阿里云服务器付费模式选择：节省计划、预留实例券、抢占式实例详解
在我们选购阿里云服务器的时候，有多种计费方式可选，其中包年包月和按量付费是用户最熟悉也是选择最多的计费方式，除了这两种方式之外，阿里云还提供了抢占式实例、节省计划、预留实例券三种更为灵活且经济的付费模式，旨在满足不同业务场景下的长周期低成本与短周期高弹性需求，有的新手用户朋友不清楚这三种计费方式是什么，本文将为大家解析这三种付费模式的内在机制、优势对比及适用场景，以供您选择参考。
阿里云容器服务差异化 SLO 混部技术实践
阿里巴巴在“差异化 SLO 混合部署”上已经有了多年的实践经验，目前已达到业界领先水平。所谓“差异化 SLO”，就是将不同类型的工作负载混合运行在同一节点，充分利用工作负载对资源 SLO 需求特征的不同，提升资源整体使用效率。本文将重点介绍相关技术细节和使用方法，让用户可以充分享受差异化 SLO 带来的技术红利。
如何在云原生混部场景下利用资源配额高效分配集群资源？
由于混部是一个复杂的技术及运维体系，包括 K8s 调度、OS 隔离、可观测性等等各种技术，之前的一篇文章《历经 7 年双 11 实战，阿里巴巴是如何定义云原生混部调度优先级及服务质量的？》，主要聚焦在调度优先级和服务质量模型上，今天我们来关注一下资源配额多租相关的内容。
云+应用一体化运维
混合云新一代应用运维全新升级启航～从产品层面构建从业务、应用到云平台自上而下的一体化监控、全栈统一运维能力，即一个入口、一个屏幕，让问题看得到、摸得着、管得了；构建从应用三态开始的应用全生命周期统一管理能力，保障应用满足监管要求的同时，实现业务高效上云和稳定用云。
更轻松、高效、经济的LLaMA训练——开源大模型训练框架Megatron-LLaMA
9月12日，淘天集团联合爱橙科技正式对外开源大模型训练框架——Megatron-LLaMA，旨在让技术开发者们能够更方便地提升大语言模型训练性能，降低训练成本，并保持和LLaMA社区的兼容性。测试显示，在32卡训练上，相比HuggingFace上直接获得的代码版本，Megatron-LLaMA能够取得176%的加速；在大规模的训练上，Megatron-LLaMA相比较32卡拥有几乎线性的扩展性，且对网络不稳定表现出高容忍度。目前Megatron-LLaMA已在开源社区上线。开源地址：https://github.com/alibaba/Megatron-LLaMA