tag 雲原生

標籤
貢獻345
236
05:15 PM · Oct 25 ,2025
alixitongruanjianjishu 頭像 jiang_5f3236dd7afd1 頭像 alijishu 頭像 data_ai 頭像 u_13778063 頭像 kubeexplorer 頭像 u_14902238 頭像 u_13416 頭像 u_16366971 頭像 u_16213721 頭像 u_16213624 頭像 rainbond 頭像

@雲原生 / 博客 RSS 訂閱

alijishu 頭像

阿里雲開發者 - 同一FC，不同alias能不能走不同vpc？

是的，可以為同一個函數的不同 alias 配置不同的 VPC，使其在不同的 VPC 中運行。這樣可以實現在同一函數中使用不同的網絡資源，例如訪問不同的數據庫或者使用不同的雲服務資源等。 在配置函數的 VPC 時，可以為每個 alias 分別配置不同的 VPC，也可以為所有 alias 共享同一個 VPC。為不同的 alias 配置不同的 VPC 時，需要在 each alias 的配置中指定不同的

fcitx , 配置 , 阿里雲 , 雲原生 , alias

收藏 評論

u_16213686 頭像

mob64ca1410eb61 - 多個from會生成多個鏡像嗎

上一期我們講了%格式化輸出，這次我們來講另外兩種格式化輸出方式： {}和format()、f-strings。 先來看{}和format()。 這種輸出方式的格式是這樣： print("輸出區".format(變量區)) 舉個小小的例子： #Program_35 print("我有{}只{

多個from會生成多個鏡像嗎 , 雲計算 , 賦值 , 格式化輸出 , 雲原生 , ci , Python

收藏 評論

u_13778063 頭像

u_13778063 - 深度解析 Higress + Nacos 在 MCP Server 部署中的高可用、熱更新與鑑權方案

作者：陸胤任 背景 在 AI 大爆發的時代，已經有非常多的 AI 助手，結合 RAG 通過智能問答幫助用户解答問題。單純地依靠智能問答幫助客户自助解答是遠遠不夠的，我們需要讓 AI 助手能夠直接調用已有的豐富接口，朝着更強大的智能體演進。我們選用當下最為火熱，且已逐步成為標準的 MCP 作為模型和接口之間通信的傳輸協議。關於 MCP，已有非常多的介紹文章，本文不再贅述

雲計算 , nacos , Higress , 阿里雲 , 雲服務 , 雲原生

收藏 評論

u_16099205 頭像

架構思維大師 - dinky 設置allowNonRestoredState

尼康D5100使用設置及技巧，同樣也適用尼康D5200，希望對新手能有點幫助。 一、設置1．優化校準：可以在menu菜單中找到它，一般使用"標準"就可以，建議將"標準"的鋭度調+3，對比+1，飽和度+1,這樣可以使照片"更鋭"，拍人像時建議鋭度調+4，風景建議鋭度調+7。 2.D-Lighting：關閉，可以在menu菜單中找到它。這個功能

f5 , 雲計算 , 自定義 , 灰度 , 雲原生

收藏 評論

u_16099185 頭像

夢想啓航吧 - paddle拉取鏡像失敗

Orcad 轉至 Pads Logic 1.打開 Orcad，選中工程管理視圖中的 .dsn 另存為 Capture 16.2 Design.DSN 文件（注意修改名字，以免覆蓋原設計） 2.打開 Pads Logic. 文件-導入-DSN文件 3.剛導入後的文件是不完整的，關閉 Pads Logic，再次重新打開剛才生成的

原理圖 , 雲計算 , 雲原生 , 另存為 , Layout , paddle拉取鏡像失敗

收藏 評論

u_13341 頭像

ghpsyn - spring boot + dubbo + zookeeper 搭建及問題解決 - IT浪子技術博客 -

目錄 🎯分佈式理論 🎃分佈式系統 🎃Dubbo框架 🎃單一應用架構 🎃垂直應用架構 🎃分佈式服務架構 🎃流動計算架構 🎯什麼是RPC？ 🎃RPC基本原理 🎯Dubbo 🎃什麼是dubbo？ ✨dubbo基本概念 ✨調用關係説明 🎃window下安裝

dubbo , 雲計算 , zookeeper , 雲原生 , 分佈式

收藏 評論

rainbond 頭像

Rainbond - 使用流水線插件實現持續集成、持續部署

流水線插件 是基於 Rainbond 插件體系 擴展實現，通過插件化的方式，可以實現對 Rainbond 構建體系的擴展。該插件由社區合作伙伴 拓維信息 參與開發並貢獻，底層是基於 GitLab CI/CD 實現。 流水線構建與 Rainbond 源碼構建的區別是： Rainbond 源碼構建：使用簡單，固定的構建模式，用户只需提供源代碼，但不是很靈活。 流水線構建：自定義構建步驟，使用更加

ci-cd , kubernetes , 持續集成 , 雲原生

收藏 評論

u_16099179 頭像

互聯網小墨風 - 代替cost volume 知乎

如果想要對 cookies 乾點什麼就需要 HTTP Cookie 管理器了。 啥是 cookies 呢。儲存在用户本地終端上的數據通常情況下，當用户結束瀏覽器會話 時，系統將終止所有的 Cookie。當 Web 服務器創建了 Cookies 後，只要在其有效期內， 當用户訪問同一個 Web 服務器時，瀏覽器首先要檢查本地的 Cookies，並將其原樣發送 給 Web 服務

服務器 , 雲計算 , 配置文件 , 代替cost volume 知乎 , 雲原生 , Web

收藏 評論

u_16213704 頭像

mob64ca14154457 - gRPC與雲原生應用開發pdf

由於基於Kubernetes的雲原生軟件交付的複雜性和速度的限制，以往互不干涉的開發人員、運營人員和網站可靠性工程師（SRE）之間的合作開始變得至關重要。三者間的合作能夠推動雲原生軟件開發的發展、縮短開發週期，從而實現更快更安全的軟件交付。 本文由三部分組成，主要討論開發人員的職責有哪些變化、運營人員和SRE團隊的影響、以及雲原生開發領域對各角色的

軟件開發 , 雲計算 , gRPC與雲原生應用開發pdf , 開發人員 , 雲原生 , cloud native

收藏 評論

alixitongruanjianjishu 頭像

阿里云云原生 - 告別手動埋點！Android 無侵入式數據採集方案深度解析

作者：路錦（小蘭） Android 應用數據採集背景 在移動應用開發領域，對應用性能（APM）和用户體驗的實時監控至關重要。傳統的監控方案通常要求開發者在代碼中手動添加和初始化 SDK，並在需要監控的業務邏輯處（如網絡請求、頁面跳轉、用户點擊等）手動調用埋點代碼。 這種方式存在諸多痛點： 侵入性強：監控代碼與業務代碼高度耦合，增加了代碼的複雜度和維護成本。 工作量大：對於龐大的應用，手動埋點

Android , 雲原生

收藏 評論

alixitongruanjianjishu 頭像

阿里云云原生 - AI 時代的數據通道：雲消息隊列 Kafka 的演進與實踐

作者：家澤 本文整理自 2025 年雲棲大會阿里雲智能集團產品專家劉堯的主題演講《AI 時代的數據通道：雲消息隊列 Kafka 的演進與實踐》 前言 隨着 AI 業務的蓬勃興起與發展，Apache Kafka 作為數據流的關鍵入口與通道，在企業智能化轉型中的核心價值日益凸顯。非常榮幸能夠在 2025 雲棲大會上，系統性地回顧並分享雲消息隊列 Kafka 版在過去一年所取得的產品技術演進與行業實踐

雲原生 , kafka

收藏 評論

alixitongruanjianjishu 頭像

阿里云云原生 - 移動端性能監控探索：iOS RUM SDK 技術架構與實踐

作者：元泊 前言 作為移動端的研發同學，你是否也曾陷入這樣的困境：用户在應用商店留下了一星差評，抱怨“App 用起來很卡”或者“支付時閃退了”，但無論你在測試環境如何操作，都無法復現問題？面對着從海量日誌中撈出的、可能毫無關聯的信息，以及一個孤立的、缺少上下文的崩潰堆棧，排查問題就像在濃霧中“盲人摸象”，耗費了數天時間，最終卻只能提交一個基於猜測的修復。 為了提升這種低效的排查模式，我們進行了 i

sdk , 雲原生 , ios

收藏 評論

alixitongruanjianjishu 頭像

阿里云云原生 - Qoder 上線提示詞增強功能，將開發者從“提示詞”的負擔中解放出來

在 Agentic Coding 時代，我們常常面臨一個核心痛點：想要獲得頂尖的回答，你必須先提出一個頂尖的問題。對於開發者而言，這意味着需要花費大量精力去構思、打磨給 AI 的“提示詞”。一個模糊的指令，如“幫我寫個函數”，可能會得到一段過於簡單甚至不安全的代碼；而一個詳盡、結構清晰的提示詞，則能直接生成生產環境級別的、考慮周全的解決方案。 如今，這個阻礙開發效率的最後一道壁壘，被 Qoder

阿里雲 , 雲原生

收藏 評論

alixitongruanjianjishu 頭像

阿里云云原生 - Nacos 3.1.0 正式發佈，支持 A2A 註冊中心與 MCP 註冊協議增強

作者：席翁 全新里程碑：Nacos 3.1.0 正式發佈 Nacos 社區正式發佈3.1.0 版本！作為全新的里程碑版本，3.1.0 在A2A（Agent-to-Agent）註冊中心和MCP（Model-Context-Protocol）註冊中心兩大核心能力上實現重大突破，同時修復多項歷史問題並升級關鍵依賴。以下是本次版本的核心亮點： 1.1 全新特性：A2A 註冊中心正式上線 Nacos 3.1

nacos , 阿里雲 , 雲原生

收藏 評論

jiang_5f3236dd7afd1 頭像

Serverless - Serverless 應用引擎 SAE：為傳統應用託底，為 AI 創新加速

本文整理自 2025 雲棲大會， 阿里雲智能集團高級產品專家張鳳婷的演講 在容器技術持續演進與 AI 全面爆發的當下，企業既要穩健託管傳統業務，又要高效落地 AI 創新，如何在複雜的基礎設施與頻繁的版本變化中保持敏捷、穩定與低成本，成了所有技術團隊的共同挑戰。 阿里雲 Serverless 應用引擎（SAE）正是為應對這一時代挑戰而生的破局者，SAE 以“免運維、強穩定、極致降本”為核心，通過一

阿里雲 , 雲原生 , serverless

收藏 評論

alixitongruanjianjishu 頭像

阿里云云原生 - 基於 Spring AI Alibaba + Nacos 的分佈式 Multi-Agent 構建指南

作者：如漫、席翁 AI Agent 的構建模式正在從“單個智能體做所有事”走向“多個專精智能體協作”，以更好地拆解並解決複雜任務、更精準的選取和使用工具。A2A（Agent-to-Agent）協議作為統一的通信層，旨在為跨進程、跨語言的智能體互操作提供標準化語義與傳輸通道，從而解決智能體數量增加引起的運維、管理和部署成本過高等問題。 為了讓開發者能夠高效、便捷的構建分佈式多智能體系統，同時更專注於

微服務 , 開源 , 雲原生

收藏 評論

alixitongruanjianjishu 頭像

阿里云云原生 - Serverless 應用引擎 SAE：為傳統應用託底，為 AI 創新加速

作者：邵丹（營火） 本文整理自 2025 雲棲大會， 阿里雲智能集團高級產品專家張鳳婷的演講 在容器技術持續演進與 AI 全面爆發的當下，企業既要穩健託管傳統業務，又要高效落地 AI 創新，如何在複雜的基礎設施與頻繁的版本變化中保持敏捷、穩定與低成本，成了所有技術團隊的共同挑戰。 阿里雲 Serverless 應用引擎（SAE）正是為應對這一時代挑戰而生的破局者，SAE以“免運維、強穩定、極致降

阿里雲 , 人工智能 , 雲原生 , serverless

收藏 評論

jiang_5f3236dd7afd1 頭像

Serverless - 吉利汽車攜手阿里雲函數計算，打造新一代 AI 座艙推理引擎

作者：蔣忠林，趙劍，謝東；洛浩、周華生 吉利汽車，是中國知名的自主汽車品牌，近年來通過技術創新和產品升級，在國內外市場取得了顯著成績。隨着 AI 浪潮的發展，吉利汽車也在不斷加強智能化的建設，尤其在新一代 AI 座艙的建設上，成為汽車主機廠的核心競爭力之一。當前吉利汽車研究院人工智能團隊承擔了吉利汽車座艙 AI 智能化的方案建設，在和阿里雲的合作中，基於星睿智算中心2.0的23.5EFLOPS強大

阿里雲 , 人工智能 , 雲原生 , serverless

收藏 評論

jiang_5f3236dd7afd1 頭像

Serverless - 揭秘 MCP Streamable HTTP 協議親和性的技術內幕

作者：葉浩田 背景 傳統的 Serverless 平台一般都是面向無狀態應用的，通過將請求分發到不同的可以自動擴展的函數實例，從而為應用提供極致的彈性、按量付費等能力。然而，針對存在會話概念的應用，傳統的 Serverless 平台就不能夠在後端有多個副本的情況下，將屬於某個會話的請求轉發到服務該會話的函數實例，從而該類應用無法在不引入外部存儲同步會話狀態的情況下運行在 Serverless 平台

阿里雲 , 雲原生 , serverless

收藏 評論

jiang_5f3236dd7afd1 頭像

Serverless - ModelScope 模型一鍵上線？FunModel 讓你 5 分鐘從零到生產

下一個AI爆款應用，或許就從您點擊"立即部署"的那一刻開始！ 一、前言：AI 浪潮下的模型訴求 在當今這個全民 AI 的時代，快速入門 AI，趕上時代的浪潮，成為了大家當下最熱切的追求和期盼。於是，模型作為 AI 場景的載體，隨着 AI 技術的不斷髮展，在持續的，如雨後春筍般出現在大家的視野中，可謂是種類繁雜，功能齊全，從不同方面滿足大家對 AI 的需求。例如在 AI 聊天場景，就有很多大語

阿里雲 , 雲原生 , serverless

收藏 評論

alixitongruanjianjishu 頭像

阿里云云原生 - 低至 1% 性能損耗：阿里雲 ARMS 配置模板如何實現精準可控的 JMX 數據採集

作者：陳承 傳統 Application Performance Monitoring（APM）體系通過框架級插樁（Instrumentation）與後台服務，實現對應用 Trace、Metric、Log 及 Profiling 數據的全量採集。此類方案基於專家經驗設計，以高密度數據覆蓋確保故障現場信息的完整性，為根因定位提供多維度數據支撐。然而在成本敏感、資源受限、性能及穩定性要求極高等場景中，

阿里雲 , 雲原生

收藏 評論

jiang_5f3236dd7afd1 頭像

Serverless - 算力成本降低 33%，與光同塵用 Serverless AI 賦能影視商業內容生產

作者：趙世振、鄭健源、陳濤、孔德慧 一、十年積澱，AI破局：與光同塵的轉型之路 與光同塵成立於2015年，最初是一家專注於品牌商業廣告製作的傳統影視公司，服務客户包括阿里巴巴等頭部品牌。在AI技術尚未普及的年代，公司依賴“實拍+後期”兩種模式完成影像內容生產，一個百萬級項目動輒耗時2-3個月，70%以上的成本用於拍攝與製作，利潤率僅10%出頭。 轉折點出現在2023年。公司CEO陳發靈帶領團隊開始

阿里雲 , 雲原生 , serverless

收藏 評論