zealotlab
本站致力于IT相关技术的分享
利用 eBPF 和 Kotlin Multiplatform 构建无 Sidecar 模式的服务网格可观测性探针 利用 eBPF 和 Kotlin Multiplatform 构建无 Sidecar 模式的服务网格可观测性探针
要实现服务网格的可观测性，传统的 Sidecar 模式通过注入代理来拦截所有应用流量，但这带来了显著的资源开销和网络延迟。一个生产环境中更优的方案是利用 eBPF 在内核层面直接捕获网络事件，实现零侵入、高性能的监控。挑战在于，如何为这个基
2023-10-27 云原生
服务网格 eBPF Kotlin Multiplatform
构建边缘设备高基数时序数据平台的架构权衡与实现 构建边缘设备高基数时序数据平台的架构权衡与实现
摆在面前的技术挑战是明确的：为数百万潜在的边缘设备构建一个遥测数据采集与处理平台。这些设备会通过持久化的 WebSocket 连接，以每秒数次的频率上报包含状态、环境读数等信息的时序数据。核心的技术难点可以归结为三点：海量连接管理、时序数据
2023-10-27 架构设计
TimescaleDB Istio WebSockets ORM OpenFaaS
在 Kubernetes 上利用 C#、Celery 与 Clojure 构建异构模型推理工作流 在 Kubernetes 上利用 C#、Celery 与 Clojure 构建异构模型推理工作流
我们面临的局面是典型的技术债与创新需求的碰撞：一个用 C# 和 .NET Framework 构建的、庞大而稳定的金融风控单体应用，需要集成一组基于 Python (PyTorch) 的复杂机器学习模型。直接通过 REST API 同步调用
2023-10-27 分布式架构
Kubernetes Celery C# 模型部署 Clojure RabbitMQ 微服务
使用 GitHub Actions 实现跨 AWS Azure 与 Google Cloud 的 AI 函数统一 GitOps 部署 使用 GitHub Actions 实现跨 AWS Azure 与 Google Cloud 的 AI 函数统一 GitOps 部署
最初的痛点源于混乱。我们的数据科学团队负责产出模型，而平台团队负责将这些模型封装成服务并部署。问题在于，我们的基础设施横跨三大公有云：AWS、Azure 和 Google Cloud。每个云都有自己的一套 Serverless 方案——La
2023-10-27 DevOps
GitHub Google Cloud Functions Azure AWS AI Data Science & Big Data
利用Google Cloud Pub/Sub实现GKE上高韧性的解耦式Jenkins流水线 利用Google Cloud Pub/Sub实现GKE上高韧性的解耦式Jenkins流水线
一个45分钟的CI/CD流水线，在第40分钟的端到端测试阶段因为网络抖动而失败。在传统的单体Jenkinsfile设计中，这意味着从头再来：重新拉取代码、重新编译、重新运行单元测试、重新打包镜像。这不仅仅是40分钟的计算资源浪费，更是对开发
2023-10-27 云原生与DevOps
CI/CD Jenkins Google Cloud Pub/Sub GCP GKE 事件驱动架构
在CircleCI工作流中通过Go绞杀者代理实现PHP看板应用的无缝迁移 在CircleCI工作流中通过Go绞杀者代理实现PHP看板应用的无缝迁移
团队接手了一个有数年历史的PHP看板（Kanban）项目。其核心问题在于，所有状态更新都依赖于前端定时发起的AJAX轮询。在看板卡片数量增多、团队协作频繁时，服务器压力巨大，且用户体验延迟明显。技术债的另一个体现是，整个系统是一个巨大的单体
2023-10-27 架构设计
Go CircleCI PHP Headless UI Kanban
4 / 5