架构师2024月第二季.pdfVIP

  1. 1、本文档共369页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

CONTENTS/目录

热门演讲实录|QCon

大模型时代的架构思维

章文嵩、蒋晓伟、李飞飞、张凯巅峰对谈:大模型时代的数据智能新趋势

半年涨粉1000万!揭秘快意大模型在短视频互动场景中的大规模应用实践

通往AGI之路,数据系统还需挑战哪些物理极限?

跨平台CPU加速,百度智能云的一键性能调优技术分享

AI时代,这个团队正在打造全世界最复杂的高性能编辑器

云时代下,云和开源软件厂商如何共存共荣?

特别专题|Kubernetes十年回顾

Kubernetes十年:盛宴已过,长路漫行

Kubernetes前首席架构师:漫谈K8s十年技术史

摆脱AI生产“小作坊”:如何基于Kubernetes构建云原生AI平台

OpenAI:我们将Kubernetes扩展到了7500个节点

为什么Kubernetes对于我的SaaS业务来说是一个错误

不敢把数据库运行在K8s上?容器化对数据库性能有影响吗?

Kubernetes开源10年,但我们已经有了8年的踩坑史

专访阿里云张凯:Kubernetes是如何从云原生走向AI时代的?

推荐文章|Article

大模型应用的10种架构模式

Meta如何搭建训练Llama3的基础设施

InfoQ2024年趋势报告:架构篇

蜂窝架构:一种云端高可用性架构

金融企业落地大语言模型的路线图

知乎:多云架构下大模型训练,如何保障存储稳定性?

为什么又造了个新词DataWarebase:我看到了AI时代数据平台应当的样子

老架构师总结的12个软件架构陷阱

热点访谈|Interview

禁令再升级!拜登政府已不想让中国人在美从事AI工作了

巴菲特股票暴跌99%!软件bug造成万亿美元市值蒸发,技术专家:他们的IT水平不如国内大

10天吸粉1900万,“幻兽帕鲁”将无数技术小白逼成了服务器大佬

闭关4月,这支年轻的创新团队如何做出国内首款C端大模型App

把大模型装进手机,小米、OPPO、vivo卷起来了!

架构师2024年第二季

本期主编Tina反馈feedback@

流程编辑丁晓昀商务合作hezuo@

发行人霍泰稳内容合作editors@

II

InfoQ架构师2024年第二季

卷首语

用过去的智慧引导AI变革

Kubernetes已经存在十年了。在过去的十年中,云计算和Kubernetes因其可扩展性、

高效性和操作灵活性,作为革命的中坚力量脱颖而出。云服务实现了轻松的资源扩展,

而Kubernetes则实现了容器化应用的自动化部署、扩缩容以及运行,让开发者能够更专

注于应用的开发而非基础设施。

尽管好处多多,Kubernetes也带来了配置管理的复杂性,因为最佳实践的不一致可

能会带来大量的配置债务。Kubernetes社区开发了各种的工具和实践,比如用于管理软

件包的Helm图表、负责自动化应用管理的运维,以及Terraform等基础设施即代码(IaC)

工具,以及用于高效配置的CI/CD管道。

另一方面,AI发展是和云服务及Kubernetes快速发展一同进行的,通过增强决策和

任务自动化等新功能彻底改变业务的运营方式。然而,正如云和Kubernetes中发生的一

样,这种快速发展可能会导致另一轮由配置带来的技术债务。AI系统的配置复杂性极高:

只有正确地配置AI技术栈、算法、数据管道和模型,才能收获最佳的性能、可扩展性和

安全性。

AI技术栈中的错误配置会导致数据摄取管道的管理不善、模型训练效率低下,以及

安全防护测试不足的问题。要应对这些挑战,我们不能再重复在云和Kuber

文档评论(0)

177****7110 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档