- 综合排序
- 最热优先
- 最新优先
- 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 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AI机器学习与深度学习算法
机器学习入门 4-5 超参数
通过前面的小节，我们知道了kNN算法中k这个参数值，在sklearn中k这个值被封装成了k_neighbors参数。在前面我们随机的指定参数k的值，究竟k的值为多少的时候，模型才是最好的呢？这就涉及到了机器学习领域非常重要的问题~超参数问题。
79530发布于 2019-11-13 - 来自专栏Hank’s Blog
4-5 R语言函数 split
#split根据因子或因子列表将 向量或其他对象分组 #通常与lapply一起使用 #split(参数):split(向量/列表/数据框,因子/因子列表) > x <- c(rnorm(5),runif(5),rnorm(5,1)) > x [1] 0.61008707 0.81746169 -1.09859969 -1.78134612 -1.94262725 0.99760581 [7] 0.37793960 0.05258653 0.38525197 0.46051864 -0.
1K40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 2026-05-282026 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 2026-08-14AI 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。
46411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 - 来自专栏大前端_Web
javascript高级程序设计(4-5)章笔记
在ES5中，prototype属性是不可枚举的，（非原生的prototype属性可枚举，即人为添加上去的，在google测试过）因此使用for-in无法发现。 ES5还定义了一个方法： bind()。
86940发布于 2018-09-27 - 来自专栏运维之路
【每日一思】2022年第4-5周
一直认为理想情况下的数据运营方法应该基于“贴源层数据-》指标（至少到带有主题的流水）-》洞察-》决策-》执行”的路线，这样才能减少返工的重复性工作量。
32620编辑于 2022-03-07 - 来自专栏iOS面试
iOS 面试策略之算法基础4-5节
在 Swift 中，排序的使用如下： // 以升序排列为例，原数组可改变 array.sort() // 以降序排列为例，原数组不可改变 newArray = array.sorted(by: >)
1.2K60发布于 2021-04-20 - 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 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NetCore 从壹开始
4-5 安装并迁移数据库：mysql
docker volume create volume_name命令新建一个数据卷
98320编辑于 2023-01-09 - 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AI SPPECH
IO竞赛2025年题目解析：基础级难度（4-5）
2025年的IO竞赛基础级（难度系数4-5）题目开始涉及更多的数据结构和算法思想，对选手的编程能力和逻辑思维提出了更高的要求。 难度进阶路径: 入门(1-3) → 基础(4-5) → 提高(6-8) → 竞赛(9-10) 难度系数 考察重点 核心知识点 学习目标 4-5 数据结构、算法应用 栈、队列、树、图的基础应用 掌握基础数据结构的使用和简单算法的实现 ） ├── 第四章：基础级题目解题技巧总结 └── 第五章：从基础到提高的学习建议 第一章：2025年IO竞赛基础级题目概述 根据2025年NOI修订版大纲，基础级（CSP-J提高）的知识点难度系数为4-
49210编辑于 2025-11-13 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
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号