高可用架构-优快云博客

转载让AI编程的价值可追踪、可量化--「AI编程效能量化系统」

缺乏统一的度量体系和方法，我们难以区分AI写的代码和人工编写的代码，难以客观评估AI投入的实际产出，更无法系统化地优化使用策略。“让AI编程可追踪、可量化，通过自动记录与分析，助力团队清晰度量AI价值，提升产能。除了开发部分，本项目全流程使用AI参与：包括系统设计、数据分析、测试、文档，全与AI协作完成。结合GitLab提交数据，我们可以和AI生成的代码做对比，就可以精确计算出AI生成代码占比。AI到底为我们写了多少有效代码？我们在阅读AI生成的代码时，不仅关注代码本身，更希望了解当时与AI交互的上下文。

2025-11-14 09:46:09 30

转载腾讯音乐如何基于 AutoMQ 降低 Kafka 50%+ 成本

这对我们来说，最直接的好处就是分区迁移可以按秒级完成，集群扩容不再需要漫长的数据搬迁，整个过程可以自动化，从过去耗时一两天的人工操作，缩短到了几分钟，极大地提升了我们的运维效率。通过引入这一创新的解决方案，腾讯音乐不仅成功将成本降低了超过 50%，更通过其独特的分区秒级迁移能力，极大地提升了集群的扩缩容效率，显著降低了原有 Kafka 的运维复杂度和负担。综合计算和存储两方面的节省，这些长期存在的成本与运维难题，给负责 Kafka 运维的团队带来了沉重的负担，也成为了制约数据基础设施进一步发展的瓶颈。

2025-10-30 08:58:31 54

转载刚刚，全国程序员群体普查结果正式发布！

深夜的编辑器还亮着，键盘声是城市最后的心跳。有人写逻辑，有人写生活。他们的注释里，藏着整个时代的算法。代码一行，人生一行。Debug，也是在修补生活。今天是 1024，属于那些写在屏幕光里的名字。腾讯云开发者采访了处于职业生涯各个阶段的程序员们，希望他们的所思所见所想，能够帮到踽踽独行的你。鹅厂程序员有话说IEG 程序员刘德恩Q：工作几年了？从哪一年开始写代码的？那时候你最想成为一个怎样的程序员？A：工作9年了。接触代码是从09年上高中时，参加信息学竞赛。那时没啥想法，纯粹是可以有正当理由去机房偷偷

2025-10-24 15:01:15 73

转载智能经济的崛起：当API拥有“大脑”

然而，时至今日，随着全球宏观经济环境的变化，企业战略正从无限扩张转向聚焦核心，国家也在大力倡导“专精特新”的发展路径。企业通过资产化其核心能力，通过内生化平台加速创新，再通过自主化生态将创新成果的价值最大化，从而在即将到来的智能经济时代，建立起难以被模仿的、可持续的竞争优势。技术，本应是增长的加速器，此刻却更像是一系列盘根错节的管道，在企业内部制造了新的“数据孤岛”。，这个在过去二十年里被深埋于技术基础设施之下的谦逊角色，正在被赋予“大脑”，从被动的“管道”一跃成为主动的“智能中枢”。

2025-10-21 09:00:07 52

转载 Spring AI Alibaba实践｜后台定时Agent

相比较于传统的基于数值比较、关键词匹配等监控方式，通过LLM接入可增加业务监控新的维度，让监控面向更加泛化的数据场景，包括非结构化的文本数据、图片、影像等等，通过各类型结构数据充分挖掘出潜在风险。Agent通过监听环境信号（如：定时运行、消息事件、上下文变化），Agent作为智能体，按计划定时运行的特性在实际业务场景中非常有用。通过自主运行的Agent可以充分发挥其执行效率，让其具备按预设规划自主工作的能力，无需每次都等待人类指令运行，可将Agent作为一个能替代你部分工作自主运行的“人”来看待。

2025-10-17 11:46:28 71

转载千万节点验证，GPU成本降六成：TencentOS Server AI实力揭秘

介绍了华平与TencentOS Server在应急指挥领域1+1＞2的合作成果，为解决应急指挥“最后一公里”的难题，华平将整个融合通信从CentOS无缝迁移到国产自研的TencentOS Server 之上，为客户提供了一个自主可控、稳定高效、数据同源、指令可靠的一体化应急指挥解决方案，真正实现了指挥效率与数据价值的双重提升。他表示，“华平与腾讯云的合作不止于操作系统，我们的目标是共同构建一个开放、智能的应急指挥新生态，让技术真正成为守护人民生命财产安全的坚实力量。，共同构建全栈安全可靠的云平台。

2025-09-24 11:50:15 61

转载干货 | 准实时数仓落地实战：携程商旅基于Paimon的湖仓一体架构设计与批流融合实践

在我们内部实践中，基于Tag的增量计算替代全量ETL后，作业的处理速度提升了4～5倍，尤其在增量数据较少的ETL场景下，带来了显著收益。这不仅显著提升了计算效率，还增强了数据的可维护性和灵活性。在确保数据准确性的基础上，为提升数据新鲜度，我们设计了如图所示的实时与离线混合链路：订单票号等核心字段的加工使用Flink+Paimon准实时链路完成，最终的订单筛选则通过Spark批作业定时执行，产出的结果表通过携程内部DaaS服务注册为API，便于下游系统实时获取提醒订单，兼顾了数据的时效性与服务的稳定性。

2025-09-10 08:40:29 145

转载万字详解架构设计：业务架构、应用架构、数据架构、技术架构、单体、分布式、微服务都是什么？

比如 Service 层，如果不采用分布式 rest 服务方式架构就会在手机 Wap 商城，微信商城，PC，Android，iOS 每个端都要写一个 Service 层逻辑，开发量大，难以维护一起升级，这时候就可以采用分布式 rest 服务方式，公用一个 service 层。架构是经过系统性地思考，权衡利弊之后在现有资源约束下的最合理决策，最终明确的系统骨架：包括子系统、模块、组件，以及他们之间协作关系、约束规范、指导原则，并由它来指导系统各方面的设计和指导团队中的每个人思想层面上的一致。

2025-08-28 09:59:47 59

转载 Claude Code官方揭秘！内部使用指南曝光：员工都是这样用的！

他们即使没有开发背景，也能用 Claude Code 跨越设计与工程的鸿沟，直接实现自己的设计想法，无需频繁往返于工程协作。毕竟Claude Code的实力是得到广泛用户认可的：自从 Claude 4（Opus / Sonnet）推出后，Claude Code 的活跃用户量暴涨 300%，年化收入翻了 5.5 倍。采用“两步法”流程：先用 Claude.ai 对话完成思路规划，再在 Claude Code 中逐步实现，提醒 Claude 慢一点，一步一步来，而不是一次性输出全部代码。

2025-08-14 08:03:25 201

转载如何用AI Coding和Claude Code提升开发效率？看我的全流程复盘

这种任务交给AI实现会非常方便，一方面他有能力去fetch官方的文档阅读，另外，对于一些流行的模型，比如Claude，他已经把主流的官方文档都已经训练过了，甚至不用阅读，就可以凭借内生的知识就可以帮我们补全。在高效写prompt，或者明确需求这块，可以借助一些AI的工具，提升写prompt的效率。因此，我对AI生产的态度其实有转变，从部分信任到不信任，类似于防御性编程，在系统代码行增加到2万行左右时，对他生产的方案或者代码，我会详细的Review，确保代码投入到生产是没有问题的。

2025-08-01 09:23:48 164

转载最近，架构的招聘市场已经疯掉了。。。

结果GPT、DeepSeek火了之后，整条线上的人都开始有点慌了，大家都在想：“我是不是要学大模型，不然这饭碗还能保多久？除了大模型技术讲解，还有能够震撼到每一个程序员的、超详细、最热门的大模型商业化应用案例。掌握主流大模型（如DeepSeek、Qwen等）的微调技术，针对特定场景优化模型性能。5个步骤，覆盖超多业务场景，培养全栈开发能力，轻松成为大模型应用开发工程师！课程由AI大模型领域大佬们联合打磨研发，老师们将大模型技术原理讲透的同时，一定要把现有的技术和大模型结合起来，而不是抛弃你们现有技术！

2025-07-29 12:04:01 48

转载服务器故障管理实践

磁盘模块主要负责监控存储设备（如 NVMe、SSD、HDD）及其存储控制卡的运行状态，我们通过自研的 Agent，结合多种系统工具，对磁盘的基本信息和健康状态进行采集，包括寿命剩余百分比、坏块数量等关键数据。高准确性：由于 OID（由服务器厂商定义）在机型层面具有唯一性，通过 OID 映射自定义的故障类型，可以对故障进行更细致的分类，避免出现未知错误，减少误报的概率，从而显著提升故障检测和上报的准确性。故障规则库的核心目标是通过标准化的规则定义，快速识别故障类型、评估故障影响，并指导后续的处理流程。

2025-07-22 09:51:49 62

转载腾讯云TDSQL-C 全球数据库技术揭秘

其他从region的standby则指向新的primary，请求日志，对于旧region, 当其恢复可用后，由于我们已经选举了新的主库，因此其数据已经不可用，需要进行重建，并从新主库复制数据。全球数据库支持写转发能力，发送到从Region的写请求，既可以通过Proxy进行写转发，也可以通过数据库内核进行写转发，这对用户客户端来说都是透明的，理论上来说，我们支持任意类型的写转发。另外，随着一些外部客户的需求以及技术迭代的演进，最近一年我们也在探索和实现对等架构，这种架构支持多个写节点，写性能进一步提升；

2025-07-11 15:02:45 118

转载万字综述，讲一讲这两年大模型这整个领域到底发展了哪些方面

MoE模型则代表了技术前沿，以极致的规模和性能吸引高端用户和研究者，这种双轨并行的产品线，让Qwen能够在不同的细分市场中都保持竞争力，尤其是二次开发的衍生模型，Qwen一直在HF都是排名第一的衍生模型，大量的科研和二次开发都是基于Qwen2.5，用LLaMA的越来越少。按这个模式，模型的总参数量可以急剧增加（比如R1直接到671B的总参数量），但每次前向传播（即推理）时实际激活的参数量和计算量（FLOPs）却只占一小部分（比如R1实际上只激活37B），从而实现了经济的训练和高效的推理。

2025-07-09 08:22:35 117

原创构建中国AI时代的底座：专访腾讯云操作系统首席架构师杜震

幸运的是，腾讯具备两大优势：一是有能力扎实推进这类底层技术优化，二是有海量实际业务可作为验证场景，从而确保方案不仅“能跑”，而且“能用好”。更重要的是，腾讯具备独特的大规模业务场景，包括高并发、低延迟、大模型推理等极端需求环境，使得我们的操作系统在AI资源调度、系统性能优化等方面积累了独一无二的实践经验。同时，为应对金融级业务高并发、高吞吐的严苛要求，我们不仅开发了核心功能，还构建了配套的硬件监控体系——用于实时监测磁盘寿命、读取异常、坏块情况等关键指标，确保故障可预测、可预警、可应对。

2025-07-07 10:53:33 637

转载京东 x AutoMQ x CubeFS: 万亿级 Kafka 消息规模下的降本增效之旅

以京东为例，当 Kafka 直接部署在 CubeFS 上时会产生大量数据冗余：针对 Kafka 的一份写入数据，由于 ISR 需要进行副本复制，真正存储到 CubeFS 上以后，考虑到 CubeFS 内部的多副本机制，实际存储了 9 份数据，其中约 66.67%（6/9）的存储空间被不必要的数据冗余占用，造成了严重的资源浪费。AutoMQ 采用计算与存储分离的共享存储架构，在确保与 Apache Kafka 完全兼容的同时，可将数据存储到兼容 S3 协议的对象存储之上，从而显著降低成本并提升效率。

2025-06-27 10:17:26 100

转载研发排查问题的利器：一款方法调用栈跟踪工具

本文从日常值班问题排查痛点出发，分析方法复用的调用链路和上下文业务逻辑，通过思考分析，借助栈帧开发了一个方法调用栈的链式跟踪工具，便于展示一次请求的方法串行调用链，有助于快速定位代码来源和流量入口，有效提升研发和运维排查定位效率。这是我想到了Exception异常机制，作为一名Coder，我们对异常堆栈再熟悉不过了，异常堆栈是一个“可爱”又“可恨”的东西，“可爱”在于异常堆栈确实可以帮助我们快速定位问题所在，“可恨”在于有异常基本上就是有问题，堆栈让我们审美疲劳，累觉不爱。

2025-06-25 08:42:33 66

转载 JDK高版本特性总结与ZGC实践

但是，我们在多个核心服务上遇到较多的性能问题，这些问题无法通过JVM参数微调来解决，为此我们对部分核心服务使用了 JDK 17，升级后服务性能和稳定性指标也得到巨大的飞跃，同时机器成本可以下降约10%，升级JDK版本收益十分明显。服务升级采用的是Tomcat 9+JDK 17的配置，录制线上流量进行压测，使用同样的流量对先前采用CMS垃圾回收的以及采用ZGC垃圾回收方式的同时进行压测。在实际生产中，还会有Full GC的影响，会带来耗时的进一步提升，ZGC在该部分可以避免Full GC带来的影响。

2025-06-20 08:35:32 78

转载 AIGC浪潮下的技术盛宴｜第12届GIAC开幕，叶霖、陈立东、玉伯、李朝明、刘付强等技术领袖呈现精彩演讲

TencentOS已在农业银行、招商银行等金融机构的核心系统中落地，凭借内核安全加固、高可用性架构、性能优化及合规适配等能力，满足金融级场景的稳定性与安全性需求，同时覆盖政务、能源等关键行业，成为国产操作系统在企业级市场规模化应用的标杆。3、服务器主机能耗降低5%-30%：通过CPU功耗状态的调节，降低服务器功耗，智能预测和智能调节，避免突发业务的“唤醒”延迟，资源池可以对uncore\硬盘等深度睡眠，充分节能的同时实现节点的秒级唤醒，在保证业务无感前提下，降低服务器整体功耗。

2025-06-19 11:02:00 349

转载微信读书后台架构演进之路

在核心修复流程中，我们进行了较大的重构，把单本书的修复任务拆解成多个子任务，存储在Chubby上，多机器抢锁共同消费这些任务，由于任务有落盘，在服务上线重启过程中，也能马上恢复。对于全局公开可搜索的数据，如库内电子书的全文、书籍大纲、书评、人工知识库等，我们构建了一套入库流程，能对源信息进行语义分段、生成正排倒排，语义分段基于开源的chunk模型进行微调，正排基于fkv，倒排则基于ES构建，ES提供了DiskANN方案，通过设置合理的缓存和分片，能在存储成本和召回效率之间取得不错的平衡。

2025-06-18 08:55:36 62

原创这家公司对网关性能的优化历程，在 Reddit 上爆了

目前所有开源生态的产品都没有很好适配单集群海量租户海量应用网关条目的场景，在 Sealos 的观察下，随着域名数量的上升，Ingress 配置同步的时间会非线性劣化，创建 Ingress 后，用户业务需要等待很长一段时间才能从公网访问。在加入公司之前，我测试了各种 HAProxy IC，而 HAProxy Tech 对我来说很有趣，因为它利用的是 Client Native，而不是模板，这是其他几种解决方案的真正瓶颈。完整的评估过程，包括几家开源网关的性能测试，以及未选择其他开源的网关的原因，可查看。

2025-06-16 11:58:41 857

转载 4 年融资 1 亿美金，ProtonBase 王绍翾揭秘 Data Warebase 核心技术

但是光有 HTAP 是不够的，未来是一个多模数据库的时代，首先要有很好的 OLTP 和 OLAP 的能力和性能，其次要支持实时增量物化视图做数据的 Instant Transform、文本搜索、向量搜索、文档数据存储和查询，甚至还要支持对湖上数据的查询，因此我们提出了 Data Warebase 的概念，它是 Database+Data Warehouse 的合集，是未来多模数据库的一个新范式。”其实，我们整个团队经历了数据库，大数据，再到数据库的时代，积累了大量的工程经验。

2025-06-11 09:00:00 55

转载 AI Agent引爆！大模型驱动下，软件架构的下一场革命已经到来！

传统架构师的首要使命是确保系统的稳定性，他们的成就感来源于"系统全年无宕机"这样的硬指标。参与前期技术方向的把关、议题的打磨以及幻灯片审核、会前组委会组织的线上试讲等工作，以保证每个专题案例内容的专业性、系统性和可落地性。大会将全面聚焦「大模型产业化落地」核心命题，共同关注生成式AI、AI安全、云原生、多模态等前沿领域展开深度探讨，与往年不同的是，例如，当GPT-3出现时，前瞻性的架构师已经开始探索智能客服的改造可能性；传统模式下，架构师往往是业务需求的"实现者"：产品经理提出需求，架构师设计技术方案。

2025-05-26 11:45:29 75

转载百万级群聊的设计实践

A发送了 msg1、msg2、msg3，B发送了 msg4、msg5、msg6，最终服务端的入库顺序是msg1、msg2、msg4、msg3、msg5、msg6，那除了A和B其他人的消息顺序需要按照入库顺序来展示，而这里的问题是服务端考量推送吞吐量，在推送环节是并发的，即可能 msg4 比 msg1 先推送到用户端上，如果按照推送顺序追加来展示，那么就与预期不符了，每个人看到的消息顺序都可能不一致，如果用户端按照消息的id大小进行比较插入的话，用户体验将会比较奇怪，突然会在2个消息中间出现一条消息。

2025-05-09 10:51:04 97

转载 A2A（Agent2Agent）简介

该协议为不同类型的智能体之间搭建了一座高效沟通与协作的桥梁，无论是独立Agent与独立Agent、独立Agent与企业Agent，亦或是企业Agent与企业Agent，都能借助该协议实现通信交互和事务协作。举一个简单的例子：人与人之间可以通过各种各样的方式沟通：对话，眼神，肢体动作，画作等，这些可以帮助不同的人之间相互了解对方，并做出正确的动作，共同推动人类社会的发展，那么。之间的通信，可以理解为就是一个个简单的请求和结果的响应，只不过这个请求是一个个的任务。是不可变的，可以命名，并且可以有多个部分。

2025-04-18 11:57:44 459

转载 MCP协议详解：一文读懂跨时代的模型上下文协议

5、通过 MCP host 进行测试，这里采用的是官方文档中构建 LLM client 的方法（也可以选择 Clauder for Desktop，只需要将之前的服务器添加到 key 中，相当于告诉 host 这里有一个用于 PoE2 补丁版本查询的 MCP 服务器）。MCP（Model Context Protocol，模型上下文协议）是由 Anthropic 推出的开源协议，旨在实现大型语言模型（LLM）与外部数据源和工具的无缝集成，用来在大模型和数据源之间建立安全双向的链接。

2025-04-10 09:12:34 202

转载一文了解DeepSeek及应用场景

2025年2月，OpenAI 发布了o3-mini，o3-mini在大多数情况下o3-mini比o1-mini产生更准确、更清晰的答案，同时响应更快，其平均响应时间为7.7秒，较o1-mini的10.16秒提升了24%。引入了FP8 混合精度训练框架，相比传统的FP16 精度，数据内存占用更少，但在一些算子模块、权重中仍然保留了FP16、FP32 的精度，节省计算资源。在推理阶段，MHA需要缓存独立的键和值矩阵，会增加内存和计算，而MLA通过低秩矩阵分解技术，显著减小了存储KV的维度，从而降低了内存占用。

2025-03-28 08:32:37 1250

空空如也

空空如也