博客 / 列表

阿里云云原生 - 拒絕查詢超時：一次真實高併發場景下的 SLS 物化視圖調優實戰

作者：戴志勇 做後端和監控開發的同學，大概都有過這種焦慮時刻：當日志數據量大到一定規模後，原本順暢的查詢就開始“罷工”。監控服務瘋狂報警，或者老闆急着要數據，結果你調用的日誌接口一直卡住，最後直接報請求超時。 最近，我們配合一位深度用户（某大型業務團隊），在他們的核心日誌場景裏落地了 SLS 物化視圖。我們在生產環境中對比了開啓該功能前後的表現，無論是硬指標的性能數據，還是實際的使用體驗，差距都非

阿里雲 , 雲原生

阿里云云原生 - 應對 Nginx Ingress 退役，是時候理清這些易混淆的概念了

作者：望宸 本文希望提供一種更簡單的方式，來理解這些容易混淆的技術概念：Nginx、Ingress、Ingress Controller、Ingress API、Nginx Ingress、Higress、Gateway API。 Nginx 和 Kubernetes 我們先按和 Kubernetes 是否有關，分為兩類： Nginx 是在沒有 Kubernetes 的年代，流量入口上的事實標準，

ingress , 雲原生 , Nginx

阿里云云原生 - 從 AWS S3 到阿里雲 SLS：深度解析跨雲海量日誌導入與實時分析的挑戰與解決方案

作者：範中豪(熾凡) 在多雲架構日益普及的今天，企業常常面臨這樣的場景：運行在多雲環境中的業務系統會產生大量日誌數據，通常存儲於對象存儲服務中，但為了實現集中化運維、安全合規與統一分析，需要將這些分散的日誌數據匯聚至統一的日誌平台進行處理與洞察。 典型場景包括： 跨雲服務日誌集中分析： 各類雲服務產生的審計日誌、網絡流日誌、負載均衡訪問日誌等，需在統一平台進行關聯分析與故障排查； 海外業務數

阿里雲 , 雲原生

阿里云云原生 - AI Agent 的“進化之路”：從研究原型到生產級記憶系統，技術趨勢與產品對比

作者：柳遵飛（翼嚴） 前言 隨着 AI Agent 應用的快速發展，智能體需要處理越來越複雜的任務和更長的對話歷史。然而，LLM 的上下文窗口限制、不斷增長的 token 成本，以及如何讓 AI“記住”用户偏好和歷史交互，都成為了構建實用 AI Agent 系統面臨的核心挑戰。記憶系統（Memory System）正是為了解決這些問題而誕生的關鍵技術。 記憶系統使 AI Agent 能夠像人類一樣

agent , 人工智能 , 雲原生

阿里云云原生 - Hello AgentScope Java

作者：遠雲 隨着 LLM 應用的飛速發展，越來越多的 Agent 應用開始走近每個人。圍繞着 Agent 應用的核心，目前業界有零代碼、低代碼和高代碼三條主流的技術路線。AgentScope 作為 Python 社區中受到廣泛應用的高代碼框架，在 Java 生態下的需求也越來越大。 今天，我們很高興地宣佈AgentScope Java v0.2 版本正式發佈了，具備了所有核心的 ReActAgen

agent , JAVA , 雲原生

阿里云云原生 - 告別數據庫“膨脹”：Dify x SLS 構建高可用生產級 AI 架構

作者：無哲、言合 一、前言：Dify 的規模化挑戰 Dify 是當前最受歡迎的低代碼 LLM 應用開發平台之一，在 Github 上已斬獲 120k+ 的星標數。國內外有眾多企業基於 Dify 構建自己的智能體應用。阿里雲可觀測團隊既是 Dify 的深度用户，也是社區的活躍貢獻者。 在大規模生產實踐中，我們發現 Dify 在高負載場景下面臨顯著的數據庫性能瓶頸：其執行引擎高度依賴 Postgre

阿里雲 , 雲原生 , dify

阿里云云原生 - 從原理到落地：阿里雲 RUM 如何賦能開發者構建穩定可靠的 iOS 應用？

作者：高玉龍（元泊） 背景介紹 App 上線後，作為開發同學，最怕出現的情況就是應用崩潰了。但是，線下測試好好的 App，為什麼上線後就發生崩潰了呢？這些崩潰日誌信息是怎麼採集的？ 先看看幾個常見的編寫代碼時的疏忽，是如何讓應用崩潰的。 數組越界：在取數據索引時越界，App 會發生崩潰。 多線程問題：在子線程中進行 UI 更新可能會發生崩潰。多個線程進行數據的讀取操作，因為處理時機不一致，比

雲原生 , ios

阿里云云原生 - 【北京活動預告】阿里雲 AI 原生應用開發實戰營——AI Agent 專場，開啓報名

時間：2025.12.26（週五）13:30-17:00 地點：北京·阿里巴巴朝陽科技園 活動議程： AI 原生應用開發最佳實踐 函數計算 AgentRun：企業級一站式 AI Agent 基礎設施平台 Function AI：生成式 AI 的落地實踐與案例分享 AI 時代的“智能流量中樞”，AI 網關搭建與落地實踐 現場完成實操，更有驚喜彩蛋和專屬證書等你來拿~ 點擊此處或鏈

人工智能 , 雲原生

阿里云云原生 - 2025 智能體工程現狀

作者：望宸 LangChain 近期發佈了《State of Agent Engineering》報告，內容比較翔實，全面分析了 AI 智能體在企業中的採用現狀、挑戰與趨勢。（或尚未應用的原因） 我們對報告進行了翻譯，並做了些描述和內容排序上的的優化，讓中文讀者更易於理解。同時，我們將今年 9 月底發佈的《AI 原生應用架構白皮書》中的部分調研數據，和《State of Agent Enginee

llm , 阿里雲 , 雲原生

阿里云云原生 - 雲監控 2.0 日誌審計：打破雲端安全審計的數據壁壘，UModel 實體建模是關鍵！

作者：孫玉梅 背景 在現代雲環境中，安全合規與故障溯源面臨着如下問題： 控制面與數據面的割裂：雲端的資源變更（如 OpenAPI 調用）與底層的運行時行為天然處於兩個平行的觀測維度。 異構數據的孤島效應：K8s 的編排事件、ECS 的系統日誌以及雲產品的操作記錄分散在不同的存儲介質中，缺乏統一的上下文關聯。 這種多維度的碎片化導致運維與安全團隊深陷“數據豐富但信息貧乏”的困境。當異常發生時

阿里雲 , 雲原生 , 監控工具

阿里云云原生 - AgentScope x RocketMQ：打造企業級高可靠 A2A 智能體通信基座

作者：琛琪、稚柳 引言 Agentic AI 時代已至，在智能客服、代碼生成、流程自動化等場景中，多智能體（Multi-Agent）協作正從構想走向落地。然而，當多個 Agent 需要像一個團隊那樣高效協作時，脆弱的通信機制可能因網絡抖動或服務宕機，就讓整個系統瞬間癱瘓，導致昂貴的計算任務失敗、會話狀態丟失。 如何為這些聰明的“數字員工”們構建一個真正可靠、高效的通信基座？ 本文將為您介紹 Apa

rocketmq , 雲原生 , apache

阿里云云原生 - Android App 穩定性升級：阿里雲 RUM 崩潰採集與用户行為追蹤的全流程實戰

作者：路錦（小蘭） 背景：為什麼需要崩潰採集？ 系列回顧：在上一篇文章《深度解析 Android 崩潰捕獲原理及從崩潰到歸因的閉環實踐》中，我們深入剖析了崩潰採集的技術內幕——從Java層的UncaughtExceptionHandler機制，到Native層的信號處理與Minidump技術，再到混淆堆棧的符號化原理。相信大家對“崩潰是如何被捕獲的”已經有了清晰的認識。 然而，光有理論還不夠。本文

Android , 雲原生

阿里云云原生 - Java 開發者福音！AgentScope Java 1.0 發佈，構建企業級智能體應用！

作者：亦盞 AgentScope 簡介 AgentScope 是阿里巴巴推出的一款以開發者為核心，專注於智能體開發的開源框架，是繼 ModelScope（魔搭社區）後在 Agent 層的戰略產品。它的核心目標是解決智能體在構建、運行和管理中的難題，提供一套覆蓋“開發、部署、調優”全生命週期的生產級解決方案，讓智能體應用的開發更簡單、運行更穩定、效果更卓越。 近期 AgentScope 迎來了 1

JAVA , 雲原生

阿里云云原生 - 打通可觀測性的“任督二脈”：實體與關係的終極融合

作者：隰宗正(霜鍵) 點擊此處，查看視頻演示！ 當可觀測數據遇上“關係圖譜” 1.1 從“孤立的實體”到“連接的網絡” 在現代雲原生架構的宏大敍事中，我們習慣於將系統中的每個組件——服務、容器、中間件、基礎設施，視為獨立的“實體”進行監控和管理。我們為它們配置儀表盤，設置告警，追蹤它們的性能指標。然而，這種“個體視角”存在一個根本性的盲點：它忽略了系統最本質的特徵——連接（Connection）。

阿里雲 , 雲原生

阿里云云原生 - AgentScope Java v1.0 發佈，讓 Java 開發者輕鬆構建企業級 Agentic 應用

作者：亦盞 AgentScope 簡介 AgentScope 是阿里巴巴推出的一款以開發者為核心，專注於智能體開發的開源框架，是繼 ModelScope（魔搭社區）後在 Agent 層的戰略產品。它的核心目標是解決智能體在構建、運行和管理中的難題，提供一套覆蓋“開發、部署、調優”全生命週期的生產級解決方案，讓智能體應用的開發更簡單、運行更穩定、效果更卓越。 近期 AgentScope 迎來了 1

JAVA , 雲原生

阿里云云原生 - 從“隱式內存治理”到“Java 內存全景分析”：SysOM 系統診斷的實踐與進階

作者：肖傑韜(六滔) 背景 在前一篇文章《一次內存診斷，讓資源利用率提升 40%：揭秘隱式內存治理》 [ 1] 中，我們系統性地剖析了雲原生環境中隱性內存開銷的診斷方法，通過 SysOM 系統診斷實現了對節點/Pod 級由文件緩存、共享內存等系統級內存資源異常消耗的精準定位。 然而，部分場景下內存異常仍可能源於應用進程本身的內存申請，但是對於應用內存泄漏問題，儘管是應用的開發者，也需要投入大量的精

容器 , JAVA , 雲原生

阿里云云原生 - Entity 查詢：讓運維人員告別“大海撈針”，高效定位與分析實時實體數據

作者：路遙 點擊此處，查看視頻演示！ 背景 在可觀測性系統中，UModel 定義了統一的數據模型（Schema），UModel 查詢專注於探索知識圖譜元數據，而 Entity 查詢則用於查詢和檢索具體的實體實例數據。Entity 查詢基於 USearch 引擎，提供了強大的全文檢索、精確查找、條件過濾等能力，支持跨域、跨實體類型的聯合查詢。 與 UModel 查詢關注 Schema 定義不同，En

阿里雲 , 雲原生

阿里云云原生 - UModel 查詢：馴服“可觀測性混亂”，阿里雲的圖模型建模利器！

點擊此處，立即查看視頻課程！ 背景 想象一下，你站在一個巨大的圖書館裏，這裏有成千上萬本書，但每本書的目錄都散落在不同的房間裏，而且每間房間的索引方式都不一樣。當你想要找一本關於“服務調用”的書時，你需要在 APM 房間、K8s 房間、雲資源房間之間來回奔波，還要記住每個房間不同的查找規則... 這就是很多企業在可觀測性領域面臨的真實困境。而 UModel 就像是為這個混亂的圖書館建立了一套統一的

阿里雲 , 雲原生

阿里云云原生 - Nginx Ingress 官宣退役，你的 Kubernetes 網關遷移方案是什麼？

作者：澄潭 編者按： Ingress NGINX 退役引發開發者們的強烈關注，《遺憾，Ingress NGINX 要退役了》。 官方已經提供了完備的應對措施，遷移到 Gateway API，以及20+ Ingress 控制器。但實施遷移的時候，企業還會希望瞭解新的 Ingress 控制器是否兼容 Ingress NGINX 的註解，遷移過程中如何進行灰度切流，遇到流量損失如何快速回滾等，以保

雲原生 , Nginx

阿里云云原生 - 如何利用 RocketMQ for AI 構建高效、可靠、可擴展的多智能體系統？

作者：稚柳 前言 在現代 AI 應用中，多智能體（Multi-Agent）系統已成為解決複雜問題的關鍵架構。然而，隨着智能體數量增多和任務複雜度提升，傳統的同步通信模式逐漸暴露出級聯阻塞、資源利用率低和可擴展性差等瓶頸。為應對這些挑戰，RocketMQ for AI 提供了面向 AI 場景的異步通信解決方案，通過事件驅動架構實現智能體間的高效協作。本文將探討和演示如何利用 RocketMQ 構建一

rocketmq , 阿里雲 , 人工智能 , 雲原生

阿里云云原生 - Entity Explorer：基於 UModel 的實體探索平台

作者：靈亦 什麼是實體探索（Entity Explorer） 1.1 實體探索概述 在可觀測性領域，實體（Entity）指的是任何可以被獨立識別和監控的對象，例如： 基礎設施實體： 主機、容器、網絡設備、存儲系統 應用層實體： 微服務、API 接口、數據庫實例、消息隊列 業務實體： 用户會話、業務流程、交易訂單 運維實體： 部署環境、代碼倉庫、運維人員 實體查詢的核心價值在於打破傳統監

spl , 阿里雲 , 雲原生

阿里云云原生 - 告別查詢超時！SLS物化視圖的核心原理與使用場景，開發者必看！

作者：戴志勇 當“即查即算”遇上數據爆炸 你是否經歷過這樣的場景？ 在阿里雲日誌服務裏，一個看似簡單的看板，點開卻要等上幾十秒；高峯期多人同時查日誌，系統直接“卡成 PPT”；更糟的是，有時結果還不準——因為達到資源限制，系統只能“估算”答案。 這背後，是日誌規模爆炸式增長帶來的現實困境：當數據量從 GB 躍升至 TB 甚至 PB 級，“邊查邊算”的傳統模式已力不從心。 查得慢： 複雜聚合動輒

日誌 , 雲原生

阿里云云原生 - 阿里雲 Serverless 計算 10 月產品動態

精選文章 文章一覽： 加速智能體開發：從 Serverless 運行時到 Serverless AI 運行時 Serverless 應用引擎 SAE：為傳統應用託底，為 AI 創新加速 吉利汽車攜手阿里雲函數計算，打造新一代 AI 座艙推理引擎 揭秘 MCP Streamable HTTP 協議親和性的技術內幕 為什麼別人用 DevPod 秒啓 DeepSeek-OCR，你還在裝環境？ 產品最新消

雲原生 , serverless

阿里云云原生 - 大模型成本太高？阿里雲Serverless AI原生架構，教你極致省錢又穩健部署！

作者：趙世振 本文整理自 2025 雲棲大會，阿里雲智能集團產品架構師 趙世振 的主題演講《Serverless AI 原生應用架構》 在 AI 大模型浪潮席捲全球的今天，企業紛紛加速擁抱 AI，推動智能客服、內容生成、流程自動化等場景快速落地。然而，許多企業在實踐中卻遭遇了“三高困境”——成本高、複雜度高、風險高。 一位互聯網公司 CTO 曾坦言：“智能客服流量暴增，模型服務很容易被打掛，緊急

人工智能 , 雲原生 , serverless