跳到正文

#部署/工程

RSS
今日 49 則
11月16日週一
  1. Dev.to Top Tech71

    AI 程式碼審查在 GitLab、Azure Repos 和 Bitbucket DC 為何會排隊

    AI 程式碼審查有時遲遲沒有結果,問題可能出在執行工作的伺服器或排隊資源,而不是模型。GitLab 要有符合條件的 Runner 才會啟動審查;Azure Repos 的審查工作會和組織裡的建置、部署工作共用執行名額;Bitbucket Data Center 則要靠 Bamboo、Jenkins 等建置伺服器執行。作者整理各平臺的容量限制與排查方式,例如檢視 GitLab Runner 記錄、Azure 的排隊報表,或建置伺服器的佇列。若審查工作排得太久,即使最後能完成,也可能錯過協助檢查變更的時機。

  2. Dev.to Top Tech66

    如何用 WebAssembly 在入口端篩選 Webhook,減少複製請求資料

    Webhook 進到伺服器後,常得先讀取並解析整份內容,才能決定要不要轉送;如果最後丟棄,這些工作就白做了。作者示範用 WebAssembly Component Model 執行篩選程式,讓程式拿到主機端資料的借用把手,由主機代查標頭、驗證簽章或讀取指定欄位。只有篩選真的需要內容時,才明確複製一小段資料;作者也提醒,主機端仍得掃描 JSON,並應限制資料大小、執行時間和記憶體。這種做法能減少複製與解析成本,但是否划算仍要用實際流量測量。

  3. Dev.to Top Tech60

    Keyright 授權驗證如何用 OpenTelemetry 監控狀態與延遲

    授權驗證如果變慢或失敗,團隊可能要等到客戶報修才發現。作者示範如何用 OpenTelemetry 追蹤 Keyright 的授權檢查:用指標看成功、拒絕的次數、耗時和到期日,再用追蹤紀錄查單次檢查的結果,以及答案來自線上服務、快取或離線寬限期。文章也提醒,授權金鑰、客戶名稱和裝置指紋不該放進指標標籤,避免洩漏秘密或產生大量資料;需要追查個別狀況時,可把非機密識別資訊放在單次追蹤紀錄裡。

  4. PyTorch Core Releases58

    PyTorch 修正 XNNPACK,讓 WebAssembly SIMD 建置能使用加速核心

    ExecuTorch 模型在 WebAssembly 啟用 SIMD 時,原本會因缺少 XNNPACK 對應的核心程式而無法完成連結;改用較慢的純量版本也會拖慢運算。這次修改讓啟用 SIMD 的建置納入 XNNPACK 的 SIMD 核心,並避免 pthreadpool 在 WebAssembly 使用不適用的 x86 指令。作者實測一個小型卷積網路,單執行緒每次執行從純量版本的 90.0 ms 降到 9.0 ms;未啟用 SIMD 的建置則不會多編譯這些程式。

  5. Dev.to Top Tech61

    UAV GNSS 說明如何在自動駕駛儀上啟用並驗證 Galileo OSNMA 和 HAS

    衛星定位可能遇到兩種不同麻煩:有人造出看似正常的假訊號,或是沒有基地臺可用來提高定位準確度。UAV GNSS 說明 Galileo 的 OSNMA 會驗證導航訊息來源,HAS 則提供免費定位修正;兩者都在接收器內運作,不必更改飛控原本接收的資料格式。OSNMA 只驗證 Galileo 衛星,嚴格模式還需要主機時間同步;HAS 則需要幾分鐘收斂,也不能取代 RTK 的重複定位能力。文章建議檢視接收器狀態與飛控定位資訊,並用模擬器測試嚴格模式是否會拒絕跟隨假軌跡。這兩項功能都無法解決幹擾訊號,遇到幹擾仍需要接收器具備抗幹擾能力。

  6. Dev.to Top Tech40

    React Native 和 Expo App 內的 JavaScript 程式碼可以被拆出來

    React Native 或 Expo App 看起來像一般手機軟體,但裡面的 JavaScript 程式碼仍會隨 App 一起安裝,別人可以從 Android 的 APK、iOS 的 IPA 或 OTA 更新檔裡把它找出來。即使用 Hermes 把程式變成另一種格式,也只是增加拆解難度,並沒有把程式藏起來;例如離線功能需要用到的檢查程式,可能仍能被還原。 作者建議把密碼、付費資格和解鎖許可權交給伺服器判斷;必須在手機上執行的程式,則可以另外加上保護,並避免把除錯版本或原始碼對照表公開。文中提到 VEILVM 可用來保護單一程式函式,但這只能提高複製難度,不能讓 App 完全無法拆解,也不能取代伺服器的許可權檢查。

  7. Dev.to Top Tech58

    怎麼挑能在本機跑大型語言模型的迷你電腦?用每 GB 記憶體價格比較

    想在自己的電腦上跑大型語言模型,光看迷你電腦的售價和總記憶體不夠,因為 GPU 能用的記憶體會影響模型大小,而且記憶體不能事後加裝。作者整理 15 種 Strix Halo 規格,用價格除以統一記憶體容量,比較每 GB 的成本;例如 128GB 機器約有 96GB 可供 GPU 使用,文章列出的 Framework Desktop 售價是 $3,449,每 GB 為 $26.95。作者提醒,先確認想跑 70B、120B 或 235B 模型,再挑合適的記憶體規格,也要比較不同購買管道、價格日期和是否包含 SSD、作業系統。這份比較沒有提供效能測試。

  8. Lobste.rs (Engineering Discussion)42

    Nix 如何用 eval-profiler 檢視程式評估過程

    Nix 評估程式時,可能不容易看出哪些函式呼叫花了時間。eval-profiler 會定時記錄 Nix 正在呼叫哪些函式,再把結果交給 flamegraph.pl 畫成圖,方便檢視程式跑到哪裡。啟用後,記錄檔預設會存成目前資料夾裡的 nix.profile;每筆資料也會列出呼叫位置和函式名稱(如果找得到)。例如,記錄可以顯示 import 是在哪個檔案、哪一行被呼叫的。

  9. Dev.to Top Tech71

    Marketplace Telemetry 教你排查 Node.js 部署後的向量資料集合錯誤

    Node.js 部署後若找不到向量資料集合,搜尋可能出錯,也可能把故障誤當成「沒有符合商品」。文章建議讓讀取與寫入共用同一套集合命名方式,並在服務接收搜尋流量或開始大量匯入前,先確認目標集合存在;檢查失敗就先擋住部署。記錄環境、版本和集合名稱等不含憑證的資訊,也能幫忙找出是哪個環節指向不同位置。匯入完成後,還要確認資料數量和引用來源,再決定是否啟用新集合。

  10. Dev.to Top Tech58

    作者示範如何在 Proxmox 部署 Immich,自動備份 iPhone 照片

    想省下 iCloud 額外儲存空間,又希望 iPhone 照片能自動備份,可以在自己的伺服器架設 Immich。作者把 Immich 裝在 Proxmox 上的 Debian 13 LXC 容器,照片放在 NAS,資料庫則留在本機硬碟,並用 iPhone App 上傳選好的照片和影片。作者提醒,Immich 不會完全取代 iCloud 與 iPhone 原本的照片同步,iOS 也可能限制背景上傳;若想少碰到設定問題,可改用 Debian 虛擬機器。自己管理照片也代表要負責更新服務,並分別備份照片、影片和資料庫,最好另外留一份異地備份。

  11. Dev.to Top Tech47

    遊戲訓練資料怎麼安全上傳?用私人儲存空間管理大型檔案

    遊戲團隊常要儲存比賽回放、評測資料和模型檔案,麻煩的是不同團隊的資料不能混在一起,過期資料也得確實刪除。文章建議讓瀏覽器把檔案直接傳到私人雲端儲存空間,但由 Python 服務先確認使用者身分、決定檔案位置和儲存期限,再發出只能使用一次、限時有效的上傳網址;瀏覽器不能拿到管理整個儲存空間的密碼。 例如兩個團隊都上傳 replay.bin,系統仍會依團隊和工作編號分開存放。檔案上傳後也不能立刻拿去訓練,還要檢查內容並記錄是否通過;到了儲存期限,清理工作才會刪除沒有其他用途或保留要求的檔案。這種做法適合大型訓練檔案,但許可權、檢查和刪除都要由團隊自己管理。

  12. Dev.to Top Tech55

    如何用伺服器端功能旗標安全回復遊戲中的 AI 助理版本

    遊戲更新後,如果新的 AI 助理流程變慢或花費增加,團隊需要能快速切回舊流程。文章以 Infrai 為例,說明讓伺服器判斷功能旗標,並把旗標版本和延遲、成本記錄放在一起;出問題時,管理者只要切換旗標,就能回復,不必重新發布程式。若同一場遊戲要維持一致,可以在開局時記住當時的版本,但這也會讓回復對該場遊戲較慢。文章也提醒,Infrai 沒有變更紀錄、可復原刪除或即時推送;團隊需自行處理稽核、通知和資料保留,並避免記錄玩家提示詞等不必要資料。

  13. Dev.to Top Tech61

    如何把 Framer 網站轉成 Astro 專案

    手動把 Framer 網站搬到 Astro,得重做頁面和互動;這篇教學示範用 Deframer 轉換已發布的網站。貼上網站網址、選 Astro 後,它會產生每頁預先轉成 HTML 的專案,並把互動保留在一個 React 區塊裡,讓共用導覽切換頁面時能保留狀態。下載程式碼前,必須證明網站是自己的,或取得網站擁有者同意;圖片等素材也可留在 Framer 的 CDN,或下載到專案中。轉換結果不保證和原網站完全相同,因此上線前要逐頁檢查,也要確認表單設定和網站網址。

  14. Dev.to Top Tech57

    Go 如何用 Metrics API 輪詢監控 AI 助理故障與成本

    補習 AI 助理的一次服務可能會呼叫多次模型;如果其中一段出錯,團隊既要及早收到通知,也要知道費用該算在哪門課或哪個工作流程。文章示範用 Go 定時查詢 Metrics API,並建議記錄每次查詢狀態、重試失敗通知、避免重複告警,另外用 Healthchecks.io 確認排程本身有正常執行。每分鐘查一次,光等待下一次查詢就可能延遲一分鐘,還沒算上重試和通知時間。輪詢方式能把故障和每次呼叫的成本資料放在一起看,但團隊也得自己管理排程、門檻、去重和通知;若需要值班、確認告警或升級處理,文章建議選用有內建告警流程的服務。

  15. Dev.to Top Tech56

    事件順序錯亂怎麼查?用五欄工作表找出系統風險

    訊息都成功送達,處理順序卻可能顛倒,讓出貨早於付款、退款後又被扣款,或刪除的資料被舊請求寫回。作者說明,佇列通常只保證同一分割槽內的順序;不同服務的序號和時間戳記,也不一定能看出同一筆業務事件的先後。文章建議每項業務規則都要明確指定由哪個地方擋下順序錯誤:把相關事件放在同一分割槽依序處理,或讓每個處理程式檢查目前狀態、拒絕倒退。作者還提供五欄工作表,記錄規則、涉及的事件、預期順序、阻擋錯誤順序的程式,以及兩條路徑同時執行時的觀察結果。

  16. Dev.to Top Tech58

    Go 如何處理配送追蹤地圖的批次部分失敗

    即時配送地圖斷線後,系統得分清楚哪些事件沒收到、哪些收過卻沒存住;只知道批次成功或失敗,無法回答這件事。文章用 Go 範例說明,每筆事件都要有固定編號和順序,逐筆回報結果;重連時從最後一段連續收到的位置補資料,遇到缺口就先停住。比如位置 410 到 419 中,414 驗證失敗,已收到的 415 到 419 可以先暫存,但檢查點仍停在 413,補回 414 後再繼續。這樣能避免漏掉事件,也讓重複傳送不會重複套用狀態。

  17. Dev.to Top Tech61

    作者示範如何讓 AI 影片測試訂單跳過付費生成

    開發者用測試訂單檢查付費 AI 影片服務時,可能不小心每次都啟動要花錢的影片生成工作。作者把檢查放在伺服器端:測試訂單預設使用範例影片,訂單仍走到完成,訂單頁、播放、下載和分析事件也能照常測試;只有收到需要明確核准的標頭,才會真的生成影片。作者也替測試訂單加上標記,並補上重用影片包點數的入口。這種做法能減少例行檢查的生成費用,但不會測到影片生成本身;作者另以監控和經核准的付費測試檢查生成流程。

  18. Lobste.rs (Engineering Discussion)48

    Nix 動態 derivation 能一路追溯建置來源,還能接力唱完 99 瓶啤酒

    Nix 的動態 derivation 可以在建置過程中,才決定接下來要做哪些建置工作。作者用「99 瓶啤酒」做示範:每個建置步驟都產生下一個 derivation,像接力一樣一路做到最後。整串共有 51 次建置,而一開始不用先把後面 50 個步驟都列出來;建置完成後,也能用 nix-store --query --deriver 從結果一路往回查,找到最初的 derivation。不過,如果產生結果的那個步驟使用內容定址,Nix 可能回報 unknown-deriver。這項實驗功能讓 Nix 能在建置時才展開工作流程,也留下了追查來源的方法。

  19. Dev.to Top Tech58

    eBPF 範例教學第 7 篇:把程式啟動事件送到命令列

    想檢視 Linux 裡有哪些程式正在啟動,卻不想一直盯著追蹤檔案嗎?這篇 eBPF 教學示範用 perf event array 把核心中的程式啟動事件送到命令列。範例會在程式呼叫 execve 時讀取程式名稱,並列出 PID、父程式 ID 和使用者 ID。這種做法也能把整理好的資料送到使用者空間,方便後續分析;教學選用的 perf event array 支援範圍較廣,下一篇才會介紹較新的 BPF ring buffer。

  20. Dev.to Top Tech47

    小型 App 雲端主機怎麼選?比較價格、好不好用和擴充方式

    替小型 App 找雲端主機,最便宜的月費不一定代表最省錢:資料庫、流量和維護時間都可能讓費用增加。文章把選擇分成三類:自己管理伺服器的 VPS、幫忙建置與部署的 PaaS,以及適合網站和短時間工作的無伺服器平臺。舉例來說,文章估算每月約 $25 能負擔一個小型 PaaS App 加上基本資料庫,但實際費用還得把儲存空間、流量和備份算進去。先想清楚 App 需要什麼、自己願意花多少時間維護,再比較完整費用和日後擴充方式,才比較不會選到月費便宜、用起來卻不合適的主機。

  21. Dev.to Top Tech43

    技術債怎麼拖慢開發團隊:今天趕著上功能,明天可能卡住整個團隊

    趕著推出功能時,團隊可能會跳過測試、把規則直接寫死在程式裡,先把工作完成。這些捷徑就像欠下的錢,之後每次修改都得多花力氣,還可能引發新問題。像購物網站把折扣規則塞進結帳程式,日後要加入不同地區的優惠,就得小心修改一段同時處理其他工作的程式碼。 技術債累積久了,功能推出會變慢,新同事也更難看懂程式;團隊甚至會不敢改某些地方。作者建議,做功能時順手整理碰到的程式、安排固定時間處理維護,並記下當初為什麼採用捷徑、之後該怎麼補救。趕工有時是合理選擇,但要知道欠了什麼,並安排時間還清。

  22. Dev.to Top Tech59

    Kubernetes 適合你的團隊嗎?CTO 成本、風險與替代方案指南

    團隊不大、服務不多時,Kubernetes 可能讓維護平臺花掉太多人力;服務和團隊增加後,統一管理才可能划算。這份 CTO 決策指南比較 Kubernetes 和代管容器、PaaS、無伺服器平臺,提醒評估時要把工程師、升級、附加工具和閒置資源的費用一起算進三年成本。文中建議,小團隊先用較簡單的平臺;若有多個團隊、許多服務,或必須在雲端與自有機房間移動工作負載,再考慮 Kubernetes,並分階段匯入。

  23. Dev.to Top Tech57

    Rick & Morty API 範例教學:用 Redis 快取資料、降低等待時間

    每次都向外部 API 要資料,會讓回應變慢;如果服務限流或中斷,應用程式也可能跟著出問題。作者用 Flask 和 Redis 示範快取做法:第一次收到請求時,程式向 Rick & Morty API 取回資料並存進 Redis;相同請求再來時,就能直接回傳快取內容,並用 X-Cache 標示 HIT 或 MISS。文中也說明如何讓查詢引數順序不同的請求共用快取,以及 Redis 無法連線時改向外部 API 取資料。快取過期時以舊資料先回應、再背景更新,則是文中提出的減少同時大量請求的做法。

  24. Dev.to Top Tech42

    Instagram 和 Threads 自動發文:排程成功不代表貼文真的發布

    自動發文工具回報成功,貼文卻可能根本沒出現在公開頁面。作者安排 Instagram 的 5 篇貼文,後來只找得到 1 篇;Threads 的每日自動發文則連續 3 天失敗,原因是執行服務在發布途中重新啟動。Threads 每次發布後都會檢視公開頁面,所以作者當天就發現問題並補發;Instagram 沒有這種確認步驟,直到兩天後才注意到貼文不見了。作者因此把「完成」改成:確認貼文已出現在公開頁面,而且文字正確。若要補發,也要先確認原貼文真的不存在,避免不小心發出重複內容。

  25. Dev.to Top Tech59

    如何為客服聊天設計安全的即時訊息回條

    客服人員想知道訊息有沒有送到時,瀏覽器回報成功不代表伺服器已儲存,更不代表客戶看見或讀過。作者建議讓伺服器簽發回條,只確認有許可權的人發布的訊息已被妥善儲存,並用事件編號、內容雜湊和重試識別碼處理斷線與重複傳送。訊息儲存和稽核紀錄應一起寫入;收到相同識別碼但內容不同時,就拒絕並留下紀錄。回條也不能當成「客服人員正在看」的證據,線上狀態需要另外測量。

  26. Dev.to Top Tech44

    稀疏模型的路由器出問題時,為什麼會帶來大風險?

    稀疏模型會把不同輸入交給不同專家模組處理,路由器負責分派工作,讓模型不用每次都動用整套能力。不過,路由器若分錯工作、忙不過來或故障,整個模型都可能變慢或答得不好,即使專家模組本身正常也一樣。像是大家都得經過同一個路口,路口一塞車,後面就全卡住。 文章提醒,平均速度和使用率看起來正常,不代表每種問題都分派得好;某種語言或長篇輸入可能特別容易被送錯地方。實際使用時,應檢視各專家分到多少工作、是否塞車或漏接,並測試備用路線能不能接手。這樣才能知道模型省下的運算成本,有沒有換來新的故障風險。

  27. Dev.to Top Tech54

    n8n 工作流程看似正常卻沒動作?一步步找出靜默失敗

    n8n 的工作流程每個節點都顯示綠色勾勾,觸發後卻沒有紀錄或結果,可能是執行時出了問題。文章整理一套排查順序:先確認必填欄位有值、觸發器已啟用,再檢視執行紀錄和節點輸出,接著檢查資料欄位路徑、外部服務連線,以及條件分支是否接到正確位置。例如,節點讀錯資料欄位時,流程可能照常跑完,卻只送出空值。依序檢查能較快找到問題;實際狀況也會因 n8n 版本和部署方式而不同。

  28. Dev.to Top Tech44

    檔案轉換管線除錯心得:記下輸入內容,才能更快找出問題

    一份 PDF 轉出來變成亂碼 Markdown,其他檔案卻都正常。作者追查了一週,才發現原本的紀錄只有轉換結果、花費時間和狀態碼,沒有留下收到的檔案資訊;後來加上輸入內容的雜湊值,才能比對同一位使用者再次送來的檔案。作者現在會記下每份檔案的雜湊值和偵測到的型別,遇到怪問題時先確認收到的內容是不是一樣。這讓原本難重現的問題,常能在幾分鐘內重現;作者提醒,輸出讓使用者看到結果,輸入紀錄則能幫忙找出錯在哪裡。

  29. Ollama Blog77

    Ollama 和 Together AI 說明如何讓開源模型跑長時間 AI 助理任務

    AI 助理處理長任務時,每一步都會帶上先前的對話與工具結果;如果每次都重新讀完整份內容,等待時間和成本會一路增加。Ollama 和 Together AI 說明,前面讀過的內容可以先存在快取裡,下一次只處理新增部分。要讓快取派上用場,工具說明和系統提示詞要盡量保持不變,工具結果也要避免塞入不必要的大量內容;推理程度最好從一開始就固定。引擎還得把後續請求送回存有快取的機器,並在等待工具執行時妥善儲存快取。這些做法能減少重複處理,讓長工作流程更順暢。

    推薦理由:文章從提示詞安排與 GPU 快取兩端說明長任務為何會變慢,並整理維持快取的做法,適合用來改善 AI 助理的工作流程。

  30. Dev.to Top Tech62

    53ON AI Server 為 AMD Ryzen AI Max 提供相容 OpenAI API 的伺服器

    在家用電腦執行 AI 模型時,模型可能先佔用大量記憶體。作者為自己的 Ryzen AI Max+ 395 迷你電腦做了 53ON AI Server,這是一個以 llama.cpp 為基礎的 Node.js 伺服器,支援 OpenAI 和 Anthropic API,也能載入模型、替使用者端設定 API key 與 token 額度,或在本機模型不夠用時轉接雲端服務。它會等 token 陸續送來時才配置 KV cache 記憶體;作者提到,1B 模型搭配 1M-token 視窗,啟動時佔用 0.86 GiB,原本是 8.24 GiB。目前只在 Ubuntu 24.04、Strix Halo 和 Vulkan(RADV)上測試。

  31. Dev.to Top Tech68

    Weifeng Liu 說明 GLIBCXX_3.4.29 錯誤怎麼查,為什麼複製 libstdc++ 沒用

    程式在一臺 Linux 電腦能跑,換到另一臺卻出現 GLIBCXX_3.4.29 not found,常見原因是建置時使用的 C++ 標準函式庫比目標電腦的新。Weifeng Liu 示範如何比對程式需要和電腦提供的版本,也實測把新版 libstdc++ 複製過去後,錯誤會轉成 glibc 版本不足,因為新版程式庫本身也可能依賴較新的 glibc。較穩妥的做法是用較舊的環境建置、靜態連結 C++ 程式庫,或直接在目標容器中建置;Python 套件裡的 C++ 擴充也可能遇到同類問題。

  32. PyTorch Core Releases45

    PyTorch DTensor 改用本地分片計算 any/all,等需要時再合併結果

    DTensor 計算 any/all 時,原本會先把所有資料分片集中起來,才能判斷結果,可能因此多做一次資料傳輸。這次修改讓每個分片先在本地計算,再把中間結果留到真的需要完整答案時才合併;例如檢查一個布林值時,會先取得所有分片的整體結果。原本的雙 GPU 測試從 any() 需要一次資料集中傳輸,變成運算當下不傳資料,取用結果時才做一次合併。這能減少不必要的 GPU 資料傳輸,讓分散式運算更有效率。

  33. Dev.to Top Tech72

    Node.js 裝置狀態追蹤教學:什麼時候該從輪詢改用推送

    多人檢視裝置是否線上時,反覆輪詢會一直讀取沒變的資料,而且每個畫面看到的狀態可能不同步。作者用 Node.js 範例示範由伺服器統一判斷裝置狀態,再把變化推送給連線中的畫面;斷線或重新連線時,則重新取得完整狀態快照。輪詢適合觀看人數少、更新不急且讀取便宜的情況;裝置狀態變化少、觀看者較多時,推送可能省下重複讀取,但也要計入長時間連線、訊息傳送和故障恢復的成本。文中的數字只是示範,實際選擇要依系統資料衡量。

  34. Dev.to Top Tech56

    AI 助理遇到 429 怎麼辦?三家爬取服務的重試規則與額度提醒

    AI 助理呼叫爬取服務時遇到 429,如果一直重試,可能浪費時間或額度;有些服務也會先在自己的系統裡重試。文章整理 ScraperAPI、Firecrawl 和 Bright Data 的檔案說明,提醒開發者替每項任務和整次執行設好重試上限,並記錄每次重試花了多久。ScraperAPI 最多會先重試 70 秒;Firecrawl 的工作可能在佇列中等待,等待時間也會算進逾時設定;Bright Data 則建議遇到 429 時聯絡客服。三家的檔案都沒有說清楚 429 是否會扣額度,因此文章建議先降低同時送出的請求,並確認各服務的計費規則。

  35. Dev.to Top Tech56

    Mizan 如何用 Telegram 幫家庭記帳,還能處理語音和收據

    記帳表常因為輸入麻煩,最後只有一個人會用。作者為家人打造 Mizan,讓大家透過 Telegram 傳文字、語音或收據照片記帳,機器人每天早上再告訴全家今天還能花多少。整套服務使用免費方案;AI 模型忙碌或用量不足時,會改試其他服務,而「bread 50」這類常見訊息也能直接處理,不必呼叫模型。看不懂的訊息仍會存進收件匣,記錯的專案則能復原。作者也說明如何處理多種貨幣、阿拉伯文的由右至左排版,以及斷線時先存下、恢復連線後再同步。

  36. Dev.to Top Tech41

    非 Kubernetes 的伺服器如何不用固定密碼,安全取得機密資料

    應用程式得先證明自己是誰,才能向 Vault 這類機密資料管理工具拿到密碼;可是在 bare-metal 伺服器和虛擬機器上,常得先放一組固定密碼,才能開始證明身分。這就像把備用鑰匙藏在門邊,方便是方便,卻可能被其他程式讀走,或跟著記憶體傾印留在硬碟上;如果忘了撤銷,舊密碼也可能一直有效。 文章說明 Kubernetes 會替應用程式準備短效的身分憑證,而其他環境可改用雲端平臺的執行個體身分,或 TPM 這類硬體驗證方式,確認機器與程式的身分,再發出短效憑證。這能減少把固定密碼存進檔案、環境變數或虛擬機器映像檔的風險,也讓憑證不必一直靠人工更換。

  37. Dev.to Top Tech58

    LiteLLM 如何在 Google Cloud 與 Azure 間轉送模型請求並免用 API 金鑰

    多個 AI 助理各自管理模型金鑰,會讓許可權設定和用量追蹤變得麻煩;閘道若故障,也可能讓同一朵雲上的助理無法工作。作者示範在 Google Cloud 和 Azure 各部署一個 LiteLLM 閘道,讓 AI 助理用既有身分驗證,並透過工作負載身分連到 Gemini、Azure OpenAI 和資料庫,請求可改由另一朵雲的閘道處理。測試中,Azure 閘道關閉後,Azure 上的 AI 助理很快改由 Google Cloud 回應。這套做法仍依賴位於單一雲端的共用資料庫,而且每朵雲的每分鐘請求上限分開計算。

  38. Dev.to Top Tech63

    如何用佇列分流處理大量收件者的電子報重試

    大量寄送報告時,只要中途遇到錯誤,整批重跑就可能讓已收到的人再收到一次。作者建議讓排程只負責建立寄送工作,再由佇列工作者逐一寄送,並用報告日期和租戶 ID 記錄每份工作的狀態;遇到服務限制時,可以延後重試,避免重寄已完成的工作。文章也提醒,佇列可能再次送出同一工作,因此仍要用可長期儲存的紀錄防止重複寄送;若郵件服務已收件、工作者卻在確認前中斷,還需要額外方法核對寄送結果。