归档: 2023/10 | actnewday

2023

10

27

在构建机器学习服务的特征工程体系时，我们通常面临一个两难的抉择。批量计算的特征（例如用户近90天的平均消费额）虽然计算成本可控，但新鲜度不足，无法反映用户的即时意图；而纯流式计算的实时特征（例如用户近30秒的点击次数）虽然能捕捉到最新动态，

2023-10-27 MLOps

Kubeflow Redis OpenFaaS Dask

27

我们面临一个具体的工程挑战：一个部署在Oracle Cloud Infrastructure (OCI)上的核心业务系统，其后端由PHP构建，需要集成一个AI驱动的搜索结果重排（reranking）功能。该功能旨在提升一个检索增强生成（RA

2023-10-27 分布式架构

PHP AI Data Science Lua OCI Kong

27

推荐系统的核心是用户画像状态，它必须实时更新、高可用且绝对安全。一个典型的场景是，用户对某个物品的点击行为需要被立即反映到其特征向量中，并同步到多个推荐模型服务节点。任何数据不一致或延迟都可能导致推荐质量下降，而用户画像数据的泄露或篡改更是

2023-10-27 分布式系统

Paxos 算法安全推荐系统 Swift

27

我们的团队维护着一套典型的 Polyrepo 架构：一个独立的 Git 仓库 service-api 存放基于 Fastify 的后端服务，另一个仓库 app-web 存放基于 Vue 3 和 Pinia 的前端应用。这种物理隔离赋予了前后

2023-10-27 DevOps

Fastify Pinia GitHub Actions 后端 Polyrepo

27

前端Monorepo的CI流水线执行时间已经成了一个无法回避的痛点。每次合并前，next build命令都会消耗掉5到10分钟不等，这个时间窗口直接影响了我们的部署频率和开发人员的反馈循环。问题在于，我们对这个过程的认知是模糊的：哪个包的构

2023-10-27 DevOps

Webpack GitOps ClickHouse Next.js Sanic CI/CD

27

痛点：僵化的前端监控策略在真实项目中，前端性能监控的配置通常是硬编码在代码里的。比如，我们决定采样80%的用户数据，或者定义LCP（最大内容绘制）的“优秀”阈值为2.5秒。这些配置一旦发布，就成了定局。如果线上出现性能抖动，我们想临时提高采

2023-10-27 可观测性

Chakra UI 配置中心 Matplotlib TDD