类目筛选
阿里云SLS 容器采集全面兼容Kubernetes
iLogtail致力于打造覆盖Trace、Metrics 以及Logging 的可观测性的统一Agent，而对Kubernetes 语义的原生支持大大增强了Log在Kubernetes场景的采集体验。
AI大模型运维开发探索第五篇：GitOps 智能体
本文探讨了 Manus 智能体的设计及其与传统智能体的差异，重点分析了 CodeAct 机制对智能体执行效率的提升。作者通过《基于LLM的数据仓库》实验反思了交互接口选择的重要性，并提出操作系统和文件系统作为良好的自反馈交互系统。文章进一步结合 GitOps 和持续集成（CICD）理念，设计了一种低成本、可观测性强的智能体运行方案，包括计划智能体（Planner）和执行智能体（Executor）的协作流程。通过实际案例对比，展示了 GitOps 智能体与 Manus 的相似效果，并总结了其在记忆增强、推理可观测性、低成本部署及跨环境适配等方面的优势。最后提供了相关代码路径和参考材料。
基于ASK+TFJob快速完成分布式Tensorflow训练任务
本文介绍如何使用TFJob在ASK+ECI场景下，快速完成基于GPU的TensorFlow分布式训练任务。
PolarDB-X用15M内存跑1G的TPCH
在数据时代，过多耗内存的大查询都有可能压垮整个集群，所以其内存管理模块在整个系统中扮演着非常重要的角色。而PolarDB-X 作为一款分布式数据库，其面对的数据可能从TB到GB字节不等，同时又要支持TP和AP Workload，要是在计算过程中内存使用不当，不仅会造成TP和AP相互影响，严重拖慢响应时间，甚至会出现内存雪崩、OOM问题，导致数据库服务不可用。CPU和MEMORY相对于网络带宽比较昂贵，所以PolarDB-X 代价模型中，一般不会将涉及到大量数据又比较耗内存的计算下推到存储DN，DN层一般不会有比较耗内存的计算。这样还有一个好处，当查询性能低的时候，无状态的CN节点做弹性扩容代价相对于DN也低。鉴于此，所以本文主要对PolarDB-X计算层的内存管理进行分析，这有助于大家有PolarDB-X有更深入的理解。
Serverless 应用优化四则秘诀
Serverless 架构下，虽然我们更多精力是关注我们的业务代码，但是实际上对于一些配置和成本也是需要进行关注的，并且在必要的时候，还需要根据配置与成本进行对我们的 Serverless 应用进行配置优化和代码优化。
函数计算 HTTP 触发器支持异步，解放双手搭建 Web 服务
当前阿里云函数计算支持两种类型的函数：事件函数和 HTTP 函数。其中 HTTP 函数结合 HTTP 触发器，能够支持用户直接通过 HTTP 请求利用 Restful API 的方式发起函数调用；通过这种方式，用户无需集成函数计算提供的 SDK 就能实现函数调用，更好地同已有系统的组件及 Web 服...
技术分享系列-如何实现一个 Paxos
Paxos 作为一个经典的分布式一致性算法（Consensus Algorithm），在各种教材中也被当做范例来讲解。但由于其抽象性，很少有人基于朴素 Paxos 开发一致性库，本文介绍的实现代码参考了 RAFT 中的概念以及 phxpaxos 的实现和架构设计，实现 multi-paxos 算法，主要针对线程安全和模块抽象进行强化，网络、成员管理、日志、快照、存储以接口形式接入，算法设计为事件驱动，仅包含头文件，便于移植和扩展。
某运营商核心对客系统迁移PolarDB实践
数据库迁云是一个复杂工程，对于传统企业来说，数据库不仅沉淀业务数据，还沉淀了大量业务逻辑，数据迁移过程复杂，风险高。本文借用客户核心系统数据库迁移到PolarDB为例，介绍数据库迁移过程中遇到的挑战、对应的解决方案，供大家参考。
