Wisp:用 Go 打造輕巧的靜態檔案伺服器
架設網站時,有些伺服器功能很多、設定也複雜;有些則不夠用。Wisp 是用 Go 和內建工具製作的輕巧伺服器,專門提供靜態檔案,容器映像檔約 3 MB。它會把檔案限制在指定資料夾裡,也能處理單頁網站的路徑、顯示自訂錯誤頁面,並提供流量統計和 Kubernetes 探測網址。網站停止服務時,它會先讓正在處理的請求完成再離開。適合想用少量資源快速、安全地提供靜態網站的人。
架設網站時,有些伺服器功能很多、設定也複雜;有些則不夠用。Wisp 是用 Go 和內建工具製作的輕巧伺服器,專門提供靜態檔案,容器映像檔約 3 MB。它會把檔案限制在指定資料夾裡,也能處理單頁網站的路徑、顯示自訂錯誤頁面,並提供流量統計和 Kubernetes 探測網址。網站停止服務時,它會先讓正在處理的請求完成再離開。適合想用少量資源快速、安全地提供靜態網站的人。
房屋管理系統一次幫多個租戶處理照片時,縮圖上傳太密集可能碰上流量限制;如果整個流程重跑,還會浪費時間重新製作縮圖。做法是把「製作縮圖」和「上傳檔案」分開,遇到伺服器暫時拒絕的 429 才慢慢重試,並讓每個檔案的識別方式帶有租戶資訊。像 tenants/acme/listings/42/thumb-640.webp 這種路徑方便整理,但不能單靠它保護資料,系統仍要先確認租戶身分。測試時可從每個租戶同時上傳 1 張縮圖開始,再逐步增加到 2、4、8 張,確認租戶只能拿到自己的檔案,重試不會造成重複上傳,操作紀錄也看得出是哪個租戶遇到問題。
刪除 AWS Lambda 函式後,CloudWatch 的日誌群組不會跟著消失;如果沒有設定期限,日誌會一直累積儲存費用。作者整理了用 AWS CLI 找出未設定期限的日誌群組、比對已刪除函式的方法,也說明如何替單一群組或帳戶設定保留期限。AWS 在 11 月 9 日新增帳戶層級政策,可套用到既有群組或只套用到新群組;但政策不會刪除群組,若要移除孤立群組,仍須另外刪除。
刪除 AWS Lambda 函式後,CloudWatch 的日誌群組不會跟著刪除;如果沒設定期限,日誌會一直留著並累積儲存費用。作者整理了 AWS 指令,教人找出沒有保留期限的群組、檢視哪些已成為孤兒,再替單一群組或所有 Lambda 群組設定期限。AWS 在 11 月 9 日推出帳戶層級政策,可套用到既有群組或只套用到新群組;政策會取代群組原本的期限,套用最多需要 24 小時。期限到期後,日誌群組仍會留在清單中,若要移除還得另外刪除。
刪除 Lambda 函式後,CloudWatch 的日誌群組不會跟著刪除;如果沒有設定保留期限,日誌會一直累積,也可能持續產生儲存費用。作者說明如何用 AWS CLI 找出沒有保留期限的群組,並比對已刪除函式留下的孤兒日誌。AWS 在 11 月 9 日新增帳戶層級保留政策,可依地區或名稱字首設定期限,也能套用到已存在的群組;政策需要 24 小時生效,且會取代群組原本的期限。這項政策不會刪除群組,要讓孤兒群組消失仍須另外刪除。
AMR 要把上層電腦送來的行駛指令,準時而穩定地交給馬達;室外地面、溫度和通訊狀況又會變動,控制系統還得能處理故障。這兩個案例分別用 FreeRTOS 控制室內 AMR、用搭配 PREEMPT_RT 的 Linux 控制室外 AMR:上層電腦負責導航與規劃,控制器則讀取感測器回報、計算輪子或車身該怎麼動,並監看逾時、過熱等問題。 室外案例提到,控制電腦可用約 1 kHz 的控制迴圈;每一輪都得在 1 毫秒內完成,才趕得上時限。遇到通訊中斷或感測器異常時,系統也要依照預先設定的安全方式處理。重點是讓導航等複雜工作和馬達控制各自負責,並在實際負載下確認控制沒有超時、故障時能安全停下。
很多臺機器同時啟用授權時,如果大家先看剩幾個席位,再各自更新數字,就可能有兩臺都搶到最後一席,讓 25 席的授權被算成 26 席。Keyright 改用版本標記檢查:寫入時只有版本沒變的人能成功;另一個人的寫入會被拒絕,再重新讀取狀態。像兩臺機器都看到用了 24 席時,先寫入的那臺拿到第 25 席,另一臺就得重試,接著才知道席位已滿。SDK 會自動重試這種競爭;真正沒有空位時,才回報席位用完。這樣大量啟用可以同時進行,也不會超賣。
密碼重設郵件要能讓使用者找回帳號,也得避免連結被重複使用,或把不必要的敏感資料留太久。文章示範把隨機權杖換成雜湊值儲存,設定有效期限,並在同一筆資料庫交易中更改密碼和用掉權杖。文中以每天 10,000 次重設、保留 30 天的例子說明,留存紀錄可能遠多於同時有效的權杖;這只是示意,不能當成實際帳單估算。寄信部分則用應用程式自己的介面隔開服務商,並以 Infrai 的公開規格作為整合範例。文章也提醒,Infrai 的郵件狀態更新要靠輪詢,重試時應維持同一個訊息識別碼,也不能在每次重試時重發權杖。
Voyager 1 即將遠到地球傳一則訊息給它,要花 24 小時;等它回覆,來回就得等兩天。工程師修改指令後,只能等這麼久才知道有沒有修好,而且探測器早已遠在太空,沒辦法親手重開機。2024 年,團隊曾把程式移到記憶體的其他位置,救回遇到故障的探測器。這種工作提醒我們:系統要長久運作,就得小心修改、保持簡單,也要把做法寫清楚;但新創團隊需要快速知道大家想不想用產品,不能每件事都等兩天。重點是看清楚手上的工作:太空探測器要穩,新點子則要快點試。
Java 系統不是隻有一個程式,還要有人接收請求、儲存資料、確認使用者身分、部署程式,並在流量變多或服務出問題時撐得住。文章把常見架構整理成 12 個部分,說明 Spring Boot 等工具通常怎麼用,也提醒設計時要想清楚每一層由誰負責、出問題時怎麼發現。 例如,資料庫要定期備份,也要真的試過能不能還原;快取則要設定資料何時更新,否則使用者可能一直看到舊資料。把這些部分放進架構檢查清單,團隊就比較容易提早找到弱點,也能在故障發生時更快恢復。
過去替新團隊建置 AWS 環境,工程師得複製別人的 Terraform 程式碼、逐一修改設定,常要花 2–3 天。作者把常用設定整理成可重複使用的平臺,團隊只要填約 15 行資料、送出 pull request,核准合併後就能建立環境;整個流程約 30 分鐘,其中大多花在 EKS 建立控制平面。文章也說明如何固定版本、先在 pull request 檢查計畫,再於合併後套用變更,並讓 Claude Code 協助開發,但由作者審查所有修改,且不讓它執行套用。
做課堂專案時,學生需要用 NoSQL 資料庫做出並部署一個 App。他們選了 Azure Cosmos DB,把每件待辦事項存成 JSON 檔案,再用 Terraform 建好雲端資源,並設定 GitHub Actions 在程式碼更新時自動建置、部署和檢查 App 是否正常。像是推上新的程式碼後,系統就會自動把新版送到 Azure;如果健康檢查沒有通過,部署流程也會失敗並提醒團隊。這讓每次更新都少了手動搬資料和設定的麻煩;不過免費的 App Service F1 閒置一段時間後會休眠,重新使用時第一次開啟可能比較慢。
AI 模型上線後,可能還是照常回覆,預測卻悄悄變得不準或不合用。像是推薦系統仍會推商品,但顧客的喜好變了,推薦結果就可能不再合適。只看服務有沒有當機、回覆快不快,看不出答案品質正在變差;模型用來預測的資料變了,或資料和結果之間的關係改變,都可能是原因。團隊需要持續檢查預測表現、資料品質和變化趨勢,記下原本的表現,設好提醒並指定負責人。這樣才能早點查出問題,判斷該修資料、調整模型,還是重新訓練。
簽署檔案上傳到雲端後,團隊得確保只有指定檔案能上傳,也要能查清楚它何時被刪除。文章比較 Amazon S3 的預先簽署網址、Google Cloud Storage 的簽署網址,以及 Azure Blob Storage 的共用存取簽章,說明如何讓伺服器只發出短時間有效、只能操作單一檔案的許可權。它也建議把每份檔案的保留期限記在應用程式中,由背景工作逐筆刪除並留下紀錄,再測試逾期、檔案太大、格式不符和重複使用許可權等情況。這些服務不會自動驗證 PDF 簽章或判斷保留期限,相關工作仍須由應用程式處理。
JAX 在多臺主機上運算時,節點會透過網路交換資料,也會共用協調服務與編譯快取;設定不當,可能讓未授權的人加入叢集,或讓工作載入別人放進快取的原生程式碼。文章示範如何替協調服務設定雙向 TLS,並提醒憑證驗證要設為必須,URI 字首也要以斜線結尾。若環境使用網路代理,NO_PROXY 應填 CIDR 網段或明確的 IP,避免叢集連線被送往代理而卡住。GPU、CPU 的節點間傳輸和分析服務仍需靠網路隔離保護;編譯快取則應限制只有工作帳號能寫入。
自己架設 Next.js 15 時,不同伺服器可能各自存著不同的快取;熱門頁面的快取一過期,大量訪客也可能同時要求重新查資料,讓資料庫忙不過來。KVDock 提供自訂快取工具,把資料先放在速度快的記憶體,找不到時再查 Redis 等共用儲存空間;同一時間有很多人要同一筆資料,也會讓他們共用一次查詢。文章舉例,1,000 個人同時開啟熱門商品頁時,資料庫查詢可從 1,000 次減到 1 次,減少不必要的負擔。
Datasette 能把 SQLite 資料庫放到網頁和 API 上檢視,但預設允許瀏覽,所以資料庫若不該公開,就得先設定好誰能看。ZoomEye 搜尋到 224 個符合 Datasette 應用程式特徵的結果;這只是搜尋線索,可能包含展示網站或檔案,不能直接當成資料已外洩的證據。 要保護私人資料,可以設定成預設拒絕,再只開放真正需要的檢視或查詢許可權。即使只能讀取,仍可能看到敏感資料;管理用的登入網址和權杖也要妥善保管。這提醒資料擁有者:確認網頁能不能開只是第一步,還要逐一檢查資料表和使用者許可權。
模型可以在自己的電腦、雲端 API 或租來的加速器上執行,但速度、費用和管理方式差很多。作者用同一套數學題和工具呼叫題,測試 Gemma 4 與 Gemini 模型在多種裝置和服務上的表現。測試中,Gemini 4 Argon 的數學題分數最高;Gemma 4 31B 在 Gemini API 和 RTX 3050 上答對的數量相同。租來的裝置在使用量高時,每百萬輸出 token 的費用較低;只有少量請求時,費用可能較高。這些比較可用來依流量、速度、價格與是否需要本機執行,挑選合適的方式。
把使用雲端資料庫的 App 放進自動部署流程,常讓人擔心測試會碰到正式資料或用掉免費額度。作者分享 VotaYa 的做法:GitHub Actions 先用 Firestore 模擬器測試,再建置 Docker 映像檔;兩步都成功後,才通知 Render 部署。測試會透過 HTTP 呼叫 API,也檢查多人同時投票等情況。資料庫憑證放在 Render 的環境變數裡,CI 不需要存取正式資料庫。作者也提醒,Render 免費方案閒置後會休眠,Firestore 免費額度則只適合示範,未必足以支撐正式產品。
按下 Enter 後,瀏覽器會先看懂網址,再透過 DNS 查出網站的 IP 位址,接著和伺服器建立連線、送出請求。伺服器處理完後會回傳網頁資料,瀏覽器再把 HTML、CSS 和 JavaScript 整理成畫面。像開啟商品頁時,伺服器可能會查商品資料,再把結果送回瀏覽器;瀏覽器也會陸續載入圖片、字型和其他需要的檔案。這些步驟都在背後接力完成,讓網站看起來幾乎立刻出現在螢幕上。
Kubernetes 裡的 Pod 有時會卡在 Pending,原因是排程器找不到符合條件的節點。文章把 Pod 比成用餐的客人、節點比成餐桌,帶讀者看懂排程器如何先排除不合條件的節點,再從剩下的節點中挑選位置。像是 CPU 或記憶體預留太多、節點有 taint、位置規則不符合,或磁碟只能在特定區域使用,都可能讓 Pod 繼續等候。kubectl describe pod 顯示的事件會列出排除原因,能幫忙找到該調整資源、規則或節點容量的方向。
執行 kubectl apply 後看到「created」,不代表應用程式已經跑起來;這只表示 Kubernetes 已把部署要求寫進資料庫。接下來,控制器會建立 Pod,排程器替它找節點,節點上的工具再準備容器和網路,等健康檢查通過後,流量才會送過去。文章也把常見狀況和檢查方向配在一起,例如 Pod 卡在 Pending 時檢視排程事件,容器一直無法啟動時檢查映像檔、網路或儲存設定。作者提醒,只在部署流程執行 kubectl apply,可能會在應用程式就緒前就顯示成功;kubectl rollout status deployment/web 才會等待部署進度。
Argo CD 的自動清理可能刪掉 Git 設定中不再出現的 Namespace;若整個 Application 被刪除,資源也可能跟著消失。作者在測試環境重現這兩種情況,發現 Namespace 加上 Prune=false,Delete=false,才能分別擋住自動清理和刪除 Application 時的連帶刪除。實測中,沒加設定的 Namespace 和手動建立的 Secret 一起消失;加了設定的則保留下來,但 Application 會維持 OutOfSync。作者也展示如何檢查受影響的資源,並用告警提醒有人處理。
推薦理由:作者以測試環境重現兩種刪除路徑,並對照 Argo CD 的程式碼說明各自的防護方式,呈現設定 Namespace 保護時容易漏掉的環節。
Argo CD 顯示同步完成後,叢集裡的設定仍可能被其他工具改動,讓 Git 裡記錄的狀態和實際狀態對不上。文章整理出三種常見來源:控制器自動修改資源、部署流程直接改線上設定,以及 Operator 持續管理特定欄位。作者建議定期用 argocd app diff 檢查差異,並為忽略的欄位指定負責人。若部署流程需要直接修改線上設定來回滾,開啟自動修復可能會立刻把修改改回去;把部署變更寫入 Git,則能用 git revert 回復,也留下清楚的紀錄。
剛學 Docker 時,常不清楚要練哪些東西,才能把程式順利放到伺服器上。這份清單安排了 10 個循序漸進的練習,從用 Nginx 放網站、替 Node.js API 打包,到讓多個服務一起運作,再加入監控、自動建置和弱點掃描。每個練習都列出要學的重點和完成時應看到的結果,例如程式改完就能立刻更新,或資料庫在服務關閉後仍保留資料。最後再把這些做法組合成一套較完整的部署環境。
結帳失敗時,故障通報 API 也可能逾時,若把兩件事混在一起,調查就可能找錯方向。文章建議分開記錄結帳和通報各自的嘗試編號、時間與結果,再把相關紀錄、延遲變化和重複錯誤放在一起看。逾時只表示系統等到期限仍未收到結果,不能單靠這個訊息認定是網路故障,也不能直接重試購買;結果不明時,應透過既有的購買核對流程確認。文中也提醒控制紀錄儲存與收集量,避免排查故障反而影響結帳。
同時有很多人上傳 PDF 時,讓 API 一直等 AI 模型回覆,可能造成使用者逾時、重複付費,也難以控制同時送出的呼叫數。作者用 Node.js、Redis 和 BullMQ 示範把工作放進佇列,再由背景工作逐一處理;API 先回覆「已收到」,使用者可用工作編號查進度。模擬測試中,10 個同時送出的請求改用佇列後都收到回覆,API 回應中位時間從約 9 秒降到 56 毫秒,但最後一個結果仍約 15 秒才完成。文章也提醒,小流量或需要即時串流時,佇列未必適合。
雲端業者標示的額度上限,不代表新創真的能拿到同樣多的抵用金。作者拆解 Google Cloud、AWS 和 Azure 的方案,說明可抵用的金額會受實際用量、募資背景、到期日和適用服務限制。例如,每月第一年花 5,000 美元、第二年花 10,000 美元的團隊,按文中公式只能拿到 84,000 美元額度。額度用完後,帳單會回到公司身上;若免費期間選了昂貴或難以搬家的服務,之後也可能增加成本。作者建議每月同時檢視折抵前的帳單,並先估算額度到期後的支出與搬遷成本。
把 AI 生成的圖片存進健康照護服務時,如果重試或多人同時操作,舊圖片可能蓋掉新圖片,也可能難以確認資料屬於哪個租戶。作者建議由後端把圖片存到私有物件儲存,每張圖片使用不會重複、也不會覆寫的名稱,再由資料庫記錄圖片位置、所屬租戶和留存狀態。要恢復舊快照時,只需切換資料庫指向的圖片,不必改寫圖片內容。文章也提醒,刪除資料庫中的指向不代表圖片已刪除;若上傳結果不明,應先查核原本的工作編號,再決定是否重試。
網站寄重設密碼郵件時,得確認信件內容正確、網域驗證通過,也要知道郵件延遲或收件地址遭封鎖時該怎麼處理;但把每封信的完整內容都存下來,會很快吃掉儲存空間。這篇文章建議用假的買家和賣家資料測試信件範本,檢查顯示名稱、缺少資料時的畫面,以及連結是否指向正確位置;測試 DKIM 輪替和封鎖處理時,也要確認系統如何記錄結果。 文中用一個假設例子說明:每天 100 萬次重設請求、每次記錄 6 個事件,若每個事件都多存一份 8,000-byte 的信件內容,30 天就會多出 1.44 兆 bytes;不存信件內容則是 1,800 億 bytes。這些是方便比較的估算,不是實際用量。重設連結和完整信件內容不該順手塞進記錄;團隊應先想清楚要保留哪些資料、多久,以及出問題時需要哪些線索。
更換頭像時若直接蓋掉舊檔,遇到上傳錯誤就可能再也救不回來;兩個瀏覽器分頁同時修改,也可能讓資料對不上。作者建議每次先把新圖片存成不同的私密檔案,確認檔案已上傳,再更新資料庫指向的新檔,並在核準的保留期限過後才刪除舊檔。若上傳沒成功,就不切換目前使用的圖片;若更新重試,系統會用相同的操作識別碼避免重複更改。文章也提醒,保留多久要依資料規範決定,實際刪除與儲存責任仍由選用的儲存服務商承擔。
3D 模型要放進遊戲或 AR/VR 裝置,常得符合面數和繪圖負擔限制;等匯入遊戲引擎或手機畫面後才發現模型太吃效能,修改起來很麻煩。Atlyxen Universal 3D Viewer 用 Three.js 和 WebGL 在瀏覽器裡讀取模型,立即顯示三角形面數、頂點數和繪圖呼叫次數,也能調整粗糙度、金屬感和法線貼圖,檢查線框與不同燈光下的外觀。例如,工具會協助確認模型是否低於行動 AR 的 100k 個三角形。模型在使用者端處理,不必上傳到伺服器,方便提早檢查效能與材質,也能讓敏感模型留在本機。
Shorts 動態裡常塞滿詐騙重傳、AI 廢片和標題騙人的影片,讓人很難找到想看的內容。作者拿 9,000 支 Shorts 比較新舊兩版過濾器:舊版放過 8,667 支,新版則擋下 99.98%。過濾器會先替每支影片抽出 8 個畫面,找出大量重傳時常出現的相似畫面,再交給模型檢查畫面和字幕;信心不足的影片會直接擋掉,不會只移到「也許會想看」的區域。這套做法每處理 1,000 支影片約需 40 GPU 分鐘;如果跳過比對相似畫面的步驟,成本會高出約 12 倍。
App 上傳的檔案不能只存進資料桶,還得記清楚誰擁有、要做什麼,以及何時刪除,否則過期檔案可能一直留著。DigitalOcean Spaces 會幫忙處理較多儲存裝置的維護工作,適合流量好預測、想省下管理工作的團隊;MinIO 讓團隊掌控自己的裝置,但安裝、更新、監控和故障復原都得自己負責。文章也建議把檔案的到期時間寫進資料,讓背景工作記下刪除決定並安全重試。像是 10 月 1 日建立、保留 30 天的訓練逐字稿,到了 11 月 1 日就該進入刪除流程。選哪種服務都一樣,先把檔案保留和刪除規則訂清楚,才能避免資料留太久或不小心公開。
如果每次 API 請求都等資料庫查金鑰、算用量和扣點數,服務速度就會受資料庫拖累。OpenGeocoding 把金鑰、流量限制和點數餘額放在各個服務副本的記憶體裡,每 5 秒才把用量整理成一批寫進 Postgres;每批都有編號,重送時資料庫會辨認並避免重複計算。資料庫暫時連不上時,既有副本仍能用上次載入的資料繼續服務。不過,副本突然故障可能漏掉最多 5 秒的用量,餘額也可能短暫超支;作者選擇接受這些誤差,換取請求不用等待資料庫。
全球地址資料量很大,索引如果要花好幾天才能重建,更新資料和測試程式都會變得很慢。OpenGeocoding 作者用 Rust 建置地理編碼引擎,將地址拆解後到唯讀索引中查詢;最近一次全球索引建置花了 409 秒,完成後約佔 16 GB 硬碟空間。這個結果和 Nominatim 的建置時間不是直接對照,因為資料、索引工作和硬體都不同。作者也用各國地址規則處理郵遞區號和街道名稱,並讓程式修改通過完整全球索引測試。它在北美、歐洲等地址資料較完整的地區表現較好,亞洲與非洲不少地方仍難找到門牌,使用前要先檢查自己的地址資料。
旅遊行程裡有些資料變得很快,像火車班次;有些則得留著舊紀錄,方便查清楚以前推薦過什麼。作者把做法分成兩路:固定的目的地資料放進會保留版本的搜尋索引,最新訊息則另外查;回答問題時,再依需求搭配兩邊的資料。 例如,火車班次從每天都有改成週二停駛,系統就新增一個版本,並把舊版標成不再使用。回答時要附上實際採用的版本和資料來源;如果引用的內容已經過期,就應拒絕使用。這樣能保留查核紀錄,減少新舊資訊混在一起、害旅客拿到錯誤行程的機會。
資料管線每次執行都會留下紀錄,逐筆檢視原始紀錄不容易掌握整體情況。這篇文章建議每次執行只存一筆結構化紀錄,記下耗時和狀態,再彙整 p50 與 p95,取代逐行翻查原始紀錄的做法。
AI 模型的停用日期可能一夜之間改變,連官方網頁也可能彼此說法不同。作者發現,Microsoft Foundry 上兩個 Claude 模型的停用日期變了;Gemini API 上多個模型的日期也有變動。例如,claude-haiku-4-5 原本列為 2026 年 11 月 15 日停用,後來改成 2027 年 2 月 22 日。若只把日期抄進行事曆、工單或程式註解,資料一改就會過時。 比較好的做法是記下模型名稱、使用的平臺和官方網頁,再定期檢視網頁有沒有更新。因為不只日期會變,替代模型也可能更換;太早照著舊資訊搬家,可能白忙一場。