- 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 dataclassclassToolBreaker:31353.t.kuaisou.comtool_id:strstate:CircuitState=CircuitState.CLOSEDfailure_threshold:int=5recovery_timeout_ms 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。 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- 来自专栏coderidea
构建可观测架构,从这5个方面着手
随着系统复杂度的提升,“可观测性”(Observability)成为架构建设的重要原则之一。那么构建一个可观测的系统架构需要做哪些工作呢? 本文将从以下5个方面介绍构建可观测架构的主要考虑: 定义指标和度量，明确关键业务指标需求 首先要确定核心业务指标,比如请求响应时间、错误率、吞吐量等。 明确指标后,就可以设计如何采集和展示这些观测数据。通过定义指标和度量，可以帮助我们了解系统的运行情况，并及时发现和解决问题。 实现告警和监控 构建可观测架构的最后一步是实现告警和监控。通过设置告警规则和监控项，可以帮助我们及时发现和解决系统中的问题。 构建一个可靠、安全、高效的可观测系统是每个架构师必备的技能。需要全面考量从遥测数据采集、处理到展示的多个环节。
79960编辑于 2023-09-07 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 Executor --> Chaos[注入故障/回滚] Executor --> Config[调整内核参数] end style 决策层 fill:#e1f5fe 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。 七、性能基准测试（Chaos Engineering 环境）我们在 100 个微服务的测试集群中，模拟了“Redis 故障导致 5 个依赖服务雪崩”的场景：阶段传统人工运维AI 运维云平台故障感知3-5
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
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。 sysmem_high_watermark = "70%" ## 进程内存占用率高水位，即单个进程申请的内存占比达到多少时激活告警 procmem_high_watermark = "5% 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 Signal #5：执行开始接管软件，界面退居为观测层
在这个过程中，几个变化开始同时出现： • CLI 的流行，本质是对“执行入口”的一次压缩 • GUI 不再承担主要操作职责，而逐渐转向系统状态的观测与干预 • 在真实需求中，问题已经不再是“AI 能不能写代码
16400编辑于 2026-05-18- 来自专栏方丈的寺院
可落地的DDD(5)-战术设计
这些问题我们讨论了大半年，最后大家基本达成了共识，在当前的业务规模下， 这些问题没那么重要，可东可西。不会对代码的质量有啥大的影响。关于DDD的实践，与团队的水平、业务复杂度息息相关。 www.jdon.com/ddd.html 框架方面（个人觉得没啥用，参考看看） rafy框架：http://zgynhqf.github.io/Rafy/articles/%E9%A2%86%E5% 9F%9F%E5%AE%9E%E4%BD%93%E6%A1%86%E6%9E%B6.html jdon https://github.com/banq/jivejdon 一些相关的书籍pdf上传到百度网盘
1.5K30发布于 2019-08-05 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。 5. 适配团队如果你的场景只是低频离线报表，实时性要求不高，传统 ETL 依然能完成任务。 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。
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。 ? 覆盖两侧2-5公里区域的全景图间隔约10米，AI导航每次可进行以下五种动作中的一种：向前移动，向左转22.5度，向右转22.5度，向左转67.5度，向右转67.5度。
77720发布于 2019-07-02 - 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。 cpu 核心，每一秒打印一次报告，共打印 5 次，命令可以这样写。 sar -P ALL 1 5 平均时间: CPU %user %nice %system %iowait %steal %idle 平均时间: all 0.00 99.40 平均时间: 4 0.40 0.00 0.00 0.00 0.00 99.60 平均时间: 5
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
我将一些关键的新兴模式分成 5 个类别，当你扩展你的 AI 系统时，它们可以相互促进。 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。 图 5：可编辑输出模式示例 迭代探索模式 永远不要假设第一次输出就能满足用户的需求。要提供“重新生成”或“再试一次”按钮，以便用户可以快速迭代。对于图像生成，同时显示多个选项。 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GitHub专栏
5 款可替代 du 命令的工具！
查看某个目录的大小，只需要把目录的绝对路径加上即可： # python3 duu.py /etc/init.d/ 四、diskus diskus 也是基于 Rust 编写的一个小型、快速、可替代du 默认为可读的输出 彩色输出 通过获得更好的帮助 提供排序输出 查找构建工件 读取文件大小，而不是磁盘使用情况 在 Rust 中可扩展 同时，也做了基准测试，从而来对比 sn 和 du 执行不同目录大小的时间结果
2.3K30编辑于 2021-12-09 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 2026-08-072025企业可观测产品选型实战指南：可观测是什么？可观测平台怎么选？
选择一款适配自身架构的可观测平台，成为企业保障业务连续性、降低运维成本的关键。本文先厘清可观测的核心定义与价值，再通过3款可观测平台的深度对比，结合实战选型逻辑，助力企业精准落地可观测能力。 02.3款可观测平台对比1）嘉为蓝鲸全栈智能可观测中心核心定位面向中大型企业的全栈智能可观测平台，以“指标、日志、调用链、拓扑”全链路数据融合为基础，“业务可观测”为核心，“AI智能闭环”为驱动，覆盖从底层硬件到上层业务的全链路观测 OpenTelemetry构建全链路追踪，兼容Jaeger、Skywalking等开源生态；与腾讯云CVM、数据库等服务深度联动，部署效率提升40%，千万级指标并发处理能力，轻量化采集器CPU占用率低于5% 中小企业可优先解决核心痛点：若为腾讯云用户，可选腾讯云TCOP（SaaS模式，按用量付费）；若需基础全栈观测，可先用开源工具搭建基础能力，再逐步升级至嘉为蓝鲸等企业级平台。 A：嘉为蓝鲸的核心优势集中在“复杂架构适配+业务深度关联+国产化合规”：混合架构场景：可同时兼容国产软硬件与多云环境，腾讯云TCOP聚焦腾讯云生态；业务可观测场景：嘉为蓝鲸可直接关联业务交易与IT故障，
69610编辑于 2025-11-19- 来自专栏程序员的知识天地
5种可立即使用的Python框架
发展迅速 框架和数据库丰富 性能良好 易于维护 更注重可读性和简洁性 拥有大量的爱好者和社区支持者 以下可立即使用的各种Python框架，用户可以根据需求使用任意框架。
1.1K50发布于 2019-08-07 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
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