写点什么
创作场景
- 记录自己日常工作的实践、心得
- 发表对生活和职场的感悟
- 针对感兴趣的事件发表随笔或者杂谈
- 从 0 到 1 详细介绍你掌握的一门语言、一个技术,或者一个兴趣、爱好
- 或者,就直接把你的个人博客、公众号直接搬到这里
登录/注册
收录了 扩展管理器 频道下的 50 篇内容
孙以义是针对Visual Studio的Git源代码控制提供器的作者,在这篇文章中,他向开发者介绍了如何为Visual Studio 2010创建扩展。文中还包含了如何通过微软的Visual Studio Gallery发布扩展的信息。

在Java中构建可扩展应用程序时,开发者常常从一个简单的问题开始:"如何让用户无需重新编译核心应用程序就能添加功能?" 旅程通常始于标准的 java.util.ServiceLoader,它提供了一种发现接口实现的简单机制。

本文提到了亚马逊 Aurora Serverless v2 使用就地扩缩和跨主机实时迁移来动态管理资源并为包含 10K+ 实例的机群进行扩缩容,提高了性能和成本效益。

近日,Linux基金会宣布启动FAIR项目,旨在建立一个去中心化的WordPress插件与主题分发体系,让托管商和开发者重获控制权。

Mirantis发布了其开源分布式容器管理平台k0rdent的1.2.0版本。他们将k0rdent定位为一个“超级控制平面”,以帮助平台工程师管理跨多个环境的Kubernetes基础设施。

最近,Pinterest公开了其内部编排框架Hadoop Control Center(HCC)。他们使用这个框架来自动化其大规模Hadoop集群的扩展和迁移,解决了在亚马逊云科技云上管理数十个YARN集群中的数千个节点时面临的运营复杂性和限制。

通过清晰的规则,将软件基础设施整合在一起可以缩短开发时间,并能轻松控制大型、分散的系统。

该扩展已累积超过820万次安装和大约1.8k个GitHub星标。

下一代 Kubernetes 自动扩展技术与工具正在帮助组织节省大量的云基础设施成本。最近,Svetlana Burninova 使用 Karpenter 构建了一个多架构 EKS 集群,在提高性能的同时节省了 70% 的成本。

借助该扩展,开发者可以把原本分离的本地开发环境与网页端的 Colab 环境统一起来。

微软最近推出了Azure应用测试,该公司将两项能力整合在一起:Azure负载测试和Microsoft Playwright测试。现在两者都可以通过Azure门户中的单一中心访问,为用户提供了一致的资源配置、访问控制和合并计费体验。

微软发布微软智能体框架预览版,旨在帮助各级开发人员更轻松地创建和部署 AI 智能体。

借助并行副本(parallel replicas),ClickHouse 可以让一台拥有 90 个核心的机器与一百台共 9000 核心的集群,执行查询时表现一致。

在Python Workers方面,Cloudflare通过近乎即时的冷启动、更广泛的软件包兼容性,以及借助uv包管理器简化的工作流程,彻底革新了无服务器的性能。借助内存快照和WebAssembly技术,Cloudflare大幅缩短了启动时间,使Python成为AI和数据科学应用的理想选择。

Azure SQL团队发布了Visual Studio Code MSSQL扩展的1.34.0版本,这是一个跨平台工具,用于SQL Server、Azure SQL数据库和Fabric中的SQL数据库的开发。

亚马逊云科技推出了Amazon EKS Capabilities,这是一套完全托管的、Kubernetes原生特性,旨在简化工作负载编排、AWS云资源管理以及Kubernetes资源组合和自动化。这些能力现在已在大多数AWS商业区域普遍可用,它将流行的开源工具捆绑到一个托管的平台层中,减轻了工程团队的运维负担,并在Amazon Elastic Kubernetes Service(EKS)上实现了更快的应用程序部署和扩展。

本文分享了扩展云和分布式应用程序的目标与策略,重点介绍了摩根大通(JPMorgan Chase)旗下Chase.com在云迁移过程中汲取的经验教训。讨论围绕三大核心目标展开,并详细阐述了实现这些目标的具体策略,最后说明了这些方法在实践中的落地方式。对于管理大规模系统的从业者而言,这些经验源自我们在摩根大通及其他金融机构多年来的实战积累,具有宝贵的指导意义。

Uber构建了HiveSync,这是一个分片式批量复制系统,能够使Hive和HDFS数据在多个区域之间保持同步,它每天处理数百万个Hive事件。

Flipkart的工程师最近发表了一份详细的案例研究,描述了他们如何通过在Prometheus中采用分层联邦设计来克服监控中的严重可扩展性限制。迁移是由他们的API网关层驱动的,其中大约有2000个实例,每个实例大约产生40000个指标,从而导致同时产生了令人震惊的8000万个时间序列数据点。

微软和英伟达已经发布了他们合作的第二部分,即在Azure Kubernetes Service (AKS)上运行NVIDIA Dynamo进行大型语言模型推理。