跳到正文

#部署/工程

RSS
今日 49 則
11月21日週六
  1. Dev.to Top Tech52

    如何在正式服務環境中調整推測解碼,讓 vLLM 推論更快

    推測解碼不一定能讓模型在所有流量下都變快,草稿 token 太多或同時處理的請求太多,都可能抵銷加速效果。文章建議先依模型和工作負載選方法,再根據草稿 token 的接受率調整數量,並在低、中、高流量下比較開啟與關閉推測解碼的結果。評估時要看每個 token 的延遲和吞吐量,不能只看第一個 token 出現的時間。vLLM 的標準拒絕取樣在硬體數值精度範圍內不改變輸出分佈;會放寬驗證的方式則可能改變結果。

  2. Dev.to Top Tech61

    Node.js 如何用佇列分批清理 PostgreSQL 日誌

    定期刪除大量日誌時,工作可能中斷或收到重複訊息,讓人難以確認哪些資料已經刪除。這篇教學建議用 Node.js 排出有固定範圍的清理工作,再由工作程式逐批處理 PostgreSQL。每批刪除前,程式會在同一筆交易中寫入工作識別資料、刪除符合時間和編號範圍的日誌,並記下刪除筆數;資料庫確認完成後才通知佇列。若通知前程式中斷,重送的工作會查到原有紀錄,不會再次刪除不同資料。文章也提醒,小型資料表不一定需要佇列,批次大小應依資料庫負載調整。

  3. Dev.to Top Tech60

    如何安全重試小型 SaaS 的失敗背景工作

    客服背景工作失敗後直接重試,可能把同一則回覆送兩次,或重複更新工單。文章建議,小型 SaaS 用簡單的重試流程即可,但每筆工作要先通過三道檢查:確認可以重試、確保只有一個執行者接手,再查明原本的業務動作是否已完成。即使使用排程或佇列,這些安全檢查仍要由應用程式負責。重試也要限制速度,避免舊工作塞滿工作人員,讓新客服需求排在後面。若外部服務無法辨認重複動作,而且重複回覆無法接受,就應改由人工檢查。

  4. Dev.to Top Tech62

    Cloudflare Pages 搬到自訂網域,如何保住 JSON 資料 feed

    把 Cloudflare Pages 網站搬到自己的網域,麻煩的地方不只在 DNS,還得避免舊網址轉址時弄壞每天自動擷取的資料。作者分享把靜態網站從 naming-cn.pages.dev 搬到新網域的做法:網頁請求由 Pages Functions 轉址,但 CSS、JSON 等檔案保留原樣,讓 GitHub Action 還能讀取姓氏資料 feed。作者也提醒,DNS 快取可能讓舊網址看起來還沒更新,加入 CNAME 也不代表網域已連到 Pages 專案;部署時要確認 Functions 確實打包。搬完後,網站頁面會轉到新網址,資料 feed 仍能正常回應。

  5. Vercel Blog61

    Vercel Priority Projects 開放公開測試,增加流量辨識與網頁安全管控

    網站管理者常需要分辨可疑流量,也要知道網頁載入了哪些指令碼。Vercel 開放 Priority Projects 公開測試,供 Pro 和 Enterprise 團隊按專案加購,每個專案每月 $200。它能標示來自 Tor、VPN 和代理伺服器等流量,提供更多機器人資訊、防火牆警示,也能透過 Page Integrity 檢視並封鎖未核准的網頁資源。流量來源規則可用來記錄、要求驗證或封鎖請求,但 Vercel 提醒,分類中也可能包含正常使用者;Page Integrity 和 OWASP 檢查另行計費。

  6. Dev.to Top Tech45

    Sandscale 和 E2B 的 Firecracker 沙盒平臺有哪些不同?

    Sandscale 和 E2B 都用隔離性高的 Firecracker 虛擬機器來執行 AI 助理寫的程式,挑選時更大的差別在計費和管理功能。E2B 按沙盒運作時使用的 CPU 和記憶體逐秒收費,暫停後就停止計費;Sandscale 則只計算沙盒醒著工作的時間,等待模型或人回覆時不收費。例如,文中假設一個工作只忙 10 分鐘、等了 50 分鐘,Sandscale 不會把那 50 分鐘算進費用。 Sandscale 每個方案都有機密資料保管、提示詞檢查、人工核准和修改紀錄;E2B 公開的資料則列出 SOC 2 Type II 報告、可申請的 HIPAA 合作夥伴協議,以及較多地區、雲端和沙盒功能。兩邊各有適合的情況:常常等待、又想要內建管理工具,可考慮 Sandscale;需要合規證明或大量同時運作的沙盒,E2B 公開的支援較完整。

  7. Dev.to Top Tech48

    Sandscale 和 Daytona 怎麼隔離 AI 助理的工作環境、又怎麼計算閒置費用?

    AI 助理做事時常得等模型或人回覆;如果工作環境一直開著,等待時間也可能要付費。Sandscale 和 Daytona 都提供能透過 SDK 或 API 使用、用完就能丟掉的電腦環境,但兩家的隔離方式和計費不同:Sandscale 每個環境都是有自己核心的 Firecracker microVM,等待或暫停時不計費;Daytona 預設使用 Linux 容器,環境啟動時會依保留的 CPU、記憶體和硬碟空間計費。 假設 AI 助理用 2 個 vCPU 工作 10 分鐘,接著等 50 分鐘:Sandscale 只算實際清醒運作的時間;Daytona 若一直開著,文章估算每次要 $0.1656,若 10 分鐘後手動停止,則是 $0.0276,兩者都未計硬碟費。怎麼選要看環境需求和等待時間;例如需要 GPU、Windows 或 macOS 時,Daytona 有提供這些環境,Sandscale 則沒有。

  8. Dev.to Top Tech63

    用四項指標檢查相容物件儲存的每日影像備份是否依期保留

    備份工作顯示成功,不代表舊檔真的按時刪除;保留規則也可能因路徑改名而悄悄失效。作者以商店圖片備份為例,建議把刪除交給儲存桶的規則,再每天檢查逾期物件數、最新備份時間、各路徑的檔案容量,以及匯出連結遭拒的次數。逾期檢查多留一天緩衝,因為刪除可能延後處理;備份檔案太久沒更新,也要另外告警,免得空資料夾看起來像是保留正常。文章也提醒,租戶資料應放在私人儲存桶,匯出檔案要有自己的儲存期限,並記錄簽發下載連結的情況。

  9. Dev.to Top Tech61

    教你用 Docker Compose 在筆電架起 GoCommerce 網路商店

    想在自己的電腦試跑網路商店,常得先安裝好幾種工具,還要處理網域和憑證。這篇教學用 Docker Compose 一次啟動 GoCommerce、Svelte Commerce、PostgreSQL、Meilisearch 和 Caddy;Go 和 Node 都在容器裡執行。設定好環境變數並建立商店後,就能用瀏覽器開啟商店與管理後臺。第一次連線時,瀏覽器會提醒本機憑證來自 Caddy 的本機授權中心;若不設定搜尋用的金鑰,商店仍能運作,但 Meilisearch 容器會不斷重新啟動。

  10. Dev.to Top Tech64

    Node.js 遊戲服務如何比較 EU/US 備份下載速度與成本

    備份放得便宜,不代表客戶需要時就能在期限內下載大型報表。這份 Node.js 實務指南建議,先用相同的檔案清單、登入流程和同時下載人數,在 EU 和 US 各跑一次測試,再比較下載速度、完成時間、重試次數和帳單明細。下載由服務先確認使用者身分,再從私有儲存空間取出檔案並傳給客戶;也要測試中斷後能否接著下載。最後用檔案大小和 checksum 確認內容正確,因為 HTTP 顯示完成,不代表報表一定沒壞。文章沒有替儲存服務排出最便宜名次,選擇要看實際工作量、地區限制和復原期限。

  11. Dev.to Top Tech54

    DeepTutor 如何調整 vLLM,避免本機推論在第 12 輪耗盡記憶體

    DeepTutor 用 vLLM 在本機帶微積分課時,GPU 記憶體會在對話進行到第 12 輪時耗盡,重啟後也救不回沒存下來的對話。作者分享的設定把上下文長度縮到 8192 tokens、使用 FP8 KV cache,並限制同時處理的請求數;他也提醒,DeepTutor 要先把對話整理並存好,才能縮短送給模型的內容。這些調整能替記憶體留出空間,但整理得太多,也可能失去學生先前的學習狀況。

  12. Dev.to Top Tech69

    小型工程團隊如何用一項 SLO 和書面政策管理錯誤預算

    服務偶爾出問題時,小型團隊常得臨時爭論要先修穩定性,還是繼續做新功能。文章建議先挑一項使用者最容易感受到的服務指標,例如成功請求的比例,再用「100% 減去目標」算出錯誤預算;像 99.9% 的目標,在 30 天內約可容許 43 分鐘全面停機。接著把預算用完時要怎麼做、由誰決定、哪些狀況不算在內,寫成大家事先同意的政策。團隊可從負載平衡器紀錄開始,不必先架完整監控系統;預算用完後,可以安排一個工程師或下一個衝刺處理可靠性問題。

  13. Dev.to Top Tech47

    TOGAF 如何用能力規劃,判斷哪些投資能讓開戶更順利

    銀行常有好幾個改善方案,卻不確定該先花錢做哪一個;只加快某個步驟,其他地方卡住時,客人還是得等。這篇文章用一家假想銀行說明,先把開戶拆成收資料、判斷資格、處理例外和啟用帳戶等工作,再確認每一步需要哪些人、流程和證據,才能一起順利運作。銀行一天平均收到 100 件完整申請,估計其中 70 件符合資格;作者建議先以每天最多處理 40 件符合資格的申請來試跑,觀察處理時間和人工審查佇列。這樣可以依實際結果決定下一筆投資該補哪裡,避免只讓申請進來得更快,卻讓等待越堆越多。

  14. Dev.to Top Tech68

    Supero 讓新應用直接使用既有的 PostgreSQL 資料庫

    另做一套資料庫常會拖慢新應用上線,也可能要處理舊系統和新系統同時改資料的問題。Supero 提供一種接法,讓新應用直接讀取既有資料表,並可依資料表選擇同步副本、即時讀取或即時讀寫。像派遣員工檢視訂單時,系統會依公司限制可看的資料,也會禁止她用看不到的欄位篩選或排序。文章也提醒,正式接上資料庫前要檢查回應中的讀取模式標記,並替連線帳號設定最少需要的許可權;即時讀寫時,和其他系統同時修改資料的衝突仍要自行處理。

  15. Dev.to Top Tech82

    vLLM 推測解碼教學:EAGLE、MTP 和草稿模型何時能加速?

    大型模型逐字產生內容時,常受記憶體讀取速度限制;推測解碼會先讓較小的草稿模型猜幾個 token,再由目標模型一次檢查,留下它認可的部分。文章用公式說明接受率和草稿成本如何影響速度,並比較 vLLM 0.33.0 的 ngram、草稿模型、EAGLE、MTP 和 dflash/dspark 等方法。作者也提醒,接受率太低或同時處理的請求太多時,額外草稿可能拖慢速度;應依自己的硬體和工作量調整草稿長度與批次設定。文中引用的測試結果來自各研究與團隊,作者沒有自行測試。

    推薦理由:文章用接受率與草稿成本說明推測解碼何時能縮短生成時間,也指出批次變大時加速可能消失,提供調整設定的實用判斷方式。

  16. Together AI Official Blog73

    Together AI 開放使用 Qwen3 TTS,可調整語氣並串流生成語音

    把文字變成語音時,開發者可能希望調整說話情緒、維持熟悉的聲音,也讓語音更快開始播放。Together AI 現在提供 Qwen3 TTS,可從 9 種預設聲音中挑選,再用簡短文字改變說話方式;每種聲音都支援 10 種語言。串流時,第一段音訊最快可在 97ms 後送出,文字若還在逐步產生,也能透過 WebSocket 分段送入。服務費用是每 1M 個字元 $20;Qwen 建議使用聲音原本的語言,以取得較好的品質。

    推薦理由:文章整理了 Qwen3 TTS 在 Together AI 的語音控制與串流方式,並說明不同語言的聲音品質可能因預設聲音而異。

  17. Dev.to Top Tech63

    如何用 Nodus 分批產生數百萬筆檔案的嵌入向量

    檔案一多,逐筆產生嵌入向量會花很多時間,也可能因工作中斷而重做。這篇教學把資料切成固定小份,交給多個 GPU 工作同時處理;每份完成後各自存檔,工作重新啟動時就能跳過已完成的部分。作者也測試了中途強制停止再繼續執行,完成的向量與不中斷執行相同。文中估算,用 L40S 處理 1,000 萬筆、每筆 512 個 tokens 的檔案,GPU 費用約 $6.17;但自架模型和 API 的排序效果不同,仍要用自己的搜尋問題評估。

  18. Dev.to Top Tech48

    Uber 如何即時顯示車子位置?系統設計白話拆解

    叫車 App 要讓車子看起來一直在移動,得同時處理訊息太多、附近車輛難找,以及網路和 GPS 資料不穩的問題。Uber 改用伺服器在有變化時才推送小段更新,再透過 H3 把地圖切成六角形區域,只查看乘客附近幾格裡的車,不必一臺臺搜尋所有車輛。手機收到位置更新前,會先依車速、方向和所在道路估算車子怎麼走;新資料抵達後,再慢慢修正位置,讓圖示不會突然跳動。看似只是地圖上的小車在移動,背後其實有好幾套系統一起工作。

  19. Dev.to Top Tech46

    部署到正式環境的不是程式碼,而是建置好的成品

    程式碼推上去後,還要經過安裝套件、編譯、打包等步驟,才會變成伺服器真正執行的成品,例如 Docker 映像檔或 Java JAR。成品做好後就不會改動;要換設定或套件,就得重新建置。像 Vercel 或 Render 回復舊版時,通常只要把流量切回先前的成品,不必重做整個建置,因此能更快完成。把部署想成生產線,就會更容易理解:每次提交都要做出可上線的成品,並確認測試過的那一份也確實送到正式環境。

  20. Dev.to Top Tech65

    資料湖倉教學:欄位型別該在哪一層定義?

    資料湖倉的不同處理層若一再替同一欄位轉換型別,資料可能彼此不一致,後續的關聯和圖表也會出錯。作者建議在來源資料穩定後,盡早於 Bronze 層或最早可重用的乾淨資料層定義型別,Silver 和 Gold 層則沿用,專心處理商業規則。UNION 各分支為了對齊型別而轉換欄位可以保留,但要把轉換寫在 UNION 附近;Gold 層的未知資料列也要使用符合關聯欄位型別的值。團隊可用 lint 檢查多餘的 CAST;型別契約變更時,則要一併重建相依資料。

  21. Dev.to Top Tech57

    負載平衡器系統設計面試怎麼準備?從 L4、L7 到故障切換

    負載平衡器能把流量分給多臺伺服器,但它自己故障時,也可能讓整個網站停擺。這份面試指南帶讀者一步步設計:先確認需求和流量,再說明如何挑選健康的伺服器、檢查故障並安全移除伺服器。L4 只看 IP 和連線埠,速度快;L7 會讀取 HTTP 請求,能依網址或 Cookie 分流,但更耗 CPU,因此大型系統可以先用 L4 接住大量連線,再交給 L7 做細部分流。指南也說明兩臺負載平衡器如何共用虛擬 IP,主機故障時由備援主機接手,讓使用者端仍連到同一個位址。

  22. Dev.to Top Tech45

    Apigee 如何使用 Target Servers:設定與管理後端連線的逐步指南

    如果把後端網址直接寫進 API 設定裡,網址一變,就得修改並重新部署每個相關設定。Apigee 的 Target Server 可以把網址集中管理:API 設定只記住一個名稱,Apigee 再依照目前環境找到真正的後端。像開發、測試和正式環境都能使用同一個名稱,各自連到不同的主機;後端搬家時,改 Target Server 就會套用到使用它的設定,不必重新部署。也可以設定多臺後端分擔流量,遇到故障時改走其他主機,並集中管理連線安全設定,讓後端更換和日常維護省事一些。

11月20日週五
  1. Dev.to Top Tech60

    CoreML Stable Diffusion 如何在 iPhone 16 上快速生成圖片

    要在 iPhone 上生成圖片,除了模型要跑得快,也得避免記憶體用量過高而讓程式當掉。作者示範如何把 Stable Diffusion 接上 SwiftUI,並在 iPhone 16 上用 20 步生成圖片,實測約 7.5 秒。轉換模型時要同時開啟兩個設定,才能讓運算走神經網路引擎;生成過程也可重用注意力資料,並在解碼圖片前釋放暫存。作者提醒,SDK 沒有直接提供注意力快取的介面,這部分需要依自己的程式架構實作;步數增加也會讓生成時間變長。

  2. Dev.to Top Tech43

    Node.js 網頁如何安全加入 AI 檔案摘要功能?實用架構指南

    在網頁裡接上大型語言模型,不是把回覆顯示出來就好,還得保護資料、檢查輸入和處理錯誤。這篇指南用 Node.js 示範檔案摘要功能:使用者選好檔案後,由後端確認內容和許可權,再送給模型,檢查摘要格式後交回網頁。像是摘要可以分成重點、重要決定和待辦事項;如果模型回覆不合格式,系統就能攔下來,不把怪內容直接顯示給使用者。把模型相關程式獨立整理,日後要換模型或增加功能也比較好調整;同時還要留意 API 金鑰、檔案大小、使用次數和資料隱私,讓功能真正適合日常使用。

  3. Dev.to Top Tech59

    如何監測 AI API 是否正常,並設定告警

    AI API 回傳 200,不一定代表模型真的能回答;回應太慢、金鑰失效或只有特定模型故障,也會讓使用者遇到問題。作者建議分開檢視供應商狀態頁、用金鑰讀取模型清單,以及定時送出小型模型請求;真正確認模型能運作,要檢查回應裡是否有完成原因欄位。設定告警時,可從多個地區探測,連續失敗 2 或 3 次再通知,並依實際延遲設定慢速門檻。探測應使用有支出上限的專用金鑰;這種小型請求無法檢查回答品質,也看不到串流中途停止等問題。

  4. Dev.to Top Tech65

    教學:用 reemote 在 Pulumi 建好伺服器後,接著用 Python 設定

    用 Pulumi 建好伺服器後,還得把主機資料交給另一套工具,再用另一種方式設定,流程容易斷在中間。作者介紹 Python 套件 reemote,示範如何在 Pulumi 程式裡取得主機位址、等 SSH 連線就緒,再安裝 nginx、寫入網頁檔案並啟動服務。reemote 會先檢視伺服器目前的狀態,只在需要時執行修改,也能先預覽預計變更的內容。這讓建置和設定可以接在同一段 Python 流程中;但伺服器必須已經存在,而且能透過 SSH 連線。

  5. PyTorch Core Releases36

    PyTorch 修正 XPU 的 grouped_mm 遇到空張量時失敗的問題

    在 MoE 裡,有時一批資料不會分到任何專家,讓輸入的 token 數變成 0;這時 PyTorch 的 XPU 版 grouped_mm 會出錯。問題是底層 oneDNN 無法處理某些維度為 0 的分組資料。這次修正會在輸出沒有元素時直接結束;如果 K 維度是 0、但輸出仍有內容,就把輸出設為全 0,因為這時沒有任何數值可以加總。測試涵蓋這兩種情況,讓空輸入也能得到正確結果。

  6. Dev.to Top Tech79

    PostgreSQL 19 升級教學:先檢查舊資料庫與 Docker 設定

    升級 PostgreSQL 19 時,舊版資料庫可能讓 Docker 容器無法啟動,有些資料庫變更還可能悄悄改變查詢結果。作者整理了升級前的檢查方式、使用 pg_upgrade 的步驟,以及從 PostgreSQL 17 或 18 升級時的 Docker 注意事項。像 json_array() 沒有回傳資料時,結果會從 NULL 改成 [],原本檢查 NULL 的程式就可能不再符合預期。文章建議先把 19 放進測試環境檢查,再決定何時升級正式環境;使用 postgres:latest 的人則可先固定舊版標籤,避免拉取新版後資料庫停擺。

    推薦理由:文章把 PostgreSQL 19 的升級步驟和可能悄悄改變查詢結果的變更放在一起,方便先檢查資料庫與 Docker 設定。

  7. Dev.to Top Tech49

    系統如何避免把記錄延遲誤判成超時

    系統會在單次執行時間到達上限時強制停止,但記下結果通常還要多花 1 秒,讓正常停止的執行看起來像超時。原本只要超過上限就會發出警報,因此作者把判定門檻設成超過上限 5 秒,並在報告中清楚標出門檻。實際資料中,153 次停止都沒有真正超時;若沿用舊門檻,卻會不斷出現誤報。 執行時間沒有超限,也不代表完全沒影響:有 12 次執行各佔用共用通道至少 20 分鐘,合計造成全部等待時間的 18%。報告因此也列出這類長時間佔用的影響;如果紀錄缺漏或損壞,則顯示「未知」,避免把查不到資料誤當成零次超時。

  8. Dev.to Top Tech68

    CI/CD 停擺時,如何用備援部署流程更新正式環境

    如果部署只能靠 CI/CD,服務出問題時,團隊可能連修正或回復舊版都做不到。作者以 GitHub Actions 一次服務中斷為例,說明如何準備一條緊急部署路徑:使用不依賴原 CI/CD 的執行環境,預先儲存已掃描的部署成品,並準備需要多重驗證與第二人核准的獨立憑證。部署時要指定映像檔的摘要值,避免臨時猜測版本;也要定期演練、留下紀錄,並在事後檢查每次使用情況。

  9. Dev.to Top Tech56

    如何把 App 資料備份到 S3 相容儲存空間,並安全還原

    備份工作可能沒執行、重複執行,或把某個租戶的資料還原到別人的位置;檔案成功上傳,不代表真的能用。作者以自己維護教育平臺排程工作的經驗,示範如何用租戶編號和日期組成固定路徑,讓重試時覆寫同一份備份,並用限時簽署連結上傳和下載,避免備份檔經過 App 伺服器。文章也提醒要檢查檔案大小或校驗碼,定期把備份還原到測試資料庫,並在別處留一份副本。不同儲存服務在版本保留、法規需求和瀏覽器直傳等方面各有取捨,選擇前要先確認自己的需求。

  10. Dev.to Top Tech53

    作者如何用一個 Cloudflare Worker 和 D1 打造 Idol Max 3D 工作室

    AI 3D 服務常要另外準備佇列、儲存空間和影片處理伺服器,讓維護與雲端費用變複雜。作者分享 Idol Max 的做法:用一個 Cloudflare Worker 和 D1 資料庫處理網站、生成工作與點數紀錄,再由瀏覽器檢查圖片、預覽 3D 模型,並在使用者的電腦上輸出旋轉影片。後端也會檢查生成的 GLB 檔案,確認有效後才完成扣款;如果工作失敗,會退還點數。這種做法減少了額外服務,但影片輸出仍會受瀏覽器編碼能力影響。

  11. Dev.to Top Tech63

    Datadog 和 OpenTelemetry 自架方案怎麼選?比較 ClickHouse 與 Grafana 的成本

    監控服務的費用可能隨主機和紀錄量增加,讓團隊開始考慮自架。作者用 15、80 和 350 臺主機的假設情境,估算 Datadog 與 OpenTelemetry、ClickHouse、Grafana 的每月成本;這些數字是規劃試算,不是實測基準或廠商報價。比較結果會受可搜尋天數、紀錄事件數、雲端資源和維運人力影響;把 Datadog 的索引保留期改成 30 天後,試算比例也跟著改變。文章還提醒,自架要自行處理備份、故障復原、查詢效能和系統維護,應用自己的流量與資源價格重新估算。

  12. Dev.to Top Tech71

    開發者可用 5 個 AWS 做法減少雲端費用

    AWS 費用常被當成財務部門的事,但伺服器大小、儲存空間和測試環境是否整晚運作,都會影響帳單。Atinder Singh 整理出 5 個開發者能用現有工具執行的做法:檢查未連線的 EBS 磁碟、替 CloudWatch 日誌設定保留期限、在非上班時間關閉開發與測試環境、依實際用量調整執行個體,並在清理後再考慮 Savings Plans 或 Reserved Instances。文中也提醒,刪除磁碟或快照前要先確認負責人,調整正式環境資源前要先測試,避免省下費用卻影響服務可靠度。

  13. Dev.to Top Tech63

    Node.js 教學:使用者離線時,如何取消串流中的 LLM 請求

    使用者關掉分頁或按下停止後,伺服器可能還在向 LLM 服務要答案,沒人讀到的內容也會繼續產生。作者示範在 Node.js 用 AbortController 偵測瀏覽器提早斷線,並把取消訊號傳給 fetch;再用 AbortSignal.any() 加上 60 秒逾時,先發生的情況會取消請求。測試中,假 LLM 原本會送出 100 個 token,使用者中斷後只送出 5 個;正常連線仍能收到全部內容。作者也提醒,各家服務對取消串流的計費方式不同,應檢視供應商說明。

  14. Dev.to Top Tech43

    Nitrobase 如何避免兩個部署面板同時管理同一臺 VPS

    兩個部署面板都能用 root 許可權連上同一臺 VPS 時,可能互相改掉設定,甚至把對方管理的容器或資料夾當成垃圾刪掉。Nitrobase 會在伺服器、Traefik、容器和應用程式資料夾留下安裝身分記號;如果發現資源屬於另一個 Nitrobase 安裝,就會拒絕部署。舉例來說,伺服器記號寫著 alpha-01,新面板卻是 beta-07,部署就會被擋下。沒有記號的資源也不會預設刪除,接管則要明確操作。這能減少面板互相干擾或誤刪資料的風險,但有 root 許可權的人仍能修改這些記號;它主要是防止合作使用時出錯,不能擋住惡意管理者。

  15. Dev.to Top Tech63

    如何用路由過濾,避免一條錯誤路由拖垮三個雲端

    多雲環境裡,一條錯誤路由可能從一個雲端一路傳到其他雲端,讓整個區域的流量走錯路。作者建議先列出每條連線可以接收、送出和轉傳哪些網路範圍,再在每個雲端邊界設定雙向允許清單,其他路由一律拒絕並留下紀錄。中央樞紐也要限制不同雲端之間的轉傳。設定完成後,可用不屬於該雲端的路由、過大的網路範圍和超量路由測試規則是否真的生效,並定期比對實際路由和清單。這能讓路由錯誤較早被發現,避免一路擴大成多雲服務中斷。

  16. Dev.to Top Tech49

    AWS 基礎篇第 4 部:用預算提醒、標籤和多帳號管理雲端費用

    AWS 帳單突然變貴,或是過了幾個月就搞不清楚資源是做什麼的,常讓人頭痛。從一開始就替每項資源加上「環境、專案、負責人」標籤,再設定每月預算和費用提醒,就能比較早發現帳單變化,也更容易查出錢花在哪裡。舉例來說,提醒可以設在預算的 50%、80% 和 100%;等工作變多,也可以把開發環境和正式環境放在不同 AWS 帳號,降低一個設定錯誤影響其他工作的機會。先把費用和資源整理好,之後就比較不會被帳單或一團亂的帳號嚇到。

  17. Dev.to Top Tech56

    家用伺服器遠端連線怎麼選?比較 WireGuard、Tailscale、Cloudflare Tunnel 和 Teleport

    想從外面連回家裡的伺服器,常會看到 WireGuard、Tailscale、Cloudflare Tunnel 和 Teleport 被放在一起比較,但它們處理的問題不同。WireGuard 提供加密連線,適合裝置不多、網路路徑穩定的人;Tailscale 會代為處理裝置配對和穿越 NAT,通常較容易用在 CGNAT 網路。Cloudflare Tunnel 能把指定的網頁服務公開給別人使用,不能取代 SSH 等私人網路連線;Teleport 則著重確認誰能操作,以及留下可回看的紀錄。作者建議以 Tailscale 或 WireGuard 管理私人存取,再用 Cloudflare Tunnel 分享特定網頁服務;只有多人管理或需要稽核紀錄時,才考慮加入 Teleport。

  18. Dev.to Top Tech72

    EKS Auto Mode 如何依容器用量調整 Pod 資源請求

    Kubernetes Pod 的資源請求如果設得太高,EKS Auto Mode 會依這些數字配置節點,即使容器實際用量較低也一樣。AWS 推出預覽中的資源最佳化功能,先觀察容器的 CPU 和記憶體用量,再提供建議;選擇 Apply 後,還能直接調整執行中的 Pod,不會改動 Deployment 或 StatefulSet 裡的設定,因此 Argo CD 和 Flux 不會把調整還原。容器需要約 12 小時的用量紀錄才會收到第一筆建議。目前功能只涵蓋 Deployment 和 StatefulSet 的 CPU、記憶體,也沒有自動復原;團隊需先確認適用範圍,再決定是否套用。