归档: 2023/10 | weflowly

2023

10

27

团队最近的一个项目需要在边缘节点上进行实时用户意图预测，这是一个典型的 ML 应用场景。传统的做法是部署一个独立的、通常是基于 Python 的模型服务，并连接到一个中心化的 Feature Store。但在我们这个场景下，整个业务栈是构建

2023-10-27 后端架构

Babel Vercel Functions GraphQL Feature Store

27

我们的项目迁移到 Monorepo 架构后面临的第一个、也是最尖锐的痛点，就是 CI/CD 流水线的执行效率。最初的 Jenkinsfile 简单粗暴，任何一次提交，无论改动的是 Elixir 后端的某个 Phoenix Context，还

2023-10-27 DevOps

Elixir Jenkins Angular Apollo Client CI/CD Monorepo

27

数据仓库里的一条脏数据，反向追溯其ETL链路花了我们整整两天。问题出在一个由多个AWS Lambda函数组成的Serverless数据管道上，每个函数处理一个阶段：验证、扩充、加载。当数据量达到每日千万级别时，通过CloudWatch Lo

2023-10-27 可观测性

Python Data Warehouse SkyWalking Serverless OpenTelemetry

27

一个常见的需求是为下游的风控或推荐系统提供实时的用户行为特征，例如“用户过去5分钟内的点击速率”、“交易金额的滚动标准差”等。当核心业务系统由Spring Boot构建，而特征计算的复杂算法模型由数据科学团队使用Python的SciPy库维

2023-10-27 数据工程

Ruby Kafka Spring Boot SciPy 架构设计

27

通用型WAF（Web Application Firewall）规则，例如允许所有对 /api/* 的请求，在现代前端应用中正变得越来越力不从心。前端迭代速度极快，API端点频繁增删，手动维护精确的WAF白名单规则不仅繁琐，而且极易出错。一

2023-10-27 DevSecOps

WAF esbuild 容器编排 Redis Frontend

27

推荐服务对P99响应延迟的要求被压缩到了20ms以内，但链路分析显示，对远程集中式缓存（如Redis Cluster）的单次用户特征拉取，网络开销加上服务端处理，平均耗时就在5-10ms之间，高峰期网络抖动更是直接冲击服务SLA。这种架构下

2023-10-27 后端架构

LevelDB Tornado 推荐系统 Loki 实时特征存储