学汉语、来云栖、海外布道阿里云……这位印度架构师不一般
“当时因为工作需要，开始寻找用于运行机器学习、性价比比较高的云产品。在这个过程中，我偶然发现了阿里云。”从使用产品开始，Sai与阿里云开始结缘。随着产品使用的深入和与阿里云团队交流的增多，Sai已经不仅仅是一个用户，而变成了阿里云技术和产品的讲解者、传播者。
相关分享
1
喜欢
cr
crossoverjie.top
/
2024-08-06 08:05
OpenTelemetry 实践指南：历史、架构与基本概念
本文介绍了OpenTelemetry的历史、架构和基本概念。OpenTelemetry是一个用于统一日志、指标和链路追踪的开源项目，旨在简化可观测性技术栈的复杂性。文章详细介绍了OpenTelemetry的三个核心组件：客户端、OTel Collector和数据存储。通过标准化协议，OpenTelemetry实现了与多种后端系统的兼容，为开发者提供了一种灵活且可扩展的可观测性解决方案。
无图
1
喜欢
te
tech.meituan.com
/
2024-03-21 22:53
美团大规模KV存储挑战与架构实践
KV 存储作为美团一项重要的在线存储服务，承载了在线服务每天万亿级的请求量，并且保持着 99.995% 的服务可用性。在 DataFunSummit 2023 数据基础架构峰会上，我们分享了《美团大规模 KV 存储挑战与架构实践》，本文为演讲内容的整理。文章主要分为四个部分：第一部分介绍了美团 KV 存储发展历程；第二部分分享了内存 KV Squirrel 挑战和架构实践；第三部分阐述了持久化 KV Cellar 挑战和架构实践；最后一部分介绍了未来的发展规划。希望这些内容对大家有所帮助或启发。
无图
1
喜欢
bl
blog.alswl.com
/
2023-07-30 17:40
架构设计 the Easy Way
前几日，我在团队内部举行了一场技术分享，我介绍了关于架构设计的最佳实践。将这些实践凝练成了 20 字口诀：架构看问题、需求看用例、设计看模型、细节看时序。
我将顺口溜转到了 Twitter，不少朋友对这些顺口溜产生了浓厚兴趣，希望深入了解。因此，我将我分享中的观点扩展成了这篇文章。
无图
1
喜欢
in
insights.thoughtworks.cn
/
2023-07-27 12:17
什么是多运行时架构？
随着微服务架构在大规模组织中成熟落地，服务化体系规模的不断扩张也带来了一些典型问题：服务如何有效治理和接入？团队如何高效协作？本文介绍了多运行时架构解决上述问题的思路，并通过几种开源方案探讨了在实现中遇到的挑战，最后提出了对演进的设想及展望。本文介绍了多运行时架构的概念以及一些实现方案，并讨论了目前的实现中存在的限制与挑战，最后设想了一种未来可能的架构形态。
无图
1
喜欢
li
linux.cn
/
2023-07-23 12:20
云服务架构完全指南
经过大约 16 年的演变，云计算已经成为一种几乎所有网民都在使用的技术。它可以作为一种服务，用于满足各类企业和消费者的需求。因此，在云计算中正在使用多种服务架构，旨在根据最新的需求来定制所需技术。本文就如今使用的所有服务架构，提供一份完全指南。
无图
1
喜欢
te
tech.meituan.com
/
2023-02-12 14:37
美团视觉GPU推理服务部署架构优化实践
面对在线推理服务使用的GPU资源不断增加、GPU利用率普遍较低的挑战，美团视觉研发团队决定通过模型结构拆分和微服务化进行优化，他们提出一种通用高效的部署架构，来解决这种常见的性能瓶颈问题。以“图像检测+分类”服务为例，优化后的服务压测性能指标GPU利用率由40%提升至100%，QPS也提升超过3倍。本文将会重点介绍推理服务部署架构优化的工程实践，希望对大家能有所帮助或启发。
无图
1
喜欢
in
insights.thoughtworks.cn
/
2022-12-21 09:56
单体优先的微服务架构
你不应该在新项目之初就采用微服务架构，即使你坚信该应用未来会因业务演进而变得巨大无比。
无图
1
喜欢
in
insights.thoughtworks.cn
/
2022-11-29 10:39
专访企业架构学者Svyatoslav Kotusev
在企业架构领域，Svyatoslav Kotusev是一位很特别的国际学者，他多年从事企业架构的研究，不趋同，有着非常鲜明而独到的见解。让我们看看他是如何阐述为什么学、怎么学、如何应用企业架构的，应该会对您有所帮助（或许会改变您的认知）。
无图
2
喜欢
无图
1
喜欢
te
tech.meituan.com
/
2022-09-13 23:28
GraphQL及元数据驱动架构在后端BFF中的实践
GraphQL是Facebook提出的一种数据查询语言，核心特性是数据聚合和按需索取，目前被广泛应用于前后端之间，解决客户端灵活使用数据问题。本文介绍的是GraphQL的另一种实践，我们将GraphQL下沉至后端BFF层之下，结合元数据技术，实现数据和加工逻辑的按需查询和执行。这样不仅解决了后端BFF层灵活使用数据的问题，这些字段加工逻辑还可以直接复用，大幅度提升了研发的效率。本文介绍的实践方案已经在美团部分业务场景中落地，并取得不错效果，希望这些经验能够对大家有帮助。
无图