什么是云原生？
云原生（Cloud Native）是一种充分利用云计算弹性和自动化能力的架构理念，核心思想包括以云为中心、模块化与松耦合、自动化运维及弹性容错。其关键技术涵盖容器化（如Docker）、编排调度（如Kubernetes）、微服务和DevOps等。相比传统架构，云原生具备敏捷性、弹性伸缩、高可用性和资源优化等优势，适用于互联网高并发业务、AI/大数据平台及企业转型场景。然而，落地面临技术复杂度高、组织文化转型及安全合规挑战。未来发展趋势包括混合多云管理、智能化运维及WebAssembly等轻量化技术。Gartner预测，到2025年超95%新应用将采用云原生模式开发。
更新应用时，如何实现 K8s 零中断滚动更新？
Kubernetes 集群中，业务通常采用 Deployment + LoadBalancer 类型 Service 的方式对外提供服务。这种架构部署和运维都十分简单方便，但是在应用更新或者升级时可能会存在服务中断，引发线上问题。今天我们来详细分析下这种架构为何在更新应用时会发生服务中断以及如何避免服务中断。
高频面题： 你们线上 QPS 多少？你 怎么知道的？
本文由45岁资深架构师尼恩撰写，针对高级开发和架构师面试中的高频问题提供详细解答。文章涵盖了QPS、TPS、RT等性能指标的定义及计算方法，详解了如何配置Prometheus与Grafana监控系统QPS，并提供了应对高并发场景（如双十一抢购）的系统部署策略。此外，还分享了多个大厂面试真题及解决方案，帮助读者在面试中充分展示技术实力，提升求职竞争力。建议收藏并深入学习，为面试做好充分准备。更多内容可参考《尼恩Java面试宝典》及相关技术圣经系列PDF。
当 OpenTelemetry 遇上阿里云 Prometheus
本文以构建系统可观测为切入点，对比 OpenTelemetry 与 Prometheus 的相同与差异，重点介绍如何将应用的 OpenTelemetry 指标接入 Prometheus 及背后原理以及介绍阿里云可观测监控 Prometheus 版拥抱 OpenTelemetry及相关落地实践案例。
122_集群管理：Slurm配置 - 优化大规模训练调度
在2025年，大规模语言模型（LLM）的训练已经进入到超大规模时代，模型参数量达到数千亿甚至万亿级别，训练过程需要动用数百甚至数千个GPU/TPU。在这种情况下，高效的集群管理系统成为训练成功的关键基础设施。Slurm（Simple Linux Utility for Resource Management）作为目前最流行的开源作业调度系统，广泛应用于科研机构和大型科技公司的超级计算集群中。