rejovial
本站致力于IT相关技术的分享
为NLP特征存储构建gRPC与GraphQL双协议网关的架构决策与Go实现 为NLP特征存储构建gRPC与GraphQL双协议网关的架构决策与Go实现
我们的NLP特征存储系统正面临一个典型的架构分歧。底层我们选择了DynamoDB，因为它能为海量特征数据提供可预测的低延迟键值访问。但问题出在消费端。我们有两个截然不同的核心用户：一方是要求微秒级延迟的在线推理服务，另一方是需要极高灵活性、
2023-10-27 后端架构
Kubeflow NLP GraphQL gRPC-Go DynamoDB
构建混合式部署编排器：融合 Terraform 与 Chef 并应用策略模式驱动 Solid.js 动态界面 构建混合式部署编排器：融合 Terraform 与 Chef 并应用策略模式驱动 Solid.js 动态界面
团队面临一个棘手的现实：我们的技术栈存在明显的代沟。一部分是基于 Terraform 和容器构建的云原生服务，遵循不可变基础设施理念；另一部分则是运行在传统虚拟机上的庞大单体应用，其配置复杂且状态繁多，长期以来依赖 Chef 进行精细化管理
2023-10-27 架构与设计
Solid.js 设计模式 Chef Terraform
构建基于Consul Connect的RAG微服务可观测性架构：融合Qdrant、Transformers与InfluxDB 构建基于Consul Connect的RAG微服务可观测性架构：融合Qdrant、Transformers与InfluxDB
一个生产级的检索增强生成（RAG）系统，其复杂性远超于简单地将一个语言模型与向量数据库连接起来。它本质上是一个分布式系统，对服务间通信的安全性、端到端的延迟以及深入的运维洞察力有着严苛的要求。当我们将RAG流程拆分为独立的微服务——例如，一
2023-10-27 微服务架构
Consul Connect InfluxDB Qdrant Hugging Face Transformers
在分布式开发者平台中集成Vault动态密钥与Turbopack构建流的可观测性实践 在分布式开发者平台中集成Vault动态密钥与Turbopack构建流的可观测性实践
1. 技术背景与挑战定义在构建内部开发者平台（IDP）时，我们面临的核心挑战是：如何为前端应用提供一个既极致快速又绝对安全的持续集成（CI）流程。现有的CI方案普遍存在两个问题：第一，构建速度缓慢，特别是对于大型Monorepo项目，分钟级
2023-10-27 平台工程
可观测性 Turbopack HashiCorp Vault 分布式与中间件 WebAuthn
利用 Tyk Go 插件实现基于 SQL 的同步业务规则校验与数据处理 利用 Tyk Go 插件实现基于 SQL 的同步业务规则校验与数据处理
技术痛点：失控的看板业务逻辑我们的看板（Kanban）系统后端服务开始变得臃肿。最初，一个核心的业务规则——“WIP（Work-In-Progress）限制”，即限制某一列中卡片的数量——是直接实现在卡片移动的 API 端点里的。逻辑很简单
2023-10-27 API 网关
Tyk Web API 与技术 SQL 数据处理 Kanban
在Azure上为Micronaut与Python异构服务构建基于Kong的统一gRPC与REST API网关 在Azure上为Micronaut与Python异构服务构建基于Kong的统一gRPC与REST API网关
一个现实的技术挑战摆在面前：一个团队维护着一组基于Micronaut的高性能JVM微服务，负责处理核心的、计算密集的业务逻辑；另一个数据科学团队则使用Python框架（例如FastAPI）快速迭代机器学习模型并提供推理服务。现在，需要将这两
2023-10-27 分布式架构
Azure Micronaut Python Kong gRPC
5 / 5