## 轻舟服务网格的无侵入增强 Istio 经验 方志恒（网易数帆 云原生技术专家） ## 关于侵入、无侵入 ☑ 立目标，求上得中 ● 为什么强调“无侵入”? 业务适配、快速落地、定制需求等，有太多“侵入”的理由 ● 长期维护、社区对齐、版本演进等，一分“侵入”一分成本 ## 定开、维护的经验 ### 1. 原生的API，无侵入扩展 直接使用 做上层的封装、转换 “计算机科学领 sha256: nil url: oci://slimeio/rider_plugin:0.1.0 ## ● 使用上 不能说差不多，简直是一模一样； ## ● 实现上 不能说没侵入，但只有一点点； ## 插件扩展 - WasmPlugin/RiderPlugin ③ - name: proxy.filters.http_rider ## 插件扩展 - WasmPlugin/RiderPlugin

## GCN ## 通过Golang + eBPF实现无侵入应用可观测  张海彬 阿里云 应用可观测技术专家  无侵入  多语言/多协议/多框架  全栈覆盖 ## 无侵入性 ! b2f68/p27_1.jpg) 告警收敛，幸福感UP ## eBPF + Golang 在阿里云应用可观测的实践 应用监控eBPF版 ## 无侵入的应用可观测 eBPF是一种在Linux内核运行的沙盒程序，无需修改任何应用代码，提供无侵入的应用无关、语言无关、框架无关的应用可观测能力，提供如网络、虚拟内存、系统调用等Otel无法获取的数据指标。 eBPF & Otel SDK均支持

ServiceComb的特点是什么？ 03 ServiceComb的最新进展？ 04 如何加入到ServiceComb社区开发？ ## ServiceComb是一个什么样的项目？ 开源 框架 侵入式 微服务 解决方案 非侵入式 多语言 ## ServiceComb的来源 ![Image](/uploads/documents/8/4/6/5/8465d2f44e36ceff162b78e8a1c447ad/p5_1

负责将预训练好的 caffe 或者 tensorflow 的模型，转换到 LLVM IR，最后生成可以在无剑 SoC 平台上 执行的二进制。 平头哥集成开发环境 统一应用开发框架 一键 应用部署 Caffe TensorFlow TVM 图形化 算力分析 T-Head NN 无剑SoC平台 LLVM 自定义 AI加速器 异构 联合调试 ## 为何添加 caffe 前端？ 前端有利于提高竞争力。 ## - 开源社区 存量的开源 caffe 网络模型众多，TVM 直接支持 caffe 让大家更方便尝试 caffe 资源。 ## 绝赞招聘中 ## 当前进度 ## - 无 caffe 依赖 from_caffe 直接导入 caffe 模型文件，不需要预先安装 caffe。 ## • net 已测试网络：alexnet / densenet121 / inception

GradientBoostingClassifier ensemble.GradientBoostingRegressor ### 2. Scikit-learn主要用法 ## 无监督学习算法 sklearn.cluster模块包含了一系列无监督聚类算法. from sklearn.cluster import KMeans ## 构建聚类实例 kmeans = KMeans(n clusters=3 拟合 kmeans.fit(X_train) 预测 kmeans.predict(X_test) ### 2. Scikit-learn主要用法 ## 无监督学习算法-降维 sklearn.decomposition 模块包含了一系列无监督降维算法 from sklearn.decomposition import PCA 导入PCA库，设置主成分数量为3，n_components代表主成分数量 explained_variance_ratio_) 投影后的特征维度的方差 print(pca.explained_variance_) ### 2. Scikit-learn主要用法 ## 无监督学习算法-聚类 DBSCAN cluster.DBSCAN 层次聚类 cluster.AgglomerativeClustering 谱聚类 cluster.SpectralClustering