<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[夜雨的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/qq_37515544</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; qq_37515544]]></copyright><item><title><![CDATA[关于远程工作聚合网站，市面上并没有一个“终极”网站能包揽所有机会]]></title><link>https://blog.csdn.net/qq_37515544/article/details/162905672</link><guid>https://blog.csdn.net/qq_37515544/article/details/162905672</guid><author>qq_37515544</author><pubDate>Wed, 15 Jul 2026 14:45:06 +0800</pubDate><description><![CDATA[关于远程工作聚合网站，市面上并没有一个“终极”网站能包揽所有机会。更高效的做法是，根据你想找的工作类型（国内全职、海外高薪、自由接单），分别使用几类最对口的平台。我帮你整理了一份基于求职场景的分类清单。]]></description><category></category></item><item><title><![CDATA[【程序找远程工作渠道】我靠这些网站找到了远程工作]]></title><link>https://blog.csdn.net/qq_37515544/article/details/161623464</link><guid>https://blog.csdn.net/qq_37515544/article/details/161623464</guid><author>qq_37515544</author><pubDate>Tue, 02 Jun 2026 14:18:51 +0800</pubDate><description><![CDATA[2026年，我靠这些网站找到了远程工作（建议收藏）
现在我可以早上送完孩子，回家泡杯茶，打开电脑就开始一天的工作。不用打卡，不用看老板脸色，甚至不用穿裤子（划掉）。]]></description><category></category></item><item><title><![CDATA[# 全面掌握深度学习部署技术：基于TensorRT与Triton Inference Server实现高性能模型推理和自动化Pipeline的企业级落地实践指南 在深度学习模型从实验室走向生产环境的过]]></title><link>https://blog.csdn.net/qq_37515544/article/details/157799348</link><guid>https://blog.csdn.net/qq_37515544/article/details/157799348</guid><author>qq_37515544</author><pubDate>Fri, 06 Feb 2026 09:03:49 +0800</pubDate><description><![CDATA[本文详细介绍了企业级深度学习模型部署的高性能解决方案，重点解析了NVIDIA TensorRT和Triton Inference Server两大核心技术。通过Mermaid图解展示了完整的部署架构全景，包括客户端层、接入层、推理服务核心层和硬件加速层。文章深入剖析了TensorRT的优化流程（层融合、量化校准、动态形状等）和Triton Server的关键功能（模型版本控制、动态批处理）。最后提出了基于CI/CD的自动化部署流程，实现从模型训练到生产环境的全链路自动化。这套方案能显著提升推理性能，同时满足]]></description><category></category></item><item><title><![CDATA[全面掌握深度学习部署技术：基于TensorRT与Triton Inference Server实现高性能模型推理和自动化Pipeline的企业级落地实践指南]]></title><link>https://blog.csdn.net/qq_37515544/article/details/157799175</link><guid>https://blog.csdn.net/qq_37515544/article/details/157799175</guid><author>qq_37515544</author><pubDate>Fri, 06 Feb 2026 08:51:07 +0800</pubDate><description><![CDATA[本文深入解析了企业级深度学习部署的核心技术——NVIDIA TensorRT与Triton Inference Server的组合方案。通过架构图解展示了从客户端到GPU加速层的完整推理系统，重点介绍了TensorRT的优化流程（包括层融合、量化校准等关键技术）以及Triton Server的模型版本控制、动态批处理等核心功能。文章还提出了基于CI/CD的自动化部署流程，实现从模型训练到生产部署的完整MLOps解决方案。该方案在保证推理性能的同时，提供了企业级应用所需的高可用性和可扩展性。]]></description><category></category></item><item><title><![CDATA[实战解析下一代微服务架构：基于Dapr与Kubernetes构建跨云多运行时应用的高可用与可观测性解决方案全流程深度剖析]]></title><link>https://blog.csdn.net/qq_37515544/article/details/157799005</link><guid>https://blog.csdn.net/qq_37515544/article/details/157799005</guid><author>qq_37515544</author><pubDate>Fri, 06 Feb 2026 08:38:33 +0800</pubDate><description><![CDATA[摘要： 本文深入解析基于Dapr与Kubernetes的下一代微服务架构，提出通过Dapr Sidecar模式实现语言无关、可移植的分布式能力抽象，替代传统SDK集成方式。核心架构在K8s中部署Dapr控制平面（Sentry/Placement/Operator）与Sidecar组件，实现服务调用、状态管理及跨云支持。重点演示了声明式弹性策略（重试/熔断）和分布式状态存储（ETag事务控制），并通过全链路监控融合提升可观测性。该方案显著降低微服务复杂度，使开发者能专注于业务逻辑。]]></description><category></category></item><item><title><![CDATA[全面解析企业级AI应用开发框架：基于LangChain与大型语言模型实现智能代理和RAG系统的架构设计与工程化落地实践全流程详解]]></title><link>https://blog.csdn.net/qq_37515544/article/details/157761952</link><guid>https://blog.csdn.net/qq_37515544/article/details/157761952</guid><author>qq_37515544</author><pubDate>Thu, 05 Feb 2026 08:51:48 +0800</pubDate><description><![CDATA[摘要： 本文深入解析云原生服务网格中Envoy的核心架构，重点探讨其通过xDS协议实现动态配置及利用WebAssembly扩展功能的机制。Envoy采用四层逻辑架构（监听器、路由、集群、线程模型），结合xDS协议族（LDS/RDS/CDS/EDS）实现动态流量管理，支持金丝雀发布、熔断等治理场景。WebAssembly技术进一步突破扩展限制，允许安全加载沙盒化插件，实现业务逻辑动态扩展。Envoy的高性能与灵活性使其成为微服务治理的关键组件。]]></description><category></category></item><item><title><![CDATA[深入剖析云原生Service Mesh数据平面Envoy核心架构：基于xDS协议与WebAssembly实现动态流量管理与安全策略的微服务治理实战指南 在云原生微服务架构的演进中，Service]]></title><link>https://blog.csdn.net/qq_37515544/article/details/157761810</link><guid>https://blog.csdn.net/qq_37515544/article/details/157761810</guid><author>qq_37515544</author><pubDate>Thu, 05 Feb 2026 08:39:17 +0800</pubDate><description><![CDATA[本文深入解析Envoy作为Service Mesh数据平面的核心架构，重点探讨其通过xDS协议实现动态配置管理，以及利用WebAssembly技术增强扩展性。内容涵盖Envoy的四层逻辑架构设计、xDS协议族的协同工作机制、流量治理实战场景（金丝雀发布与熔断机制），以及Wasm插件架构如何突破传统扩展限制。文章通过架构图和流程图直观展示Envoy的配置级联与推送流程，为微服务治理提供技术参考。]]></description><category></category></item><item><title><![CDATA[从零到一构建企业级云原生中间件：基于RocketMQ 5.0与Kubernetes Operator实现万亿级消息处理架构的设计与实践全流程深度拆解]]></title><link>https://blog.csdn.net/qq_37515544/article/details/157761666</link><guid>https://blog.csdn.net/qq_37515544/article/details/157761666</guid><author>qq_37515544</author><pubDate>Thu, 05 Feb 2026 08:26:23 +0800</pubDate><description><![CDATA[摘要 本文深入解析了云原生Service Mesh数据平面Envoy的核心架构与关键技术。首先剖析Envoy的四层逻辑架构，包括监听器与网络过滤、路由匹配、负载均衡集群以及线程模型。重点探讨xDS协议如何实现动态配置管理，通过LDS、RDS、CDS、EDS等发现服务实现零重启配置更新。文章还展示了基于权重的金丝雀发布和熔断机制等流量治理实战场景，并介绍了WebAssembly技术如何突破传统扩展限制，实现安全高效的插件机制。这些特性共同使Envoy成为微服务治理的理想数据平面解决方案。]]></description><category></category></item><item><title><![CDATA[深入剖析云原生Service Mesh数据平面Envoy核心架构：基于xDS协议与WebAssembly实现动态流量管理与安全策略的微服务治理实战指南]]></title><link>https://blog.csdn.net/qq_37515544/article/details/157690955</link><guid>https://blog.csdn.net/qq_37515544/article/details/157690955</guid><author>qq_37515544</author><pubDate>Tue, 03 Feb 2026 14:19:01 +0800</pubDate><description><![CDATA[摘要： 本文深入解析云原生服务网格核心组件Envoy的架构设计与关键技术，重点阐述其基于xDS协议实现动态配置管理的机制，以及通过WebAssembly扩展能力的创新实践。文章首先拆解Envoy的四层逻辑架构，包括监听器、路由、集群和线程模型；其次详解xDS协议族（LDS/RDS/CDS/EDS）的协同工作原理与增量推送流程；然后结合金丝雀发布、熔断降级等场景展示流量治理实战；最后探讨Wasm插件如何突破传统扩展限制，实现安全隔离的高性能定制化功能。全文为构建高效可靠的微服务通信体系提供系统化指导。]]></description><category></category></item><item><title><![CDATA[深入解析现代分布式事务架构：基于Seata Saga模式与TCC模式实现金融级高可用与数据最终一致性的工程实践全解析]]></title><link>https://blog.csdn.net/qq_37515544/article/details/157690639</link><guid>https://blog.csdn.net/qq_37515544/article/details/157690639</guid><author>qq_37515544</author><pubDate>Tue, 03 Feb 2026 14:06:26 +0800</pubDate><description><![CDATA[本文深入探讨了分布式事务的两种主流解决方案——Seata Saga模式与TCC模式。Saga模式适用于长业务流程，通过状态机编排实现最终一致性；TCC模式则通过Try-Confirm-Cancel三阶段保证金融级强一致性。文章详细图解了两种模式的实现原理，并提出了分层治理的混合架构方案，将Saga用于流程编排层，TCC用于核心资源层。最后强调Seata Server集群部署的重要性，通过负载均衡和Raft同步确保高可用性。两种模式各有所长，需根据业务场景灵活选用。]]></description><category></category></item><item><title><![CDATA[深入解析云原生可观测性体系：基于OpenTelemetry标准与eBPF技术实现全栈链路追踪与智能告警的架构设计与生产实践全指南]]></title><link>https://blog.csdn.net/qq_37515544/article/details/157690310</link><guid>https://blog.csdn.net/qq_37515544/article/details/157690310</guid><author>qq_37515544</author><pubDate>Tue, 03 Feb 2026 13:53:52 +0800</pubDate><description><![CDATA[本文深入探讨了基于OpenTelemetry标准和eBPF技术的云原生可观测性体系架构。通过统一Metrics、Logs和Traces三大支柱，构建了从数据采集到智能告警的全栈解决方案。重点阐述了OpenTelemetry的链路追踪数据模型和eBPF的无侵入监控原理，展示了二者如何协同实现应用层与基础设施层的深度洞察。文章还提供了全栈链路追踪的故障排查实例和智能告警系统的降噪策略，为云原生环境下的系统稳定性保障提供了实践指南。该架构通过标准化数据采集和智能分析，有效解决了传统监控手段在动态分布式系统中的局限]]></description><category></category></item><item><title><![CDATA[深入解析现代AI编译器技术栈：从MLIR多级中间表示到TVM张量优化实现跨硬件平台的高性能深度学习模型部署实战]]></title><link>https://blog.csdn.net/qq_37515544/article/details/157649808</link><guid>https://blog.csdn.net/qq_37515544/article/details/157649808</guid><author>qq_37515544</author><pubDate>Mon, 02 Feb 2026 14:22:12 +0800</pubDate><description><![CDATA[摘要：现代AI编译器技术栈解析 本文深入探讨了现代AI编译器技术栈，重点分析MLIR多级中间表示和TVM张量优化系统如何实现跨硬件平台的高性能深度学习模型部署。随着深度学习模型复杂度和硬件架构多样性的增加，传统框架面临性能瓶颈。AI编译器通过多级IR和图优化实现了&quot;一次开发，处处运行&quot;的愿景。MLIR创新性地采用分层Dialect架构，支持从框架方言到LLVM IR的渐进式降低优化。TVM则通过Relay IR和Tensor IR实现图级与算子级优化，其自动调优机制能针对不同硬件生成最优]]></description><category></category></item><item><title><![CDATA[深入解析分布式数据库TiDB核心架构：基于Raft一致性协议与HTAP混合负载实现金融级高可用与实时分析的工程实践]]></title><link>https://blog.csdn.net/qq_37515544/article/details/157649509</link><guid>https://blog.csdn.net/qq_37515544/article/details/157649509</guid><author>qq_37515544</author><pubDate>Mon, 02 Feb 2026 14:09:40 +0800</pubDate><description><![CDATA[TiDB作为新一代分布式数据库，采用云原生架构设计，通过Raft协议保障金融级高可用，并支持HTAP混合负载处理。其核心架构包含计算层(TiDB Server)、管理层(PD)和存储层(TiKV)，以及实时分析层(TiFlash)。TiKV采用Multi-Raft模型实现数据分片存储与自动故障转移，配合两阶段提交协议确保分布式事务一致性。独特的HTAP能力通过TiFlash列存引擎实现实时分析查询加速，使单一系统同时满足OLTP和OLAP需求，为数字化转型提供高效解决方案。]]></description><category></category></item><item><title><![CDATA[深入解析云原生AI应用全栈架构：从Kubernetes智能调度与Istio服务网格到Knative事件驱动与Prometheus可观测性实战指南]]></title><link>https://blog.csdn.net/qq_37515544/article/details/157649251</link><guid>https://blog.csdn.net/qq_37515544/article/details/157649251</guid><author>qq_37515544</author><pubDate>Mon, 02 Feb 2026 13:57:04 +0800</pubDate><description><![CDATA[本文深入探讨云原生AI应用全栈架构，涵盖四大核心组件：1) Kubernetes智能调度实现GPU等异构资源管理；2) Istio服务网格提供流量治理与灰度发布能力；3) Knative事件驱动架构支持异步推理与自动扩缩容；4) Prometheus可观测性体系监控GPU利用率等关键指标。通过Mermaid图表展示各组件协同机制，并给出金丝雀发布、拓扑感知调度等实战方案，为构建高性能、高可靠的AI云原生平台提供技术参考。]]></description><category></category></item><item><title><![CDATA[深入解析现代AI编译器技术栈：从MLIR多级中间表示到TVM张量优化实现跨硬件平台的高性能深度学习模型部署实战]]></title><link>https://blog.csdn.net/qq_37515544/article/details/157504690</link><guid>https://blog.csdn.net/qq_37515544/article/details/157504690</guid><author>qq_37515544</author><pubDate>Thu, 29 Jan 2026 10:28:35 +0800</pubDate><description><![CDATA[摘要：本文深入对比了Apache Kafka与Pulsar在云原生时代的架构差异与性能表现。Kafka采用存算一体设计，凭借顺序读写实现高吞吐但扩容困难；Pulsar通过存算分离架构实现弹性扩展，支持多租户与跨地域复制。重点分析了二者的存储模型（分区日志vs Ledger）、云原生特性及吞吐/延迟表现，为万亿级数据处理场景的技术选型提供参考。Pulsar在低延迟、多分区场景更具优势，而Kafka在大批量日志场景仍保持吞吐领先。]]></description><category></category></item><item><title><![CDATA[深入解析新一代云原生Service Mesh架构：基于Istio与Envoy的零信任安全网格与全链路可观测性生产实践深度指南]]></title><link>https://blog.csdn.net/qq_37515544/article/details/157504375</link><guid>https://blog.csdn.net/qq_37515544/article/details/157504375</guid><author>qq_37515544</author><pubDate>Thu, 29 Jan 2026 10:16:06 +0800</pubDate><description><![CDATA[本文对比分析了云原生时代两大消息中间件Apache Kafka与Pulsar的架构差异与性能表现。Kafka采用存算一体的分区日志模型，吞吐量高但扩容复杂；Pulsar采用存算分离的Ledger架构，支持弹性扩缩和多租户隔离。在跨地域复制方面，Pulsar提供原生支持，而Kafka依赖MirrorMaker。性能上，Kafka在大批量场景吞吐更优，Pulsar则在多分区和低延迟场景表现更好。两种架构各有优势，企业应根据业务场景选择最适合的方案。]]></description><category></category></item><item><title><![CDATA[深入解析云原生分布式数据库TiDB 7.0核心架构：基于HTAP混合负载与实时流处理的金融级高可用与弹性扩展实战指南]]></title><link>https://blog.csdn.net/qq_37515544/article/details/157504012</link><guid>https://blog.csdn.net/qq_37515544/article/details/157504012</guid><author>qq_37515544</author><pubDate>Thu, 29 Jan 2026 10:03:37 +0800</pubDate><description><![CDATA[云原生时代下，Apache Kafka与Pulsar作为主流消息中间件各有优势。Kafka采用存算一体架构，凭借高吞吐和稳定性在日志处理领域占据主导；Pulsar采用存算分离设计，支持无状态Broker和分层存储，在弹性扩展和多租户隔离方面表现突出。本文从架构模型、存储机制、云原生特性和性能表现等维度进行对比分析，重点探讨了两者在万亿级数据场景下的适用性选择。Pulsar的Ledger模型和原生Geo-Replication使其更适合需要低延迟、高并发的云原生环境，而Kafka则在大批量日志处理场景保持优势]]></description><category></category></item><item><title><![CDATA[深入解析云原生时代的高性能消息中间件：基于Apache Pulsar与Kafka架构对比的万亿级数据吞吐与低延迟实时处理实战]]></title><link>https://blog.csdn.net/qq_37515544/article/details/157465251</link><guid>https://blog.csdn.net/qq_37515544/article/details/157465251</guid><author>qq_37515544</author><pubDate>Wed, 28 Jan 2026 09:56:12 +0800</pubDate><description><![CDATA[摘要 本文深入对比了云原生时代两大消息中间件Apache Kafka和Pulsar的架构设计与性能表现。Kafka采用存算一体架构，依赖ZooKeeper管理元数据，具有高吞吐优势但扩容复杂；Pulsar采用存算分离设计，Broker无状态且存储层基于BookKeeper，支持独立扩缩容和多租户隔离。在存储模型上，Kafka基于分区日志，Pulsar采用分布式Ledger写入。Pulsar原生支持多租户管理和跨地域复制，在延迟敏感型场景表现更优，而Kafka在大批量日志场景吞吐量更高。两者各有优势，企业需根]]></description><category></category></item><item><title><![CDATA[深入解析低代码与专业开发的融合新范式：基于React框架与可视化引擎构建企业级复杂应用的前端架构与实践全流程]]></title><link>https://blog.csdn.net/qq_37515544/article/details/157464140</link><guid>https://blog.csdn.net/qq_37515544/article/details/157464140</guid><author>qq_37515544</author><pubDate>Wed, 28 Jan 2026 09:01:08 +0800</pubDate><description><![CDATA[本文探讨低代码与专业开发融合的新范式，提出基于React框架的分层架构方案。通过可视化设计器生成JSON Schema，由渲染引擎动态解析并混排专业React代码，实现80%标准化+20%定制化的开发模式。文章详细解析了核心渲染引擎设计、分级物料体系构建、DSL与代码互操作机制，以及从可视化编排到专业代码扩展的全流程实践。该架构既能满足企业级应用的复杂需求，又能保持快速交付能力，为数字化转型提供了一种高效平衡的解决方案。]]></description><category></category></item><item><title><![CDATA[深入解析云原生AI应用全栈架构：从Kubernetes智能调度与Istio服务网格到Knative事件驱动与Prometheus可观测性实战指南]]></title><link>https://blog.csdn.net/qq_37515544/article/details/157464008</link><guid>https://blog.csdn.net/qq_37515544/article/details/157464008</guid><author>qq_37515544</author><pubDate>Wed, 28 Jan 2026 08:48:38 +0800</pubDate><description><![CDATA[本文深入解析云原生AI应用全栈架构，涵盖Kubernetes智能调度、Istio服务网格、Knative事件驱动和Prometheus监控四大核心组件。通过Mermaid图表直观展示了GPU资源调度、流量管理、自动扩缩容等关键流程，并针对AI场景特点提供了冷启动优化、灰度发布等实战方案，为构建弹性可观测的云原生AI系统提供完整技术指南。]]></description><category></category></item></channel></rss>