weflowly
本站致力于IT相关技术的分享
为Elixir与Angular混合型Monorepo构建增量式Jenkins CI/CD流水线 为Elixir与Angular混合型Monorepo构建增量式Jenkins CI/CD流水线
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
构建基于 Serverless 与 Python 的可观测数据仓库ETL管道：SkyWalking 与 OpenTelemetry 集成实践 构建基于 Serverless 与 Python 的可观测数据仓库ETL管道：SkyWalking 与 OpenTelemetry 集成实践
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
基于Tornado与LevelDB构建低延迟推荐系统实时特征节点及Loki可观测性实践 基于Tornado与LevelDB构建低延迟推荐系统实时特征节点及Loki可观测性实践
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
Tornado 推荐系统 Loki LevelDB 实时特征存储
整合 Spring Boot Kafka 与 SciPy 构建异构实时特征计算架构 整合 Spring Boot Kafka 与 SciPy 构建异构实时特征计算架构
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
构建后端驱动的动态UI渲染引擎 Java定义结构与Chakra UI实现渲染 构建后端驱动的动态UI渲染引擎 Java定义结构与Chakra UI实现渲染
运营和产品团队最常提的需求之一，就是希望能“动态调整”页面布局。今天想在首页加一个营销卡片，明天想把A/B测试的两个区块对调一下。如果每次这种变更都需要前端走完整的开发、测试、发版流程，响应速度根本无法满足业务需求。这个痛点催生了一个长期的
2023-10-27 全栈架构
架构设计 Java Chakra UI JavaScript Sass/SCSS
使用 C#、Redis Streams 和 Datadog 构建可观测的 LLM 推理任务管道 使用 C#、Redis Streams 和 Datadog 构建可观测的 LLM 推理任务管道
一个看似简单的同步 LLM 调用是许多生产事故的开端。 // 这是最直接的方式，也是最脆弱的方式。 [ApiController] [Route("api/generate")] public class GenerationControl
2023-10-27 后端架构
LLM C# Redis Streams Datadog 可观测性 微服务
2 / 5