跳到正文

#部署/工程

RSS
今日 43 則
11月21日週六
  1. Dev.to Top Tech72

    如何用 Docker 和 Caddy 在 VPS 上自架 n8n,先私下建立管理員帳號

    自架自動化工具時,如果服務一上線就讓所有人連得到,別人可能會先建立管理員帳號;只備份工作流程,也可能救不回已存的憑證。這份指南教你在 Ubuntu 24.04 的 VPS 上用 Docker 和 Caddy 架設 n8n,先透過 SSH 隧道私下建立帳號,再開放 HTTPS 網站。n8n 只聽本機連線,對外由 Caddy 接收流量;備份時則要連同加密金鑰所在的資料一起儲存,並先停下 n8n,才能在搬家或更新出錯時還原。

  2. Dev.to Top Tech58

    GEO-Audit 教你檢查網站為何不易被 ChatGPT 和 Perplexity 找到

    網站內容如果被 AI 搜尋工具讀不到,就不容易出現在回答或引用來源裡。作者整理四種常見原因:robots.txt 擋住搜尋爬蟲、單頁式網站把不存在的 llms.txt 回成空白網頁、原始 HTML 沒有實際文字,以及 JSON-LD 格式錯誤或缺少清楚的網站資訊。作者也做了 GEO-Audit,可用網頁版或 Node.js CLI 檢查這些問題;免費版本能檢查單一頁面,另有一次付費的 Pro 工具可檢查最多 500 個頁面。

  3. Dev.to Top Tech49

    Supabase Studio 外露頁面數量不多,真正要查的是專案金鑰許可權

    Supabase Studio 是管理專案的介面,裡面能檢視資料表、許可權、函式、檔案儲存和登入設定。搜尋網站 ZoomEye 在 2026-11-21 找到 367 筆符合 Supabase Studio 樣子的紀錄,但這只是網站收錄的頁面,不代表有 367 個專案有漏洞;只用一種搜尋方式也可能漏掉資料。 真正要小心的是專案金鑰:公開金鑰可供使用者端使用,秘密金鑰則可能繞過資料庫的 Row Level Security,外洩時會讓專案資料暴露。管理者應確認瀏覽器程式裡只有公開金鑰,並檢查伺服器如何使用秘密金鑰、是否會先確認使用者有許可權。這提醒我們,看到管理頁面出現在網路上,只是查核線索;金鑰怎麼保管、伺服器怎麼檢查許可權,才是風險大小的關鍵。

  4. Dev.to Top Tech43

    AWS 上用 Docker 與 ECS Fargate 建立自動部署流程的實作指南

    手動上傳程式、打包和部署,很容易漏掉步驟,還得自己登入雲端服務操作。作者把 GitHub、Docker、Amazon ECR、CodeBuild、CodePipeline 和 ECS Fargate 串在一起:每次把程式推上 GitHub,系統就會自動打包成 Docker 映像檔、存到 ECR,再更新 ECS 上執行的網站。作者用 2048 遊戲示範,改完網頁標題並推送程式後,新版本就自動部署完成。整套流程花費約 $1 或更少;先確認每個步驟能單獨運作,再交給系統自動處理,能減少手動部署出錯的機會。

  5. Dev.to Top Tech68

    AI 助理重複做事會增加成本,Pomerene 說明如何安全快取

    AI 助理常為了重複任務一再讀取相同資料、重新想做法,讓每次工作的費用累積起來。文章以 Parcha 的程式碼審查為例,說明把學到的流程交給較便宜的模型,能降低單次審查費用;也介紹 Pomerene 的軌跡快取,重播先前記錄的步驟,減少重新推導所需的時間與模型呼叫。遇到會改動資料的步驟,快取必須嚴格比對目標和上下文,否則就交回 AI 助理處理。作者建議先從執行紀錄檢視任務重複率、重複間隔和每次完成成本,再判斷快取是否適合自己的工作。文中的成效數字來自 Parcha 自家資料與測試。

  6. Dev.to Top Tech38

    Llama 3.3 70B 在消費級顯示卡上怎麼跑?看懂 VRAM 和 KV 快取用量

    想在家裡用大型模型,常會卡在一個問題:顯示卡的記憶體夠不夠?這篇文章用公式拆解 Llama 3.3 70B 會用掉多少 VRAM,除了模型本身,還得留空間給對話記憶和運算過程。像 Q4_K_M 版本的模型約佔 39.6GB;如果把對話長度開到 128k,預設的 FP16 KV 快取還會再吃掉約 43GB。 因此,即使顯示卡有 48GB,也不一定能順利跑長對話。文章建議用 Ollama 調整 KV 快取格式,並把對話長度設為 16k,讓記憶體用量更好掌握;但實際能不能跑順,仍要看模型格式和硬體配置。

  7. Dev.to Top Tech38

    Ollama 如何偵測並避免模型偷偷改用 CPU 運算

    在 Ollama 跑模型時,對話變長後,速度可能突然慢下來,電腦風扇也開始大聲轉,但程式不會跳出錯誤。這通常是因為 GPU 記憶體不夠,部分工作悄悄轉到速度較慢的 CPU。可以在模型運作時執行 ollama ps,檢查 PROCESSOR 欄是否顯示 CPU/GPU;文章也建議把 KV-cache 改成 8 位元,並在 Modelfile 設定 num_ctx,避免預留太多記憶體。像是將上下文長度設為 8,192 tokens,就能讓記憶體用量比較好掌握,降低運算突然變慢的機會。

  8. Dev.to Top Tech58

    教學:作者如何用 AWS 建立 Docker 自動部署流程

    手動建置和部署軟體,容易漏掉步驟或送出錯的版本。作者用 2048 遊戲示範如何在 AWS 串起自動部署流程:每次把程式推送到 GitHub,CodePipeline 就會叫 CodeBuild 建立 Docker 映像、存進 ECR,再交給 ECS Fargate 更新網站。作者先確認手動部署能正常運作,再逐步測試各環節,最後只用一次 Git 推送就完成更新。文中也整理了許可權、容器名稱和網路設定等常見問題,並提醒正式環境可縮小許可權範圍、固定基礎映像版本,並加入測試與回復機制。

  9. Dev.to Top Tech49

    Cloudflare 為什麼只收進 45 GB 日誌,也可能多收儲存費?

    在 Cloudflare 的 Paid 方案裡,日誌「收進來多少」和「每天有多少資料還能查」是分開計費的,所以收進 45 GB 雖然低於 50 GB 的額度,仍可能產生儲存費。儲存費看的是整個計費週期每天最高可查的資料量,加總後再除以 30;例如 45 GB 的資料有 7 天都成為當日高峰,就會算成 10.5 GB-month,超過 10 GB-month 的額度,這個例子會多收 $0.05。若 7 天分在兩個計費週期,費用也會分開計算。要估費用,不能只看收進多少資料,還得分開檢視收進量和儲存量。

  10. Dev.to Top Tech81

    Anthropic IPO 募得約 $119.5 billion,公開發行與策略夥伴私募合計

    Anthropic 這次上市的約 $119.5 billion,並不是公司單靠賣股票拿到的現金。公開發行約帶來 $93.5 billion,其中部分是既有股東出售股票所得;另外還有向 7 家策略夥伴私募 Class N 股份,金額為 $26 billion。招股檔案估計,若加計公司出售的股份並扣除相關費用,公司可取得約 $117 billion。檔案也列出約 $900.9 billion 的多年採購與租賃承諾,大多和運算及基礎設施有關,並非今天就要付清的債務。這筆融資顯示訓練與提供前沿 AI 服務需要龐大資金,但不代表 API 會降價或服務一定改善。

    推薦理由:這筆融資同時包含公開發行與策略夥伴私募,文章也拆開說明總額、公司實際取得的資金及多年基礎設施承諾,呈現前沿 AI 的資本需求。

  11. Dev.to Top Tech59

    AssemblyAI STT-3.7 更新說話者標記,Windows 雙音軌擷取仍影響即時反應

    即時字幕和翻譯提示就算接上快的語音辨識模型,也可能因為收音流程太慢而延遲。AssemblyAI 推出 STT-3.7,讓系統在一段話結束時就定下說話者標記;文章也介紹 Windows 上的雙音軌做法,分開擷取自己的麥克風和通話另一端的聲音,避免混在一起後難以辨認是誰在說話。作者提醒,音訊送到模型前就可能先花掉 20–50 ms,遠端辨識還要加上網路時間,因此收音路徑仍會左右畫面提示出現得多快。

  12. Dev.to Top Tech47

    OCR 表格分列時,用文字框中心還是底邊比較準?小幅歪斜就可能讓兩種方法都失效

    OCR 把表格文字辨認出來後,還得判斷哪些字在同一列;如果掃描圖片有點歪,只看文字框的中心或底邊來分列,可能會把表格切錯。在兩張沒有格線的表格測試中,歪斜不超過 1 度時,兩種方法都能分對 9 列;到了 2 度,兩張表格都明顯出錯。先用文字框估算整張紙歪了多少,再把座標轉正後分列,則其中一張表格在測試的各種角度都分對 9 列。這表示處理歪斜的掃描檔時,先把頁面轉正,比糾結要看文字框中心還是底邊更有用。

  13. Dev.to Top Tech45

    Tuwunel 和 Synapse 怎麼選?比較自架 Matrix 伺服器的硬體與維護成本

    想離開 Slack 或 Discord、自己架一個聊天伺服器,小團體常會煩惱:哪種比較省錢、省事?Tuwunel 和 Synapse 都能存放聊天訊息,讓使用者透過 Matrix 連到其他伺服器。Tuwunel 把伺服器和資料庫包在一起,只要跑一個容器;Synapse 則通常還要另外管理 PostgreSQL,使用者變多時也能加上工作程式分擔負載。 例如,5 到 15 人的親友群組,文章建議先試 Tuwunel;需要企業單一登入、管理工具,或準備擴大規模的公司,Synapse 可能更合適。兩者的語音和視訊通話都還會帶來額外成本;加入大型公開聊天室,也可能讓硬體負擔大增。選好後不容易搬家,因此要先想清楚群組需求和未來規模。

  14. Dev.to Top Tech70

    ChronoStack 讓開發者用幾分鐘測出日期錯誤

    有些日期錯誤要等上好幾天才會出現,光靠單元測試不容易發現。作者開發了 ChronoStack,能讓 Docker Compose 裡的服務、資料庫和排程工作一起快轉虛擬時間,重現真實環境中的時間變化,不必修改程式碼或碰到正式資料。作者用它重現 Twenty 垃圾桶提早刪除紀錄的問題,修正後測試通過,整個流程不到 2 分鐘。他也在幾個開源專案中找到日期錯誤,部分修正已合併。

  15. Dev.to Top Tech49

    Keyright 如何用租用期限自動收回當機程式佔著的授權席位

    浮動授權常遇到一個麻煩:程式當機時來不及歸還席位,席位就一直被算在使用中;但如果太快收回,又可能害只是暫時斷線的人不能用。Keyright 把每個席位當成有期限的租用權,程式定時回報就能延長期限;期限過了還沒回報,席位就能重新分配。比如授權上限是 10 個席位,兩個人同時搶最後一席時,系統會一次完成檢查和分配,只讓其中一人拿到席位。這樣能守住席位上限,也不用猜程式是不是當機;不過期限設太短,短暫斷線也可能失去席位,設太長則要等比較久才能收回。

  16. Dev.to Top Tech42

    RAG 的下一步:讓企業 AI 助理整理和運用知識

    企業把檔案切成一小段一小段,再讓 AI 助理搜尋,常常找得到相關文字,卻不一定能回答需要多種資料的問題。文章認為,問題在於文字片段不等於知識;像「ABC Pro 何時上市、售價多少、何時新增 RAW 影片功能」,其實是幾種彼此相關的資訊。 作者以 LLMWiki 為例,提出先把資料整理成能互相連結、持續更新的知識頁面,讓 AI 助理依問題查產品、政策、訂單狀態和資料來源。穩定的企業知識可讓模型學習,會變動的價格、政策和即時狀態則交給 Wiki、資料庫或 API;RAG 仍可用來找原始檔案作為證據。這樣一來,企業 AI 助理就不只是在檔案裡找相似句子,也能根據整理好的知識回答問題。

  17. Dev.to Top Tech48

    網頁伺服器怎麼運作?認識 Apache、Nginx 和網站上線流程

    你在瀏覽器輸入網址後,網頁伺服器會找到你要的頁面,再把它送回來;有些頁面直接從檔案讀取,有些則會依照訪客的需求,由程式即時組合。就像點餐一樣,瀏覽器提出要求,伺服器負責送上內容;找不到頁面時會回傳 404,伺服器出問題則可能回傳 500。 Apache 擅長彈性設定,Nginx 則能用較少記憶體同時處理許多連線,小型網站用哪一種都可以。要讓網站上線,得準備網址、把網址指向伺服器、設定網站程式,再放入網頁檔案;例如,Python 內建的小型伺服器可以在自己的電腦上試著送出網頁,但它只適合學習,不適合拿來架設正式網站。

  18. Dev.to Top Tech53

    如何用 OpenTelemetry 追蹤 MCP AI 助理的工具呼叫、延遲和錯誤

    AI 助理在正式服務中可能回答太慢、選錯工具,或為了完成一件事呼叫太多次;只看服務有沒有正常運作,往往看不出問題。這篇教學示範如何用 OpenTelemetry 把 AI 助理、MCP 伺服器和後端服務的工具呼叫串成一條追蹤紀錄,再按工具檢視延遲和錯誤。它也提醒,工具引數和結果可能含有個人資料或秘密,記錄前要先確認;使用 stdio 傳輸時,也不能把監控資料寫到標準輸出。

  19. Dev.to Top Tech57

    如何用 AWS VPC Flow Logs 和 Amazon Athena 查詢網路流量

    遇到連線失敗或懷疑有異常網路流量時,工程師需要知道哪些流量被接受或拒絕。作者用 Terraform 為既有的 VPC 開啟 VPC Flow Logs,將流量中繼資料存進有加密設定的 S3,再用 Amazon Athena 寫 SQL 查詢拒絕的流量、來源位址和目的地連線埠;他也實際產生測試流量,確認日誌有送達並能查詢。Flow Logs 不會記錄封包內容,送達也可能延遲;REJECT 紀錄本身無法指出確切原因。查詢資料會產生費用,測試時也要留意 AWS 資源成本,完成後清除臨時資源。

  20. Dev.to Top Tech51

    Kubelet 如何檢查並關閉未經驗證的唯讀連線埠

    Kubelet 的唯讀連線埠不需要驗證身分,若外部能連到,可能看見節點狀態、Pod 名稱、容器映像等環境資訊。作者提醒,這個連線埠和有身分驗證機制的 HTTPS 連線埠不同,檢查 API Server 的設定也不代表節點上的 Kubelet 已安全。文章建議逐一檢查各節點的有效設定、啟動引數和網路規則,將唯讀連線埠設為 0,移除互相衝突的引數,並確認每個節點都已停止監聽;測試時只檢查自己獲準管理的環境。

  21. Dev.to Top Tech72

    如何用 Rector 和 CI 安全升級舊版 PHP

    舊版 PHP 升級常讓人擔心一次改太多,出問題時會影響正式服務。作者分享一套做法:先用測試記下登入、結帳等重要流程目前的結果,再讓 CI 同時檢查舊版和目標版本,搭配 PHPCompatibility、PHPStan 找出不相容處,並用 Rector 一次修改一個模組。確認測試通過後,再把新版本分階段切換流量,觀察錯誤並保留快速切回舊環境的方法。

  22. Dev.to Top Tech45

    How Many Users Can Your VPS Actually Handle? 實用容量規劃指南:估算 VPS 能同時服務多少人

    VPS 能同時應付多少人,猜錯可能讓網站在廣告活動期間卡住,也可能讓你花錢買太大的伺服器。這篇指南教你從伺服器檢視可用記憶體、PHP-FPM 每個工作程式用掉的記憶體、Redis 用量,以及網頁從送出請求到開始回應要多久,再用簡單算式估算每秒能處理多少請求和同時上線人數。舉例來說,若有 5 個 PHP 工作程式,輕量頁面每次處理要 0.2 秒,訪客平均看 5 秒再點下一頁,約可同時應付 125 人;若較吃資源的頁面要 1 秒,估算容量就降到每秒 5 個請求、約 25 到 50 人。掌握這些數字,就能依尖峰流量規劃伺服器預算,避免等到資源快用滿才升級。

  23. Dev.to Top Tech72

    AWS IPv6 容器網路實測:PrivateLink、VPC Lattice 和 VPC endpoints 怎麼選?

    不同 VPC 裡的容器要互相連線,該用哪種方式,常讓工程師難以決定。作者把同一個容器接上 PrivateLink、VPC Lattice 和 VPC endpoints,在相同條件下測試速度與安全性。結果顯示,IPv6 和 IPv4 的速度差異落在測試波動內;PrivateLink 增加的延遲較少,VPC Lattice 則能讓服務提供方看見呼叫端的 VPC,並用 IAM 確認呼叫者。S3 gateway endpoint 的安全群組不會生效,需靠 endpoint policy 和 bucket policy 限制存取。作者建議依服務是否需要辨認呼叫者來挑選連線方式,也要確認應用程式會重複使用連線。

  24. Dev.to Top Tech61

    InferenceKey 實測 SenseNova 6.8 Code2Video:單張 RTX 4090 的上下文額度才是限制

    用一張 RTX 4090 跑影片生成 AI 助理時,模型權重灌得下,不代表長時間工作就能順利完成。InferenceKey 用 SenseNova 6.8 Code2Video 製作影片,發現上下文快滿時,Claude Code 得先把舊對話整理成摘要;但摘要也受單次輸出額度限制,三次整理都沒成功,最後沒有產出完整影片。作者也檢查生成畫面,發現影片的點陣排列不符合需求,原有檢查只看解析度、影格率和片長,沒確認畫面內容。這次測試只有一次,作者提醒要先確認摘要能否寫完,也要檢查影片實際畫面。

  25. Dev.to Top Tech65

    大型檔案上傳到一半失敗?這篇教你讓手機接著傳

    手機上傳影片或一批照片時,常會因為網路切換、訊號中斷或逾時,傳到一半就得從頭再來。文章建議先檢查伺服器、CDN 和使用者端的檔案大小與逾時限制,再把檔案切成多段上傳;中斷後,手機可以查詢已收到的進度,只補傳缺少的部分。可選用 tus、S3 分段上傳或 Google Cloud Storage 的續傳功能,並把上傳進度存在手機裡。iOS 可用背景 URLSession,Android 可用 WorkManager,讓使用者離開 App 後仍能繼續傳。

  26. Dev.to Top Tech47

    Nginx 1.30.7 跨版升級實戰:修補 13 個漏洞

    一臺使用 nginx/1.28.0 的伺服器,被掃出 13 個高、中危漏洞;升到 1.28.3 仍會漏掉其中 7 個。作者記錄如何把 Nginx 升到 1.30.7:Ubuntu 24.04 和 Rocky Linux 9.6 的升級方式不同,還得留意設定檔可能被重設,以及 Rocky Linux 需要一起更新 OpenSSL。升級後檢查設定並完整重啟,才能讓修補生效。這次經驗提醒我們,升級前要先備份,也要確認新版本需要哪些系統套件,避免修補途中讓網站服務出問題。

  27. Dev.to Top Tech54

    AI 助理出錯時,為什麼要讀追蹤紀錄而不是換模型

    AI 助理跑了很久才失敗,光換模型不一定能找出問題。文章建議把每次工具呼叫和模型呼叫都記下來,例如工具回傳的結果、花費時間、重試次數,以及模型用了多少輸入資料;再沿著紀錄找到第一個出錯的步驟。這能分辨問題是工具失敗、資料被擠出記憶範圍,還是一直重試,並把找到的原因用來修正工作流程。文中也整理了幾種追蹤工具,指出 OpenTelemetry 可讓不同工具使用共同的紀錄方式。

  28. Dev.to Top Tech56

    PyInstaller 在 tmpfs 上出錯?改用 --onedir 可避開啟動時解壓

    PyInstaller 的 --onefile 看起來只有一個檔案,但啟動時仍會把內容解壓到暫存空間;如果 /tmp 在容量有限的 tmpfs 上,可能因空間不足而出現 ENOSPC,也可能因記憶體不夠被 OOM killer 終止。文章建議在伺服器、容器和記憶體有限的裝置上改用 --onedir,讓程式直接讀取已解壓的檔案,也省去每次啟動都解壓的時間。不過,若部署環境硬性要求單一執行檔,或檔案放在延遲很高的網路磁碟上,仍要衡量打包方式和啟動速度。

  29. Dev.to Top Tech65

    DPOLens 實測:換掉 sentence-transformers 後,還得補上哪些工作

    把套件換成較輕的工具,可能也會漏掉原本默默幫忙做的事。作者在開源 MCP 伺服器 DPOLens 上,改用 ONNX Runtime 產生法律條文的搜尋向量,並發現原本的程式沒有先按文字長度分批,也沒有依 Docker 的 CPU 限制調整執行緒。作者補上這兩項處理後,在 2.5 顆 CPU 的測試中,建立索引從 632 秒降到 163 秒,記憶體用量也降低;向量與搜尋評測結果維持一致。這次實測提醒開發者,替換套件時也要檢查它原本代做的工作。

  30. Dev.to Top Tech50

    新手 10 分鐘完成 Linux VPS 基本安全設定

    剛拿到一臺能用 root 許可權管理的 Linux VPS,先花 10 分鐘做好基本防護,可以降低伺服器被入侵或弄壞的風險。做法包括更新系統、建立一般帳號、改用 SSH 金鑰登入、關閉 root 和密碼登入,再開啟防火牆與自動安全更新。小型伺服器可以加上 1G swap;設定完成後也要備份或建立快照,出問題時才能快速還原。

  31. Dev.to Top Tech68

    大型 PNG、WebP 圖片上傳逾時時,如何用分段上傳和檢查避免失敗

    大型 PNG 或 WebP 圖片一次上傳,可能讓請求逾時;收到 HTTP 200 也只表示某個檔案片段已送達,不代表整份檔案完成或屬於正確的租戶。作者建議把上傳當成可續傳的工作:記錄每個片段的檢查碼,重試時沿用同一個上傳 ID,完成後再核對檔案大小、型別和使用者許可權,通過檢查才把報告標成可用。文章也以 8 MiB 作為片段大小的起點,並提醒設定未完成工作清理期限、追蹤失敗情況;若還需掃毒或調整圖片,則交由佇列中的工作處理。

  32. Dev.to Top Tech55

    遊戲素材如何直接上傳私有儲存,避免大型檔案經過應用程式伺服器

    遊戲素材很大時,讓應用程式伺服器代收再轉傳,會讓伺服器工作變多。這篇實作指南說明,伺服器可以先確認使用者和所屬客戶,再建立限時上傳網址,讓瀏覽器直接把檔案送進私有物件儲存;下載時也用限時網址,素材不必公開。為避免兩個人同時上傳而互相覆蓋,作者建議每個檔案使用固定且不重複的物件鍵,並先在資料庫保留,再把已完成的檔案清單凍結後製作匯出。文章也提醒要從實際瀏覽器測試 CORS,並依需求選擇儲存服務;這種做法減少伺服器搬運檔案,但版本保護、清理和匯出一致性仍要由應用程式處理。

  33. Dev.to Top Tech59

    如何讓內部工程檔案的搜尋結果跟上更新,又控制索引成本

    內部檔案更新後,搜尋系統若還拿舊版回答,可能讓工程師照著過期的維護手冊處理事情。作者建議依檔案風險設定更新時限,例如緊急操作手冊要求 15 分鐘內更新,歷史詞彙表則可等 7 天;只替有變動的內容重新建立索引,減少不必要的處理。追蹤來源更新、索引完成和答案快取的時間,也能分辨延遲是卡在哪一段。若檔案來源不適合頻繁檢查,可改用較長的更新間隔,並為高風險檔案提供手動更新方式。

  34. Dev.to Top Tech48

    金融科技訓練檔案怎麼安全上傳與儲存?比較 Supabase Storage、Amazon S3、Cloudflare R2 和 Infrai

    訓練檔案上傳成功,不代表下一個步驟一定找得到正確檔案;如果檔案被換掉或收件紀錄沒存好,訓練流程就可能出錯。做法是讓後端先核准上傳,再給瀏覽器一個有時效的網址,讓瀏覽器直接把檔案送到儲存空間;後端確認檔案和資料吻合、存好收件紀錄後,才讓訓練繼續。Supabase Storage 適合想把前端和儲存功能放在一起管理的團隊;Amazon S3 或 Cloudflare R2 則適合需要更多儲存控制權的團隊。Infrai 可讓多種後端服務共用一組金鑰和帳單,但 CORS 設定仍須由團隊處理。這套流程也提醒團隊:每次上傳都要用不同檔名,並保留檔案用途和刪除時間;若需要證明檔案從未被改動,還得使用具備不可變儲存控制的其他儲存方式。

  35. Dev.to Top Tech38

    私人圖片上傳為什麼會失敗?看懂瀏覽器的 CORS 限制與簽名網址的用途

    把圖片直接從瀏覽器傳到私人雲端儲存空間,就算簽名網址有效,也可能被瀏覽器的 CORS 規則擋下;簽名網址也不會自動讓圖片變成公開網址,或幫忙縮圖。小圖可以先傳到自己的伺服器,再由伺服器檢查圖片、製作縮圖;大型遊戲圖片則可考慮直接上傳,但要先確認儲存空間的瀏覽器規則已設定好。圖片處理完後,應用程式也要用私人方式提供圖片,並替每次上傳使用不同的檔名,避免較早開始的工作最後蓋掉新圖片。

  36. Dev.to Top Tech73

    新創如何規劃資料庫備份與復原?

    資料庫每天備份一次,遇到問題時可能會失去最近一天的客戶資料;而備份檔能不能順利還原,也得實際試過才知道。這份指南建議新創先決定最多能接受損失多少資料、服務能停多久,再檢查目前方案提供哪些備份。若一天的資料損失難以接受,可考慮付費的時間點復原;也要另外備份上傳檔案、設定與金鑰,並把一份備份放在不同帳戶。最後,把備份還原到測試環境,確認資料和應用程式能正常使用並記下所需時間。

  37. Dev.to Top Tech43

    系統明明線上,為什麼使用者還是無法完成操作?

    伺服器、API 和資料庫看起來都正常,使用者卻可能卡在結帳、作業沒存成功,或看到過期資料。因為單項檢查只能確認零件有回應,不能保證整串操作真的完成。像網路商店的商品搜尋、登入和付款服務各自正常,但地址資料對不上,結帳還是會失敗。 可以挑一項最重要的使用流程,從頭到尾用測試帳號實際跑一次,確認結果真的出現在使用者看得到的地方;也要留意資料是否過期、背景工作有沒有完成,以及外部服務的實際操作是否成功。這樣比較能及早發現「儀錶板全綠、使用者卻用不了」的問題。

  38. Dev.to Top Tech79

    Linux systemd-repart 實作指南:用設定檔建立與擴充分割區

    手動替 Linux 磁碟分割區時,指令碼可能認錯磁碟,也容易在磁碟配置改變後失敗。這篇指南介紹 systemd-repart:先用設定檔寫出需要哪些分割區,再讓工具依照設定建立或擴充分割區;例如可在首次開機時替根目錄分割區增加空間,或新增固定大小的 swap 分割區。工具預設只預覽變更,也不會自行擴充分割區裡的檔案系統。它適合製作系統映像檔或整理新磁碟;遇到 MBR、需要縮小或搬動分割區時則不適用。

    推薦理由:文章用三個實作情境說明如何用設定檔建立或擴充分割區,並提醒哪些情況會動到資料,適合用來評估映像檔與新磁碟的管理方式。

  39. Dev.to Top Tech38

    IoT 和 AI 如何把裝置資料變成更好的決策

    工廠、倉庫和物流車隊常有很多感測器,卻不一定知道怎麼用收集到的資料來改善工作。IoT 負責收集溫度、震動和位置等資訊,AI 則能找出不尋常的變化,預測可能發生的問題,再把結果變成提醒或工作安排。像是機器震動變大時,提早安排維修,就能減少突然故障。要讓這套做法有用,得先挑一個實際又花錢的問題,用小規模試辦確認效果,再把有效的方法擴大使用。

  40. Dev.to Top Tech41

    Azure 如何降低生成式 AI 開發成本,同時維持效能

    生成式 AI 從少量測試變成每天處理大量請求後,Azure 帳單可能突然變得很高,費用也可能藏在儲存空間、網路和自動擴充裡。這份指南教你依工作挑選 Azure 服務:例如用 Azure Container Apps 試做低流量服務,用 Azure Machine Learning 跑訓練,也可以用 AKS 管理 GPU 工作;能中斷後接著跑的訓練工作,則可考慮使用較便宜的 Spot VM。 儲存方面,可以把常用模型放在較快的空間,把較少使用的訓練資料移到冷儲存;再搭配監控和自動縮放,減少閒置資源。文中舉例,Spot VM 費率可比隨用隨付便宜 60–80%,但工作可能被中斷,所以要先存好進度。選對服務、並留意資料和運算資源的費用,才能讓 AI 服務保持順暢,也讓帳單比較好掌握。