最近在做优化的时候涉及到了这块内容,觉得值得写下来,方便以后翻阅。 ### 前言 假设一个场景:线上要新加一批服务器,共50台,全部要装Nginx并启动。 你的选择有几个。 第一个,逐台SSH登录,输入命令,检查结果。重复50次,中间某台网络闪断要从头来过,大概花掉半天时间,中间出错全靠人工判断。
前段时间遇到一个小问题,后来发现这是个挺常见的坑,顺手整理一篇笔记。 **目录** [一、前言](#%E4%B8%80%E3%80%81%E5%89%8D%E8%A8%80) [二、QClaw 介绍](#%E4%BA%8C%E3%80%81QClaw%20%E4%BB%8B%E7%BB%8D) [2
今天翻到一篇不错的技术分享,看完之后自己也琢磨了一下,把思路梳理记录下来。 > 摘要:随着数据不断演进,尤其在 AI Agent、LLMOps 与可观测性系统快速发展的背景下,宽 JSON 的字段膨胀带来巨大的性能挑战。Apache Doris 4.1 通过 Doc Mode 与 Segment V
最近在折腾项目的时候碰到了这个知识点,查了不少资料,索性整理出来分享给大家。 > 前门准则(这里适用于已有后门准则基础的同学阅读) #### 前门准则的三重证明 - [前门准则的定义以及调整公式](#_7) - [前门准则的定义](#_8) - [前门准则的调整公式](#_17) - [从 T T
今天翻到一篇不错的技术分享,看完之后自己也琢磨了一下,把思路梳理记录下来。 ### 前言 最近 OpenClaw(小龙虾)在开发者圈子里火得一塌糊涂,深圳腾讯大厦门口排队安装的盛况我虽然没亲历,但刷到那段视频的时候确实心动了。作为一个长期在折腾各种 AI 工具的开发者,我第一时间就想到一个问题:本地