出现这种情况的话，能源的问题也解决了，因为推理是可以分布式的。⽽且它不违背定律，本质还是 个能源守恒。只不过我把计算范式改变了，让能源能够以分布式的⽅式解决。 超级应⽤：模型的微调可能最终不存在
海外独⻆兽：Google
和抖⾳背后的搜索和推荐有很强的⻜轮效应，算法能根据⽤⼾的⾏为实时反 馈，⽤⼾体验也能不断提升。LLM
现在⽆法实时反馈⽤⼾⾏为，AI-Native
产品的⻜轮效应会是什 么？ 杨植麟：我深⼊思考过这个问 获得⾼度个性化 的互动体验。今天对许多产品来说，这个个性化程度⼏乎为零。以前我们只能做个性化的推荐，但现 在，⽤⼾可以与产品进⾏互动。这种互动是⾼度拟⼈化和个性化的。怎么实现这⼀点？ 我觉得这背后实际上是个技术问题。传统
AI
时代，要实现个性化，需要持续更新模型，⽤⼩模型解决 单点问题。⼤模型时代，实现个性化的⼀种⽅式是微调，但我认为微调可能不是本质的⽅法，⻓期来 看可能不会存在模型的 AGI
会是⼀场千亿美元豪赌，你思考过 它最终对⼈类社会的影响吗？ 杨植麟：相对确定的⼀点是实打实的⽣产⼒提升。现在⽤⼀个软件，其实对应
1000
个程序员的智能， 是固定的，以后我们⽤的应⽤背后可能对应
100
万个⼈的智能，⽽且每天都在迭代。
看可能性的话，今天的⼀切都会变化。这么多语⾔被训练到⼀起，对⽂化、价值观都有影响。⼈的时 间分配可能也会产⽣很多变化，真正为了钱⼯作的⼈可能会变少，更多时间可能花在精神世界⾥⾯，

后续官方确认故障原因与某个底层服务组件有关。在历时约 5 个小时 后，阿里云宣布受影响云产品均已恢复。 特邀评论员——冯若航，Pigsty 作者/磐吉云数创始人 根据海恩法则，一次严重故障的背后有几十次轻微事故，几百起未遂先兆，以及 上千条事故隐患。 去年十二月阿里云香港机房的大故障已经暴露出来许多问题，然而一年后又给了 用户一个更大的惊喜（吓！）。这样的事故对于阿里云的品牌形象绝对是致命打 用程序、未明确禁止或列为高风险的应用程序” 三个风险类别，并根据相 应的风险等级制度来监管 AI 应用程序、产品和服务。 三位艺术家对 Stability AI（Stable Diffusion 背后的开发商）提起了诉讼， 指控 Stability AI 直接、间接侵犯版权、违反 DMCA 和不正当竞争等。 他们认为 Stability AI 在「未经原艺术家同意」的情况下，从网络上收集 了数十亿张图片用于进行 2 季度登陆 Steam 平 台。但在 5 月，团队表示收到了来自任天堂的警告，宣布无限期推迟上架 到 Steam 版本的计划。 7 月，Dolphin 确认彻底放弃上架 Steam 平台。 事情背后的具体经过为：当得知 Dolphin 要上架 Steam 后，Valve 法务 部门联系了任天堂询问相关信息；得到的回应是，按 DMCA 规定 Valve 需 要阻止该模拟器登陆 Steam。 因此

全生命周期API管理-1 服务是从内研发视角来看的，但是对于外部消费者只想找到并集成API而已，并不想了解API背后的运维细节或者需要协调运维能力！API成了一 种可以交易的商品，可以购买增强自己APP的能力，比如在自己APP里显示天气预报数据，从外部去管理应用平台，形成了一种新PaaS组织方式。 • 逻辑API：已有API的组 碎片化，比如，硬件环境、网 络环境、运维规范等的碎片化。 尤其是运维方面的差异化，必 然导致私有Paas的出现！ • 虽然服务网格、虚拟化等正在 努力解决交付困难的问题，但 是依然对除RT外的环境依赖碎 片化无能为力。 • 背后的原因在于特定环境依赖或者运维规范问题渗透到了PaaS本身， 或者大家常说的定制化场景，如果不进行解耦就会有长期存在的矛盾。 • 为了应付定制化，客户需要等待平台研发的排期，因为平台研发需要定制 比如要使用AWS的块存储 后续如果某个应用需要存储，可以直接引用。 而不需要关心底层到底是如何管理存储的。 OAM让应用本身从研发 的视角来声明“我是谁”、 “我要使用什么样的云 服务”，至于背后的实 现交个各个开源项目和 厂商去实现，譬如： kubevela。 OAM实现原理分析 • OAM是更高级的抽象， 执行面打包都是通用 格式，比如HELM，很 好的兼容了现有的基 础设施，无论怎样的

每条监控都会根据过去的业务曲线计算出一条基线（见下图），用来跟当前数据做对比，超出设定的阈值 后就会触发告警。 监控曲线图 大众点评账号业务高可用进阶之路 - 美团技术团队 每次收到告警，我们都要去找出背后的原因，如果是流量涨了，是有活动了还是被刷了？如果流量跌了， 是日志延时了还是服务出问题了？另外值得重视的是告警的频次，如果告警太多就会稀释大家的警惕性。 我们曾经踩过一次坑，因为告警太多就把告  美团即时物流的分布式系统架构设计 - 美团技术团队 履约过程中的辅助决策，包括智能语音、路径推荐、到店提醒等。 在一系列服务背后，是美团强大的技术体系的支持，并由此沉淀出的配送业务架构体系，基于架构构建的 平台、算法、系统和服务。庞大的物流系统背后离不开分布式系统架构的支撑，而且这个架构更要保证高 可用和高并发。 分布式架构，是相对于集中式架构而言的一种架构体系。分布式架构适用CAP理论（Consistency 的个性化、智能化信息展示的需求。而信息展示个性化的典型应用主要包括搜索列表、推荐列表、广告展 示等等。 很多人不知道的是，看似简单的个性化信息展示背后，涉及大量的数据、算法以及工程架构技术，这些足 以让大部分互联网公司望而却步。究其根本原因，个性化信息展示背后的技术是排序学习问题（Learning to Rank）。市面上大部分关于排序学习的文章，要么偏算法、要么偏工程。虽然算法方面有一些系统性

容器集群 集群 伦敦 Serverless集群 自动安全扫描 镜像签名 全球自动分发 智能构建 上海 边缘集群 ECS ECI 应用定义 ACR 镜像服务 镜像快照两个数字背后的故事 19分23秒 36%观测与预测全链路监控+高性能如何应对 … 流量增长 3倍嗯，还有用户体验 https://marketersmedia.com/global-user-experience-market- opportunities-to-2025-industry-analysis-key-players-regional- outlook-and-forecast-study/492024云边端一体化协同双十一直播的背后 50% 5倍在线与离线 异构计算能力 ECS, EBM, GPU, FPGA, ECI 高性能网络 VPC, ENI, RDMA, SLB, DNS Public Cloud Edge

。 其他消息中间件 RabbitMQ是AMQP规范的参考实现，AMQP是一个线路层协议，面面俱到，很系统，也稍显复杂。 前RabbitMQ已经成为OpenStack Iaas平台首选的消息服务，其背后的支持力度不言而喻。 ActiveMQ最初主要的开发者在LogicBlaze，现在主要开发红帽，是JMS规范的参考实现，也是Apach 旗下的老牌消息服务引擎。JMS虽说是一个API级别的协议，但其内部还是定义了一些实现约束，不 包括 HornetMQ演变而来的Artemis，基于Scala号称下一代AMQ的Apollo等。 而Kafka最初被设计用来做日志处理，是一个不折不扣的大数据通道，追求高吞吐，存在丢消息的可 。其背后的研发团队也围绕着Kafka进行了商业包装，目前在一些中小型公司被广泛使用。 下表是一目了然的快速参考，可快速发现RocketMQ及其最受欢迎的替代产品之间的差异。 Messaging Product

不绑定基础设施 • 服务可视化 • 高性能，轻量 • 尽最大可能插件化各功能模块 • 透明的产品体验：整合容器平台，微服务引擎，API 网关，指标监控，日志审计等云上服务，封装为微服 务平台，让用户感知不到背后的复杂 Website: http://servicecomb.incubator.apache.org/ Gitter: https://gitter.im/ServiceCombUsers/Lobby 微服务健康 • mesher版本 • 路由信息 • Prometheus格式Metric数据 6/30/2018 透明的平台体验 • 部署容器应用时只需勾选以启用Mesher 6/30/2018 背后发生了什么？ • 为应用容器设置环境变量http_proxy • 为mesher设置CSE地址（注册中心， 配置中心） • 为mesher对接APM 日志收集 • 为mesher对接APM metrics收集

Present, and Future. InfoQ 2. Apache RocketMQ背后的设计思路与最佳实践. 云栖社区 3. 专访RocketMQ联合创始人：项目思路、技术细节和未来规划. InfoQ 4. 万亿级数据洪峰下的分布式消息引擎. 电子书节选章节 5. 捐赠Apache背后那些鲜为人知的故事. 中间件博客节选 © 2 0 1 7 A l i b a b a M

境中应用 云原生对业务的支撑实例(数据来源于阿里云) 4982亿，2020年天猫双11再创消费新纪录。58.3万笔/秒，双11交易峰值再创新高，阿里云又一次扛住全球最大规模流量洪峰。这一切背后支撑的 “技术引擎”又是如何为近十亿全球购物者的狂欢提供着“无感知护航”？ 近日，在阿里巴巴双11技术沟通会上，阿里云研究员、阿里云云原生应用平台负责人丁宇表示，今年双11实现了核心系统全面云原生化的重大技术 同环境(不同类型容 器或者虚拟机)打通 了网络基础设施， 在此基础上定制化 了不同的数据面代 理，并进一步通过 K8S的资源抽象能力 可以纳管多云形态 的资源层，形成了 一个基于云原生理 念的大一统服务网 格架构。 背后的逻辑是：降低软件交付的难度，让企业轻松上云和保持业务连续性，在技术上向统一化的PAAS的迈进。 但是，目前无论是多运行时还是ASM想做的事情依然在这个道路上困难重重，想向完全自动化低成本交付的方向去