• 在本文中,我们将了解哪种 UUID(通用唯一标识符)类型最适合具有主键约束的数据库列。虽然标准的 128 位随机 UUID 是一个非常受欢迎的选择,但您会发现这非常适合数据库主键列。 通用唯一标识符 (UUID) 是一个 128 位伪随机序
  • 关于内核中的Rust是否有用,有很多奇怪的争论......根据我的经验,它比我想象的要有用得多!"。在我的驱动程序上只调试了大约两天,我就从第一次渲染变成了一个可以运行游戏、浏览器等的稳定桌面。 所有的并发性错误都在Rust中消失了!内存在
  • 林迪效应(Lindy Effect):一些不易腐烂的东西如技术或思想的预期寿命与它们目前的年龄成正比,因此,每增加一段生存期就意味着剩余的预期寿命更长。 长寿意味着对变化、过时或竞争的抵制,以及在未来继续存在的更大可能性。在林迪效应适用的情 icon
  • 在这篇文章中,我与您分享了我们已经测试和批准的 100 个最佳工具列表,用于创建和开发您的 Web3 初创公司。 招聘大多数成功的 Web3 初创公司的开始很少是从发现别人没有的革命性想法开始的,而是从发现 icon
  • 无论您正在开发哪种软件,您肯定会在某种程度上利用日志记录,可能每天都在使用。你写了很多日志,你也读了很多日志,这是我们拥有的最基本的可观察性工具。 不是所有的日志都是应该记录的有许多陷阱会导致无用、浪费和混 icon
  • 我们重写BlueCat Edge核心的 DNS 解析器的经验可以证明:Rust可以成为编写网络应用程 icon
  • Java 最佳实践网站适用于所有 Java 开发人员。目标是将多年的 Java 经验提炼成一组最佳实践,帮助开发人员构建高质量的 Java 应用程序和库。本文档是开源的,非常感谢您的贡献! icon
  • 让我们讨论经典的 3 层架构,我们在其中与与数据库交互的 Web API 进行前端通信。让我们看看数据处理管道可能出错的地方:前端没有验证,或者它没有检查所有条件。我们不能假设我们会完美无缺并且可以标准化一切。我们在开发管道中的元素越多,我们的同事或我们忽略它们的可能性就越大 icon
  • 我在Rust方面的主要经验来自于在以前的一家创业公司工作了2年多一点的时间。这个项目是一个基于云的SaaS产品,或多或少是一个传统的CRUD应用:它是一组微服务,在数据库前提供一个REST和gRPC API终端,以及其他一些后端微服务(本身是用Rust和Python组合实现的)。使用Rust icon
  • Apache Kafka,也被称为Kafka,是一个企业级的消息传递和流媒体代理系统。Kafka是一项伟大的技术,可用于架构和建立实时数据管道和流媒体应用程序。我强烈建议架构师们熟悉Kafka生态系统,特别是Kafka集群、代理、主题、分区、消费者、生产者和偏移的概念。 icon
  • 许多团队也将考虑“最佳实践”的一些软件工程实践,下面是一些建议: 1、文档与代码在同一个 repo 中的内部文件最重要的特点是信任:人们是否相信文件既存在又是最新的? icon
  • 在编写 API 时,REST(代表性状态传输的缩写)被视为标准。然而,REST 本身实际上并不是一个标准。这使得设计直观的 REST API 变得非常棘手。它是一种思维方式或艺术形式,而不是清单。 一致性! icon
  • 在过去两年中,我花了很大一部分时间研究、验证、修补和更新基于 JVM 的大型企业代码库。这不好玩。我的目标是创建一个关于该主题的综合资源,以便面临类似挑战的每个人都可以从中吸取教训并节省一些时间/精力。 基础知识< icon
  • 我在Rust之前就学会了Go,我开始的时候很喜欢它,但我越用越觉得它的缺点越多,越不喜欢它。我发现他们的很多承诺并没有真正得到证实。 后来我发现并学习了Rust,我越学越喜欢它。在我看来,它解决了我在golang中发现的很多问题。这些天来,除非有外 icon
  • 作为容器编排平台,Kubernetes(K8s)具有诸多优势。例如,K8s 在自动化方面很重要。这包括工作负载发现、自我修复和容器化应用程序扩展。然而,Kubernetes 并不总是在经过一些调整后就可以投入生产。本指南分享了您应该立即实施的关键 Kubernetes 最佳实 icon
  • 此清单提供了可操作的最佳实践,用于在 Kubernetes 上部署安全、可扩展且有弹性的服务。内容是开源的,可以 icon
  • 首先,我想讨论几个数据工程的具体方面:可见性、协作和多样性(技能)。 可见性鉴于数据工程工作的性质,在许多公司,数据工程经常生活在数据科学的阴影之下。因此,数据工程团队的可见性往往是一个问题,直接影 icon
  • Netflix 撰写了一篇激动人心的博客,讲述了在生产环境中操作推荐引擎的最佳实践。 运营一个大规模的推荐系统是一项复杂的工作:它需要高可用性和吞吐量,涉及许多服务和团队,推荐系统的环境每秒都在变化。例如,新成员或新项目可能随时来服务。新代码和新 icon