walledeo
本站致力于IT相关技术的分享
开始阅读
采用TDD方法构建集成Pandas、Milvus与MobX的实时特征探索系统 采用TDD方法构建集成Pandas、Milvus与MobX的实时特征探索系统
我们面临的第一个挑战，是如何缩短机器学习中特征工程的反馈周期。传统的流程是分离的：数据科学家在Jupyter Notebook中用Pandas探索、清洗、构建特征，然后将特征向量批量导入一个系统进行评估或检索。这个过程充满了等待和上下文切换
2023-11-15 架构与设计
FastAPI MobX TDD Pandas Milvus
基于 Consul 服务发现构建动态自适应的 Vector 可观测性管道 基于 Consul 服务发现构建动态自适应的 Vector 可观测性管道
在跨多个云服务商部署的动态微服务环境中，维护一套静态的可观测性配置是一项艰巨且易错的任务。每当一个服务实例上线、下线或迁移，都需要手动更新 Prometheus 的抓取目标或类似配置，这不仅效率低下，还极易导致监控盲点或配置漂移。真正的挑战
2023-10-27 可观测性
Grafana Consul Vector 云服务商 Vitest
构建基于 MLflow 与 Google Cloud Functions 的可观测 Serverless 推理架构 构建基于 MLflow 与 Google Cloud Functions 的可观测 Serverless 推理架构
将一个训练好的 MLflow 模型部署到 Google Cloud Functions (GCF) 似乎是实现低成本、自动扩缩容推理服务的捷径。但这条捷径在生产环境中往往通向一个调试与监控的黑洞。当一个请求的延迟突然飙升，或者模型开始返回异
2023-10-27 MLOps
MLflow Google Cloud Functions 可观测性 Serverless OpenTelemetry
构建基于OpenTelemetry的PyTorch模型全链路可观测性与组件化调试方案 构建基于OpenTelemetry的PyTorch模型全链路可观测性与组件化调试方案
一个训练好的PyTorch模型部署到生产环境后，往往会迅速变成一个难以捉摸的黑盒。我们团队遇到的问题很典型：一个图像字幕生成模型的API，在某些请求下响应异常缓慢，或者生成质量不符合预期的文本。传统的日志打印 (print 或 loggin
2023-10-27 MLOps
OpenTelemetry PyTorch ELK Stack Storybook
在 Kubernetes 中使用 C# Operator 编排一个集成 NumPy 的遥测数据异常检测流 在 Kubernetes 中使用 C# Operator 编排一个集成 NumPy 的遥测数据异常检测流
团队内部的服务在 Kubernetes 上运行久了，基于 Prometheus 和 Grafana 的标准可观测性栈已经成了标配。但这套体系对于我们一个核心交易服务来说，渐渐显得力不从心。问题在于，它的告警逻辑大多基于静态阈值，比如“CPU
2023-10-27 云原生
云原生与运维 C# NumPy Emotion Kubernetes gRPC
实现从Playwright E2E测试到Jaeger后端链路的端到端追踪关联 实现从Playwright E2E测试到Jaeger后端链路的端到端追踪关联
一个端到端（E2E）测试失败了。CI/CD流水线亮起红灯，日志里只有一条冰冷的信息：“POST /api/users failed with status 500”。接下来呢？是前端的请求体构造错误，还是API网关出了问题？是某个下游微服务
2023-10-27 可观测性
Jaeger Playwright MariaDB Micronaut
1 / 5