fitpathly
本站致力于IT相关技术的分享
在 Kong API 网关中通过 WebAssembly 插件实现 NumPy 向量化计算以加速 Apollo Client 的 GraphQL 响应 在 Kong API 网关中通过 WebAssembly 插件实现 NumPy 向量化计算以加速 Apollo Client 的 GraphQL 响应
痛点：一个拖垮前端的 GraphQL 向量计算我们的一个数据科学仪表盘项目遇到了性能瓶颈。前端使用 React 和 Apollo Client，通过 GraphQL 查询后端一个 Python 服务获取时序数据。这个 Python 服务底层
2023-10-27 API Gateway
NumPy Rust Apollo Client Kong WebAssembly GraphQL
Astro前端真实用户性能监控数据的闭环集成 通过Kotlin信标 Loki及Jenkins实现自动化回归分析 Astro前端真实用户性能监控数据的闭环集成 通过Kotlin信标 Loki及Jenkins实现自动化回归分析
一次常规的组件库升级发布，在CI的所有自动化测试（包括Lighthouse性能扫描）中都表现完美，然而上线48小时后，我们才从用户反馈和业务数据波动中间接定位到，新版本导致特定网络环境下主要页面的LCP（Largest Contentful
2023-10-27 可观测性
Loki Jenkins Kotlin Astro RUM DevOps
构建移动端混合推理架构 Swift TFLite与Laravel TensorFlow服务的协同设计 构建移动端混合推理架构 Swift TFLite与Laravel TensorFlow服务的协同设计
项目需求明确：在iOS端实现一个高性能的图像分类功能，要求在网络状况良好时利用云端强大的模型获得高精度结果，同时在无网络或网络延迟高的情况下，依然能提供基础的、快速的离线响应。这个双重目标直接将纯客户端或纯服务端的方案排除在外。 纯服务端方
2023-10-27 架构设计
Laravel Swift TensorFlow PHP 微服务
构建基于 Packer 镜像的标准化 AI 服务单元集成 NestJS 与 BentoML on Ray 构建基于 Packer 镜像的标准化 AI 服务单元集成 NestJS 与 BentoML on Ray
团队里数据科学家交付的模型越来越多，但工程侧的部署效率却成了瓶颈。每个新模型都伴随着一套临时的 Flask API、一个手写的、充满“最佳实践”却无人维护的 Dockerfile，以及一套在 Wiki 上都找不到的部署脚本。结果就是，模型迭
2023-10-27 MLOps
Packer BentoML NestJS Ray
构建支持多模态召回的插件化推荐引擎Kit 构建支持多模态召回的插件化推荐引擎Kit
团队里不同业务线的推荐场景越来越多，一个痛点也愈发明显：每个新场景，无论是商品推荐、文章推荐，还是最近的图片素材推荐，我们都在重复搭建相似的数据处理、向量化、召回流程。代码库里充斥着大量高度耦合、难以复用的脚本，每次需求变更都像是在雷区里排
2023-10-27 架构与设计
Pinecone 推荐系统 Kit 插件化架构 向量数据库
基于gRPC-Go与SQLite实现异构基础设施的分布式控制面 基于gRPC-Go与SQLite实现异构基础设施的分布式控制面
管理一个由Apache Spark集群、需要动态防火墙规则的业务网关以及服务于不同团队的微前端门户组成的混合环境，其复杂性不在于任何单个组件，而在于它们之间交互的失序。运维脚本、人工审批流程和直接暴露的、风格迥异的API共同构成了一个难以维
2023-10-27 架构设计
Micro-frontends gRPC-Go SQLite Apache Spark 防火墙
5 / 5