logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

揭秘Docker魔法:Linux内核的namespaces、cgroups与unionfs如何铸就容器化奇迹

本文深入探讨了Docker容器技术的底层实现,着重分析了Linux内核的namespaces、cgroups和unionfs等特性如何支持Docker的运行。首先,文章概述了Docker的概念和重要性,并指出了Linux内核在其中的关键作用。接着,文章详细解释了namespaces如何隔离进程和资源,创建独立的容器环境。然后,文章探讨了cgroups的工作原理及其在Docker中的应用,如何限制和

文章图片
#docker#linux#容器 +2
搭建NFS服务器,部署k8s集群,并在k8s中使用NFS作为持久化储存

本文旨在探讨如何搭建NFS服务器,并将其集成到Kubernetes(K8s)集群中作为持久化存储的解决方案。我们将首先介绍NFS的基本原理和优势,随后详细阐述NFS服务器的搭建过程,包括安装NFS软件包、配置NFS共享目录以及启动NFS服务。接着,我们将探讨如何安装k8s集群并在K8s中部署NFS客户端。

文章图片
#服务器#kubernetes#容器 +4
服务器硬件基础知识

本文旨在深入探讨服务器硬件的基础知识,帮助读者更好地理解服务器的构成、工作原理以及各部件的性能特点。文章首先概述了服务器硬件的基本组成和分类,为后续详细讲解奠定基础。接着,文章分别从中央处理器(CPU)、内存(RAM)、存储设备、主板与扩展槽、网络接口与通信、电源与散热系统等方面进行了详细介绍,包括各部件的工作原理、性能参数、选型建议以及优化措施等

文章图片
#服务器#运维#硬件架构
Gemma 3模型:Google 开源新星,大语言模型未来探索

Gemma 3 是 Google DeepMind 在开源小模型方向推出的新一代轻量级语言模型,属于其 Gemma 系列的一部分。该系列旨在提供开源、强性能、高安全性的语言模型,适合企业和开发者在本地私有部署。Gemma 3 在模型压缩和推理效率方面表现优异,即便在小参数量(例如 2B、7B)的模型中,也能达到接近 GPT-3.5 甚至逼近 GPT-4 的性能水准。Gemma 3 模型使用了Apa

文章图片
#语言模型#人工智能#自然语言处理 +2
在k8s中搭建elasticsearch高可用集群,并对数据进行持久化存储

本文详细阐述了如何在Kubernetes(k8s)环境中搭建一个高可用的Elasticsearch集群,并重点介绍了数据持久化的配置与实现。随着大数据和云计算技术的飞速发展,Elasticsearch作为一款强大的搜索引擎和分析工具,其高可用性和数据持久性成为企业应用的关键需求。首先,文章介绍了Elasticsearch集群的基本概念,包括节点类型、分片、复制因子等核心概念,以及这些概念在实现高可

文章图片
#kubernetes#容器#运维 +2
【Gitlab】详细介绍与安装配置指南

本文是一篇关于GitLab的详细介绍与安装配置指南。GitLab是一个开源的、基于Web的Git仓库管理器,它提供了代码托管、版本控制、问题跟踪、代码审查、持续集成/持续部署(CI/CD)等一系列功能,为开发团队提供了全面的项目管理解决方案。文章首先概述了GitLab的核心功能和优势,包括其强大的版本控制能力、灵活的权限管理机制、丰富的插件和集成选项,以及对各种编程语言和框架的良好支持。随后,文章

文章图片
#gitlab#ci/cd#个人开发
k8s 存储类(StorageClass)如何动态创建PV深度解析

Kubernetes单词起源于希腊语, 是“舵手”或者“领航员、飞行员”的意思。Kubernetes(简称K8s)的前世今生可以追溯到谷歌(Google)内部的一个项目,它起源于2003年,当时谷歌正面临着不断增长的应用程序和服务的管理挑战。这个项目最初被称为"Borg",是一个早期的容器编排系统。Borg 的成功经验成为 Kubernetes 开发的契机。有关k8s起源的介绍,请参考《初识K8s

文章图片
#容器#kubernetes#云原生 +2
k8s 存储类(StorageClass)创建与动态生成PV解析,(附带镜像)

Kubernetes单词起源于希腊语, 是“舵手”或者“领航员、飞行员”的意思。Kubernetes(简称K8s)的前世今生可以追溯到谷歌(Google)内部的一个项目,它起源于2003年,当时谷歌正面临着不断增长的应用程序和服务的管理挑战。这个项目最初被称为"Borg",是一个早期的容器编排系统。Borg 的成功经验成为 Kubernetes 开发的契机。有关k8s起源的介绍,请参考《初识K8s

文章图片
#kubernetes#容器#云原生 +1
2025 技术实战录:从大模型部署到 AI 自动化,在代码里锚定热爱与成长

《AI技术实战:2025年探索与突破》 摘要:2025年,作者以全栈工程师身份聚焦大模型落地、AI自动化工具链与智能架构三大方向。通过vLLM框架实现消费级显卡部署百亿参数模型,显存利用率提升40%;利用n8n构建企业自动化工作流,节省80%人工干预;深入RAG与Agent技术,推动AI从问答走向执行。文章强调实战价值,提供可复现方案,并展望2026年AGI与行业定制化探索。技术博客全年获近万次阅

文章图片
#人工智能#语言模型#自然语言处理 +3
深入 RAG(检索增强生成)系统架构:如何构建一个能查资料的大语言模型系统

在大语言模型(LLM)迅猛发展的今天,如何突破“模型只能回答记住的内容”这一瓶颈,成为构建实用智能问答系统的关键。本文系统梳理了 RAG(Retrieval-Augmented Generation,检索增强生成)系统的核心原理、组成结构与工作流程。我们将深入解析向量检索、文档切分、Embedding 建模与上下文拼接等关键技术环节文章不仅适合对 RAG 感兴趣的开发者和架构师,也为希望构建企业级

文章图片
#人工智能#语言模型#自然语言处理 +1
    共 54 条
  • 1
  • 2
  • 3
  • 6
  • 请选择