归档: 2023 | zealotlab

2023

11

20

我们面临的根本挑战并非如何微调一个生成式AI模型，而是如何系统性地、可重复地、规模化地管理成百上千次模型微调实验的完整生命周期。每个实验都需要昂贵的、短暂的GPU资源、精确版本化的数据集，以及一个隔离的、干净的执行环境。当团队规模扩大，实验

2023-11-20 MLOps

生成式AI Ruby on Rails GitHub Actions Data Lake Crossplane

15

我们团队的迭代节奏基于双周 Sprint 的 Scrum 框架。最近，为了解决前端项目日益增长的构建性能问题，我们引入了 Turbopack。其近乎瞬时的 HMR 和极速的生产构建确实惊艳，但一个棘手的问题也随之浮出水面：如何在不牺牲其性能

2023-11-15 DevSecOps

Node.js CI/CD Scrum 密钥管理 Turbopack

10

27

最初面临的技术挑战是为一套高并发的秒杀活动设计库存扣减服务。传统的单体架构中，直接在事务里 SELECT ... FOR UPDATE 会在流量洪峰时导致数据库行锁竞争，吞吐量急剧下降，甚至拖垮整个数据库。即使采用乐观锁，大量的并发更新也会

2023-10-27 分布式架构

NATS Kotlin Serverless NoSQL CQRS 事件驱动

27

管理一个由Go-Gin后端API和Gatsby静态站点前端组成的现代Web应用，在跨越开发、预发布和生产等多个环境时，其部署复杂性会呈指数级增长。传统的CI/CD流水线，即在CI服务器（如Jenkins或GitHub Actions）中执行

2023-10-27 云原生

Go-Gin Gatsby Azure AKS 框架与库 GitOps Kustomize

27

移动端分析事件的洪峰差点冲垮了我们的主数据库。最初的设计非常直接：移动App采集用户行为，通过一个RESTful API直接写入PostgreSQL。在用户量少的时候，这套方案运行良好。但随着一次市场推广活动的成功，并发请求量在几分钟内飙升

2023-10-27 分布式架构

分布式与中间件 NestJS AWS SQS Ansible 移动开发

27

团队维护着一套复杂的异构微服务系统，核心业务链路横跨了Node.js和Ruby两大技术栈。随着业务量的增长，对系统进行常规的全链路压测变得至关重要，但现有的流程极度依赖手动配置和脚本触发，不仅效率低下，而且压测数据的收集、聚合与分析也相当原

2023-10-27 可观测性

CircleCI JavaScript 配置中心 TimescaleDB Ruby