StarRocks Lakehouse 快速入门——Hive Catalog
10月26日，北京站源创会，聊聊高性能计算与大模型推理 StarRocks Lakehouse 快速入门旨在帮助大家快速了解湖仓相关技术，内容涵盖关键特性介绍、独特的优势、使用场景和如何与 StarRocks 快速构建一套解决方案。最后大家也可以通过用户真实的使用场景来了解 StarRocks Lakehouse 的最佳实践！ 本文主要分享 StarRocks Hive Catalog 最佳实践。场景基于订单管理的具体应用展开。 Apache Hive 介绍 Apache Hive 是一个分布
洞见数据未来，StarRocks Summit Asia 2024 即将启幕！
10月26日，北京站源创会，聊聊高性能计算与大模型推理 在 AI 时代，我们需要怎样的数据基础软件？ 数据量和数据类型的需求飞速上涨，我们不仅需要将历史上各种基础设施中的数据进行分析使用，还要关注性能、灵活性、性价比，以及确保单一可信数据源。这一切构成了当前大数据领域的核心难题。 今年 12 月，StarRocks Summit Asia 重磅启动！作为年度数据盛会，我们将从用户、平台方、业务领袖和技术极客等不同视角展开交流，携手共建未来的数据解决方案。 本届峰会，我们将深入探讨 "Data
阿里云 SAE Web：百毫秒高弹性的实时事件中心的架构和挑战
10月26日，北京站源创会，聊聊高性能计算与大模型推理 作者：胡志广(独鳌) 背景 Serverless 应用引擎 SAE 事件中心主要面向早期的 SAE 控制台只有针对于应用维度的事件，这个事件是 K8s 原生的事件，其实绝大多数的用户并不会关心，同时也可能看不懂。而事件中心，是希望能够成为一个更高维度入口，可以总览全局的事件（着重于异常事件），并且配置相关的通知与告警。 建设事件中心和监控最大的区别在于： 监控： 监控主要在关注异常指标的监控告警和可观测能力上。 事件中心： 主要是系统进行
Android & iOS 使用 ARMS 用户体验监控（RUM）的最佳实践
10月26日，北京站源创会，聊聊高性能计算与大模型推理 作者：元泊 引言 背景信息 随着移动互联网技术的持续演进与全民互联网时代的深入，用户在 Android、iOS 应用程序、小程序、H5 游戏及网页等多元化平台上的交互时长显著增长。这一趋势加剧了用户体验（UX）场景的复杂性，并对跨设备及多样网络环境下的性能监控提出了更高要求。在此背景下，深度剖析用户来源、浏览轨迹、驻留时长、访问速度性能，以及遭遇的任何体验障碍，不仅是解锁每位用户行为深层次需求的关键，也是驱动产品与服务优化、提升用户满意度
首个 AI 编程认证课程上线！阿里云 AI Clouder 认证：基于通义灵码实现高效 AI 编码
10月26日，北京站源创会，聊聊高性能计算与大模型推理 最近两年，随着大语言模型和生成式 AI 技术的爆火，软件开发领域首当其冲成为了最热门的大模型应用场景之一，通义灵码等 AI 辅助编程工具纷纷问世。这些工具通过自然语言处理和机器学习技术，能够理解开发者的意图，并且提供行级 / 函数级代码、单元测试和代码注释的智能生成等功能，极大地提高了开发者的编码效率和代码质量。 以通义灵码为例，过去一年通义灵码插件下载量超 500 万，每日辅助开发者生成代码超 3000 万次，累计生成代码超 10 亿行
打造你的专属语音助手，基于函数计算托管 CosyVoice 语音模型
10月26日，北京站源创会，聊聊高性能计算与大模型推理 作者：寒斜 目前，声音的推理和合成在很多领域都有广泛的应用，比如儿童/成人教育、疗愈/陪伴、销售/客服、游戏 NPC、车载通信，工/农业线下辅助等。CosyVoice 是一款优秀的语音合成模型，支持语音合成、情感控制、多语言语音合成等诸多功能，效果体验极佳。然而，对于很多普通用户和应用开发者而言，托管其专属模型，进行使用或者应用开发比较困难，今天分享一下，基于阿里云函数计算 FC 以及 CAP（云应用开发平台），极速托管专属的 CosyV
iLogtail 开源两周年：UC 工程师分享日志查询服务建设实践案例
10月26日，北京站源创会，聊聊高性能计算与大模型推理 作者：UC 浏览器后端工程师，梁若羽 传统 ELK 方案 众所周知，ELK 中的 E 指的是 ElasticSearch，L 指的是 Logstash，K 指的是 Kibana。Logstash 是功能强大的数据处理管道，提供了复杂的数据转换、过滤和丰富的数据输入输出支持。Filebeat 是师出同门的轻量级日志文件收集器，在处理大量日志文件、需要低资源消耗时，它们通常被一起使用。其经典使用场景如下图，Filebeat 将日志文件从各个服
Higress 重磅更新：AI 能力全面开源，云原生能力再升级
10月26日，北京站源创会，聊聊高性能计算与大模型推理 作者：澄潭、钰诚 新版本简介 Higress 最新的 1.4 版本基于为通义千问，以及多家云上 AGI 厂商客户提供 AI 网关的积累沉淀，开源了大量 AI 原生的网关能力。同时也在 Ingress、可观测、流控等云原生能力上做了全方位升级： AI 能力全面开源： 提供包含安全防护、多模型适配、可观测、缓存、提示词工程等领域在内的多个开箱即用插件，核心能力例如： AI 代理插件：支持对接多厂商协议，共支持15家 LLM 提供商，基本涵盖国
海量大模型如何一键部署上云？函数计算 x ModelScope 社区给出答案
10月26日，北京站源创会，聊聊高性能计算与大模型推理 作者：魔搭官方 大模型在过去一年多时间里的一路技术狂奔，深刻的改变了今天模型和AI的整体应用生态，也给开发者提供纷繁复杂的模型选择。在多样化大模型的背后，OpenAI 得益于在领域的先发优势，其 API 接口今天也成为了业界的一个事实标准。许多开源工具和框架，包括 LlamaIndex，LangChain 等，都提供了与 OpenAI API 接口的标准对接方式，让开发者能方便地调用模型服务，进行各种工具以及应用的开发。无论是闭源模型还是
Python 应用可观测重磅上线：解决 LLM 应用落地的“最后一公里”问题
10月26日，北京站源创会，聊聊高性能计算与大模型推理 作者：彦鸿 背景 随着 LLM（大语言模型）技术的不断成熟和应用场景的不断拓展，越来越多的企业开始将 LLM 技术纳入自己的产品和服务中。LLM 在自然语言处理方面表现出令人印象深刻的能力。然而，其内部机制仍然不明确，这种缺乏透明度的做法给下游应用带来了不必要的风险，这也导致了 LLM 应用落地难等问题。因此，理解和解释这些模型对于阐明其行为、局限性和社会影响至关重要。LLM 可观测性能够为模型可解释性提供必要的数据支撑，对于研究人员和开
Apache Seata(incubating) 首个版本重磅发布！
10月26日，北京站源创会，聊聊高性能计算与大模型推理 作者：Seata 社区 2.1.0 是 Seata 进入 Apache 基金会的第一个 Release Version。此次发布将 io.seata 包名更改为 org.apache.seata。除了按原有的 Roadmap 技术演进外，2.1.0 进行了大量兼容性工作，实现了 API、数据和协议的兼容。用户无需修改原有的 API 和配置，即可实现到 Apache 版本的平滑升级。 用户登记 欢迎已使用用户在此链接登记，便于我们更好的针对
从云原生到 AI 原生，网关的发展趋势和最佳实践
10月26日，北京站源创会，聊聊高性能计算与大模型推理 作者：谢吉宝（唐三） 编者按： 云原生 API 网关系列教程即将推出，欢迎文末查看教程内容。本文整理自阿里云智能集团资深技术专家，云原生产品线中间件负责人谢吉宝（唐三） 在云栖大会的精彩分享。讲师深入浅出的分享了软件架构演进过程中，网关所扮演的各类角色，AI 应用的流量新特征对软件架构和网关所提出的新诉求，以及基于阿里自身实践所带来的开源贡献和商业能力。通过本文，您将收获： 系统化了解软件架构的演进过程和由此产生的新的业务需求 由里及表的
如何炼就 AI 原住民的“自我修养”丨通义灵码走进北京大学创新课堂
10月26日，北京站源创会，聊聊高性能计算与大模型推理 AI时代的到来已成为不争的事实，当代大学生及年轻一代正成为这一新时代的原住民。10 月 11 日晚，通义灵码走进北京大学信息科学技术学院第二十六期"知存讲座"， 阿里巴巴通义实验室算法专家、通义灵码算法负责人黎槟华先生受邀进行了以"AI 时代原住民的成长之路"为主题的报告。学院党委副书记贾方健主持了本次讲座。 黎槟华，通义灵码算法负责人，阿里巴巴通义实验室算法专家 黎槟华以不久前人工智能获得 2024 年诺贝尔物理学奖与化学奖的新闻打开本
一文教会你如何使用 iLogtail SPL 处理日志
10月26日，北京站源创会，聊聊高性能计算与大模型推理 作者：阿柄 随着流式处理的发展，出现了越来越多的工具和语言，使得数据处理变得更加高效、灵活和易用。在此背景下，SLS 推出了 SPL(SLS Processing Language) 语法，以此统一查询、端上处理、数据加工等的语法，保证了数据处理的灵活性。iLogtail 作为日志、时序数据采集器，在 2.0 版本中，全面支持了 SPL 。本文对处理插件进行了梳理，介绍了如何编写 SPL 语句，从插件处理模式迁移到 2.0 版本的 SPL
ITSM 流程落地经验之请求管理
10月26日，北京站源创会，聊聊高性能计算与大模型推理 直达原文：ITSM流程落地经验之请求管理 在IT服务管理中，流程的落地和执行至关重要。请求管理作为ITSM的重要组成部分，直接影响到组织内部的服务交付和用户满意度。为了确保请求管理流程的高效性和规范性，我们不仅需要清晰地区分不同类型的请求，还需要优化请求的履行工作流程。本文将分享一些在ITSM流程落地过程中关于请求管理的实际经验，探讨如何区分请求类型、优化请求履行工作流、标准化请求模型，以提升整体服务水平。 区分请求类型 不同的请求类型与
企业的分层运维对象监控指标体系建设
10月26日，北京站源创会，聊聊高性能计算与大模型推理 直达原文：【可观测系列】企业的分层运维对象监控指标体系建设 指标指用于描述一个物体或事物的某个性质的指数、规格、标准，使其可以和其他的物体或者事物比较；从软件的角度讲度量即把所有东西都量化、数据化、可采集。指标即表示对这些量化后的数据的目标值。 观测指标体系是指对监控指标进行体系化的规划、实现全生命周期管理、建设管理规范等的系统方法论。 在了解指标体系前，先了解下为什么需要进行指标体系的建设，结合过往的建设经验，主要有以下六个方面的原因：
WeOps智能化模块：专属于运维的智能助手正式面世！
10月26日，北京站源创会，聊聊高性能计算与大模型推理 直达原文：嘉为蓝鲸WeOps智能化模块：专属于运维的智能助手正式面世！ 前言 AI在运维领域的热度一直不减：时序预测、异常检查、根因分析、工单分类、日志聚类等的算法与运维场景的结合，但是也很难有一些突破性的进展，并不能够让运维进入到智能运维阶段。随着大模型的横空出世，ChatGPT、LLama等大模型的智能涌现能力，给了大家非常多的想象空间。大家在Chat和Agent这两个赛道不断地做尝试。Chat系列上，Long Context、多阶段
企业如何实现运维故障加速闭环的告警体系建设
10月26日，北京站源创会，聊聊高性能计算与大模型推理 直达原文：【可观测系列】企业如何实现运维故障加速闭环的告警体系建设 告警在运维体系中的必要性 企业监控告警管理的困扰 告警管理是企业运维管理中的一个重要环节，它可以帮助企业实时监测和诊断业务系统的状态，并及时发现可能存在的故障或异常情况。但是，在实际操作中，企业告警管理也面临一些困扰，主要包括以下几个方面： 告警散落不标准 在相互隔离的多个监控系统中，散落着没有统一的格式内容规范的各类告警，缺少集中式的管理工具，且告警信息不全面，可读性低
IT服务管理中的人工智能应用
10月26日，北京站源创会，聊聊高性能计算与大模型推理 直达原文：【报告解读】IT服务管理中的人工智能应用 ITSM智能运维的未来，是智能化与自动化的深度集成，AI与大模型的结合正推动行业向更高效、智能决策与自动化迈进。IT领导者需紧跟趋势，合理规划AI策略，优化ITSM平台，选择合适工具，平衡成本与功能，同时关注数据质量与安全，以应对挑战，把握智能运维新时代的机遇。AI驱动的运维，正为ITSM开启无限可能，引领企业服务管理的智能化新篇章。 涉及关键词：ITSM、大模型、智能服务台 全文共计3
Gartner《IT服务管理平台市场指南》报告解读
10月26日，北京站源创会，聊聊高性能计算与大模型推理 PPT 下载：【报告解读】Gartner《IT服务管理平台市场指南》（内附报告下载） ITSM 平台在帮助 I&O 领导者实现、自动化、管理和交付集成 IT 服务方面发挥着关键作用。本文将结合Gartner报告《IT服务管理平台市场指南》（《Market Guide for IT Service ManagementPlatforms》）核心观点，进行深入解读与分析。 PPT 下载：【报告解读】Gartner《IT服务管理平台市场指南》（
今日推荐
周排行