我的2021

简介: 加入阿里之后,博客不知不觉断更了4年。一直想恢复更新,但因为工作较忙,一直没有真正行动起来。新的一年,给自己定下“博客月更”的小目标,及时记录当下的感受和思考,第一篇就先从“我的2021”开始吧。

前言

加入阿里之后,博客不知不觉断更了4年。一直想恢复更新,但因为工作较忙,一直没有真正行动起来。新的一年,给自己定下“博客月更”的小目标,及时记录当下的感受和思考,第一篇就先从“我的2021”开始吧。

一、保持健康

身体是革命的本钱,健康永远是第一位。

2020年经常熬夜赶项目,导致身体不适胸痛发紧,去医院也检查不出原因。2021年调整心态,身体第一,多多睡觉,胸痛症状有了明显缓解。

2021年体检发现有肺结节,结节大小正好是建议切除的临界值,经过2次CT复查,结节并无增长趋势,医生建议每年复查,才算是松了一口气。

因为身体已经出现异样,我便开始做一些有氧运动来增强心肺功能(跑步、跳绳、羽毛球、瑜伽等),虽然运动量不大,但相比2020年是有进步的。

image.png

二、工作状态

2021年的工作节奏有所放缓,基本能在23点左右下班(2020年基本只能在0点后下班)。

下图是我的钉钉2021年度报告,平均每个工作日有6个音视频会议,平均每个会议25分钟,看起来白天大部分时间都在开会,晚上才有空写写代码😂。

image (1).png

三、打磨产品

2020年我们基于水泥行业从0到1孵化了工业大脑智能优化控制系统 AICS(详见:https://help.aliyun.com/document_detail/213072.html)。

2021年我们持续打磨 AICS 产品核心能力,并从点到面沉淀了不少新的行业解决方案(详见:https://www.aliyun.com/product/ai/brainindustrial)。

image (2).png

四、云栖大会

2021年10月,我们团队在云栖大会上隆重发布了 AICS 2.0,我自己也趁机公费摸鱼去云栖大会上体验自家的产品。在发布会现场看到自己开发的产品被客户赞许,内心的自豪感油然而生。

image (3).png

国家《十四五规划纲要》明确提出2025年工业互联网平台应用普及率要达到45%,较2020年提升30%。在国家的大力支持下,工业互联网具备较好的长期发展前景,我自己也要继续加油为中国工业数字化转型贡献绵薄之力。

五、个人成长

技术上,一直在思考如何构建可随处部署、弹性伸缩、容错性好、易于管理、便于观察的系统,所以在云原生技术方向上有更多的探索和实践,沉淀了2篇技术文章 云原生的前世今生(一)我所理解的云原生(二)

业务上,对工业制造全链路“供、研、产、销”都有了更多的认识,对水泥行业的生产加工过程有了更深入的了解,例如:水泥磨、生料磨、回转窑等磨机的工作原理。后续还会给大家分享一些工业互联网方面的科普内容。

除此之外,因为工作范围涉及项目交付全流程,所以会经常补位项目经理PM、技术经理TM、产品经理PD、前端等,自己的综合能力有了全面的提高。下一步的目标是加强算法学习,争取在新的一年里能够补位算法同学。

六、2022年目标

健康:每天睡眠7小时,每周运动3次,体重控制在125斤左右。
工作:进一步掌握工业领域行业知识,深入学习智能控制算法。
个人:博客至少月更,分享云原生实践、行业思考、个人成长等。

PS:关注公众号【劼哥舍】,一起学习成长
目录
相关文章
|
资源调度 Kubernetes Cloud Native
资源调度的最佳实践|学习笔记
快速学习资源调度的最佳实践
960 0
资源调度的最佳实践|学习笔记
|
JavaScript
Ant designe vue中有关<a-list>组件中 实现分页以及复选框效果
Ant designe vue中有关<a-list>组件中 实现分页以及复选框效果
898 0
|
资源调度 分布式计算 Kubernetes
给 K8s 装上大数据调度引擎:伏羲架构升级 K8s 统一调度
飞天伏羲作为有着十多年历史的调度团队,在服务好 MaxCompute 大数据平台的过程中,一直在不断通过自我革新赶超业界先进水平,我们经历了 Fuxi 2.0 的这样的大规模升级,今天通过 K8s 统一调度项目又再次实现了系统架构的蜕变,将大数据平台强大的调度能力赋予 K8s 系统,同时去拥抱 K8s 周边丰富的生态。除了集团弹内集群,将来我们在公共云、专有云等多个场景,也会以 K8s 统一调度的方式进行输出,以更好地服务云上的用户,敬请期待!
2902 103
给 K8s 装上大数据调度引擎:伏羲架构升级 K8s 统一调度
|
存储 Java
【数据结构】优先级队列(堆)从实现到应用详解
本文介绍了优先级队列的概念及其底层数据结构——堆。优先级队列根据元素的优先级而非插入顺序进行出队操作。JDK1.8中的`PriorityQueue`使用堆实现,堆分为大根堆和小根堆。大根堆中每个节点的值都不小于其子节点的值,小根堆则相反。文章详细讲解了如何通过数组模拟实现堆,并提供了创建、插入、删除以及获取堆顶元素的具体步骤。此外,还介绍了堆排序及解决Top K问题的应用,并展示了Java中`PriorityQueue`的基本用法和注意事项。
472 5
【数据结构】优先级队列(堆)从实现到应用详解
|
人工智能 资源调度 算法
内附原文|SIGMOD’24:百万核的智能调度,云数仓如何结合AI处理用户混合负载
论文提出的Flux通过使用AI技术将短时和长时查询解耦进行自动弹性,解决了云数据仓库的性能瓶颈,同时支持了资源按需预留。Flux优于传统的方法,查询响应时间 (RT) 最多可减少75%,资源利用率提高19.0%,成本开销降低77.8%。
内附原文|SIGMOD’24:百万核的智能调度,云数仓如何结合AI处理用户混合负载
|
资源调度 分布式计算 运维
Hadoop集群资源管理篇-资源调度器
详细介绍了Hadoop集群资源管理中的资源调度器,包括资源分配的概念、大数据运维工程师如何管理集群工作负载、资源调度器的背景、Hadoop提供的FIFO、容量调度器和公平调度器三种资源调度器的概述以及它们之间的对比。
565 4
|
资源调度 分布式计算 Hadoop
YARN中的资源调度
【6月更文挑战第19天】YARN中的资源调度
519 3
|
分布式计算 资源调度 监控
分布式资源管理和调度架构
分布式资源管理和调度架构
|
存储 资源调度 大数据
云计算在大数据分析中的弹性资源调度策略
云计算在大数据分析中的弹性资源调度策略
|
机器学习/深度学习 人工智能 资源调度
GPU计算资源智能调度:过去、现在和未来
随着AI和大数据技术发展,GPU成为关键计算组件。文章探讨了GPU计算资源调度从静态到动态再到智能调度的演变,现以机器学习优化资源利用率。未来趋势包括自适应调度、跨平台、集群级调度和能源效率优化,旨在提升GPU性能,推动人工智能和大数据领域进步。