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
  • AI接入MCP】

    MCP产品接入AI的案例分析 在云计算和微服务架构盛行的今天,高效成为企业核心需求之一。 MCP(Microservice Control Platform)作为微服务治理平台,结合AI技术实现智能已成为行业趋势。 核心架构设计 MCP的AI模块采用分层设计: 数据层:采集Prometheus指标、ELK日志和Jaeger链路数据 算法层:包含时序预测、异常检测、分类模型等模块 服务层:提供RESTful API 架构支持蓝绿部署模型,确保AI服务高可用。 代码实现示例 1. 某生产环境数据显示,接入AI后年度成本降低28%,系统可用性达到99.99%。

    21010编辑于 2025-12-18
  • 来自专栏DBA随笔

    MongoDB与开发(10)---chunk

    // MongoDB与开发(10)---chunk // MongoDB中,在使用到分片的时候,常常会用到chunk的概念,chunk是指一个集合数据中的子集,也可以简单理解成一个数据块,每个

    94230发布于 2020-12-14
  • 来自专栏AI+运维:智能化运维的未来

    还能“自愈”?聊聊AI加持下的进化

    还能“自愈”?聊聊AI加持下的进化咱们干的都懂,最怕的就是半夜被电话叫醒——“哥,系统挂了!” 而随着AI的结合,这个想法,正一点点变成现实。今天咱们就聊聊:AI结合,怎么搞出一个能自愈的系统?一、为什么需要自愈系统? 传统最大的痛点,就是“人肉救火”:问题发现靠告警:系统挂了,监控发短信,再赶过来。修复速度靠运气:如果是熟悉的问题,几分钟解决;不熟悉的,可能一查就几个小时。 五、我的一点思考很多朋友一听“AI自愈”,就觉得是噱头,好像很玄乎。但我个人的理解是:自愈不是取代,而是帮从重复劳动里解放出来。以前我们要值夜班,守着监控,搞不好一晚上被叫醒好几次。 换句话说,未来的更像是“AI教练”,而不是“救火队员”。六、结语AI结合,本质上是让系统从“被动”变“主动”。以前是出了问题人来修,现在是系统先修,人再优化。

    52910编辑于 2025-08-24
  • 来自专栏一个会写诗的程序员的博客

    10章 Spring Boot应用部署10章 Spring Boot应用部署

    10章 Spring Boot应用部署 10.1 Spring Boot应用运行 To create a ‘fully executable’ jar with Maven use the following

    38420发布于 2018-08-20
  • 来自专栏东风微鸣技术博客

    AI 可以取代了吗?

    字数 3344,阅读大约需 17 分钟 AI 可以取代了吗? 可以. 只有一个前提: 贵司不是采用"防御式"的策略. 作为一个, 居安思危, 我自然开始认真起来这个问题: AI 可以取代了吗? AI 优点 • AI 可以完成 90% 的工作 (剩下 10% 需要在我的介入下完成. AI 完美地完成了任务. 毫无缺点. 回答问题 问: AI 可以取代了吗? 答: 可以. (不是部分可以, 而是完全可以, 100% 可以.) 只有一个前提: 贵司不是采用"防御式"的策略. 任何的反模式: • 代码不可见(你的代码不可见, 不在 git repo, 没有CMDB, 没有变更记录) • 配置漂移(你的信息可见, 但是和实际生产环境相比不准) • 孤岛(你的是个孤岛

    12310编辑于 2026-04-02
  • 来自专栏东风微鸣技术博客

    AI 可以取代了吗?

    可以.只有一个前提:贵司不是采用"防御式"的策略.声明:古法匠心,纯人工手工写作本文100%由我手工写作而成本文非AI生成背景AI+AIIDE/CLI取代开发的趋势已经很明显了.作为一个,居安思危 ,我自然开始认真起来这个问题:AI可以取代了吗? ▽️AI优点AI可以完成90%的工作(剩下10%需要在我的介入下完成.我认为原因不在AI,而是我的GitOpsrepo缺少某方面的可见性,导致AI不了解那些方面的内容,从而导致误判.后面更详细说明)AI .回答问题问:AI可以取代了吗? 任何的反模式:代码不可见(你的代码不可见,不在gitrepo,没有CMDB,没有变更记录)配置漂移(你的信息可见,但是和实际生产环境相比不准)孤岛(你的是个孤岛.是个遗留系统.是上个时代产物

    11600编辑于 2026-04-01
  • 来自专栏AIOps

    DeepSeek X AI 赋能 IT 审批流变为 AI 工作流

    直达原文:【DeepSeek谈AI 驱动的 IT 管理变革:从审批流到AI工作流摘要: 本文深入探讨了人工智能(AI)技术对 IT 管理流程的深远影响与改造。 (3)人员角色的转变随着 AI 技术在运中的广泛应用,人员的角色将发生转变。 (4)AI 在多领域中的应用拓展除了传统的 IT 领域,AI 技术还将在物联网、云计算、大数据等新兴领域的管理中发挥重要作用。 管理者需要积极拥抱这一变革,深入理解 AI流程的影响,合理规划和实施 AI 驱动的改进策略。 通过不断提升工具的能力、优化流程、培养人员的 AI 技能,企业将能够在数字化时代实现管理的智能化转型,提升自身的竞争力和业务连续性,迎接未来更加复杂的 IT 挑战。

    62410编辑于 2025-04-14
  • 来自专栏织云平台团队的专栏

    智能机器人--AI的实践探索【二】

    我们专注于场景,借助于AI技术,开发了智能机器人,为的就是缓解这一矛盾。 登场亮相 什么是智能机器人? 只是开始 在这个AI的东风吹得满世界人心躁动的时代,在这个人人谈AI,处处见AI的时代,我们做智能机器人,确实有着蹭热点的嫌疑。我们也无意去澄清这个嫌疑。 这么多人,这么多企业关注AI,投身AI,连国家也将其作为重大战略,不仅仅出于被AI取代,被时代抛弃的恐惧,更是因为无法拒绝AI给我们带来的无穷想象空间。 当我们出于降低用户使用门槛的需求而引入了自然语言处理技术后,发现原本单纯的客服账号,瞬间充满了可能性。腾讯织云智能机器人,只是AI在运领域的小试牛刀。 当越来越多的AI技术引入领域后,我们能憧憬,我们的征途,正驶向星辰大海吗?

    6.1K61发布于 2018-03-20
  • 维那些事儿(10):服务台,串联全流程的闭环核心

    前九期我们从IT资产管理、监控、U 位管理、自动化方案到知识库,搭建起了精细化的 “工具库” 和 “经验库”。 服务台正是为此而生 —— 它是工作的 “总调度中心”,不管是普通运人员查设备、报故障、跟踪进度,还是管理员派工单、管流程、做复盘,都能一站式完成。 先分清:服务台 vs 知识库,相辅相成不混淆很多人会把服务台和第九期的知识库搞混,其实两者各司其职、相辅相成,用一句话就能分清:· 知识库:核心是 “查答案”,是 “经验库”,比如遇到 核心功能与价值:闭环、高效、可追溯,一站式解决痛点服务台的核心价值,是串联前九期的所有成果,解决 “多工具切换、故障无跟踪、流程不规范” 的痛点,核心功能和价值如下:✅一、核心功能:覆盖全流程 服务台让所有工具、流程、经验形成闭环,让工作不用切换工具、不用多渠道沟通,真正实现 “高效、规范、可追溯”。

    16110编辑于 2026-03-20
  • 来自专栏CSDNToQQCode

    10·24【工程师也过节】【MySQL大礼包】

    开发挖坑,埋! 如庖丁解牛,得意处游刃有余,碰壁时寸步难进。 在天愿作比翼鸟,在地愿结亲,第一个为你排忧解难的不是老公而是默默的人! 是城管,维持秩序的是它,背锅的也是它;是对应用的承诺,不离不弃一辈子;是血与泪——发生在夜深人静的时候。 是块砖,哪里用哪里搬。不出问题你打杂,出了问题你负责。 天下是一家,一入深似海! 就是7*24 别惹,否则后悔! 其实很简单“三分技术、七分管理“。 我们真的不只是会重启,我们还会背锅啊。 好的不需要经常加班。 做的好的是,没做好的是背锅侠。 让产品更出色,让技术更有价值! 规范流程,临危不惧,提供值得信赖的服务。 运筹幄,百味人生。 就是我每天念想的但又触及不到的梦想。 不为人知的幕后英雄 就是不断的重启、重启、再重启。 的本质是”可控” 人,做的多,说得少。 是救火员,平时用不到,出事少不了。

    1.3K20编辑于 2022-11-29
  • 来自专栏章工运维

    10道基础面试题

    并发netstat -na | grep ESTABLIS | wc -l tcp数netstat -an|grep ":80 "|grep -v grep|wc -l # 10.说说tcp/ip的七层模型

    44720编辑于 2023-05-19
  • AI业务综合支撑系统:引爆AI生产力的智能大脑*

    然而,当我们兴高采烈地部署了智能推荐、风控模型、AI客服等应用后,一个巨大的挑战也随之而来:这些AI业务,你真的“管”得好吗?传统的模式,在AI业务面前显得力不从心。 告警风暴来了,团队在海量日志中“捞针”;业务指标下降了,研发团队却要花上数天排查是数据问题、模型问题还是代码问题。这种“救火式”的,不仅效率低下,更严重拖慢了AI业务的创新步伐。 破局的关键,正是“AI业务综合支撑系统”。它不是一个简单的监控工具,而是一个专为AI业务打造的“智能大脑”。它的核心使命,就是将从被动的“响应者”,升级为主动的“驾驭者”。 全景可视:从“管机器”到“管业务”传统关注CPU、内存、网络。而AI业务综合支撑系统,在此基础上,将目光投向了AI的核心要素:数据、算法、模型。 总结而言,AI业务综合支撑系统,是企业在AI时代不可或缺的基础设施。 它用AI的技术,解决了AI业务的难题,将团队从繁琐的日常中解放出来,更专注于业务创新和模型优化。

    25410编辑于 2025-10-24
  • AI如何赋能IT(AIOps)

    一、AI为什么对IT重要? 传统存在几个痛点:传统痛点AI带来的改变告警量大、难筛选根因AI可识别告警关联性并自动根因定位故障靠人工排查,耗时长模型可溯源日志、抓异常趋势并提前预警经验靠个人积累,不可复制AI沉淀规则→ 变成可复用知识库人工巡检、排障重复度高AI可自动巡检、自动修复脚本闭环AI真正落地价值:节省人力成本、缩短故障恢复时间(MTTR)、减少业务中断风险二、AI赋能IT的核心能力AI功能作用可落地场景日志分析 <30秒原本人工至少10分钟+有效识别异常IP准确率90%+误封低适用于电商、直播、大促流量高波动企业。 写在最后AI赋能不是概念,而是已能实打实落地的生产力工具。一句总结:AIOps=经验沉淀+自动分析+主动预测+自动修复,最终目标是无人值守与业务持续可用。

    92310编辑于 2025-11-29
  • 来自专栏奇点大数据

    为什么我说未来10年是AI的天下

    伴随着这样的方式越来越普及,一定是需要极多的服务器来承载数据,有极多的网络设备来进行数据的高效流转,有极多的训练服务器来训练模型……这种的要求和传统的要求其实略有不同。 这种如果要做好,单纯会装个系统,装软件还是远远不够的。 很多人对这种岗位有误解,总觉得是一种技术含量很低的工作,其实不然。维和服务器后端开发的岗位其实是分不开的,一个高质量的工程师的水平跟一个高级系统架构师的水平是不相上下的。 懂的技术越多,所能提供的服务质量就越高,就越被大公司所青睐。一个大的互联网公司的团队也是数百人之多的。 入门的门槛看似低——不像AI的要求动辄研究生博士,但是从长期发展来看仍然需要多年的磨炼才能成为一名优秀的人才的——天花板很高。所以,这应当是一个不错的方向。

    1.2K20发布于 2019-05-05
  • 来自专栏AIOps

    AI驱动下监控变革:2025AI技术如何重构IT监控产品效率?

    AI技术成为监控的核心突破口——从“被动告警”到“主动预测”,从“经验依赖”到“数据驱动”,AI正在重构效率。 本文围绕“AI功能”,对比主流监控产品的定位、能力与适用场景,并提供企业选型建议及常见问题解答,助力企业精准选择适配监控工具。01. ,融合LLM大模型与AIOps算法,主打“AI+业务”双驱动,同时满足政企信创合规需求。 ,助手直接给出具体配置步骤,新手也能快速上手。 企业选型常见问题与解答FAQQ1:引入AI功能后,会不会增加团队的学习成本?A:优质的AI功能反而会降低门槛,关键看“AI是否贴合习惯”。

    42910编辑于 2025-10-30
  • 来自专栏用户1880875的专栏

    Linux云计算架构师(连载)-自动化ansible-10

    用户模块可以帮助用户管理远程客户机中的用户,例如创建、删除、修改用户属性等。其常用的参数如表1.5所示。

    1.9K30发布于 2021-07-05
  • 来自专栏AI+运维:智能化运维的未来

    AI赋能:实现任务的智能化自动分配

    引言在现代企业中,团队需要面对复杂的基础设施管理和大量任务的调度问题。从服务器巡检到应用故障修复,工作需要及时、高效且准确地完成。传统的任务分配方式依赖人工,容易导致分配不均、响应迟缓的问题。 而随着人工智能(AI)技术的发展,利用AI实现任务的智能化分配成为可能。本文将详细阐述如何通过AI优化任务分配,并提供具体的代码示例,帮助团队迈向智能化。 案例与效果在一个模拟场景中,通过上述系统,完成了以下优化:任务分配效率提升50%:从传统手工分配的平均5分钟降至2分钟以内。任务完成率提升20%:减少了因任务分配错误导致的延误。 总结AI赋能任务分配不仅提升了效率,还改善了团队协作和用户体验。然而,智能化并不意味着一劳永逸,模型的构建与优化需要结合具体业务场景不断迭代。 希望本文的介绍与示例能为你的团队提供思路,助力实现智能化转型。

    54410编辑于 2025-01-05
  • 来自专栏devops_k8s

    的感悟(做需要考虑事,组织结构,学习地图....)

    需要考虑的事 简介 /* 是在于一个量 最少的人,最多的事 并且保证业务 比如说google的一个数据中心,只有几个人在维护 不能直接的创造价值,而是可以变相的节约成本 研发 研发负责通用的平台设计和研发工作,如:资产管理、监控系统、平台、数据权限管理系统等。提供各种API供或研发人员使用,封装更高层的自动化维系统。详细的工作职责如下所述。 (10-20K —— 乐视) */ 技术关键字 故障排查、优化、Shell、Python、监控 随着自身技术的积累,的薪资在突飞猛涨。 算是中级了,薪资一线城市可以达到10-20k左右。 岔道 再往前就会分出很多个岔道,开发、安全、DBA、测试、应用、基础等等。 时间有限,需要从中挑选适合的。 高级,一般5-10年经验,薪资15-35k左右 终点 技术是没有终点的,当然可以有你自己的终点。当工作10年,技术已经很厉害了,就需要靠拢一些别的东西了。

    8K1011发布于 2020-12-23
  • 来自专栏AI+运维:智能化运维的未来

    AI辅助的风险预测:智能维新时代

    AI辅助的风险预测:智能维新时代在现代 IT 基础架构中,系统的复杂性不断提升,传统的方式已经难以满足高效、精准的风险预测需求。 AI(人工智能)在运中的应用,尤其是在风险预测领域,正在成为企业降本增效、提升稳定性的关键手段。本文将深入探讨 AI 如何辅助风险预测,并通过代码示例展示其实际应用。1. 预测能力不足:传统主要基于经验判断,而非数据驱动,导致预测不准确。AI 通过机器学习和深度学习技术,能够自动分析数据模式、识别异常,并提前预警风险,大幅提升系统稳定性。2. AI的未来发展AI 在运中的应用远不止于故障预测和异常检测,未来还可能朝以下几个方向发展:自适应调优:通过强化学习实现自动化系统调优,提高资源利用率。 自动化决策:通过 AI 学习

    57800编辑于 2025-01-29
  • 来自专栏zaking's

    《前端》一、Linux基础--10定时任务

    而 linux 任务调度的工作主要分为以下两类: 1、系统执行的工作:系统周期性所要执行的工作,如备份系统数据、清理缓存 2、个人执行的工作:某个用户定期要做的工作,例如每隔10分钟检查邮件服务器是否有新信 比如"1,2,3 ",就代表每小时的1分、2分、3分执行命令 - 代表连续的时间范围 比如 " 1-5 * ** ",代表每小时的第1分到第5分执行命令 */n 代表每隔多久执行一次 比如 "/10  " 就代表每隔10分钟就执行一次命令 0 0 1,10 * 1 每月1号和10号,每周1的0点0分都会执行 仅仅罗列语法有点模糊,我们来看个例子吧: 首先,我们通过定时任务的编辑模式命令,编辑一个定时任务

    1.3K50编辑于 2022-05-10
领券