随着微服务架构的普及，线上服务越来越多，随之而来的就是产品迭代的频率越来越快，部署越来越频繁；而同时要求服务上线速度也要快速提升。然后鱼与熊掌不可兼得，有上线、有部署，就有风险，有风险，就对业务有影响，因为也就反向引导了更优的部署方案：诸如蓝绿部署、金丝雀发布（灰度发布），也有适应产品迭代频率的AB测试。1、蓝绿发布概要说明蓝绿发布需要对服务的新版本进行冗余部署，一般新版本的机器规格和数量与旧版本

背景：由于k8s集群节点较多，需要统计到不同命名空间下的pod数量和节点上的pod数量。实现方法：基于python实现ns上的pod数量：#!/usr/bin/pythonimport commandsnamespaces = []pod_namespaces = []status,output = commands.getstatusoutput("kubectl get namespace")

ChatGLM3 是智谱AI和清华大学 KEG 实验室联合发布的对话预训练模型。更强大的基础模型。更完整的功能支持。更全面的开源序列。详细介绍参考官方README介绍。basic_demo: 基础demo（cli_demo和web_demo）composite_demo ： 综合demo（聊天、工具和代码解释器）finetune_demo：基础模型微调model：这个事自己创建的，将模型文件放在此

更强大的性能。更长的上下文。更高效的推理。更开放的协议。详细介绍参考官方README介绍。

更强大的性能。更长的上下文。更高效的推理。更开放的协议。详细介绍参考官方README介绍。

updateGitlabCommitStatus 可以将jenkins的构建信息写到gitlab的流水线中。可以是用户名和密码，也可以是个人token，建议两个都保存下即可，后面会有用到。此处需要gitlab的令牌token，并需要通过`Test Connection。可以在gitlab的pipeline上看到jenkins的构建信息。选择你需要配置的项目 - 设置 - webhooks - 添加

更强大的性能。更长的上下文。更高效的推理。更开放的协议。详细介绍参考官方README介绍。

基于ggml的纯C++实现，工作方式与llama.cpp相同。通过 int4/int8 量化、优化的 KV 缓存和并行计算加速内存高效的 CPU 推理。具有打字机效果的流式生成。Python 绑定、Web demo、API server和更多可能性。硬件：x86/arm CPU、NVIDIA GPU、Apple Silicon GPU平台：Linux、MacOS、Windows。

一种利用 langchain 思想实现的基于本地知识库的问答应用，目标期望建立一套对中文场景与开源模型支持友好、可离线运行的知识库问答解决方案。该项目是一个可以实现 __完全本地化__推理的知识库增强方案, 重点解决数据安全保护，私域化部署的企业痛点。本开源方案采用Apache License，可以免费商用，无需付费。目前支持市面上主流的本地大语言模型和Embedding模型，支持开源的本地向量数

Steps是作业中可重用且可组合的部分。每个Step都定义可由其他Steps使用的结构化输入和输出。Step可以来自本地文件、GitLab.com 存储库或任何其他 Git 源。Steps 是用于运行作业的 shell 脚本的替代方案。它们提供了更多的结构，可以组合，并且可以测试和重用。exec:命令是通过使用 Exec 系统调用来运行的，而不是通过运行 shell 来运行。Steps在 step