首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • PUBG 进局超时的三个观测面:可排队、可建立、可持续

    本文把问题分为三个观测面:能否排队、能否建立会话、进入后能否持续。PUBG在2024年4月16日的普通比赛(NormalMatch)开发信中,将玩家数量、地区、队伍类型/视角、Ping等列为匹配因素。

    9210编辑于 2026-10-13
  • 来自专栏后端技术

    可串行化 数据库恢复 观测可序列化

    可串行化 冲突可串行化是可串行化的充分条件 CLR Compensation Log Record 数据库恢复 分析阶段 graph TD A(把事务加入事务表)-->C(把已结束的事务剔除出事务表) 观测可序列化 很好的参考文章

    1K40发布于 2019-05-25
  • 来自专栏Hank’s Blog

    4-2 R语言函数 apply

    #apply函数,沿着数组的某一维度处理数据 #例如将函数用于矩阵的行或列 #与for/while循环的效率相似,但只用一句话可以完成 #apply(参数):apply(数组,维度,函数/函数名) > x <- matrix(1:16,4,4) > x [,1] [,2] [,3] [,4] [1,] 1 5 9 13 [2,] 2 6 10 14 [3,] 3 7 11 15 [4,] 4 8 12 16 >

    73810发布于 2020-09-16
  • 构建可观测、可管控、可溯源的AI Agent企业级安全治理体系

    量化实现Agent资产全生命周期安全管理 通过AI Agent安全中心,企业可实现对内部AI资产的自动清点与实时排查,确保所有Agent"看得见、管得住、审得清"。

    76410编辑于 2026-05-28
  • 2026 Agent运维革命:构建可观测、可度量、可自愈的生产级韧性架构

    行业共识已转向:Agent运维不能靠猜,必须实现全链路可观测——推理可追踪、调用可度量、异常可自愈。这套韧性架构,已成为智能体稳定运行的生命保障。 ────────────────────────────────────────────────────────────────────┘三、实战1:推理链结构化追踪引擎让Agent的每一次思考都成为可检索 五、生产铁律:Agent可观测性五大底线推理记录必须发生时持久化:LLM非决定性决定事后无法还原,中间态不入存储等于不存在。 六、结语:可观测性是Agent赢得信任的工程契约2026年的AI竞争,表面是模型能力之争,实质是工程化成熟度之战。当Agent承担关键业务时,“看得见、稳得住、修得快”就是业务连续性的底线。 推理追踪赋予透明性,语义度量赋予掌控力,自适应自愈赋予韧性——三者构成的“可观测性三角”,正是Agent从原型走向生产的工程基石。

    43610编辑于 2026-08-14
  • AI 运维云平台深度实践:构建可观测、可预测、可自愈的云原生系统

    AI 运维云平台深度实践:构建可观测、可预测、可自愈的云原生系统引言:云原生复杂度的“最后一公里”2026 年,Kubernetes 已成为操作系统级的设施,但随之而来的微服务爆炸、Serverless 执行可回滚:自动化操作必须打上 Annotation 标签,支持一键全局回滚。二、技术深潜一:多维异常检测 —— 告别静态阈值传统 CPU > 80% 规则在业务波动的场景下毫无意义。

    46311编辑于 2026-08-08
  • 来自专栏EMQ 物联网

    易操作、可观测、可扩展,EMQX如何简化物联网应用开发

    本文将从可操作性、可观测性、扩展性三个方面,与大家分享 EMQX 5.0 在运维监测、问题排查以及功能扩展中的功能优化,共同探索如何更快的利用这些优化搭建运维监控体系,为物联网业务带来更多助力。 配置热更新根据是否可在运行时修改,EMQX 5.0 的配置可以分成可热更新/不可热更新两种配置。 可热更新配置都可以通过 HTTP API 修改成功后立即生效,同时保证配置修改在集群间同步更新。 可观测性强大的日志功能日志为系统排错、优化性能提供可靠信息来源。EMQX 在日志数据过载或日志写入过慢时,默认启动过载保护机制,最大限度保证正常业务不被日志影响。 如前文提到,可操作性与可观测性的提升将使 EMQX 集群的运维工作变得更加轻松与高效,扩展性的增强则为用户定制更加符合自身需求的 EMQX 提供了便利。

    1.4K00编辑于 2022-10-10
  • 来自专栏Java

    试题 算法训练 4-2找公倍数

    试题 算法训练 4-2找公倍数 资源限制 内存限制:256.0MB C/C++时间限制:1.0s Java时间限制:3.0s Python时间限制:5.0s 问题描述   这里写问题描述。   

    27610编辑于 2025-01-21
  • 来自专栏趣学算法

    数据结构 第4-2讲 双向链表

    数据结构第4-2讲双向链表 链表是线性表的链式存储方式,逻辑上相邻的数据在计算机内的存储位置不一定相邻,那么怎么表示逻辑上的相邻关系呢? 可以给每个元素附加一个指针域,指向下一个元素的存储位置。

    1K40发布于 2018-09-13
  • 来自专栏sringboot

    x86汇编加载用户程序-4-2

    索引寄存器的端口号是 0x3d4,可以向它写入一个值,用来指定内部的某个寄存器。比如, 两个 8 位的光标寄存器,其索引值分别是 14(0x0e)和 15(0x0f),分别用于提供光标位置的高 8 位和低 8 位。 指定了寄存器之后,要对它进行读写,这可以通过数据端口 0x3d5 来进行。 高八位 和第八位里保存这光标的位置,显卡文本模式显示标准是25x80,这样算来,当光标在屏幕右下角时,该值为 25×80-1=1999

    1.1K30编辑于 2021-12-06
  • 2026年,MySQL到SelectDB同步为何更关注实时、可观测与可校验?

    、可校验”。 可观测很多同步链路更需要关注的,不是任务失败本身,而是失败之前是否能被发现。 可校验同步过去,不等于结果就一定可信。 可观测,决定问题能不能及时被发现。可校验,决定结果能不能被业务信任。 NineData 产品提供三类交付模式,可适配从个人开发到企业核心业务的多类场景需求。

    21110编辑于 2026-03-31
  • 来自专栏大数据文摘

    用航拍和地面观测数据,DeepMind AI可完成在陌生区域导航

    接下来,他们着手进行一个转移学习任务,该任务通过观测航空视图目标区域获得数据并进行适应性训练,最后使用地面视图观察转移到目标区域。 ?

    77720发布于 2019-07-02
  • 来自专栏育种数据分析之放飞自我

    笔记 | GWAS 操作流程4-2:LM模型+数值协变量

    上一篇,我们介绍了数量性状进行GWAS的一般线性模型分析的方法(笔记 | GWAS 操作流程4:LM模型assoc),这里我们考虑一下数字协变量,然后用R语言进行对比。

    1.5K20发布于 2020-05-26
  • 来自专栏重归混沌

    谈谈观测

    随着这几年我对 eBPF、Prometheus 等工具的深入了解,我才逐渐意识到“可观测性”这个词背后蕴含的意义。 很早以前,我就在 Linux 上使用 /proc/、top、sar 等工具来排查问题,却从未意识到,“观测”竟然是一门独立的学问。 这也正是“可观测性”弥足珍贵的原因之一:当系统出问题时,我们可以通过系统本身提供的可观测能力,去追踪和理解到底发生了什么。 不得不佩服 Linux 的设计者们,/proc 文件系统的设计在多年以前就已体现出极强的可观测性理念。 我并不想讲怎么样实现可观测性,毕竟我不是专家。 但我想谈谈观测给了我们一个什么样的视角。 这从侧面也说明了,当我们通过观测来排查问题时,并不需要一上来就去了解整个系统的实现细节,从宏观视角就可以排查很多问题。 这一点很重要,前面铺垫了这么多,都是为了这个观点。

    14310编辑于 2026-03-25
  • 来自专栏初代庄主

    观测 CPU

    背景 通常在分析性能问题时,我们会用 `top , sar , perf` 来观测 CPU 的使用情况;多数据情况下是观测别人的程序。 如果从熟悉工具的角度来看,观测自己的程序,根据观测到的结果再结合程序源代码,对于我们掌握性能分析工具会更有帮助。 for(;;) { // 不断的查询父进程的 pid ,这个会占用 sys 空间 getppid(); } } ---- sar 看 cpu 的使用率 要观测所有

    68040编辑于 2022-05-17
  • 来自专栏深度学习与python

    作业帮服务观测之基础观测能力

    同样重要的是,你可以创建可重用的提示,将它们跨模型、任务和领域泛化。 让我们看下以下四种具体的提示模式。 同样,你必须做出明智的系统优化选择,无论是将流量从不必要的强大模型重定向,缓存可预测的响应,实时批处理查询,还是开发更小的专用模型。

    33110编辑于 2025-06-08
  • 给大模型调用补上可观测性:用 OpenTelemetry 建立可审计的模型网关

    Span可以携带属性和事件:属性适合模型名、状态码、重试次数等可筛选字段;事件适合记录“开始重试”之类的离散动作;异常则应通过标准异常记录机制写入。 可观测性系统扩大了数据的复制范围,因此默认不应记录完整提示词和回答。更稳妥的做法是采用字段白名单,只记录内容长度、消息数量、模型标识、响应状态和服务端明确返回的用量字段。 第三步:部署Collector应用直接连接每一种观测后端会增加配置和迁移成本。 总结大模型可观测性的核心不是展示更多图表,而是建立可回答工程问题的数据结构:用Trace串联入口和上游调用,用Span区分业务阶段,用Metric观察总体趋势,用统一错误分类支撑告警。 这样即使后续更换模型提供方或观测后端,业务代码仍能保留一致、可审计的调用链。

    19400编辑于 2026-09-15
  • 来自专栏cwl_Java

    C++编程之美-数学之趣(代码清单4-2)

    代码清单4-2 struct point { double x, y; }; double Product(point A, point B, point C) { return

    36630编辑于 2022-11-30
  • Agent 上下文预算工程:从 Token 失控到可观测、可降级的调用链

    缓存命中也要计入可观测指标。3.失败后重试会不会进一步增加成本?会。重试前应区分超时、限流、参数错误和业务拒绝。只有可恢复错误才适合重试,并使用指数退避和最大次数限制。

    25910编辑于 2026-08-07
  • 蓝鲸观测平台:统一观测数据关联模型探索

    前 言本文为蓝鲸观测平台数据模块负责人 在 蓝鲸智云 和 DeepFlow 社区 合办的第六场 eBPF 零侵扰可观测性 Meetup 上的演讲,原来题为根因定位关键:统一观测数据关联模型探索概 述根因分析高度依赖可关联的观测数据 第一部分是在可观测出现之前,我称之为传统监控以及现在经常说的可观测。传统监控和可观测的区别,其实我总结下来可能就是两个不一样的地方,一个是被动,一个是主动。什么叫被动呢? 第三个是可扩展性,也是我刚刚一直在提到的一个点,拿 IPv6 来举例,就是一个主机之前是 IPv4,要扩展它 IPv6,这是一个很大的工作量。 整个体系的各个组件均具备可插拔性,整体以蓝鲸企业版的形式开源对外。 可扩展性:资源模型能够适应未来的变化和扩展需求。时间序列关联资源和其关联关系是随时间变化的。为了准确地进行历史回溯和故障分析,需要将时间序列引入关联模型,构建一个具备时序性的图模型。

    1.3K10编辑于 2024-09-27
领券