- 综合排序
- 最热优先
- 最新优先
- 来自专栏大话存储
选存储，就选原生块存储！
2）性能。Ceph基于对象存储，IO延迟长，而传统业务系统对IO延迟比较敏感。 ZettaStor和原生块存储 作为原AWS核心架构师、S3、Glacier存储项目团队负责人，陈靓先生非常了解对象存储应对块数据需求的不足。 机缘巧合，2012年，陈靓应南京市政府的感召归国创业，创办了南京鹏云网络科技有限公司，并推出了从最底层开始研发的ZettaStor DBS软件定义分布式存储系统，提出了原生块存储的概念。 对于原生块存储、非原生块存储，测试和验证将是一个非常重要的方法。但是在测试过程中，也应该结合实际，谨防被一些“猫腻”手段所蒙蔽。 例如当以一个容错域A的3台机器都故障时，还有两2个副本存在，数据不会丢失，业务照常运行，这就是通常所说的能容忍1/3节点宕机。
2.2K20发布于 2019-06-10 - 来自专栏CSDNToQQCode
原生js cookie本地存储
如果没写expires,那么下次打开网页，cookie就会消失，这个就是会话机制 2、格式 name=value; [expires=date]; [path=path]; [domain=somewhere.com
7K30编辑于 2022-11-29 - 来自专栏喇叭的学堂
2、原生AJAX
创建对象 XMLHttpRequest 对象用于在后台与服务器交换数据 const xhr = new XMLHttpRequest(); //2. 初始化 设置请求方法和 url // 1）请求方式 2）请求地址 xhr.open('GET', 'http://127.0.0.1:8000/server （2开头的）成功 if (xhr.status >= 200 && xhr.status < 300) { // 创建对象 const xhr = new XMLHttpRequest(); //2. 设置【2秒没有结果，把请求做一个取消】 xhr.timeout = 2000; // 2、超时回调 取消请求后，做一个回调提示
62910编辑于 2024-03-11 腾讯云「存储+智能」AI原生基础设施解决方案概要
主讲人：王致铭 丨 腾讯云 云存储高级产品经理 一、 产品定位与核心亮点 腾讯云「存储+智能」组合是一款专为企业出海及AI应用爆发设计的AI原生云存储基础设施。 其核心技术属性在于将传统云原生架构（聚焦Web/APP端的架构复杂度与成本优化）升级为AI原生架构，底层深度融合对象存储（COS）与高性能分布式缓存引擎（GooseFS），并无缝内嵌数据万象（CI）处理引擎 三、 应用框架和功能介绍 3.1 功能框架 产品采用“存储底座 + 处理管理双引擎 + 一站式软件搭建平台”三层架构： 存储底座：对象存储（COS）与 AI存储（GooseFS），负责数据的安全可靠与高性能吞吐 文件支持：最小存储限制 64KB。 兼容性：全兼容 AWS S3 接口。 AI 存储 (GooseFS)： 单链接性能：10Gbps（逼近硬件极限）。 2. 客户名称：小红书、彩视、微店 背景：电商与生活互联平台，存在海量的图片/音视频上传与分发需求，传统处理方式面临高带宽成本与架构门槛。
11410编辑于 2026-05-30- 来自专栏监控
开源云原生存储rook：块存储快速入门实战
rook-ceph-block provisioner: rook-ceph.rbd.csi.ceph.com parameters: pool: replicapool imageFormat: "2" kubernetes.io/rook 2 22h rook-csi-rbd-provisioner kubernetes.io/rook 2 22h provisioner-secret-name ACCESS MODES RECLAIM POLICY STATUS CLAIM STORAGECLASS REASON AGE pvc-76d69972-2a95 Filesystem Size Used Avail Use% Mounted on overlay 250G 4.9G 246G 2% dev/rbd0 4.9G 24K 4.9G 1% /data # 在这里 /dev/mapper/centos-var 250G 4.9G 246G 2%
2.3K00编辑于 2023-04-06 AI原生开发范式
AI原生开发范式的核心概念 AI原生开发范式（AI-Native Development）指以AI为核心构建应用程序的设计方法，其特点包括数据驱动、模型即服务（MaaS）、自动化工作流和持续学习。 与传统开发相比，AI原生应用将机器学习模型作为基础组件，而非附加功能。 典型行业案例分析 金融领域-智能风控系统 某银行采用AI原生架构重构信贷审批流程，实现实时风险评估。 医疗领域-影像辅助诊断 一家医疗科技公司开发AI原生影像分析平台，整合多种医学影像模型（CT、MRI）。 model.predict_one(x) metric.update(y, y_pred) model.learn_one(x, y) print(f"Accuracy: {metric.get():.2f 原生系统需监控多维指标： 模型指标：AUC-ROC、F1 Score、推理延迟 系统指标：QPS、错误率、资源利用率 业务指标：转化率、用户留存、ROI 监控看板应包含实时数据和历史趋势对比，设置自动告警阈值
33510编辑于 2026-01-20- 来自专栏运维笔记
minio 高性能 Kubernetes 原生对象存储
minio 高性能 Kubernetes 原生对象存储 minio 高性能 Kubernetes 原生对象存储 特点 安装 单机 分布式 客户端mc安装和使用 minio在K8S的优化实践 MinIO 特点 高性能 minio是世界上最快的对象存储(官网说的: https://min.io/) 弹性扩容 很方便对集群进行弹性扩容 天生的云原生服务 开源免费,最适合企业化定制 即便丢失一半数量（N/2）的硬盘，仍然可以恢复数据) 安装 minio分服务端和客户端,服务端是通过minio进行部署,客户端只是1个二进制命令(mc),通过mc可以操作对象存储(增删查等) 高可用 单机Minio服务存在单点故障，相反，如果是一个有N块硬盘的分布式Minio,只要有N/2硬盘在线，你的数据就是安全的。不过你需要至少有N/2+1个硬盘来创建新的对象。 纠删码是一种恢复丢失和损坏数据的数学算法， Minio采用Reed-Solomon code将对象拆分成N/2数据和N/2 奇偶校验块。
7.3K21发布于 2020-05-12 - 来自专栏thinkphp+vue
云原生存储详解：容器存储与 K8s 存储卷
作者 | 阚俊宝 阿里云技术专家 导读：云原生存储详解系列文章将从云原生存储服务的概念、特点、需求、原理、使用及案例等方面，和大家一起探讨云原生存储技术新的机遇与挑战。 相关文章推荐： 云原生存储详解：云原生应用的基石 云原生存储详解：容器存储与 K8s 存储卷 云原生存储的两个关键领域：Docker 存储卷、K8s 存储卷； Docker 存储卷：容器服务在单节点的存储组织形式 所以两个镜像共享了 Layer 3、5 两个镜像层； 容器存储说明： 容器 1：使用镜像 1 启动 容器 2：使用镜像 1 启动 容器 3：使用镜像 2 启动 容器 1 和容器 2 共享镜像 1，且每个容器有自己的可写层 ； 容器 1（2）和容器 3 共享镜像 2 个层（Layer3、5）； 通过上述例子可以看到，通过容器镜像分层实现数据共享可以大幅减少容器服务对主机存储的资源需求。 2. 存储驱动 存储驱动是指如何对容器的各层数据进行管理，已达到上述需要实现共享、可读写的效果。即：容器存储驱动实现了容器读写层数据的存储和管理。
2.4K41发布于 2021-05-18 - 来自专栏CSDNToQQCode
原生js本地存储、获取、删除、清空
meta charset="utf-8"> <title></title> </head> <body> <input type="text"/> <button class="set">存储 </button> <button class="del">清空</button> </body> </html> <script type="text/javascript"> // 吧用户存储在用户的浏览器中
7.5K20编辑于 2022-11-29 - 来自专栏大卫李的技术分享
Rook带你玩转云原生存储
翻译过来概况下 Rook是一个开源的云原生存储编排系统，提供平台、框架和支持，提供了一套多样化的存储解决方案，可以与云原生环境进行天然集成。 Rook利用云原生容器管理、调度和调度平台提供的设施，将存储软件转化为自我管理、自我扩展和自我修复的存储服务，实现自动化部署、启动、配置、扩容、升级、迁移、灾难恢复、监控和资源管理。 因此，Rook解决的问题是： 快速部署一套云原生存储集群； 平台化管理云原生存储集群，包括存储的扩容、升级、监控、灾难恢复等全生命周期管理； 本身基于云原生容器管理（如Kubernetes），管理方便。 以前苦于没有部署云原生存储系统，一直没法实践这些特性，这次得益于Rook的便捷性，赶紧来尝鲜下。 更深入地观察存储挂载机制 通过上面两个测试场景，我们来看下背后的云原生存储的运行逻辑： 进入pod观察存储挂载情况 对比两个测试场景pod实例里面存储挂载情况： # use ceph as rbd storage
4.5K31发布于 2020-05-11 AI原生组织（AI-Native Organization）
"业务先行、AI补丁"，原生是"AI即底座"。 ||任务管理|Linear||文档存储|Notion||AI辅助|自家产品、提示词工程||品牌创作|Midjourney、Krea.ai、Civitai|####核心洞察>"AI工具在编码方面远远不够好 工具，无组织规划|大多数传统企业起点||**L2**|局部应用|AI嵌入特定业务环节，效率提升|部分AI工具使用||**L3**|规模推广|跨部门AI应用，组织协调增强|AI应用增多但割裂||**L4* （首席智能官）├──成立AI决策委员会└──明确AI战略定位Step2:组织适配├──重构汇报结构├──设立AI联合舰队└──明确一线业务角色Step3:能力下沉├──组建跨部门AI团队├──建立AI ——何恩培----##七、未来展望###7.1AI-Native时代趋势1.**智能密度导向**：最强公司不是人多，而是模型强、反馈快、学习速度高2.
58310编辑于 2026-05-18- 来自专栏科技云报道
云原生时代，存储长什么样？
但值得注意的是，据CNCF调查显示，目前存储系统依然是云原生场景使用和部署中面临的最主要障碍之一。 云原生环境对存储 带来新挑战 存储系统一直以来都是基础设施软件中的核心之一。 云原生存储作为一种存储系统，可靠性、性能、高可用等特点都是必不可少的。除此之外，云原生环境对存储系统提出了更高的要求。 面对诸多挑战云原生存储应具备哪些特点呢？ 云原生生态 云原生存储还需要能够很好地和其他云原生基础设施配合，例如云原生数据库，使得云原生数据库可以真正的在公有云和私有云都能够得到一致的用户体验。 市场上的云原生存储方案 为了更好的理解在云环境中如何构建云原生存储，先看几个在Kubernetes企业环境中部署主流的云原生存储方案。 事实上，云原生存储遇到的性能、弹性、高可用、加密、隔离、可观测性、生命周期等方面的问题，不但需要存储产品层次的改进，更需要在云原生的控制／数据平面的改进，以推进云原生存储的演进，而这正是新老存储厂商有待优化和提供的服务空间
91620编辑于 2022-04-16 - 来自专栏Linux成长之路
云原生之Docker容器的存储管理
97d6b86a78f355c15fb43d539fc284b60f464c0ee768d87a8e5cbe62e3a62626-init/diff:/var/lib/docker/overlay2/76281b2c0491c38ccd64dc2c9164c58eefd014a7294117c4962515bf75419681 /var/lib/docker/overlay2/47f840069670e495b72b41d3aba5e0ed52346af2da30c4b9accc0b9866d9e3f9/diff:/var/lib /overlay2/4649e6ac724d477b2fe8db2da934d572eaaaa946a847936794b506edf8b0c87d/diff", "MergedDir ", "EndpointID": "276ea4df3a145005646c1f457c57ad47ab3e367cc6a2c15ce78bc2b0a198b25d docker htdocs]# docker run --name test04 -td -p 86:80 --volumes-from test03 busyboxcfde4db1ff755695a7b2f4c10e863c9fdf8e9a0f7f4a132d2fdd2fb0e4c497f82
1.1K71编辑于 2023-01-21 如何构建AI原生应用？从大模型到知识中台，从数据到规则逻辑。AI原生=模型原生+知识原生+价值原生
今天继续聊AI和大模型方面的话题。即什么是AI原生，如何构建一个真正意义上的AI原生系统？ 对于这个问题，我们先看下AI大模型自己给出的答案。 架构层面 AI优先设计：架构围绕AI模型的训练、推理和持续学习来设计 数据驱动核心：数据流和AI模型是系统的中枢，而非辅助组件 动态适应性：系统能够根据AI模型的输出自动调整行为和决策 2. AI原生-大模型原生+知识原生+价值原生 一个系统能够称之为叫AI原生系统呢？这里面核心的一个关键就是整个系统核心的能力是架构在底层的AI大模型和底层的知识层上面的。 你如果满足这么一个条件，那你们做一个系统就可以叫做AI原生系统。 我原来谈AI原生的时候谈到过，AI原生核心是知识原生，为何你当前企业有数据库数据，有资料文档，不能快速的构建AI原生应用？ 注意这个说法只解决了AI原生应用的大模型原生问题，并没有解决知识原生的问题。如果按这个说法所有的AI智能体应用都是AI原生应用，但是我的理解，AI原生应用的核心重点应该是在知识原生上面。
79920编辑于 2025-11-17- 来自专栏阿泽的学习笔记
云原生与AI漫谈
和持久化走 cloud DB…… 云原生时代的系统开发 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。 但是到了云原生时代，我们可以完全打破这个固有框架，我们拥有的计算，存储都可以理解为是“无限”的，只要有钱就可以！ 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。 通过算法来做自动的代码优化[2]等。 多租户情况下的联邦学习，多任务/元学习的可能性。
1K30发布于 2021-07-06 - 来自专栏PostgreSQL研究与原理解析
OrioleDB – 构建现代云原生存储引擎
OrioleDB – 构建现代云原生存储引擎 OrioleDB是PG的一个新存储引擎，为世界上最受欢迎的数据库平台带来一种现代化数据库容量、功能和性能方法。 通过扩展和增强当前的表访问方法，OrioleDB为未来更强大的存储模型打开了大门，这些模型对云和现代硬件架构进行了优化。目前是标准的PG许可。 1）专为现代硬件而设计。 OrioleDB的设计针对数十个和上百CPU内核现代服务器，避免CPU瓶颈，提供了针对现代存储技术，例如SSD和NVM，的使用方法。 2）减少维护需求。 OrioleDB内存中page直接连接到存储层的页。消除了对缓冲区映射及相关瓶颈。此外，内存中页面读取不涉及原子操作。这些设计决策共同将PG的垂直扩展性提升到了一个全新的水平。 2）MVCC基于UNDO日志。旧版本的元组不会导致主存储系统膨胀，而是将其放逐到undo链的undo日志中。页级别的undo记录允许系统很方便地尽快回收已删除元组占用的空间。
1K20编辑于 2022-03-29 - 来自专栏技术杂记
sqlite数据存储（2）
create table students:table students already exists Please take follow action: 0.exit 1.insert 2. Please take follow action: 0.exit 1.insert 2.delete 3.update 4.query 5.showall 1 Please take Please take follow action: 0.exit 1.insert 2.delete 3.update 4.query 5.showall 4 Please take Please take follow action: 0.exit 1.insert 2.delete 3.update 4.query 5.showall 2 Please take 语句的过程中会经常使用到 sprintf ，它和 printf 的用法相似，但是将结果写到一个字符数组中，而不是直接打印到了终端上，这样便于后期的处理 ---- 总结 以下函数可以对sqlite数据库进行创建与控制，是存储数据的基础操作
87630发布于 2021-09-15 - 来自专栏存储公众号：王知鱼
Agentic AI 时代的内存（2）-从HBM到分层存储架构
本文将带您深入探讨智能体AI如何通过HBM、MRDIMM和CMM-D等创新内存技术，构建分层存储架构来应对这些挑战，实现精准可靠的AI推理能力。 量化了“TB级”容量需求: 通过图表数据明确指出，一个商业规模（10亿条目，1k维度）的向量数据库索引，其内存占用会轻松超过 2TB。 全新的内存扩展范式: 与前一张PPT的MRDIMM（在CPU原生内存通道上提升性能和密度）不同，CMM-D通过PCIe接口来扩展内存。 第2层 (Cold Tier): 通过CXL连接的CMM-D，构成海量的内存池，用于存储完整的、超大规模的向量数据库。 prompt, Datasets by Gemini-2.5-Pro #FMS25 #AI/RAG ---【本文完】--- 公众号：王知鱼，专注数据存储、云计算趋势&产品方案。
73410编辑于 2025-11-20 - 来自专栏技术杂记
Mysql 优化存储2
percona-toolkit 中提供一个叫 pt-table-sync 的工具，可以获取一致性检查结果
57310编辑于 2022-03-21 - 来自专栏IT创事记
拥抱云原生，如何选择最佳容器存储
为什么容器技术如此火热 云原生时代，容器凭借其易移植、云上云下自由运行、自由迁移的特点，得到了众多企业的青睐。 当前，企业容器化改造面临四大挑战： 1、高可用能力不足：容器挂死后，保存在本地的数据丢失，数据找回需要耗费大量人力、时间； 2、性能不足：大规模k8s平台，应用多、日志多、并发大，日志存储、日志分析存在性能瓶颈 对性能要求高的应用：很多新兴应用，如AI训练，其典型数据结构是海量非结构化数据的随机读写，文件大小通常在数KB到数MB，数量可达百亿，计算资源规模从几十台到上千台不等。 SAN存储上的数据无法在上千台计算集群中共享，因此不是容器存储的最佳选择。 例如，某大型商业银行使用Ceph+服务器本地盘构建的分布式存储系统，在AI场景实测性能只有2万OPS，而采用华为OceanStor Dorado全闪存NAS存储后，双控性能轻松达成40万OPS，AI分析效率提升
1.1K30编辑于 2023-02-17
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