中间件

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。

Higress 开源一周年：新版本，新标准，新工具，新征程

带你读《2022龙蜥社区全景白皮书》——4.3 未来技术演进与展望

带你读《Apache Dubbo微服务开发从入门到精通》——五、 配置工作原理（6）

带你读《Apache Dubbo微服务开发从入门到精通》—— 五、 动态配置规则

带你读《Apache Dubbo微服务开发从入门到精通》—— 一、 部署到传统虚拟机（上）

PolarDB-X前身是淘宝内部使用的分库分表中间件TDDL（2007年，Java库的形态），早期以DRDS（2012年开始研发，2014年上线，分库分表中间件+MySQL Proxy的形态）的品牌在阿里云上提供服务，后来（2019年）正式转型为分布式数据库PolarDB-X（正式成为了PolarDB品牌的一员）。从中间件到分布式数据库，我们在以MySQL为存储构建分布式数据库这条路上走了10余年，这中间积累了大量的技术，也走了一些弯路，未来我们也会坚定的走下去。

前言：本文介绍了饿了么交付中心由python语言栈转换到java语言栈大致过程,一来是对前段时间的工作做下总结，另外也是想通过此次总结为其他应用服务转型提供些借鉴。写的不好，欢迎板砖。 背景 饿了么并入阿里集团,为了能高效与集团内部系统协同对接,同时方便利用集团优势技术资源,更好的融入阿里集团技术生态圈,饿了么交易中台在上半年启动了交易领域的四大应用语言栈转型项目，为阿里集团本地生活服务平台打好技术平台基础做准备。

自 2010 年左右第一次引入以来，Apache ZooKeeper 目前在阿里巴巴集团内部已经有了将近 10 年的发展，使用的场景非常广泛，基于 ZooKeeper 强一致性的特点，被用在了分布式锁、分布式队列、Leader 选举、服务注册发现和配置管理等多个大数据和微服务场景下，包括配置中心，注册中心，分布式框架下，分布式调度框架，分布式消息中间件，分布式数据中间件等。

导读查尔斯·狄更斯在《双城记》中写道：“这是一个最好的时代，也是一个最坏的时代。”移动互联网的快速发展，出现了许多新机遇，很多创业者伺机而动；随着行业竞争加剧，互联网红利逐渐消失，很多创业公司九死一生。

Cloud Toolkit 支持将应用部署到 Windows 服务器，您无需在一系列运维工具之间切换，只需在图形界面上选择目标服务器即可快速部署。本文将介绍在 IntelliJ IDEA 中使用 Cloud Toolkit 部署应用到 Windows 服务器的方法。

整理了31到消息中间件面试题RabbitMQ+ActiveMQ+Kafka

在之前的文章中，我们分别针对开发者最主流的编程工具，介绍了《如何在 IntelliJ IDEA 中部署代码到服务器》，以及《https://yq.aliyun.com/articles/698375》。

本文是《如何做好性能压测》系列专题分享的第四期，该专题将从性能压测的设计、实现、执行、监控、问题定位和分析、应用场景等多个纬度对性能压测的全过程进行拆解，以帮助大家构建完整的性能压测的理论体系，并提供有例可依的实战。

本文将为您介绍，在采集多类日志数据的情况下，阿里云业务实时监控服务（ARMS）之前端监控如何优化日志上报

EagleEye作为阿里集团老牌的链路跟踪系统，其自身业务虽不在交易链路上，但却监控着全集团的链路状态，特别是在中间件的远程调用上，覆盖了集团绝大部分的场景，在问题排查和定位上发挥着巨大的作用，保障了各个系统的稳定性，为整个技术团队打赢这场战役保驾护航。

引言 在前几期的消息中间件对比中，我们为Kafka和RocketMQ设定了几个性能场景（单机系统可靠性、多Topic对性能稳定性的影响以及Topic数量对单机性能的影响），这些场景大都是以服务端的吞吐能力为对比焦点。这一期，我们将从客户端的角度出发，为大家带来Kafka和RocketMQ消息及时性

根据之前的学习和沉淀，本期我们总结了几款业界主流消息中间件产品的对比报告。

深入剖析 EventHouse 的核心能力及其在人工智能时代下的定位，介绍 EventHouse 如何作为 AI 数据底座，帮助企业在瞬息万变的市场中，以前所未有的速度挖掘数据价值，驱动业务增长。

本文结合一个典型的高并发智能语音交互场景，介绍如何基于阿里云 RocketMQ LiteTopic 构建一套更稳定、更可靠、更高效的实时语音消息链路架构。

可观测数据作为连接 AI 与生产系统的关键纽带，其价值持续凸显。阿里云可观测团队持续以学术创新驱动技术突破，参与行业标准建设，推动 AIOps 规模化落地，为企业数字化转型提供更坚实的智能运维支撑。

本文介绍如何通过 OpenTelemetry 与阿里云云监控 2.0 构建云原生全栈可观测体系，实现从应用到基础设施的端到端可观测能力，为故障快速定位和 AIOps 智能运维奠定基础。

LoongCollector 作为新一代统一可观测 Agent，将持续致力于为用户提供高性能、低成本、易使用的跨云数据采集解决方案，助力企业构建统一的可观测平台。

新版日志聚类通过自动发现日志模板解决海量日志分析难题，提升日志排查效率。

我们在杭州、上海开放岗位。如果你准备好了，请加入我们，一起建造 AI 时代最重要的数据基础设施。

资源刚性交付是保障线上业务稳定的核心。阿里云SAE通过全托管Serverless架构，实现资源无限弹性、性能100%隔离、按需秒级计费，破解自建K8s在库存、性能、成本等方面的系统性困境，让企业无需妥协即可获得确定性交付能力。

本文讲述 Dify 平台在 Agentic 应用开发中面临的可观测性挑战，从开发者与运维方双重视角出发，系统分析了当前 Dify 可观测能力的现状、局限与改进方向。

魔方文娱携手阿里云构建全栈可观测体系，实现故障发现效率提升 80%、运维成本下降 40%，并融合 AI 驱动异常检测，迈向智能运维新阶段。

最近，MCP 社区发布了 MCP Registry（2025‑09‑08，预览版），为公开 MCP Server 提供“统一目录服务和开放 API”。Nacos 已原生支持 MCP Registry API，可直接作为“MCP Registry”对外提供标准 REST/OpenAPI 服务端，天然融入企业现有注册中心与配置治理体系，并与 Higress/HiMarket 对接打通，让企业能够高效的构建自己的私有 MCP 市场。

本文介绍了在Linux系统中实现守护进程异常重启的几种方案。通过理解僵死进程和信号处理机制，提出了基于SIGCHLD信号监听、轮询proc文件系统及waitpid接口的三种方法，并给出了C++实现代码。最终选择轮询方式以提升稳定性，确保服务进程在崩溃后能自动重启，保障系统可靠性。

本文探讨了C/C++中右移运算时高位补0还是补1的问题。通过示例代码分析，揭示了右移规则：无符号类型高位补0；有符号类型根据正负决定（正数补0，负数补1）。文中列举了可能导致错误的场景，并提供了两种规避措施——使用无符号类型和掩码校正，确保结果符合预期。最后总结指出，右移运算虽常见，但若处理不当易引发隐晦Bug，需谨慎对待。

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。

想必不少程序员都有类似的经历：辛苦敲完项目代码，内心满是对作品品质的自信，然而当静态扫描工具登场时，却揭示出诸多隐藏的警告问题。为了让自己的编程之路更加顺畅，也为了持续精进技艺，我想借此机会汇总分享那些常被我们无意间忽视却又导致警告的编程小细节，以此作为对未来的自我警示和提升。

本文主要介绍了 ARMS 用户体验监控的基本功能特性，并介绍了在几种常见场景下的最佳实践。

本⽂对敏感信息拦截插件的使用方式和实现原理进行了简单介绍，它能够自动检测并处理请求和响应中的敏感词，有效防止敏感信息泄露。通过对不同数据范围的支持和灵活的配置选项，该插件能够适应各种应用场景，确保数据的安全性和合规性。

RocketMQ 中文社区升级发布只是起点，我们将持续优化体验细节，推出更多功能和服务，更重要的是提供更多全面、深度、高质量的内容。

ZooKeeper 作为应用的核心中间件在业务流程中存储着敏感数据，具有关键作用。正确且规范的使用方法对确保数据安全至关重要，否则可能会因操作不当而导致内部数据泄露，进而带来严重的安全风险。因此，在日常的 ZooKeeper 运维和使用过程中，标准化和安全的操作对于加强企业安全防护和能力建设显得格外关键。为了实现这一目标，MSE 提供了一整套标准化流程，帮助用户以更安全、更简便的方式使用 ZooKeeper，从而加速企业安全能力的提升同时最大程度地降低在变更过程中可能出现的风险。