，也可以在一台不同的远程计算机上工作。 Chrony 和 NTPD 精度对比测试 我们可以从 Chrony 的官方网站上可以看到与 NTPD 各维度详细对比： 从其测试结果上看似乎是各维度性能都可以吊打 NTPD。因此 Chrony 的整体评价还是比较高的。 Chrony 相较于 NTPD 服务的优势 更快的同步只需要数分钟而非数小时时间，从而最大程度的减少时间和频率误差，这对于并非全天运行的台式计算机或系统而言非常有用。能够更好的响应时间频率的快速变化，这对于具备不稳定时钟的虚拟机或导致时钟频率反复变化的节能技术而言非常有用。在初始同步后，它并不会停止时钟，以防对需要系统时间保持单调的程序造成影响。在应对临时非对称延迟时，（例如：大规模下载造成连接饱和时）提供了更好的稳定性。无需对服务器进行...阅读全文
sponsor 上传的软件包的维护者是打包人而非 sponsor，所以它的各种更新、任何 Bug 报告都是打包人的责任。在维护软件包上，普通维护人员与正式的 DD 间的差别仅在于能否直接上传，其他的完全相同。 这个步骤进行期间，需要多次阅读 Debian Policy Manual 并确保自己的软件包符合里面的全部要求。最好再读一下 Debian Developers Reference，里面介绍了很多 Policy Manual 中没有提到的细节和最佳经验。 如果打算申请 DM/DD，则应尽早开始维护软件包，因为申请 DM 需要经过一段时间的软件包维护作为评价的材料，以此证明你能够胜任。 5. 不是有软件包被上传到仓库就说明你已经符合了成为 DM 的要求。你必须通过一段时间的努力（更新软件、修复...阅读全文
Annealing来强制执行它们。虽然这种方法最初成本很高，但很快就能得到回报。 我们还发现Prodspec的扩展建模特别有助于turnup。turnup的传统方案是文档和自定义工作流。这些工作流会不可避免地出错，因此使用它们需要很多人工处理。 广泛持续的执行在很大程度上消除了这个问题。由于服务的所有基础架构方面都是被持续评估的，因此问题会立即出现，而不仅仅是在下次执行turnup工作流时才被发现。 持续执行由这两层驱动： 执行层，由Enforcer驱动，推动Prodspec的intent变更到生产环境策略层，由Strategist驱动，通过变更intent来计划执行 如果可能，我们更喜欢在 Enforcer 级别表达执行逻辑和约束，这是无状态层，更容易理解和操作。但是，这种方法并不总是可行或可取的...阅读全文
，这也可以让你更好地表述出你的问题。 不要像机关枪似的一次性「扫射」所有的帮助通道，这样的行为像泼妇骂街一样令人抓狂，要有重点地一步一步来。 要搞清楚你提问的主题是什么！最典型的错误就是跑去苹果的论坛问关于Unix或Windows的问题，如果你不明白，最好在搞清楚概念，否则什么也别问。 一般来说，在公共论坛中提问比在封闭论坛中提问更容易得到有用的回答。选择依据：一是评估潜在的回复数较多，二是估算论坛的活跃度较高，相比之下，黑客更喜欢回答那些能启发多数人的问题。 同时，你可以理解，一些经验丰富的黑客和流行软件的作者正在承受过多的非议，因为涌入其私人邮箱的垃圾邮件变得越来越多，他们实在无法忍受，同时，你的加入有可能使情况更加恶劣，就像那根最后压垮骆驼背的稻草一样，所以，一些流行软件的作者正陆续停止...阅读全文
可能他们对数据库要求很高吧。但是，我耿耿于怀的是：每个人也许都有些盲点，也许不能以这些盲点去评判一个人。而且，可能还有更好的方式，如何去指一个方向，让被人对你感激，感恩。我这些年也参加了些面试，面对一些面试者，即使不通过，我也会善意的去提示下。 于是我又回去了，学了些啥，我不知道了。 第四次面试，是支付宝。当时是一个女的领我进门的，我以为是 HR，两个人坐着有点尴尬，然后这个“HR”就开始问问题，你讲下 spring 吧。然后我内心当时就震惊了：都知道阿里技术好，但是 HR 都会技术，太夸张了吧。面试过程还好，我讲了在第一个公司做的一个技术创新。 第一轮通过了，好激动，第一次过第一轮。 而后，马上第二轮，进来个光头，光头看了下面试题，然后就问了一个技术问题：” 什么是架构”，虽然当时听过架构...阅读全文
](https://www.kubeflow.org/docs/components/training/tftraining/)资源，可以轻松创建上面提到的 TensorFlow 分布式策略。TFJob 可以识别容器化的 TensorFlow 代码中定义的分布式策略，并可以使用一组内置组件和控制逻辑对其进行管理。使得在 Kubeflow 中实现 TensorFlow 的分布式训练成为可能的组件包括： - Chief：组织分布式训练并执行模型检查点。 - Parameter Server：协调异步分布式训练和计算梯度。 - worker：执行学习任务。 - Evaluator：计算和记录评估指标。 上述组件可以在 TFJob 中配置，TFJob 是一个用于 TensorFlow 训练的 Kubeflow...阅读全文
项目）仍应由各自的所有者负责，但重要的是默认情况应该是相反的。 Debian缺乏管理重大变更的工具：很难用程序的方式处理包和存储库（请参见下一小节的内容）。最近一次发送过来要求审核的更改是一个附带补丁的bug报告。我认为接受bug报告更改的流程太复杂，然后开始尝试mergebot，但只有Guido曾经表示对该项目感兴趣。 在文化方面，Debian的评论和反应都很慢。凡事都没有截止期限。有时我会收到电子邮件，通知我说我在几年前（！！）发送的补丁现在终于合并了。只有短短数周的项目拖到了数年，对我来说这是一个巨大的消极影响。 有趣的是，你可以看到缓慢的线上活动也影响到了线下的文化：我不想在第一次听到systemd后，过10年之久再讨论它。 最后，如果有人坚持拒绝合作，那么你做出的变更很容易就会被一...阅读全文
Foundation 毕业的服务网格项目，它提供了一个以简单性为目标和重点的实现，直接从 Kubernetes ServiceAccounts 提取工作负载标识来达到“零配置”，默认开启双向 TLS。同样，Linkerd 的基于 Rust 的微代理提供了一个极简的零信任实现。当然，仅仅在集群中添加一个服务网格并不是万能的。安装后，必须完成定义、更新和评估授权策略的工作。集群运维人员必须小心确保所有新创建的 pod 都与它们的 sidecar 组件配对。当然，服务网格本身必须像集群上的任何软件一样进行维护、监控和迭代。然而，不管是不是灵丹妙药，服务网格确实提供了从集群中默认的未加密、未经身份验证的流量转变为具有强大工作负载身份和丰富授权系统的默认加密、经过身份验证的流量——这是朝着零信任迈出的一大步。总结零信任...阅读全文
。Azure Monitor 等日志聚合工具可用于将日志从 AKS 发送到日志分析工作区，以便将来使用 Kusto 查询进行审讯。在 AWS Cloudwatch 上可以使用。第三方工具还提供更深入的监控功能，例如 Dynatrace 和 Datadog。最后，应该为日志设置一个保留期，通常为 30-45 天左右。使用版本控制系统K8s 配置文件应该在版本控制系统 (VCS) 中进行管理。这带来了很多好处，包括提高安全性、启用更改的审计跟踪，并将提高集群的稳定性。应为所做的任何更改设置审批，以便团队可以在将更改提交到主分支之前对其进行评审。使用基于Git的工作流程（GitOps）K8s 的成功部署需要考虑团队使用的工作流程。使用基于 git 的工作流可以通过使用 CI/CD（持续集成 / 持续交付）管...阅读全文
有 30 分钟的时间进行支付，如果 30 分钟之内没有支付成功，那么这个订单将进行异常处理，这时就可以使用延时队列来处理这些订单了。 2）订单完成1小时后通知用户进行评价。 实现思路：发送延时消息时先把消息按照不同的延迟时间段发送到指定的队列中（topic_1s，topic_5s，topic_10s，…topic_2h，这个一般不能支持任意时间段的延时），然后通过定时器进行轮训消费这些topic，查看消息是否到期，如果到期就把这个消息发送到具体业务处理的topic中，队列中消息越靠前的到期时间越早，具体来说就是定时器在一次消费过程中，对消息的发送时间做判断，看下是否延迟到对应时间了，如果到了就转发，如果还没到这一次定时任务就可以提前结束了。 2.1.6 消息回溯 如果某段时间对已消费消息计算...阅读全文
Querier–查询器处理PromQL的求值。如果是最近的数据，则从大块存储和或内部获取样本其他组件：Ruler–处理alertmanager产生的警报Alertmanager –评估警报规则ConfigsAPI –在Postgres中存储Ruler和Alertmanager的配置Table Manager–负责在选定的块chunk/索引index存储后端中创建表Consul –存储分发服务器distributor生成的一致的哈希环(hash ring)。分发服务器在发送指标时使用散列值来选择ingester。与其他选项的异同ThanosThanos和Cortex具有非常相似的目标：聚合指标，将其存储在块存储中，并为所有度量使用一块single pane。因此，两个项目重用大量Prometheus代码也...阅读全文
的最小集合。黄金指标有两个好处：一，直接了然地表达了系统是否正常对外服务。二，能快速评估对用户的影响或事态的严重性，能大量节省 SRE 或研发的时间，想象下如果我们取 CPU 使用率作为黄金指标，那么 SRE 或研发将会奔于疲命，因为 CPU 使用率高可能并不会造成多大的影响。Kubernetes 监测支持这些指标：请求数/QPS响应时间及分位数（P50、P90、P95、P99）错误数慢调用数如下图所示：全局视角的服务拓扑诸葛亮曾言“不谋全局者，不足谋一域 ”。随着当下技术架构、部署架构的复杂度越来越高，发生问题后定位问题变得越来越棘手，进而导致 MTTR 越来越高。另一个影响是对影响面的分析带来非常大的挑战，通常会造成顾此失彼。因此，有一张像地图一样的拓扑大图非常必要。全局拓扑具有以下特...阅读全文
LUA Script特性有严格的限制条件，事务和Script中操作的key必须位于同一个分片上，这就使得在开发时必须对相应场景下涉及的key进行额外的规划和规范要求。如果应用的场景中大量涉及事务和Script的使用，如何在保证这两个功能的正常运作前提下把数据平均分到多个数据分片中就会成为难点。 所以说，在主从复制和集群分片两个方案中做出选择时，应该从应用软件的功能特性、数据和访问量级、未来发展规划等方面综合考虑，只在确实有必要引入数据分片时再使用Redis Cluster。 下面是一些建议： 需要在Redis中存储的数据有多大？未来2年内可能发展为多大？这些数据是否都需要长期保存？是否可以使用LRU算法进行非热点数据的淘汰？综合考虑前面几个因素，评估出Redis需要使用的物理内存。 用于部署...阅读全文
去解释和适用，与GDPR作为统一立法的作用和地位相区分。 参考资料及补充说明： [1].关于“间接地识别到个人”的判定：参考欧盟法院Case 582/14 – Patrick Breyer v Germany，19 October 2016； [2]. 《一般数据保护条例评述及实务指引》，京东法律研究院著，法律出版社，2018年5月第1版； [3]. Opinion 4/2007 on the concept of personal data, Adopted on 20th June, Article 29 Data Protection Working Party； [4].《国内外看CCPA与GDPR的对比》，360法律研究院，http...阅读全文
（Scheduler）来解决。 Scheduler 作为一个独立的组件运行在集群控制平面上，工作方式与其他 Controller 相同：监听实际并将系统状态调整到期望的状态。具体来说，Scheduler 的作用是将待调度的 Pod 按照特定的算法和调度策略绑定（Binding）到集群中某个合适的 Node 上，并将绑定信息写入 etcd 中（它会过滤其 PodSpec 中 NodeName 字段为空的 Pod），默认的调度算法的工作方式如下： 当 Scheduler 启动时，会注册一个默认的预选策略链，这些预选策略会对备选节点进行评估，判断备选节点是否满足备选 Pod 的需求。例如，如果 PodSpec 字段限制了 CPU 和内存资源，那么当备选节点的资源容量不满足备选 Pod 的需求时，备选 Pod 就不会...阅读全文
