登录社区云,与社区用户共同成长
邀请您加入社区
KES-Operator正式发布后,KES集群可以纳入Kubernetes体系进行管理,部署、状态维护、扩缩容、备份和监控等操作也有了统一的管理方式。未来,电科金仓将继续完善KES-Operator相关能力,满足KES在Kubernetes环境中的更多使用和运维需求。
分布式数据库的下一个重大范式转移是AI-Native化——不是简单的"数据库+向量检索",而是将AI能力嵌入优化器、存储引擎和运维系统的每个环节。建议技术团队在2026下半年至少完成一个AI-Native数据库的PoC探索。区分"值得关注"和"值得投入"的技术。关注度反映的是行业讨论热度,投入决策则需要考虑团队适配度和业务回报。
"后数据库时代"的核心特征不是数据库的终结,而是数据库从"被动的数据容器"演化为"主动的数据智能平台"。这条路不会一蹴而就——传统的关系型数据库在未来十年仍然会是大多数业务的核心基础设施。但变革已经开始,而且不可逆。对于数据库从业者,最重要的能力不是掌握某个具体的技术,而是保持对技术趋势的敏感度和持续学习的能力。十五年前我以为自己会做一辈子MySQL调优,现在我在研究强化学习和联邦学习——这个行业
AI 容量预测通过时序模型将容量管理从被动告警转变为主动规划,Prophet 捕获趋势和周期性,LightGBM 利用业务特征进行回归,两者集成降低单一模型的偏差风险。调度决策基于预测上界而非点估计值,为突发事件预留安全冗余。工程落地的关键在于三点:第一,预测结果必须包含置信区间,决策基于上界而非点值;第二,业务变更后必须标记变更点并重新训练模型;第三,缩容决策比扩容更保守,需持续低利用率 7 天
为落实“人工智能+”行动有关部署,按照《国家数据局综合司关于征集高质量数据集典型案例的通知》(国数综科基〔2025〕70号)工作安排,经申报推荐、专家评审,国家数据局发布高质量数据集典型案例名单。低空数智产业专委会按照主体类型和行业类别进行解析,为相关单位提供参考和借鉴:一、主体类型比例分析:本次统计的 104 个高质量数据集典型案例中,申报主体涵盖央企、民企、国家部委及下属机构(含事业单位)三类
2023年全国职业院校技能大赛 云计算应用赛项 赛卷一
如果你玩过K8S的话,应该知道有个叫Minikube的东西,可以在本机搭建一个单节点的K8S环境。最近发现一个图形化工具Rancher Desktop,比Minikube更好用,基本可以实现一键搭建K8S环境,在Win10上用起来非常方便,推荐给大家!
文章目录一、参考链接二、Kubernetes 镜像简介三、Kubernetes 镜像配置方法基于CentOS / RHEL / Fedora系统配置方法(1)查看系统版本信息(2)添加并查看 `Kubernetes.repo` YUM源(3)关闭或允许SELINUX安全模式(4)安装kubernetes(5)启动kubernetes一、参考链接阿里巴巴开源镜像站:阿里巴巴开源镜像站阿里镜像站—Ku
一、概述telepresence是一款为kubernetes微服务框架提供快速本地化开发功能的开源软件。目前国内很少关于该软件的介绍,本文内容全部基于官网文档: https://www.telepresence.io/kubernetes集群内部的微服务的特点是,各微服务之间在集群内可以互相访问,集群外部没有很好的方法来获取集群内部的功能,比如获取数据库中的数据。(实际上借助于serv...
影像AI的Pod一到门诊高峰就被OOM Kill,不是K8s的问题,是资源模型没设计好。这篇复盘怎么把内存/GPU/弹性伸缩一起调对。最近在做某三甲医院影像AI推理集群的资源治理,遇到一个挺典型的坑:AI辅助诊断的Pods白天能跑,一到早高峰,dmesg里全是OOM Killer,Pod被反复重建,患者等片的延迟从"秒级"掉到"十几分钟"。
在把大模型 Agent 接入真实业务系统时,最让安全团队和业务方担心的就是“Agent 失控”——比如 Agent 自作主张地调用了转账接口、删除了线上数据表,或者向客户群发了未经审核的营销短信。如果完全不给 Agent 工具调用权限,Agent 就退化成了只能聊天的普通问答机器人;如果把所有权限无条件开放给 Agent 全自动执行,又面临巨大的不可控风险。。
很多爬虫开发者都遇到过这样的困境:明明换了代理IP,请求频率也控制得很小心,但目标网站依然在几次请求后返回403或弹出验证码;使用Selenium/Playwright启动的浏览器,哪怕开启了无头模式,仍然被Cloudflare或Akamai的机器人检测系统识别;同样的请求参数,在Postman中能正常返回数据,一旦放进爬虫代码里就被拒绝。问题的核心往往不在于IP本身,而在于浏览器指纹(Brows
摘要: 工业巡检机器人向多站点协同演进,面临AI视觉、定位导航等复杂任务在有限算力下的稳定运行挑战。采用Docker+Kubernetes容器化方案,将算法、通信等服务拆解为独立容器,通过轻量K8s实现云端下发、边缘自治的敏捷管理。核心解决三大问题:1)容器化必要性——降低部署成本与升级风险;2)边缘K8s运行——轻量化发行版分层管理;3)安全保障——资源隔离与故障域控制。实践表明,该方案使算法升
如果你正在研究 VLA、机器人强化学习、Critic Model 或真机后训练,WCM 提供了代码、数据处理脚本、训练配置、模型权重以及价值曲线可视化工具,适合作为一个新的可复现基线。当机器人不再只看“这一帧”,它才更有可能理解自己正在走向哪里。
本文由浅入深讲解 Kubernetes 完整网络体系,详解 Docker、Containerd 单主机容器通信原理,对比 CNM 与 CNI 网络标准。横向剖析 Flannel、Calico、Weave、Macvlan 等主流 CNI 插件的特性与适用场景,并结合 Calico 实战部署,演示 NetworkPolicy 精细化 Pod 访问控制,帮助读者快速吃透 K8s 网络原理、插件选型与流量
在2026年的今天,人工智能智能体(Agent)已经成为软件开发的主流范式。从简单的RAG(检索增强生成)机器人到复杂的多智能体协作系统,开发者们习惯于在Jupyter Notebook中快速迭代原型——这是数据科学家和AI工程师最舒适的“游乐场”。然而,当一个智能体原型验证成功,需要从实验环境走向生产环境时,无数团队会陷入“最后一公里”的困境:Notebook中的临时变量、隐式状态、非结构化代码
NodePolicy:把物理网卡劈开,造出一堆 VF 硬件设备SriovNetwork:给 VF 装上网络配置(VLAN、IP),做成可以给 Pod 挂载的网线。
可一旦场景变成“大量短生命周期、彼此完全不同的环境需要被快速拉起”,中位延迟和累积时间才是真正决定吞吐和成本的变量。三个任务几乎同时到达同一套计算平台:一个运行自定义容器的机器人仿真、一个需要精确 CUDA/Python/模型服务组合的语音 Agent、一个客户直接提交的黑盒容器。可 AI 平台更像每天要临时搭建完全不同的实验台——有的要液压机械臂,有的要精密光学台,有的干脆是客户自带的神秘设备。
在 Kubernetes (K8s) 中,控制器(Controller) 是整个集群实现自动化管理和自愈能力的核心机制。如果把 K8s 集群比作一座现代化的智能工厂,那么 controller 就是各种自动化机器人或监控设备,它们不需要人工介入,就能确保工厂时刻按照预设的规则运行。控制器遵循控制工程中的 “控制循环(Control Loop)” 理念(就像家里的空调恒温器)。│ │▼ │【监听 (
WMS与机器人调度系统的通信延迟决定了仓库的"物流节奏"——100ms以内的延迟,机器人的运行效率是人工作业的3-5倍;超过200ms,机器人开始互相等待和避让,效率下降到不如人工。Redis在中间承担了"共享内存+实时广播"的角色:任务队列(ZSET按优先级排序)、状态同步(Hash结构)、空间索引(GEO命令)、路径锁(SET NX带TTL)。MySQL只做最终的任务持久化和审计日志。本文属于
医疗影像元数据的存储是一个"宽表+JSON+对象存储"的三位一体方案:宽表承载90%的查询性能,JSON保证字段扩展的灵活性,对象存储解决大文件的存储和长期保存。三个组件各司其职,通过一份检查的StudyInstanceUID作为全局唯一标识串联。架构设计时,永远优先考虑"放射科医生明天早晨查房时要调阅昨晚急诊的所有影像"这个场景——这是医疗场景中最真实的SLA。本文属于「行业场景与项目复盘」系列
单机开发→ custom bridge(别用默认 bridge)高性能单机→ host(注意端口冲突)多主机集群→ overlay(VXLAN 隧道)直连物理网络→ macvlan(需要特殊 IP 管理)# 1. 容器视角看网络# 2. 跟踪 NAT 规则# 3. 抓包看实际流量选的不是"最快"的模式,而是"最符合场景"的模式。90% 的场景 custom bridge 就够用了。别一上来就 ho
用于配置容器网络,同时 CNI 本身也供了一系列现成的插件。CNI 仅专注于容器的网络连通性,以及在容器被删除时清理已分配的网络资源。正是由于这种专注性,它获得了广泛的支持和易于实现的规范。IPVLAN 就是 CNI 自带的网络插件之一,它也对宿主机的网络接口进行了虚拟化,所有 IPVLAN 设备共享同一个 MAC 地址。
AI 代码评审机器人要从评论数量转向评论质量。变更理解、风险分类、置信度过滤和团队规则接入是关键。建议要可解释、可行动,少刷存在感,多抓真正会出事的问题。
2024年河北省职业院校技能大赛云计算应用赛项赛题第3套(私有云)
大家好,我是博哥爱运维。这节课给大家分析一款K8S上宝藏级秒级事件监控报警的开源软件`kube-eventer`,它是由阿里云开源的,并且难得的还一直有在更新。
Intel SGX(Software Guard Extensions)是Intel开发的一种硬件级机密计算技术,旨在保护敏感数据和代码在内存中的安全。它通过创建隔离的“enclave”(可信执行环境)来实现,确保即使操作系统或虚拟机被攻击,enclave内的数据也无法被外部访问。下面我将逐步解析其核心技术、应用场景与实践方法,确保内容真实可靠。Intel SGX的核心是硬件辅助的安全机制。CPU
系统需预存注册人脸的嵌入向量库。识别时,实时提取特征并计算与库中向量的最小距离,实现毫秒级响应。FaceNet 直接将人脸映射到欧氏空间,满足同一人距离小、不同人距离大的特性。
DevOps运维管理系统是一个基于 Go + Gin 框架开发的企业级运维自动化平台,提供主机管理、配置中心、任务调度、K8s集群管理、监控告警等功能模块。✅ 轻量级 - 单体应用,部署简单,资源占用少 ✅ 全栈运维 - 同时管理传统主机和K8s集群,无需多套系统 ✅ 开箱即用 - 内置CMDB、任务调度、SQL审计等企业级功能 ✅ 二次开发友好 - Go语言,代码结构清晰,易于定制 ✅ 成本低
2023年全国职业院校技能大赛(高职组)“云计算应用”赛项赛卷9(公有云)
Rancher是一款开源的容器编排与集群管理平台,旨在帮助企业或团队轻松快捷地部署和管理多集群(特别是Kubernetes集群)环境。该平台提供了友好的用户界面和运维工具,极大地降低了Kubernetes的复杂性和运维难度。Rancher支持多种部署环境,包括专有云、公有云及混合云,并能管理自建的本地集群和云服务商提供的Kubernetes集群。Rancher的核心功能包括容器编排与管理、多环境支
测试发现cephfs的小文件读写性能一般,且写入延迟偏高,性能不甚满意,但是满足于日常应用环境的读写是没有问题的,但是在面对数据库的应用场景,是否能满足性能要求呢?本篇主要结合kubernetes,针对数据库应用场景,对cephfs 和 ceph rbd这两种ceph存储接口来进行性能对比测试.适用场景讨论Cephfs:优点:1.读取延迟低,I/O带宽表现良好,尤其是block size较大一些的
文章有些长,建议先关注、收藏再阅读:简介Kubeflow是在k8s平台之上针对机器学习的开发、训练、优化、部署、管理的工具集合,内部集成的方式融合机器学习中的很多领域的开源项目,比如Jup...
2023年全国职业院校技能大赛(高职组)“云计算应用”赛项
2023年云计算职业院校技能大赛