...出现异常等等。 为了让大交通下的各业务线都能够通过报警尽早发现问题、解决问题，进而提升业务系统的服务质量，我们决定构建统一的监控报警系统。一方面在第一时间发现已经出现的系统异常，及时解决；另一方面尽早...
...己的经验设置的，之所以设置这个阈值是为了更好的得知服务器的运行状况，当超过这个数了，我们应当检测其原因，如果是程序代码造成的问题就需要对症下药，如果是环境问题或者流量确实达到这个阈值，我们就需要去考虑...
...所有业务和线上服务都是基于Node，生产环境已经有近20台服务器。如此带来的全新前后端协作方式能够让专业的人做专业的事，无论前端后端都能较之前更专注在自己擅长的方面。 开发模式、技术栈 传统的开发模式只需要专...
...机无显示CPU以及显卡可以正常工作，这时候断开电源，将内存条取下来，假如安装的是两个内存条，可以先将一根内存条取下，并且利用一根内存条内存以及内存插槽进行故障排除，并且使用同样的方法排除另外一个内存，还有...
...设计，使得发送速率和接收速率保持平衡，而不至于引起服务器堆积大量消息，进而引发流控。通过增加服务器集群节点，增加消费者，来避免流控发生，治标不治本，而且成本高。 服务器单节点，单网卡全双工情况下，测试...
...到底怎么样，所以要发现代码问题，APM一定要上。 问：服务器上jvm堆外内存是怎么监控的？答：目前堆外内存并没有监控，因为我们运维人少事情多，简单粗暴能处理掉问题就行了。 问：如果服务器jvm堆内存很稳定，可是内存...
...术，提高硬件的响应时间，进一步提高用户的体验。 报警控制 对于部分电子设备来讲，会拥有自动报警的设置，报警控制也是单片机技术经常使用的领域，主要体现在以下几个方面：第一，对于一些自动报警装置来讲，例如...
...现已经快有 7000W 的数据了。同时经过运维得知 MySQL 那台服务器的 IO 压力也比较大。 所以这个原因也比较明显了： 由于每消费一条数据都要去查询一次数据库，MySQL 本身压力就比较大，加上数据量也很高所以导致这个 IO 响应较...
...大。 案例一：某日收到哨兵报警，内存使用率100%，上服务器分析发现Java堆的eden区，survivor区，tenured区 全部堆满，接口服务处于将近瘫痪的状态，迅速dump文件后用mat分析发现队列里面塞满了对象，但是项目代码里面没有明显...
...肉眼，用大脑，结合各个业务集群里的日志，结合 Nagios 报警短信，理出来一个因果证据链。 你可能需要打开几百个监控页面，你还需要精通业务集群的分组、调用关系和IP（那时候还没有 Docker 容器，都是虚拟机）。 这也就是...
...系统挂了，对客户的系统会造成比较大的影响，如果某台服务器挂掉，导致服务不可用或不稳定，这种情况客户也是不可接受的。是否有完善的灾备和紧急备选方案，保证在各种异常情况下，整个系统都可持续使用，这是另一个...
...字段值单调性监测等，除此之外还包括但不限于kmon无效报警、冒烟case录入情况、引擎降级配置、内存相关配置、推荐行列数配置以及切换时最小服务行比例等检测。 hawkeye-experience工程的定位是做一个引擎诊断规则中台，将平时...
ChatGPT和Sora等AI大模型应用，将AI大模型和算力需求的热度不断带上新的台阶。哪里可以获得...
大模型的训练用4090是不合适的，但推理（inference/serving）用4090不能说合适，...
图示为GPU性能排行榜，我们可以看到所有GPU的原始相关性能图表。同时根据训练、推理能力由高到低做了...
刘玉平
刘厚水
王伟廷
罗志环
ernest
邹立鹏
