关于 西行驿_找小妹包夜服务薇78792796自贡贡井区按摩站街模特 的搜索结果,共1004
疏****月 2018-07-09
一键上线Archer | 百度持续部署的瑞士军刀
Archer的配置文件路径、的启停脚本及运维命令具有固定的标准并且支持定制化,使用Archer进部署的具有统一的结构; 支持分级发布,及时拦截部署引入的线上故障 针对分级发布的使用场景,Archer支持串并上线及暂停点功能,可照单实例、单机房、单地域等级别设置暂停点,并支持部署过程中进暂停、继续、重试、撤销等操作; 业的多地域部署 的多地域部署主要需要解决不同地域配置不同的问题。Archer提供了配置派生功能以支持多地域部署的场景。Archer支持在同一份配置文件中设置配置变量,并在定地域(机房)中生成定配置值; 多种网络环境及大部署 针对多种网络环境及大部署的使用场景,Archer提供了部署数据中转传输。采用中转的上线在发起任后,部分代码将首先被转存至中转机上。
流****水 2018-07-11
度云企业级运维平台——NoahEE
我们推出的NoahEE(Noah Enterprise Edition)脱始于Noah,为企业提供了一式运维解决方案,覆盖了括日常的故障管理和变更管理中典型的运维场景,致力于为政企、金融、教育等业提供业可用性保障、提升运维效率。 图1 NoahEE概览 接下来,我们把这艘诺亚方舟分解开来,近距离观察一下这艘船的方方面面。 管理 我们首先介绍管理是因为管理是整个运维工作的基础,也是NoahEE这个平台上各个系统能够进批量动化操作的关键。管理这个概念的出现,是随着业快速膨胀的必然,其要解决的主要问题是一个“量”,或者说“规”的问题。在早期业较为简单时,一个可能部署在几台甚至一台机器上,进变更等运维操作简单直接,登录到机器上人工操作就好了。随着业的发展,分布式应用与的广泛使用,我们越来越多的面临着运维场景与运维执之间的脱节。 举个例子,今天17:00开始对X机房的地图导航块进升级。对于产品研发的同学来说,关注点是语义明确且更具描述性的“运维场景”;而对于运维人员来说,关注点是此次升级操作所涉及的机器等资源在哪里。
h****e 2018-07-10
程序:我从哪里来?
干货概览 在计算机程序或者的层次上,我们来试着分析前面提到的几个问题。 问题 1.我是谁? 叫什么,含了哪些实例,、部署情况、实例运状况如何? 2.我从哪里来? 的上游有哪些,不同的上游流量如何分配? 3.我往哪里去? 的下游有哪些,不同的下游流量如何分配? 面对这样的问题,我们的答案是什么呢? 在百度的运维实践中,我们只需“BNS”就可以获得想要的答案。 BNS(Baidu Naming Service,百度名字)是百度云智能运维团队研发的一套分布式的名字系统,是百度云Noah智能运维产品中的一个重要基础系统。它为每一个赋予一个独一无二的名字,根据这个名字,我们就可以获取到这个的相关信息 ,这些信息括:在机器上部署信息(机器IP,部署路径,配置,端口信息),的实例运状况等其他重要信息。简单来讲,它提供了一个名到资源信息的一个映射关系。
M****点 2018-07-10
中国云计算现状——产品篇
客户只关注价格和质量两个维度,不用承担太多选型责任,大不了切走就,甚至有专门的中立CDN监测的平台。 虽然业内对CDN生意评价不高,认为这就是卖资源,但每个云平台都将CDN收入列为重要单项,成熟的式催熟了巨大蛋糕。 关于Serverless的介绍,我建议大家搜一下ZStack张鑫的那篇文章。Serverless的实之处在于要求程序为己进改造,其他强调需付费的计算只是快速释放资源的把戏,Serverless才是真正的计算能力集装箱,未来计算场景下的CDN。 三、SaaS产品 其实SaaS产品和狭义的云计算没一毛钱关系,广义的云计算连设备租赁和人员外都能算进去吹水框架,然也给SaaS云预留了位置。 SaaS产品已经出现并流了十几二十年了, OA/ERP/CRM/邮箱/板建等等SaaS都是比各位读者从业年龄还长的老古董,最新流的各种在线办公、协作、通话、众测等SaaS产品也不依赖云器,这些应用上云走公网和之前走内网别并不大,用物理机和虚拟机别也不大。
红****2 2018-07-10
故障愈机器人,保你安心好睡眠
直接损失括访问流量丢失、商业收入下降、用户体验受损、打破等级协议(SLA)造成的商业赔付等,间接损失括用户信任度下降、给竞品占领市场机会等。 单机房故障诱因众多不可避免 单机房故障诱因众多,详细复盘若干单机房故障发现故障诱因大致可以分为四类: 基础设施故障:物理机房故障、网络链路拥塞、流量转发基础设施故障等 程序缺陷:程序隐藏bug、程序性能严重退化等 变更故障:测试不充分的程序、配置、数据变更,人工临时介入的误操作等 依赖故障:第三方故障例如通用的认证、支付、存储、计算故障等 单机房故障止损可靠性与效率急需提升 人工处理场景下,运维人员通常选择7*24时值班,接收大量的报警,随时准备在紧急情况下进响应、决策、操作一系列故障止损动作,尽量挽回损失,降低故障影响。 但上述解决方案会面临如下问题: 响应可能不够迅速:例如间报警 决策可能不够精确:例如新手OP经验欠缺,误决策 操作可能出现失误:例如止损命令错误输入 “机器人”处理场景下,单机房故障愈程序可独立完成故障感知、决策、执的完整故障处理过程,并及时向运维人员同步故障处理状态。
l****m 2018-07-10
五年前的预言——2012年云计算时代的运维职位展望
2、进云计算器维护;几大云供应商己也要维护器,那些大中型企业肯定会己做私有云,在这个云计算平台里也是需要运维人员进从低端监控到高端架构的一系列维护工作,但动化运维技术会让运维人员的数量大大减少,可能每个公司都只有一两个团队了。 3、进传统业继续做运维;笔者就是在一个通讯公司工作,我可以很乐观的说云计算会对公司造成有限的技术革新,比如说实现OS的虚拟化。我们需要的SIP必须亲搭建,阿里盛大新浪都没得卖,甚至因为硬件和网络限制让我们很难使用虚拟机;而外宣网一类的东西根本不是我们的核心竞争力,能用就好效率低一些没关系。除了通讯公司之外,生产领域(比如管理生产线)也有类似的顾虑,云计算的优势和公司的业需求完全不沾边,所以这类公司的运维可能会是最后的运维。大家工作的时候都习惯相关的工作,但你学过Web就一定要工作是挺蠢的为,危邦不入乱邦不居,最好不要涉足一个没有前途的业。
布****五 2018-07-10
如何执一条命令
部署升级 DevOps的概念如今日趋流,部署升级越发成为开发运维过程中重要的一环,频繁的交互意味着频繁的部署。部署过程可以拆解为两个的步骤,一是新软件的上传,二是进程的重新启动。进程的重新启动不必多说,软件的上传可能有多种方式,如sftp的集中式,p2p的点对点式等。 监控采集 软件运维过程需要时刻监控系统及业软件的运状态,各种运维决策都是以这些数据为依据进的。随着动化运维的发展,很多运维动作都从人工执变为了动执动执的决策过程更是需要采集大量的实时信息(前期文章《百度大规时序数据存储》中介绍的TSDB就是为了解决这些数据的存储问题而研发的)。监控数据的来源主要分两种,一种是通过业软件提供的接口直接读取状态数据,另一种是通过日志/进程状态/系统状态等(如使用grep提取日志,通过ps查询进程状态,通过df查询磁盘使用等)方式间接查询。 无论是配置管理、部署变更还是监控采集,都有一个共同的目的:控制器。在现阶段,要想对器进控制,离不开“在大量器上执命令并收集结果”这一基础能力,这也是今天我们的主题“如何执一条命令”的意义所在。
p****d 2018-07-11
单机房故障愈--运维的春天
基于内网监控、基础监控、业监控提供的故障信号;触发内网止损决策器进止损决策;执流量调度、主备切换、弹性降级等止损操作。 单机房故障愈的常见问题和解决方案 传统的流量调度动止损方案存在如下问题: 1容量风险控制能力不足 【问题描述】 传统流量调度的式有两种:固定比例式与容量保护式。 固定比例式:照预先设定的固定预案,一个机房故障,该机房的流量照预先设定的比例分配到其他的机房。很可能某个机房的容量或剩余机房的总容量不足,切流量后导致多个机房发生故障。 容量保护式:针对固定比例式存在的容量风险问题,改进的流量调度方式为执前判断容量是否充足,容量充足则进流量调度,否则不进调度并通知人工介入处理。但此种方案面对的问题是: 1.容量仍有buffer可以进部分止损。期望能够在不超过容量保护的情况下进尽可能的调度,减少对用户的影响。 2.即使照容量进调度,过载仍可能发生,容量数据本身存在一定误差,流量成分的变化以及变更等导致的容量退化,都可能导致原先容量无法完全可信。
y****n 2018-07-09
Apollo 动驾驶感知技术分享
感知属于动驾驶核心技术,我们可以将汽车上的感知与人类感官进一个类比:人有感知,通过感官器官获取外界信息,传达感知功能,把形象化的东西抽象成概念性或者更高层的语义,供我们思维记忆、学习、思考或者决策,让我们运动控制功能,让我们身体对外界进反馈。无人车类似这样的结构,这是强相关的东西,我们无人车也是一样。 下图所示这辆车是 2016 年 12 月乌镇演示车队的其中一台,它有传感器、雷达、摄像头,这是覆盖比较全面的设置,括视觉、触觉、嗅觉等信息。它需要大脑处理,大脑是无人车里的感知功能块。 由于感知范围是广泛的,它依赖于人工驾驶或者动驾驶需要的环境匹配,工况复杂度越高,感知复杂度越高。动驾驶不同级别里,感知的复杂度也不同。Apollo 目前开放的定位是 Level3 或者 Level4,感知、决策、控制是三位一体的过程。 感知与传感器系统紧密结合,获取外部环境信息,比如有没有障碍物,障碍物的距离、速度等,把数据交给感知处理块,我们会收集信息,构成人开车时理解的环境。 这些信息会被我们决策块进分析和提取,在周围环境车辆驶状况下,下一步怎么走才是安全的。
M****H 2018-07-11
故障定位场景下的数据可视化实践
基于上面的需求,可以总结为以下三个定位的层次,从整体到局部逐步缩故障范围,到故障根因: 全局问题定位:快速确认线上状态,缩故障判定范围。为可能的止损操作提供判断依据。本文会介绍如何构建一个全景分析仪表盘。 细分维度定位:通过分析地域、机房、块、接口、错误码等细分维度,进一步缩问题范围,确定需要排障的目标块、接口等。本文会介绍如何基于多维度数据可视化解决维度数量暴增带来的定位难题。 故障根因确认:一些情况下,问题的根因需要借助除监控指标之外的数据进分析。例如上线变更、运营活动导致的故障。本文针对导致故障占比最高的变更上线类故障进分析,看如何快速到可能导致故障的变更事件。 全景掌控缩范围 对于一个乃至一条产品线而言,拥有一个布局合理、信息丰富的全景监控仪表盘(Dashboard)对于状态全景掌控至关重要,因此在百度智能监控平台中,我们提供了一款可定制化的、组件丰富的仪表盘。 用户可以根据征,由灵活的组织仪表盘布局,配置所需要展示的数据信息。
TOP