零代碼）工具 GitHub Star 數量前 15 的開源低代碼項目 GitHub Star 數量前 13 的自託管項目

github , 開發工具 , 低代碼 , 開源 , 開發者

收藏 評論

ruochuan12 頭像

若川 - Taro 源碼揭秘：7. Taro.request 請求和響應攔截器是如何實現的

1. 前言 大家好，我是若川，歡迎關注我的公眾號：若川視野。從 2021 年 8 月起，我持續組織了好幾年的每週大家一起學習 200 行左右的源碼共讀活動，感興趣的可以點此掃碼加我微信 ruochuan02 參與。另外，想學源碼，極力推薦關注我寫的專欄《學習源碼整體架構系列》，目前是掘金關注人數（6k+人）第一的專欄，寫有幾十篇源碼文章。 截至目前（2024-09-18），taro 4.0 正式版

react , 小程序 , taro , 前端 , Javascript

收藏 評論

ruochuan12 頭像

若川 - Taro 源碼揭秘：6. 為什麼通過 Taro.xxx 能調用各個小程序平台的 API，如何設計實現的?

1. 前言 大家好，我是若川，歡迎關注我的公眾號：若川視野。從 2021 年 8 月起，我持續組織了好幾年的每週大家一起學習 200 行左右的源碼共讀活動，感興趣的可以點此掃碼加我微信 ruochuan02 參與。另外，想學源碼，極力推薦關注我寫的專欄《學習源碼整體架構系列》，目前是掘金關注人數（6k+人）第一的專欄，寫有幾十篇源碼文章。 截至目前（2024-08-28），taro 4.0 正式版

react , 微信小程序 , taro , 前端 , Javascript

收藏 評論

ruochuan12 頭像

若川 - Taro 源碼揭秘：5.高手都在用的發佈訂閲機制 Events 在 Taro 中是如何實現的？

1. 前言 大家好，我是若川，歡迎關注我的公眾號：若川視野。從 2021 年 8 月起，我持續組織了好幾年的每週大家一起學習 200 行左右的源碼共讀活動，感興趣的可以點此掃碼加我微信 ruochuan02 參與。另外，想學源碼，極力推薦關注我寫的專欄《學習源碼整體架構系列》，目前是掘金關注人數（6k+人）第一的專欄，寫有幾十篇源碼文章。 截至目前（2024-08-18），taro 4.0 正式版

react , 微信小程序 , taro , 前端 , Javascript

收藏 評論

user_zsxbv7bi 頭像

user_zsXbv7Bi - 如何在 Mac M1 Pro 上 debug Linux Kernel | 基於 Ubuntu 24 工具鏈和 QEMU

在 MacOS 上直接編譯 Linux Kernel 在我看來並不是一個很好的選擇： 我不喜歡 MacOS 的第三方包管理工具 brew 我不希望在沒有隔離的情況下安裝一堆我不瞭解的工具 或者説，在 Ubuntu 上調試 Linux Kernel 才是一個更誘人的選擇： apt 生態很好 基於 Ubuntu gcc 工具鏈編譯 Linux Kernel 社區討論更多，支持更完善 於

linux-kernel , qemu , gdb , macos , Linux

收藏 評論

deephub 頭像

deephub - ReSearch：基於強化學習的大語言模型推理搜索框架

ReSearch是一種創新性框架，通過強化學習技術訓練大語言模型執行"推理搜索"，無需依賴推理步驟的監督數據。該方法將搜索操作視為推理鏈的有機組成部分，其中搜索的時機與方式由基於文本的推理過程決定，而搜索結果進一步引導後續推理。研究分析表明，ReSearch在強化學習訓練過程中自然地形成了高級推理能力，包括反思與自我糾正機制。 技術方法 ReSearch的訓練架構概述 與傳統的僅包含文本推理的推

llm , 搜索 , 人工智能 , 深度學習

收藏 評論

bianmaqingnian 頭像

編碼青年 - 2025接口測試新趨勢：AI驅動、全鏈路壓測與防禦體系構建

在數字化轉型加速的2025年，接口測試已從傳統的功能驗證工具，演化為保障系統穩定性、安全性與智能化的核心環節。隨着微服務架構的普及和AI技術的深度融合，接口測試工具正朝着AI驅動、全鏈路壓測與主動防禦體系的方向革新。本文將探討這一新範式的技術路徑與實踐價值。 一、AI驅動：從自動化到智能化的跨越 AI技術的引入，正在徹底改變接口測試的效率和精度。通過AI算法優化測試腳本生成邏輯，支持基於歷史請求數

apipost , ones , postman , 人工智能 , 自動化測試

收藏 評論

heqiliao_5cf8819257e40 頭像

何棄療 - 微信小程序onShow的坑點

最近，公司小程序項目功能更新，部分功能複測，讓某些兼容性問題再次暴露在我的面前，特此發出來給暫未遇到這個問題的開發者，提供一些思路。 onShow表現 這個事件鈎子，在頁面重新顯示的時候觸發，無論是否重新加載，對於一些數據更新和獲取，提供了穩定的處理方案。但是，假如當前頁面有選擇圖片上傳的功能或者文件上傳，選擇文件後，頁面會進入onShow鈎子，且這種情況安卓是必然觸發，IOS系統，身邊設備有限，

生命週期 , 小程序 , 前端

收藏 評論

swiftcommunity 頭像

Swift社區 - 【ELK 實戰篇】日誌聚合與可視化全流程詳解：從部署到洞察數據的高效指南

摘要 在現代分佈式系統中，日誌聚合與可視化分析已成為提升系統可觀察性和運維效率的關鍵手段。本文將介紹如何利用 ELK Stack（Elasticsearch、Logstash、Kibana）實現日誌的高效聚合與可視化，提供完整的部署流程和代碼示例，幫助開發者快速構建功能強大的日誌管理與分析平台。 引言 隨着系統架構從單體轉向微服務，日誌來源和數量都急劇增長，傳統的單點日誌分析方式已無法滿足需求。通

elk , 可視化

收藏 評論

swiftcommunity 頭像

Swift社區 - 【AI日誌分析】基於機器學習的異常檢測：告別傳統規則的智能進階

摘要 隨着系統規模的擴大和複雜性增加，傳統基於規則的日誌分析方法難以識別隱藏的複雜異常模式。本文將介紹基於機器學習的日誌異常檢測技術，包括模型選擇、特徵工程及實現步驟。通過具體的代碼示例與圖表，展示如何高效檢測異常日誌，並提供應用場景與優化策略。 引言 日誌是系統運行狀態的關鍵數據來源，但面對海量日誌數據，傳統規則式分析顯得力不從心。機器學習能夠根據日誌的歷史數據和行為模式，通過訓練模型檢測異常情

機器學習 , 日誌分析 , 人工智能

收藏 評論

bianmaqingnian 頭像

編碼青年 - Apipost自動化測試：零代碼！3步搞定！

“測試1小時，改Bug一整天”， 傳統手動測試不僅耗時費力，還容易遺漏關鍵場景，導致線上事故頻發。目前，全球Top 10的科技公司中，90%的團隊早已拋棄手動測試，轉向更智能的解決方案——自動化測試！ 不過，許多人對自動化測試的認知仍停留在“高門檻”“複雜代碼”的誤區中。 自從上手Apipost，發現並非如此： 無需寫一行代碼，三步操作即可實現全流程自動化測試，小白也能10分鐘上手。 快速上

apipost , 實戰開發 , 自動化測試

收藏 評論

anjingdexiaoyanyao_ciaxxr 頭像

xcmd - x-cmd install | Pathos - 告別混亂！你的終端 $PATH 環境變量管理神器

你是否也曾被 shell 配置文件（.zshrc、.bashrc 等）中冗雜的 export PATH 語句搞得頭大？隨着時間的推移，各種目錄條目不斷添加和修改，最終變得臃腫不堪：重複的路徑、失效的目錄、不再需要的條目… Pathos，就是為了解決這個問題而生的！ Pathos 是一款強大的終端 $PATH 環境變量管理工具，它能幫你輕鬆清理和維護你的 $PATH，讓你的終端環境煥然一新。 核心

環境變量 , path , 終端 , go

收藏 評論

chen_67f9ccbe6f07b 頭像

異常君 - 深入解析 InnoDB 死鎖：從案例到方案，全流程透視指南

大家好！今天我要和各位分享一個在 MySQL 項目中經常讓開發者頭疼的問題——InnoDB 的死鎖問題。相信不少朋友都遇到過這樣的情況：一個好好運行的系統突然報錯，日誌裏冒出"Deadlock found when trying to get lock; try restarting transaction"，然後你就開始了漫長的排查之旅... 別擔心，這篇文章會用真實案例帶你從現象到根源，徹底掌

死鎖 , MySQL , innodb , 數據庫 , 後端

收藏 評論

peter_658914642f811 頭像

TechubNews - 如何開拓亞洲加密貨幣市場？一文解析亞洲國家差異、用户行為及市場特徵

作者：Techub 精選編譯撰文：JE Labs編譯：Glendon，Techub News作為全球加密貨幣生態系統的核心地區，亞洲佔據了全球 70% 的加密貨幣流動性，並且擁有全球 60% 的加密貨幣用户。然而，亞洲各國在市場環境、監管政策以及用户行為等方面存在顯著差異，因此，深入瞭解各國及地區的特性至關重要。本文將深度解析亞洲市場各項特徵，為那些希望在該地區拓展業務的生態建設者提供戰略指南。本

區塊鏈 , 比特幣 , web3

收藏 評論

chen_67f9ccbe6f07b 頭像

異常君 - 深入 JVM：線程池源碼剖析與性能調優全攻略

在 Java 併發編程中，線程池是我們必須掌握的核心技術。很多開發者只會使用線程池，卻不瞭解其底層工作原理，導致在實際項目中遇到性能問題時無從下手。本文將帶你深入探索線程池的底層實現機制，並通過案例講解如何進行科學的參數調優。 一、線程池核心原理：任務執行流程 ThreadPoolExecutor 是 Java 線程池的核心實現類，其源碼中最關鍵的 execute()方法定義了任務的處理邏輯。下面

線程池 , jvm , threadpoolexecutor , JAVA , 後端

收藏 評論

vivo_tech 頭像

vivo互聯網技術 - Spark on K8s 在vivo大數據平台的混部實戰

作者：vivo 互聯網大數據團隊- Qin Yehai 在離線混部可以提高整體的資源利用率，不過離線Spark任務部署到混部容器集羣需要做一定的改造，本文將從在離線混部中的離線任務的角度，講述離線任務是如何進行容器化、平台上的離線任務如何平滑地提交到混部集羣、離線任務在混部集羣中如何調度的完整實現以及過程中的問題解決。 一、在離線業務差異 互聯網數據業務服務一般可以分為在線服務和離線任務兩

spark , 容器 , 大數據

收藏 評論