这篇文章讲述了一位前阿里员工从2012年离职后的职业历程。他先后加入嘀咕网和懒人听书创业公司，在懒人听书工作十年后于2023年离开。之后经历了旅游、求职不顺的过程，最终与几位前同事在2023年底开始创业。团队最初尝试AI写小说未果，又考虑转行做新疆民宿但未能实施。最终回归老本行，在2024年底启动了"万象有声"项目——一个利用AI技术优化有声书制作全流程的平台，涵盖智能拆章、画

现在这个美好的时代，作为一个技术人，如果连Spark的大名都不知道，那显然是说不过去的，话说大数据的时候，必提Hadoop、Spark。我跟进Spark也好些日子，这次用最新搭建的Hadoop实验集群用最新的Spark来体验了一把酸甜苦辣!

hadoop-2.7.3 + Centos 6.7 64位环境下使用弄一套Hadoop环境过程的中使用 hadoop checknative -a来检查环境支持Hadoop native 的状态。

正如上一篇记录的那样，采用sqoop1.99.4 + hadoop2.2.0来将mysql的表数据导入到HDFS的时候，死活没有找到如何制定字段分隔符号，这才有了试用sqoop1.4.5这番折腾。从架构上来将，Sqoop2确实在安全性等方面有很好的提升，但是Sqoop2目前还不推荐在生产环境中使用，它很多功能还缺失，不够完善，不过，对我们小规模的使用Hadoop的公司来讲，Sqoop1.4.X足够

kubelet组件，systemd方式部署，journalctl -u kubelet查看；其他组件，pod方式部署kubectl logs查看；容器运行时将日志写入 /var/log/pods；系统日志，/var/log/message

kubernetes已经是后台开发的必知必会的技能了，最快速的学习方法莫过于自己从零开始搭建集群环境，在上面做各种实验了。以下为笔者基于ubuntu22.04.2操作系统和kubernete1.27.3以及docker24.0.2搭建k8s集群的详细过程，尽量详尽，少留坑。

写代码的能力上看，文心一言3.5的能力已经很强了，能够和GPT-4各有千秋。我这里只贴出了GPT-4的实现，文心一言3.5的代码实现也是类似的，只是会提示JDK没有实现SHA-3-256，需要引入第三方库。但是生成的单元测试用例明显好于GPT-4，对于边界条件验证的更加充分。足够用了，关键文心一言3.5还免费。

Ollama 是一个开源的大型语言模型（LLM）服务工具，它允许用户在本地机器上运行和部署大型语言模型。用户可以通过简单的命令行操作，快速在本地运行如 Llama 3 这样的开源大型语言模型。

最近一直在想如果让我自己来做一个服务化框架出来，该实现些什么功能，具体该怎么去做这样的问题，数据序列化是一个重要的模块，故此有意对常见的一些开源序列化框架做一个比较！我个人对Hessian、Java、protobuf、Thrift这几种序列化方式比较熟悉，但是对Kryo、msgpack就没有怎么涉及了，先把这篇文章开一个头，积累了足够的能量之后再来完善。

尝试在macbook上部署LLaMA-2的中文模型的详细过程，体验本地化部署模型的能力。