Dojo
话题
新佳
订阅
极道
元认知
元逻辑
元设计
元编程
元语言
DevOps教程
分布式单体的六大病症
当公式的组织架构及其代码被拆分以后,但仍然存在紧密耦合时,就会出现分布式单体。这已经成为一个问题,因为系统的规模增加,单体的所有部分都需要一起管理,这会放慢开发速度并增加任何变化的风险。 能够识别何时处理分布式单体很重要:
DevOps工程师需要学习Go语言? - iximiuz
对于许多DevOps 工程师来说,编程可以从从 Ops 到 Dev(最好是用于 Ops)。随着复杂度呈指数级增长,面临着不同的挑战:开始编程开始用 Go编程开始用 Go 编程Kubernetes 控制器因此,
缓存高一致性:Meta的缓存失效解决方案
缓存有助于减少延迟、扩展读取繁重的工作负载并节省成本。它们实际上无处不在。缓存在您的手机和浏览器中运行。例如,CDN 和 DNS 本质上是地理复制缓存。多亏了许多在幕后工作的缓存,您现在可以阅读这篇博文。 Phil Karlton 有句名言:“计算
SyMon - 用 Go 编写的系统监控/警报工具
SyMon是一个用Go编写的简单的Linux系统监控工具。它主要是为监控小型服务器、家用电脑和Raspberry Pi等设备而创建的,但现在已经扩展到支持对Linux系统进行全面的系统级监控。SyMon还支持自定义时间序列数据收集。这可以用来收集传感器或应用程序的输出/性能数据。 <
LinkedIn的Java 11迁移之旅
LinkedIn在2018年底开始研究Java 11,当时,Java 9、10和11在社区中还不是超级流行。作为一个轶事,在2019年底的Oracle Code One会议上,一些会议询问与会者他们的产品是否在使用Java 9或更高版本,其中只有约20%的人表示他们在使用;也很少有大公司采用
使用Terraform和Argo CD管理Kubernetes集群 - piotr
在本文中,您将学习如何使用 Terraform 创建 Kubernetes 集群,然后使用 Argo CD 对其进行管理。Terraform 对于自动化基础设施非常有用。另一方面,Argo CD 帮助我们为我们的应用程序实施 GitOps 和持续交付。看来我们可以成功地结合这两种工具。让我们
可用于生产环境的Spring Boot的Dockerfile配置
下面的文章是我的生产证明 Dockerfile,用于分层 Spring Boot 应用程序,具有自定义构建的 JRE,具体取决于使用 jlink 和 jdeps 所需的 Java 模块,解释了我添加或更改的内容。当然,我不保证 Dockerfile 完全符合你的需求,但它应该为你提供一个思路
下一代银行架构:DevOps运维模式
在过去的十年中,我们看到银行急于将他们的架构从我们所说的 "遗留系统 "中转变出来。不同的国家有不同的法规,所以一些企业需要建立内部解决方案,建立自己的平台和框架。大量的团队致力于创建一个新的平台、架构、框架、设计模式和规则集。然后是业务需要在IT团队的帮助下转型到这个新平台的部分。
使用OpenTelemetry、Spring Cloud Sleuth、Kafka和Jaeger实现分布式跟踪
分布式跟踪可让您深入了解特定服务在分布式软件系统中作为整体的一部分是如何执行的。它跟踪和记录从起点到目的地的请求以及它们经过的系统。在本文中,我们将使用 OpenTelemetry、Spring Cloud Sleuth、Kafka 和 Jaeger 在三个 Spring Boot
upptime:使用GitHub Actions监控你的网站健康监控
Upptime ( https://upptime.js.org ) 是开源的正常运行时间监控和状态页面,完全由 GitHub Actions、Issues 和 Pages
Twitch如何对前端进行混沌工程?
混沌工程是 Netflix 首创的一种用于测试系统弹性的方法。您可以使用 Chaos Monkey、Gremlin、AWS Fault Injection Simulator 等工具模拟整个系统的不同故障,然后衡量影响。这些工具允许您设置模拟故障(例如阻止传出 DNS 流量、关闭虚拟
从两次波音737MAX飞机坠机中学习到什么? – Eli
波音737MAX飞机在2018年和2019年两次坠毁,相隔不到半年,这个案例涉及三个大的管理失误,值得借鉴,所以一些有效的经验可以让所有管理层内化。 这个故事,包括一些真正重要的详细事实,在最近推出的 "Downfall: 反对波音的案例",这是一部由Netflix拍摄的纪录片。 <
renatoathaydes/jbuild:比Maven能更好地解决Java依赖冲突
依赖管理是一个困难的话题,比大多数开发人员可能意识到的要困难得多。只要一切正常,您几乎不需要关注您当前使用的依赖项的哪个版本(但您当然应该),所以这是可以理解的。但是,如果您想构建可靠的软件,同时在所有依赖项中跟上最新的安全补丁,这需要不断更新库并确保没有意外引入重大更改并且
使用JulieOps管理Kafka自动化部署?
当试图建立一个自动化的Kafka平台时,有一个问题是 "我如何管理我的Kafka Artefacts?"。 在这篇文章中,我们谈论了一个我们目前在不同项目中使用的解决方案,在未来的文章中,我们打算更详细地了解它的一些功能和实现。
topicctl:Kafka主题声明式管理工具
用于轻松、声明式管理 Kafka 主题的工具。包括从 YAML “应用”主题更改的能力,以及用于对代理、主题、消费者组、消息等进行交互式探索的 repl。 通过标准工具管理 Kafka 主题可能很乏味且容易出错;没有标准的、声明性的方式来定义主题(
使用开源组件构建自动运维Kafka集群 - Slack
Slack团队使用 Cruise Control、Kafka Manager、Chef 和 Terraform 等开源组件大规模运行自我修复的 Kafka 集群。此外,使用标准 SRE 原则和适当的工具(如 Kafka Manager 和 Kafka offset exporter),可以使
kafkaer:基于模板的 Kafka 主题/集群/ACL 管理自动化
如果在生产环境中运行kafka,需要手动创建集群、主题、连接器等既乏味又容易出错。如果能更好地依赖于您放入修订控制并以自动化方式应用的声明性配置就自动化了。Kafkaer 是 Apache Kafka 的部署和配置工具。它允许您跨多个环境自动创建/更新主题和代理。创建一个模板配置文件
kafkaer:将 kafka主题和配置作为代码管理
Kafkaer 是 Apache Kafka 的部署和配置工具。它允许您跨多个环境自动创建/更新主题和代理。创建一个模板配置文件并使用不同的属性文件进行控制。目前的特点: 创建主题 更新现有主题的配置和分区 更新特定代理的配置 更新整个 kaf
上页
下页
关闭