排序
NVKE 如何管理裸金属 GPU 集群？
NVKE 为裸金属 GPU Kubernetes 提供集中式管理平面，统一处理节点初始化、集群配置、节点接入和生命周期运维。它不是一套新的 GPU 调度器，也不替代 NVIDIA 驱动、容器运行时或 Kubernete…
4天前
AI Agent 工具报错后，如何重试和熔断避免死循环
Agent 工具调用失败后，不应一律重试；应先判断错误类型，再分配有限预算。达到终止条件时停止调用，熔断器打开后转入降级。能否自动重试，取决于故障是否可恢复、调用是否能够安全重放，以及剩...
8天前
Service Mesh 可观测性靠追踪、指标与日志形成闭环
某个 API 的 P99 延迟从 200ms 升至 2 秒时，Prometheus 首先触发告警。追踪火焰图随后显示，80% 的耗时集中在优惠券服务里的 MySQL 查询上；团队再按同一 TraceID 检索日志，看到…
13天前
79%企业GPU利用率低于50%，问题出在哪
nvidia-smi 显示的 GPU-util 只有 50%，不能据此判断企业买了一半用不上的 GPU。它是采样周期内 GPU 上有计算内核执行的时间占比，回答的是“GPU 上有 kernel 跑了多久”，而不是算力、…
17天前
PM2 多进程部署 Socket.IO，如何配置粘性会话？
PM2 Cluster 下 Socket.IO 偶发断连，仅调整 Worker 数不能解决会话归属和跨 Worker 消息分发问题；需要让同一 Engine.IO 会话固定在一个 Worker，并用适配器把消息送到其他…
20天前
Linux之父用Claude Code重写内核页缓存读取，吞吐涨3倍
Linux 内核仓库里悄悄多出一个分支，分支名后缀带着「LLM」。点开补丁说明署名那一栏，写的是：在 Linus 指导下，由 Claude Code 完成代码、测试、审查与文档初稿。8 个补丁，目前仍挂在 7.3-rc...
29天前
