thepixely
本站致力于IT相关技术的分享
基于 Axum 构建与 Prettier 和 NLP 集成的高性能代码分析与格式化服务 基于 Axum 构建与 Prettier 和 NLP 集成的高性能代码分析与格式化服务
团队的 CI 流水线越来越慢，其中一个瓶颈竟是代码格式化和静态检查步骤。每个作业都要在独立的 Docker 容器里 npm install 然后运行 Prettier，这在 Rust 为主的技术栈中显得格格不入且效率低下。我们需要一个集中式
2023-10-27 后端架构
Axum Backend Prettier NLP Rust
利用 Crossplane Composition 自动化集成 Rollup 与 React Testing Library 的前端项目初始化 利用 Crossplane Composition 自动化集成 Rollup 与 React Testing Library 的前端项目初始化
我们团队的前端项目初始化流程一度陷入混乱。每个新项目启动，都是一次对开发者耐心和规范意识的考验。package.json 里的脚本命令五花八门，CI/CD 配置文件需要从旧项目里小心翼翼地复制粘贴，稍有不慎就会引入错误的依赖或过时的配置。代
2023-10-27 平台工程
Prettier Crossplane React Testing Library Rollup
利用 XState 与 Cloud Functions 构建持久化于 Cassandra 的分布式 Saga 协调器 利用 XState 与 Cloud Functions 构建持久化于 Cassandra 的分布式 Saga 协调器
一个持续超过30秒、跨越多个微服务的数据处理流程，一旦中间环节失败，就会导致数据状态不一致。在生产环境中，这种“数据孤岛”和“半成品”状态是灾难的开始。传统的两阶段提交（2PC）协议在这种长周期、异步的 serverless 场景下，由于其
2023-10-27 分布式系统
Google Cloud Functions Cassandra XState Chef Saga
基于Tornado与ScyllaDB构建支持动态请求批处理的机器学习推理网关 基于Tornado与ScyllaDB构建支持动态请求批处理的机器学习推理网关
一个看似标准的任务摆在了面前：将一个已经训练好的 Scikit-learn 模型部署为在线服务。模型本身不复杂，一个用于实时风险评估的梯度提升树，输入几十个特征，输出一个风险评分。最初使用 Flask 简单包装一下，app.run() 之后
2023-10-27 后端架构
Scikit-learn ScyllaDB Tornado API Gateway
构建基于Packer不可变镜像与Argo CD的PWA持续交付管道 构建基于Packer不可变镜像与Argo CD的PWA持续交付管道
我们团队维护一个内部运营后台，它是一个相当复杂的PWA，状态管理采用了Redux。随着业务发展，一个棘手的问题浮出水面：环境配置管理。开发、测试、预发和生产四套环境，每套环境都有不同的API端点、功能开关（Feature Flags）和第三
2023-10-27 DevOps
PWA 容器化 Argo CD Redux Packer
构建与压测一套面向iOS应用、运行于GKE之上的高基数Prometheus指标管道 构建与压测一套面向iOS应用、运行于GKE之上的高基数Prometheus指标管道
我们的技术痛点始于一个看似幸福的烦恼：iOS应用的用户量激增，随之而来的是对客户端性能体验的监控需求变得异常迫切。市面上的第三方RUM（Real User Monitoring）服务要么过于昂贵，要么在指标定制化上无法满足我们深入分析业务链
2023-10-27 可观测性
Prometheus TSDB GCP GKE iOS 开发 测试
3 / 5