- 综合排序
- 最热优先
- 最新优先
- 来自专栏阿泽的学习笔记
云原生与AI漫谈
对于系统开发人员来说（比如云数据库，云 AI 平台），云原生的趋势也会产生相应的影响。 具体的例子比如我们可以通过用户的数据查询看到经常使用的过滤维度，来重新安排数据的排序和分区，这样在同样的数据量情况下，系统可以花更少的计算资源来完成查询，增加系统的利润 :) 云原生+AI 最后再来看下跟 AI 相关的部分。 而前面讲的“云原生语言”，则更关注在程序具体执行层面的关注点分离。 把两者结合起来看，云原生时代的 AI 平台开发会是一片巨大的未开垦之地，对于云和算法各自都有很宽很长的路可以走。 目前云原生跟 AI 结合的一个比较好的学习样例是 Kubeflow，之前春节期间读了一本《Kubeflow for Machine Learning[3]》，感觉收获还是挺多的，如Istio，CRD的应用等
96330发布于 2021-07-06 - 来自专栏项目文章
【云原生|技术基石】4：速通云原生基石-Istio服务网格
本期文章是介绍云原生技术的基石：Istio服务网格，上次的文章中我们已经学习过了Pod的详细介绍，感兴趣的同学可以去看一下，任意门：【云原生|实战研发】2：Pod的深入实践与理解 前言：先来聊聊服务网格 正文：云原生 Istio服务网格 1、Istio的产生背景 先来了解一下Istio的产生背景，才能更方便我们知道Istio是什么。 支持多平台，可以在许多环境中运行Istio，如k8s、跨云上等。 上述的这些功能极大的减少了应用程序代码，以及底层平台和策略的耦合度。 4、Istio的架构 Istio服务网格的架构分为 数据面板 与 控制面板。 数据面板：是由一组智能代理（Envoy）组成，其代理部署模式为边车模式，可以调解和控制服务之间的所有网络通信。 此外，流量管理规则（即通用4层规则和7层HTTP/gRPC路由规则）可以在运行时通过Pilot进行编程。
62510编辑于 2024-06-07 - 来自专栏DBA随笔
云原生技术之docker学习笔记(4)
// 云原生技术之docker学习笔记(4) // 之前的文章中，我们已经说了RUN、FROM、MAINTAINER、EXPOSE等一些DockerFile的相关命令，今天我们来看DockerFile 这个目录可以提供共享数据或者对数据进行持久化的功能，例如： 1、卷可以在容器间共享和重用 2、一个容器不必和其他容器共享卷 3、对卷的修改是立即生效的 4、卷会一直存在，直到没有任何容器需要他 这个功能可以让我们将部分代码或者数据添加到镜像中
86350发布于 2021-01-27 - 来自专栏DBA随笔
云原生技术之kubernetes学习笔记(4)
key-value形式来组织的，它可以表示list、dict等常用数据类型，它的后缀一般使用".yml",它有如下几个特点： 1、大小写敏感 2、使用缩进表示递进关系 3、缩进不允许使用tab，只允许使用空格 4、
46220发布于 2021-03-30 - 来自专栏CISG智能平台产品部
腾讯云小微AI语音助手云原生之路
背景云原生（CloudNative）是一个组合词，“云”表示应用程序运行于分布式云环境中，“原生”表示应用程序在设计之初就充分考虑到了云平台的弹性，就是为云设计的。 腾讯云也制定了自己的云原生成熟度模型：图片图片腾讯云的成熟度模型，主要从研发效能和资源效能2个方面引导内部云原生建设。 云小微团队结合云小微现状以及公司云原生成熟度标准1.0和2.0的导向，横向对比业界做法，重点在云原生5大核心能力上进行了建设：服务化、可观测性、韧性、弹性、自动化能力，并逐步提升可调度能力。 图片图片特色与沉淀AI大数据模型服务启动速度慢是个行业通性问题。通过上述的建设，云小微的AI大数据模型服务，扩容速度从10分钟左右，优化到5分钟以内，命中缓存时可以达到1分钟左右。 当然随着对云原生的实践越来越多，我们也发现云小微在云原生的资源利用率、可调度性等方面建设和实践相对比较薄弱。接下来我们也将继续云原生的实践，不断完善自身的薄弱点，更好地服务客户和合作伙伴。
17.1K124编辑于 2022-11-09 - 来自专栏腾讯云原生团队
云原生 AI 前沿：Kubeflow Training Operator 统一云上 AI 训练
张望，腾讯高级工程师，从事云上 GPU 和分布式训练加速，负责腾讯云 TKE 在 AI 场景的研发和支持工作。 不仅各大公有云厂商都已经基本收录或集成了 Kubeflow 的训练 operators，社区上其他与深度学习训练相关的项目（如用以自动机器学习的 Katib，又如提供自动化编排功能的 Flyte）都对接了 我们希望未来利用 Kubeflow Training Operator 来构建 AI 平台的开发者可以方便地将其与其他模块对接，实现诸如任务队列、流水线、超参数搜索等功能。 All-in-one Kubeflow Training Operator: 【https://docs.google.com/document/d/1x1JPDQfDMIbnoQRftDH1IzGU0qvHGSU4W6Jl4rJLPhI 资源利用率提高67%，腾讯实时风控平台云原生容器化之路 Getting Started and Beyond｜云原生应用负载均衡选型指南 被集群节点负载不均所困扰？
2.1K60发布于 2021-09-09 - 来自专栏亨利笔记
云原生制品那些事(4)：Registry作用原理
VMware招聘机器学习和云原生开发工程师 本篇继续和大家说说镜像那些事，是连载之四，从《Harbor权威指南》一书节选的纯技术干货，敬请关注、转发和收藏。 从上述分发模式可以看到，Registry 是维系容器镜像生产者和消费者的关键环节，也是所有基于容器的云原生平台几乎都离不开 Registry 的根本原因。 这些云服务商提供的 Registry 服务既可满足自身云原生用户的镜像使用需求，加速云原生应用的访问效率；也可提供公网用户的镜像访问能力，便于镜像的分发和传送，如用户可从内网环境向云端 Registry （本文为公众号：亨利笔记 原创文章） Harbor Registry Harbor Registry（又称 Harbor 云原生制品仓库或 Harbor 镜像仓库）由 VMware 公司中国研发中心云原生实验室原创 （4）制品备份。容器镜像等制品的备份是从跨系统镜像传输衍生而来的用例，主要是把 Harbor 的镜像等制品复制到其他系统中，保留一个或多个副本。
1K40编辑于 2023-04-04 - 来自专栏CNCF
云原生AI平台的加速与实践
： ---- 前言：12月19日，在 Cloud Native Days China -云原生AI大数据专场,腾讯技术事业群高级工程师薛磊发表了《云原生AI平台的加速与实践》主题演讲。 ? 演讲主要包含五部分的内容： Kubernetes介绍 AI离线计算 AI场景下Kubernetes的不足 Kubeflow 星辰算力平台的架构 Kubernetes介绍 K8s是生产级的容器编排系统，它也是云原生应用最佳的一个平台 因此，对于我们而言在AI平台上面也可以基于K8s的架构进行额外的开发。 AI离线计算 ? 典型的AI场景 ? ? 分布式AI计算 为什么要分布式AI计算？ 提供TensorFlow原生PS-worker架构 的多机训练 推荐将PS和worker一起启动 通过service做服务发现 在社区中最早期的Operator 星辰算力平台的架构 它为私有云的一个离线计算平台
2.5K31发布于 2021-01-27 - 来自专栏有文化的技术人
Kagent： 云原生下的AI智能体
Kagent 架构详解 ❝本文档阐述 Kagent 的云原生设计理念——将 Agent 定义为 Kubernetes CRD，使其成为集群的一等公民❞ 目录 1. 架构概览 4. Agent CRD 设计 5. 运行时架构 6. 配置映射流程 7. 完整请求流程 1. 这不是简单地"把 Agent 跑在 K8s 上"，而是深度融入 Kubernetes 的资源模型，让 Agent 天然具备云原生基础设施的所有能力。 AI Agent 框架，它将 Agent 定义为 Kubernetes CRD（Custom Resource Definition），让用户可以像管理 Deployment 一样管理 Agent。 自动接入 Kubernetes 可观测性生态： ┌─────────────────────────────────────────────────────────┐ │ 云原生可观测性栈
9710编辑于 2026-04-09 - 来自专栏云计算D1net
内部部署到云迁移：成为云原生的4个关键挑战
在将应用程序和数据从内部部署迁移到云平台时，组织需要了解其面临的主要挑战。这表明组织需要了解在云平台中部署工作负载的重要性，并将应用程序从内部部署迁移到云平台。 ? 在将应用程序和数据从内部部署迁移到云平台时，组织需要了解其面临的主要挑战。这表明组织需要了解在云平台中部署工作负载的重要性，并将应用程序从内部部署迁移到云平台。 以下是组织致力于成为云原生公司时面临的主要挑战： 挑战1–重新设计云计算数据模型 不同类型的数据存储区支持不同类型的架构。 挑战4–编写和使用存储过程 云迁移期间最容易被忽视的挑战之一是编写和使用存储过程的能力。 组织在将其应用程序和数据迁移到云平台时都必须解决许多挑战。通过熟练的云计算工程师采用高级工具进行部署，组织可以避免重大的云迁移挑战。
1.8K20发布于 2020-11-23 - 来自专栏云技术+云运维
云原生与云原生应用概念解析
什么是云原生？ 云原生（Cloud Native）是由 Pivotal 的Matt Stine在2013年提出的一个概念，是他多年的架构和咨询总结出来的一个思想的集合。 云原生应用 云原生应用是天然适合云特点的应用，云原生应用系统需要与操作系统等基础设施分离，不应该依赖Linux或Windows等底层平台，或依赖某个云平台。 CNCF给出了云原生应用的三大特征： 容器化封装：以容器为基础，提高整体开发水平，形成代码和组件重用，简化云原生应用程序的维护。 云原生应用和本地部署应用程序之间的差异 云原生应用程序开发采用与传统企业应用程序完全不同的体系结构。 可更新 云原生应用程序始终是最新的，云原生应用始终可用。 本地部署应用程序需要更新，并且通常由供应商按订阅提供，并且在安装更新时需要停机。 弹性 云原生应用程序通过在峰值期间增加的资源来利用云的弹性。
3.7K34发布于 2019-10-29 腾讯云TAPD：云原生与AI驱动的研发效能平台
一、产品定位与核心亮点 腾讯云TAPD（Tencent Agile Product Development）是一款基于容器化技术的云原生研发协作平台，核心定位为面向开发团队的高性能、智能化研发基础设施。 其差异化优势在于深度融合项目管理（需求/任务/缺陷跟踪）与工程实践（代码管理/持续集成/自动化测试），通过云原生架构与AI能力提升研发全流程自动化与协作效率。 计算资源：云原生构建CPU资源 6,400核时/月，云原生开发资源 64,000核时/月。 云原生构建能力：基于容器化技术，支持高并发构建与缓存优化，提升编译效率。 自动化流水线：通过规则引擎自动触发流程（如代码提交→构建→测试→部署），减少手动操作。 数据来源：腾讯云TAPD官方产品介绍文档 特权说明：企业版用户（购买License ≥ 10）可申请长期有效的云原生构建与开发资源特权，需通过在线咨询核实后发放。
14910编辑于 2026-04-11- 来自专栏云云众生s
PostgreSQL与云原生GenAI：4个需要考虑的因素
与云相关的法规、安全和财务问题促使许多人权衡在本地和混合数据库上构建生成式AI的优势。 译自 PostgreSQL vs. the Cloud for GenAI? 4 Things To Consider，作者 Valeria Bogatyreva。 生成式AI（GenAI）已展现出重塑各行各业的潜力，有望提高生产力、接管运营任务并推动营收增长。 云计算的可扩展性和快速配置使其成为部署AI模型的首选。然而，云计算的成本效益承诺往往与现实相冲突。支出往往分散且难以控制，许多企业已经采用财务运营(FinOps)框架来管理成本。 许多企业都担心使用第三方云服务可能带来的威胁，包括数据主权法、法规遵从性和AI模型训练期间敏感信息泄露的担忧。这些因素可能使本地和混合解决方案更具吸引力。 以下是PostgreSQL在GenAI开发中脱颖而出的四个原因： 可扩展性和向量搜索支持: PostgreSQL支持丰富的原生数据类型，包括向量。
27510编辑于 2025-01-03 - 来自专栏精益码农
云原生AI算力平台 阶段性解读
给近半年做的云原生AI算力平台做一个回顾， 思考和实践参考了云溪大会上的分享：为大模型工程提效，基于阿里云 ACK 的云原生 AI 工程化实践[1]，全文很长，我这边做一个牵引和解读。 1. 面对LLM和GAI这类对算力和数据都有极高需求的新负载，云计算也迎来了“智算”时代， 一方面以服务化资源池的概念提供万卡算力、PB级存储、和单机TB级高速网络互联，另一方面以云原生标准化交付算力给大模型的生产者和使用者 大模型带来的挑战 AI有工程化的要求，同时也对基础设施提出挑战。 3. 云原生AI的能力 最近在做的“AI大模型基础设施”， 宏观目标也是帮助AI工程从小作坊向端到端云原生解决方案演进。 4. 云原生AI的架构实践 我们的云原生AI算力平台， 有参考上面的实践，针对企业业务的现状和侧重， 技术调研上做了调整和裁剪。 糟糕，我实现的k8s informer好像是依托答辩 参考资料 [1] 为大模型工程提效，基于阿里云 ACK 的云原生 AI 工程化实践: https://developer.aliyun.com/article
19910编辑于 2026-01-16 - 来自专栏绿盟科技研究通讯
《云原生安全》之原生安全
云原生安全发展可谓方兴未艾，云原生环境中的各类安全风险日益频发，云上的对抗也成为现实，越来越多的企业开始探讨如何设计、规划云原生环境中的安全架构，部署相应的安全能力。 云原生安全的现在和未来如何，笔者不妨从一个较高的视角进行探讨。 与云计算安全相似，云原生安全也包含两层含义：“面向云原生环境的安全”和“具有云原生特征的安全”。 笔者看来，前者是必经之路，可以说是阶段1，而随着面向云原生的安全越来越成熟，将会迸发出极大的驱动力来构建具有云原生特征的安全能力，进入阶段2，当然这还远不够，原生安全才是云原生安全的终篇。 1 面向云原生环境的安全 总体而言，云原生安全的第一阶段是安全赋能于云原生体系，即构建云原生的安全能力。 面向云原生环境的安全，其目标是防护云原生环境中的基础设施、编排系统和微服务等系统的安全。 既然未来云安全等价安全，而云计算的下半场是云原生，那不妨也做个推论，云原生的未来也会等价于原生安全。
2.1K40发布于 2021-11-10 - 来自专栏AIGC新知
Meta Llama 4 全面解析：全新的原生多模态 AI
Llama 4：原生多模态，混合专家架构，超长上下文支持。 此外，Llama4系列还整合了文本、图像和视频的统一框架，使其具备原生多模态能力。 它采用了混合专家（MoE）架构，提高了训练和回答用户查询时的效率。 接下来将带你详细了解本次llama4模型的新特性。 技术背景 Llama4 是 Meta 于 今日发布的新一代开源大语言模型系列，标志着其在多模态 AI 领域的重要突破。 原生多模态融合 Llama 4采用了原生多模态设计，能够处理和整合各种类型的数据，包括文本、视频、图像和音频，并且可以在这些格式之间转换内容。 可能解锁AI工程代理（如自动化编码与问题解决），被视为Meta争夺技术制高点的关键。
2.2K60编辑于 2025-04-07 - 来自专栏顾宇的研习笔记
云原生 DevOps
而率先完成 DevOps 转型 的企业在进行 云原生 应用改造和技术革新过程中也面临着同样的问题。 这就对 DevOps 在云原生环境下的应用提出了新的课题和实践诉求，我们如何在云原生的环境下实践 DevOps 以达到更有生产力的表现？ 本文将结合最新一期的技术雷达，试图勾画出 DevOps 在云原生的环境下的特性、未来的趋势以及相应的实践。 背景：不断蔓延的云环境复杂性 本期技术雷达主题之一是：不断蔓延的云环境复杂性。 但在云原生的场景下，我们无需去构造工具链，因为工具链本身是为最佳实践服务的。我们只需要根据自己的实践选择对应的服务就可以了，不光包含云平台自身的，也包括外部的。 在云原生的场景下，全球的竞争加速了技术实践的淘汰，有生命力的工具和服务在市场上生存了下来。并和它们所服务的客户一起创造了更加有生命力的技术实践。
1.6K10发布于 2018-08-17 - 来自专栏三木的博客
云原生概要
什么是云原生 设计目的 云原生软件的设计目的是预测故障，并且即使当它所依赖的基础设施出现故障，或者发生其他变化时，它也依然能够保持稳定运行。 云原生提供的是最终一致性，但如果需要数据强一致性的话，云原生架构就不适用了。 用云原生架构重写软件时并没有提供新的价值 云原生的价值 云原生的绝妙之处在于它最终是由许多不同组件组成的，即使其中一些组件的模式不是最新的，云原生组件也可以与他们进行交互。 4. 生产环境的不稳定性 云原生架构运维的解决办法 目标 简单且可以频繁地在生产环境中进行发布。 运维具有稳定性和可预测性。 持续交付（Continuous delivery，CD） 1. 云原生平台 云原生平台的发展 AWS：软件架构、开发和运维并没有太多的改变。
52010编辑于 2024-10-09 - 来自专栏友弟技术工作室
云原生概念
云原生概念12个因素 简介 如今，软件通常会作为一种服务来交付，它们被称为网络应用程序，或软件即服务（SaaS）。 适合部署在现代的云计算平台，从而在服务器和系统管理方面节省资源。 将开发环境和生产环境的差异降至最低，并使用持续交付实施敏捷开发。 可以在工具、架构和开发流程不发生明显变化的前提下实现扩展。 云原生应用的12要素，原文 The Twelve Factors I. 一种部署附加4个后端服务 一种部署附加4个后端服务 部署可以按需加载或卸载资源。 相反的，应该借助操作系统的进程管理器(例如 Upstart ，分布式的进程管理云平台，或是类似 Foreman 的工具)，来管理 输出流 ，响应崩溃的进程，以及处理用户触发的重启和关闭超级进程的请求。
4.9K51发布于 2018-07-04 - 来自专栏Bypass
《云原生安全攻防》-- 云原生攻防矩阵
在本节课程中，我们将开始学习如何从攻击者的角度思考，一起探讨常见的容器和K8s攻击手法，包含以下两个主要内容： 云原生环境的攻击路径: 了解云原生环境的整体攻击流程。 云原生攻防矩阵: 云原生环境攻击路径的全景视图，清晰每一步采取的攻击技术。 目前，多个云厂商和安全厂商都已经梳理了多个针对容器安全的威胁矩阵，我们可以参考这些成熟的模型，结合个人对云原生安全的理解，构建自己的攻防矩阵。 针对云原生环境的攻击技术，与传统的基于Windows和Linux的通用攻击技术有很大的不同，在这里，我们梳理了一个针对容器和K8s常见攻击技术的云原生攻防矩阵。 视频版：《云原生安全攻防》--云原生攻防矩阵
68311编辑于 2024-04-16
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