作为一个拥有约 150 用户，日均总观时达到 8 个小时的 Jellyfin 服务器运营者，在跟 Jellyfin 服务器打了一年多的交道之后，我意识到 Jellyfin 服务器能够让这么多人顺场地使用，还是对性能有所依赖的. 目前我的服务器通过 docker 跑在一台 N6005 的 NAS 上，和存储服务丢在一起.

本文是我在 2021 GIAC 上的一次分享. 《Hints for Microservice design》的精简过后的讲稿. 本次分享的内容主要是关于业务架构的讨论，业务架构不像技术架构一样有明确的好坏衡量标准，例如评价数据库的技术架构好不好，就可以在限定的资源限制下去 benchmark 进行评判，但是业务架构不能 benchmark.

回想起来我折腾博客和各类网站已将近 10 年光阴，在维护 0xFFFF 的几年来，也尝试过各类不同的建站方案. 当前用到的各类服务，综合速度和成本而言，感觉可能的选择方向差不多已经成型，可以做一个总结. 若你也想低成本搭建属于自己的网站，且想拥有不俗的访问速度，这里的方案也许可以是你的一个参考.

一般早期架构是 一体化架构（Monolithic Architecture），简单来说就是所有的业务都在一个后台服务来承载. 例如，一个Java web应用运行在Tomcat之类web容器上，仅包含单个WAR文件；一个Rails应用使用Phusion Passenger部署在Apache/Nginx上，或者使用JRuby部署在Tomcat上，它们都仅包含单个目录结构.

在上一篇 k8s-服务网格实战-入门Istio中分享了如何安装部署 Istio，同时可以利用 Istio 实现 gRPC 的负载均衡. 今天我们更进一步，深入了解使用 Istio 的功能. 从 Istio 的流量模型中可以看出：Istio 支持管理集群的出入口请求（gateway），同时也支持管理集群内的 mesh 流量，也就是集群内服务之间的请求.

量子位 | 公众号 QbitAI. 中国何时会有一个大模型，能以极强的泛化能力，创建各种智能体、成为人类真正的助手. 在各大科技公司卷了半年的生成式AI热潮趋于冷静期的当下，这是一个极其值得思考的问题. 很多人会说，目前可能只有被称为业界标杆的GPT-4才能胜任，甚至对它加以“唯一”这样的头衔. 而与此同时，着眼于国内，即使这半年来各个大模型玩家争先恐后抢着落地，但“需要两到三年才能追赶GPT-4”的声音也是甚上尘嚣.

作者：David Hadas (IBM Research Labs). 译者：Wilson Wu (DaoCloud). 本文对 DevOps 产生的错误安全意识做出提醒. 开发和配置微服务时遵循安全最佳实践并不能让微服务不易被攻击. 本文说明，即使所有已部署的微服务都容易被攻击，但仍然可以采取很多措施来确保微服务不被利用.

​由于其可扩展性、灵活性和敏捷性，微服务架构已经变得越来越受欢迎. 然而，随着这种架构的分布和复杂性增加，确保强大的安全措施变得至关重要. 微服务的安全性超越了传统的方法，需要采用全面的策略来保护免受不断演变的威胁和漏洞的影响. 通过理解核心原则并采取有效的安全措施，组织可以加强其微服务架构，并保护敏感数据和资源.

做开发的同学都知道日志的重要性，日志的种类一般有接口日志、错误日志、关键步骤日志、用户操作日志等. 本文主要详细讲解使用kubernetes容器化部署的服务该如何记录和收集日志. 将想要记录的日志内容输出到stdout或stderr即可（DockerEngine本身具有LogDriver 功能，可通过配置不同的LogDriver将容器的stdout通过DockerEngine写入到日志系统），由DockerEngine将日志写入到日志系统.

​微服务架构项目落地过程中，开发人员一般都遇到过调用超时问题，大部分时候会出现在feign接口调用上，这是微服务与单体服务最大的区别，单体从来不用考虑服务之间调用因为网络、序列化等因素导致的额外时间损耗问题. 很多开发人员在微服务开发中通常会随手设置一个较长超时，原则就是别在feign接口调用超时，这个随手的超时时间可能是5分钟、10分钟，甚至1个小时不等，看似解决超时导致的问题，实际如果没有从整体微服务架构来考虑超时背后的因素，这样会导致给整个链路调用埋下隐患，可能会随机或者在高并发等情况下爆发.

为了在提供上述能力的前提下经受住流量、存储、容灾三大压力，点赞目前的系统实现方式如下：. 整个点赞服务的系统可以分为五个部分. 流量路由层（决定流量应该去往哪个机房）. 业务网关层（统一鉴权、反黑灰产等统一流量筛选）. 点赞服务（thumbup-service）,提供统一的RPC接口. 点赞异步任务（thumbup-job）.

不知道你有没有这样的经历，线上的系统突然来了很大的流量，有可能是黑客的攻击，也有可能是业务量远远大于你的预估，如果你的系统没有做任何的防护措施，这时候系统负载过高，系统资源慢慢耗尽，接口响应越来越慢，直至不可用，这又导致了调用你接口的上游系统发生资源耗尽的情况，最终导致系统雪崩. 想想就知道，这是一个灾难性的后果，那么有什么方法呢.

在微服务架构中，需要调用很多服务才能完成一项功能. 服务之间如何互相调用就变成微服务架构中的一个关键问题. 服务调用有两种方式，一种是RPC方式，另一种是事件驱动（Event-driven）方式，也就是发消息方式. 消息方式是松耦合方式，比紧耦合的RPC方式要优越，但RPC方式如果用在适合的场景也有它的一席之地.

在后端开发过程中，我们绕不开的就是数据结构设计以及关联的问题. 然而在传统的单体架构的开发中，解决数据关联的问题并不难，通过关系型数据库中的关联查询功能，以及MyBatis的级联功能即可实现. 但是在分布式微服务中， 整个系统都被拆分成了一个个单独的模块，每个模块也都是使用的单独的数据库. 这种情况下，又如何解决不同模块之间数据关联问题呢.

作为一个后端研发人员，开发服务接口是我正常不过的工作了，这些接口不管是面向前端HTTP或者是供其他服务RPC远程调用的，都绕不开一个共同的话题就是“高可用”，接口开发往往看似简单，但保证高可用这块实现起来却不并没有想想的那么容易，接下来我们就看一下，一个高可用的接口是该考虑哪些内容，同时文中有不足的欢迎批评指正.

联合作者：罗泽轩，API7.ai 技术专家、Apache APISIX PMC 成员. 联合作者：赵士瑞，API7.ai 技术工程师，Apache APISIX Committer. 身份认证是授予用户访问系统并授予使用系统的必要权限的过程. 而提供了这一功能的服务，就是身份认证服务. 在传统的单体软件应用程序中，所有这些都发生在同一个应用程序中.

服务端性能优化--最大QPS推算及验证. 影响QPS（即吞吐量）的因素有哪些. 每个开发都有自己看法，一直以为众说纷纭，例如：. QPS主要受编程模型的影响，比如不是coroutine、是不是NIO、有没有阻塞. QPS主要由业务逻辑决定，业务逻辑越复杂，QPS越低. QPS受数据结构和算法的影响.

本文正在参加 「金石计划. hello，大家好，我是张张，「架构精进之路」公号作者. 在日常工作中的一些技术设计方案评审会上，经常会有人提到注意服务接口的幂等性问题，最近就有个组内同学就跑到跟前问我，幂等性到底是个啥. 在目前分布式/微服务化的今天，提供的服务能力丰富多样，基于 HTTP 协议的 Web API 是时下最为流行的一种分布式服务提供方式，对于服务的幂等性保障尤为重要.

我们来自字节跳动飞书商业应用研发部(Lark Business Applications)，目前我们在北京、深圳、上海、武汉、杭州、成都、广州、三亚都设立了办公区域. 我们关注的产品领域主要在企业经验管理软件上，包括飞书 OKR、飞书绩效、飞书招聘、飞书人事等 HCM 领域系统，也包括飞书审批、OA、法务、财务、采购、差旅与报销等系统.

本文将以 Kubernetes Ingress、Istio 和 Envoy Gateway 为例，向你介绍 Kubernetes 中的入口网关和 Gateway API，同时介绍 Gateway API 使得 Kubernetes 和服务网格入口网关融合的新趋势. Ingress 作为 Kubernetes 的初代入口网关，它的资源模型过于简单以致于无法适应当今的可编程网络；.

　　知识库是企业经营过程中的面向客户和内部员工的知识沉淀文档库，里面包含各类教程、问答、案例等，知识库的检索匹配是自然语言处理(NLP)中一个重要的基础问题，本质是进行文本语义的相似度计算，也就是语义匹配，我们很多领域的任务都可以抽象为文本匹配检索任务，例如检索引擎、智能客服、知识检索、信息推荐等领域.

在 Kubernetes 中运行无服务器函数时，实现更快的启动速度和更小的内存占用. 由于运行上千个应用程序容器荚Pod所耗费的资源多，令它实现较少工作节点和资源占用所需成本也较高，所以在使用  Kubernetes 时，快速启动和较少的内存占用是至关重要的. 在 Kubernetes 平台运行容器化微服务时，内存占用是比吞吐量更重要的考量因素，这是因为：.

在微服务架构中，需要调用很多服务才能完成一项功能. 服务之间如何互相调用就变成微服务架构中的一个关键问题. 服务调用有两种方式，一种是RPC方式，另一种是事件驱动（Event-driven）方式，也就是发消息方式. 消息方式是松耦合方式，比紧耦合的RPC方式要优越，但RPC方式如果用在适合的场景也有它的一席之地..

大家好，我是Laffery，本文同步发表在我的个人博客「 Kuqiochi | 谈谈服务端渲染「SSR」」. SSR（服务端渲染，Server Side Render），顾名思义就是在服务端渲染出页面. 与之相对应的是CSR（客户端渲染，Client Side Render），即在浏览器上渲染完整的页面.

Update: 在排查 Cloudflare 缓存命中率低的问题时，发现没有一台 Server 实在是不方便. 比如想看下哪些请求透过了 CF，直接到了源站，如果内容 deploy 在 Vercel 上，就看不到这些请求日志. 所以虽然 Vercel 很方便，用起来也很舒服，但一些能力上的缺失在某些场景下还是挺难受的，因此还是转向了 VPS（Vultr） + Cloudflare 的传统配搭.

当业务依赖软件质量和速度来生存时，这种平衡就更难维持了. 许多公司都面临着持续快速交付高质量软件的挑战，这些软件通过 质量工程限制生命周期. Airbnb 在加速和扩展其价值主张的过程中面临着众多挑战，尤其是其信息系统的发展过程. 本文分享了 Airbnb 在质量工程方面的架构迭代之旅，并附有实用要点.

最近 eBPF 技术在云原生社区中持续火热，在我翻译了《 什么是 eBPF 》之后，当阅读“云原生环境中的 eBPF”之后就一直在思考 eBPF 在云原生环境中究竟处于什么地位，发挥什么样的作用. 当时我评论说“eBPF 开启了上帝视角，可以看到主机上所有的活动，而 sidecar 只能观测到 pod 内的活动，只要搞好进程隔离，基于 eBPF 的 proxy per-node 才是最佳选择”，再看到 William Morgan 的 这篇文章.

ebpf是一种创新的革命性技术，它能在内核中运行沙箱程序， 而无需修改内核源码或者加载内核模块. 将 Linux 内核变成可编程之后，就能基于现有的（而非增加新的）抽象层来打造更加智能、 功能更加丰富的基础设施软件，而不会增加系统的复杂度，也不会牺牲执行效率和安全性. BPF的第一个版本在1994年问世.

之前在写 面试常客：HTTP 缓存时，曾经就强缓存和协商缓存写过两个demo，但缓存要在服务端做，只能贴上代码，不能在网页上感受（虽然我贴了gif）. 笔者的所有 demo 例子都放在 github page 上，其特点是不需要服务器即可部署静态资源，但它不具备部署服务端应用能力. 最近笔者在了解 CI/CD 方面的知识点，想起了 Vercel，就想着能否将服务端应用架在 vercel 上呢.

vivo短视频在视频推荐时需要对用户已经看过的视频进行过滤去重，避免给用户重复推荐同一个视频影响体验. 在一次推荐请求处理流程中，会基于用户兴趣进行视频召回，大约召回2000~10000条不等的视频，然后进行视频去重，过滤用户已经看过的视频，仅保留用户未观看过的视频进行排序，选取得分高的视频下发给用户.