类目筛选
2024-12-25
618
OpenAI故障复盘 - 阿里云容器服务与可观测产品如何保障大规模K8s集群稳定性
聚焦近日OpenAI的大规模K8s集群故障，介绍阿里云容器服务与可观测团队在大规模K8s场景下我们的建设与沉淀。以及分享对类似故障问题的应对方案：包括在K8s和Prometheus的高可用架构设计方面、事前事后的稳定性保障体系方面。
618
2025-01-20
609
ACK 容器监控存储全面更新：让您的应用运行更稳定、更透明
针对本地存储和 PVC 这两种容器存储使用方式，我们对 ACK 的容器存储监控功能进行了全新升级。此次更新完善了对集群中不同存储类型的监控能力，不仅对之前已有的监控大盘进行了优化，还针对不同的云存储类型，上线了全新的监控大盘，确保用户能够更好地理解和管理容器业务应用的存储资源。
609
2025-02-21
595
K8S异常诊断之俺的内存呢
本文讲述作者如何解决客户集群中出现的OOM（Out of Memory）和Pod驱逐问题。文章不仅详细记录了问题的发生背景、现象特征，还深入探讨了排查过程中的关键步骤和技术细节。
595
2024-05-15
136128
云原生场景下，AIGC 模型服务的工程挑战和应对
本文介绍了在云原生场景下，AIGC 模型服务的工程挑战和Fluid 在云原生 AIGC 模型推理场景的优化。
136,128
2024-05-15
1424
Koordinator v1.4 正式发布，为用户带来更多的计算负载类型和更灵活的资源管理机制
Koordinator v1.4 正式发布！为用户带来更多的计算负载类型和更灵活的资源管理机制
1,424
2024-05-15
162730
充分发挥 SQL 能力
MaxCompute（ODPS）SQL 发展到今天已经颇为成熟，作为一种 SQL 方言，可以高效地应用在各种数据处理场景。本文尝试独辟蹊径，强调通过灵活的、发散性的数据处理思维，就可以用最基础的语法，解决复杂的数据场景。
162,730
2024-06-24
56443
解锁分布式云多集群统一监控的云上最佳实践
为应对分布式云多集群监控的挑战，阿里云可观测监控 Prometheus 版结合 ACK One，凭借高效纳管与全局监控方案有效破解了用户在该场景的监控运维痛点，为日益增长的业务需求提供了一站式、高效、统一的监控解决方案，实现成本与运维效率的双重优化。助力企业的数字化转型与业务快速增长，在复杂多变的云原生时代中航行，提供了一个强有力的罗盘与风帆。
56,443