Stories

List
Create Time

阿里巴巴開源大規模稀疏模型訓練/預測引擎DeepRec

簡介：經歷6年時間，在各團隊的努力下，阿里巴巴集團大規模稀疏模型訓練/預測引擎DeepRec正式對外開源，助力開發者提升稀疏模型訓練性能和效果。 作者 | 煙秋 來源 | 阿里技術公眾號 經歷6年時間，在各團隊的努力下，阿里巴巴集團大規模稀疏模型訓練/預測引擎DeepRec正式對外開源，助力開發者提升稀疏模型訓練性能和效果。 一 DeepRec是什麼 DeepRec(PAI-TF)是阿里巴

阿里巴巴 , 開源
Create Time

阿里巴巴雲原生大數據運維平台 SREWorks 正式開源

簡介：阿里巴巴雲原生大數據運維平台 SREWorks，沉澱了團隊近10年經過內部業務錘鍊的 SRE 工程實踐，今天正式對外開源，秉承“數據化、智能化”運維思想，幫助運維行業更多的從業者採用“數智”思想做好高效運維。 作者 | 晟白 來源 | 阿里技術公眾號 隨着行業不斷髮展，大數據AI也逐漸呈現雲原生化的趨勢。複雜的業務場景及其背後涉及到的不同技術方向的開源和自研，使得產品運維面臨技術複雜

阿里巴巴 , 大數據
Create Time

阿里巴巴雲原生混部系統 Koordinator 正式開源

簡介：脱胎於阿里巴巴內部，經過多年雙 11 打磨，每年為公司節省數十億的混部系統 Koordinator 今天宣佈正式開源。通過開源，我們希望將更好的混部能力、調度能力開放到整個行業，幫助企業客户改進雲原生工作負載運行的效率、穩定性和計算成本。 作者 | 逐靈 來源 | 阿里技術公眾號 脱胎於阿里巴巴內部，經過多年雙 11 打磨，每年為公司節省數十億的混部系統 Koordinator 今天

阿里巴巴 , 開源
Create Time

ZooKeeper 在阿里巴巴的服務形態演進

簡介： 本文將給大家介紹下 ZooKeeper 的最佳實踐場景，歸為了 3 類，分別是：微服務領域，代表的集成產品是 Dubbo/SpringCloud；大數據領域，代表的集成產品是 Flink/Hbase/Hadoop/Kafka；自研的分佈式系統，包括大家自己公司內部的分佈式系統，對分佈式協調有需求，如分佈式鎖。 作者：草谷 Apache ZooKeeper 在阿里巴巴經歷了開源自用、深

阿里巴巴
Create Time

這些年在阿里學到的方法論

方法論是指導做事的基本原則，能夠幫助我們快速的觸及問題的核心並確定解決思路，好的方法論能讓我們事半功倍，下面就總結下我在阿里這幾年學習到的部分方法論。 做事方法論 5W2H 我們在做一件事時，經常需要和老闆或者合作方去講為什麼要做這件事，準備怎麼做，以求獲得來自老闆和合作夥伴的認可及支持。5W2H是指WHY、WHAT、WHO、WHEN、WHERE、HOW、HOW MUCH。5W2H方法可以幫助我們

方法論 , 阿里雲 , 阿里巴巴 , 雲計算
Create Time

《Data+AI驅動的全棧智能實踐開放日》線上直播來了！

阿里雲瑤池數據庫生態工具重磅首發！首次公開 Data Agent for Analytics、Data Agent for Meta、DAS Agent 等Data Agent 系列產品，揭秘在 AI 時代如何讓數據“活起來”！ 🔥 顛覆想象的技術碰撞 解鎖 Data+AI 在數據庫領域的創新實踐 探索從數據治理到智能決策的全鏈路解決方案！ 🗓️ 3日連播 乾貨滿滿！ 🔐 研發專家親授實戰

人工智能 , 阿里雲 , 阿里巴巴 , 數據庫
Create Time

記一個詭異的TCP揮手亂序問題

本文內容包括但不限於：tcp四次揮手（同時關閉），tcp包的seq/ack號規則，tcp狀態機，內核tcp代碼，tcp發送窗口等知識。 問題是什麼？ 內核版本linux 5.10.112 一句話：四次揮手中，由於fin包和ack包亂序，導致等了一次timeout才關閉連接。 過程細節： 同時關閉的場景，server和client幾乎同時向對方發送fin包。 client先收到了server的

tcp-ip , 阿里雲 , 雲計算 , 遷移 , tcp
Create Time

好好的“代碼優化”是怎麼一步步變成“過度設計”的

有一天Review師妹的代碼，看到一行很難看的代碼，畢竟師妹剛開始轉JAVA，一些書寫小習慣還是要養成，所以錙銖必較還是有必要的，於是給出了一些優化思路的建議，以及為什麼要這麼做。建議完後，我並沒有停下”追求極致“的腳步，隨着不斷的思考，發現這段代碼的優化慢慢變得五花八門起來了，完成了一次“代碼優化”到“過度設計”的典型思考過程，這過程中涉及了很多Java的語法糖及設計模式的東西，很典型，能啓發思

代碼質量 , 雲計算 , code , 阿里雲 , 代碼優化
Create Time

全新架構！日誌服務 SLS 自研免登錄方案發布

引言 很多用户在使用日誌服務 SLS 時，採用 STS 這種免登的方式，能夠快速將日誌服務的頁面集成到三方的系統中。STS 模式是非常經典且成熟的免登方案，它的優點非常多，例如：能夠充分利用阿里雲賬號 RAM 體系、能夠通用地集成支持 STS 模式的所有云產品、支持客户自定義訪問權限等。 存在問題 隨着時間的推移，STS 模式在多個方面已經不滿足日誌服務客户的需求： 性能問題 STS 模式加載速度

日誌 , 雲計算 , 雲原生 , 阿里雲
Create Time

SLS 查詢新範式：使用 SPL 對日誌進行交互式探索

1.引言 在構建現代數據和業務系統的過程中，可觀測性已經變得至關重要，日誌服務（SLS）為 Log/Trace/Metric 數據提供了大規模、低成本、高性能的一站式平台服務，並提供數據採集、加工、投遞、分析、告警、可視化等功能，從而全面提升企業在研發、運維、運營和安全等各種場景的數字化能力。 1.1 日誌數據天然是非結構化的 日誌（Log）數據作為可觀測場景中最基礎的數據類型之一，其最大的特點在

雲計算 , 日誌 , 阿里雲 , spl , 雲原生
Create Time

如果你也會這樣調試，那真是泰酷辣

一、引言 工欲善其事，必先利其器，學會如何利用 IDEA 高效 debug ，將會大大提升我們的工作效率。基本的斷點調試方式就不講解了，網上有很多優秀的文章，這裏會主要舉一些我們日常工作中重要但是容易被忽視的調試技巧。 二、正文 2.1 不暫停的 debug 通常情況下，我們斷點的時候，會卡住當前線程。假設我們在主預發或者公用環境進行debug，就老感覺背後有人在罵我，誰又在debug，環境怎麼又

debug-mode , 雲計算 , intellij-idea , 阿里雲 , debugging
Create Time

函數性能探測：更簡單高效的 Serverless 規格選型方案

2019 年 Berkeley 預測 Serverless 將取代 Serverful 計算成為雲計算新範式。Serverless 為應用開發提供了一種全新系統架構。藉助 2023 年由 OpenAI 所帶來的 AIGC 風潮，以阿里雲函數計算 FC、AWS Lambda 為代表的 Serverless 以其更高成本效益、更簡化的後端代碼 擴展性及更極致的彈性等眾多特性，將開發者從繁重的手動資源

阿里雲 , serverless , 雲計算 , 函數 , 雲原生
Create Time

Bean異步初始化，讓你的應用啓動飛起來

如果你的系統啓動耗時250s以上，文章思路應該可以幫到你。 一、背景 近期，在做應用啓動提速相關工作的過程中，我們發現，應用啓動速度主要的瓶頸在於bean的初始化過程（init，afterPropertiesSet方法的耗時）。很多中間件bean的初始化邏輯涉及到網絡io，且在沒有相互依賴的情況下串行執行。將這一部分中間件bean進行異步加載，是提升啓動速度的一個探索方向。 二、解決方案 自動

bean , 雲計算 , 阿里雲 , 初始化 , 異步
Create Time

EDA 事件驅動架構與 EventBridge 二三事

簡介： 事件驅動型架構 (EDA) 方興未艾，作為一種 Serverless 化的應用概念對雲原生架構具有着深遠影響。當我們討論到一個具體架構時，首當其衝的是它的發展是否具有技術先進性。這裏從我們熟悉的 MVC 架構，SOA 架構談起，聊一聊關於消息事件領域的歷史與發展趨勢。 作者｜肯夢 當下比較成功的企業已然認識到，要想最大限度提升運營效率和客户體驗，務必將業務和技術兩方面的舉措緊密結合起來。運

mvc
Create Time

基於RDS Supabase 服務高效構建輕量級應用，完成任務可贏取淘公仔、加濕器等好禮！

隨着企業對高效開發和快速迭代的需求不斷增加，傳統的後端開發面臨着諸多挑戰：高昂的基礎設施成本、複雜的技術門檻以及漫長的開發週期，都嚴重影響了中小團隊推進核心業務的進程。同時，技術門檻的提升，使得中小團隊在快速迭代方面面臨着巨大的壓力，難以適應市場變化。 本方案將介紹如何基於阿里雲 RDS Supabase 服務高效構建輕量級應用，深度融合了高可用的 RDS PostgreSQL 數據庫能力與 Su

教程 , 數據庫 , 資訊 , MySQL , rds
Create Time

阿里雲瑤池數據庫 Data Agent，數據安全，分析準確，讓數據更有價值！

一、Data Agent簡介 Data Agent 是瑤池數據庫基於 Data+AI 數智融合與 Agentic AI 技術趨勢打造的數據智能體產品，全面覆蓋數據的產生、存儲、加工、治理、分析的全生命週期，並具備自主規劃、智能執行、迭代優化等特性，實現從需求分析、數據探索到結果交付的全流程自動化。使業務人員無需掌握複雜的查詢語言或數據分析技能，即可獲取專業級分析結果，並確保數據的準確性與安全性。

data , MySQL , agent , 數據庫 , 數據管理
Create Time

【瑤池數據庫動手活動及話題精選（體驗Dify on DMS，參與DMS Data Copilot討論）】

一、動手活動 基於 Dify on DMS 快速構建客服對話數據質檢服務 企業面臨傳統開發環境割裂及數據流轉不暢的挑戰？本方案基於數據管理服務 DMS，深度集成雲數據庫 RDS 與百鍊大模型，快速構建客服對話質檢服務，顯著降低數據庫與 AI 應用的開發門檻。 （一）活動時間 2025年9月9日-10月9日16:00:00 （二）活動獎品 300社區積分，限量200個，前15名完成全部任務的用户可額

MySQL , 知識 , agent , 數據庫 , 教程
Create Time

極智編程：基於Qoder+PolarDB Supabase 實現全棧VibeCoding

前言 VibeCoding（氛圍編程）是一種由AI驅動的編程範式， 開發者通過自然語言描述需求，由AI自主完成選的代碼開發、調試以及部署運行。由OpenAI聯合創始人Andrej Karpathy於2025年提出，強調"對話驅動"的開發模式。 VibeCoding 極大的的降低了編程門檻，非專業開發人員也可通過自然語言交互來完成網站、APP的開發。 AI 雖然可以生成完美的前端甚至後端代碼，

教程 , 資訊 , MySQL , 數據庫
Create Time

PolarDB Supabase 助力 Qoder、Cursor、Bolt.diy 完成 VibeCoding 最後一公里

引言：在“摩擦力”中追尋心流 Vibecoding——是每一位開發者都在追尋的理想境界：一種思想與代碼完全同步、創造力毫無阻礙的沉浸式“心流”狀態。然而，在日常工作中會常被各種“摩擦力”無情打斷：繁瑣的後端配置、重複的API聯調、以及等待編譯的漫長時間。每一次中斷，都是對寶貴心流的消耗。 近年來，AI原生IDE（如Qoder）的興起看似將我們推向了心流的邊緣，卻也暴露了一道更深的鴻溝：前後端

MySQL , 後端 , 數據庫 , 資訊 , 教程
Create Time

雲棲重磅｜瑤池數據庫：從雲原生數據底座向“AI就緒”的多模態數據底座演進

9月24日2025雲棲大會上，阿里雲智能集團資深副總裁、數據庫產品事業部負責人李飛飛發表題為《瑤池數據庫：多模態AI數據底座，智能數據管理平台》 主題演講。他表示：“數據與AI大模型的開放融合是大勢所趨。面向Agentic AI時代，阿里雲瑤池數據庫正加速邁向新階段——從雲原生數據底座向“AI就緒”的多模態數據底座全面演進。” 這一戰略性升級聚焦3大核心路徑：持續增強雲原生能力、全面提升多模

數據庫 , 知識 , MySQL , 資訊
Create Time

如何構建企業級數據分析助手：Data Agent 開發實踐

本文作者：阿里雲數據庫高級技術專家 徐大丁(辰馬) 前言 “What I cannot create, I do not understand.” -- Richard Feynman 2025年3月，筆者曾撰文探討LLM驅動的AI Agent如何重塑人機協同模式，彼時更多聚焦於技術實驗與理論推演，尚未在實際業務場景中落地。如今，隨着Agentic AI技術的成熟，Data Agent for A

MySQL , 知識 , 教程 , 資訊 , 數據庫
Create Time

Qoder + ADB Supabase ：5分鐘GET超火AI手辦生圖APP

視頻效果： 一、前言 在AI原生應用開發的時代，傳統的後端架構正在被重新定義。本文將帶你體驗如何使用 Qoder、阿里雲ADB Supabase 和通義千問圖像編輯模型（Qwen Image Edit），快速搭建一個完整的 AI 手辦生圖 Flutter 移動端應用。全程無需自建傳統後端，真實體驗一次 Vibe Coding 的極速開發。 二、總體思路 前端由 Qoder 根據需求自動生成

後端 , 資訊 , 數據庫 , SQL , MySQL
1