在容器层中进行修改 原始镜像层保持不变 读取文件：直接从镜像层读取（共享，高效） 修改文件：复制到容器层，然后修改（只有这个容器能看到修改） 容器存储层的生命周期 笔者特别强调：这是新手最容易踩的坑！容器存储层与容器生命周期绑定。容器删除，数据就没了！ ## 创建容器，写入数据 $ docker run -it ubuntu bash root@abc123://# echo "important 3. 明确复制路径 ## ✅ 好：明确的路径 COPY src/ /app/src/ COPY package.json /app/ ## ✗ 差：过于宽泛 COPY . . 踩坑实录 某公司在优化 Node.js 应用的 Docker 镜像时，发现构建出来的镜像体积超过了 2GB，远远超过生产部署的需求。排查发现，Dockerfile 中使用了 COPY . . 把整个构建上下文复制进镜像，导致 disconnect mynet mycontainer ## 删除网络 $ docker network rm mynet ## 清理未使用的网络 $ docker network prune 踩坑实录 一个新手开发者通过 docker compose 部署了两个容器化服务：服务 A 和服务 B。他在服务 A 的代码中尝试用 localhost:3000 访问服务 B，结果始终连接超时。这个错误

在容器层中进行修改 原始镜像层保持不变 读取文件：直接从镜像层读取（共享，高效） 修改文件：复制到容器层，然后修改（只有这个容器能看到修改） 容器存储层的生命周期 笔者特别强调：这是新手最容易踩的坑！容器存储层与容器生命周期绑定。容器删除，数据就没了！ ## 创建容器，写入数据 $ docker run -it ubuntu bash root@abc123://# echo "important node_modules ... 3. 明确复制路径 ✓ 好：明确的路径 COPY src/ /app/src/ COPY package.json /app/ ✗ 差：过于宽泛 COPY . . 踩坑实录 某公司在优化 Node.js 应用的 Docker 镜像时，发现构建出来的镜像体积超过了 2GB，远远超过生产部署的需求。排查发现，Dockerfile 中使用了 COPY . . 把整个构建上下文复制进镜像，导致 disconnect mynet mycontainer ## 删除网络 $ docker network rm mynet ## 清理未使用的网络 $ docker network prune 踩坑实录 一个新手开发者通过 docker compose 部署了两个容器化服务：服务 A 和服务 B。他在服务 A 的代码中尝试用 localhost:3000 访问服务 B，结果始终连接超时。这个错误

在容器层中进行修改 原始镜像层保持不变 读取文件：直接从镜像层读取（共享，高效） 修改文件：复制到容器层，然后修改（只有这个容器能看到修改） 容器存储层的生命周期 笔者特别强调：这是新手最容易踩的坑！容器存储层与容器生命周期绑定。容器删除，数据就没了！ ## 创建容器，写入数据 $ docker run -it ubuntu bash root@abc123://# echo "important node_modules ... 3. 明确复制路径 好：明确的路径 COPY src/ /app/src/ COPY package.json /app/ 差：过于宽泛 COPY . . 踩坑实录 某公司在优化 Node.js 应用的 Docker 镜像时，发现构建出来的镜像体积超过了 2GB，远远超过生产部署的需求。排查发现，Dockerfile 中使用了 COPY . . 把整个构建上下文复制进镜像，导致 mynet mycontainer ## 删除网络 $ docker network rm mynet ## 清理未使用的网络 $ docker network prune 踩坑实录 一个新手开发者通过 docker compose 部署了两个容器化服务：服务 A 和服务 B。他在服务 A 的代码中尝试用 localhost:3000 访问服务 B，结果始终连接超时。这个错误

而未来，大模型的作用机理，也会让AI时代的原生App开发经历范式转变。“以前，探索产品PMF可能是解锁手机密码，需要试一个个密码，但未来，可能是由产品经理指出一个区间，借助大模型的暴力计算，来找到最好的解决方案。”他表示。 以下是演讲实录，内容经36氪编辑： 杨植麟：大家好！今天非常高兴有机会来到这里，也感谢36氪的邀请，今天我分享的主题是《AGI需要真实的规模化》。 先从50年前的一个摇滚乐队开始讲起。1973年的时候，著名的摇滚乐队Pink onshot已经寄托着杨植麟一些很“黑镜”的预想：在未来，如果机器能够掌握一个人一生的信息，人们就会拥有自己的AI分身，这个AI分身共享了你的所有记忆，无异于另一个你。 以下为36氪与杨植麟的对话实录，经36氪编辑整理： ## o2 ## 时隔七年，两次AI创业 36氪：先来聊聊这次产品发布吧。很多大厂、创业公司都会选择先发一个具体的大模型，开源或者闭源的都有。大模型已经火了半年后，Moonshot如今选择先发一个To 所有这些挑战最后都反映到一个核心指标——人才密度。 人才密度决定了以上提到的各个问题的解决程度，能做到多好。这里的人才密度可能又分为几个方面： 第一，团队有没有训练过这些东西的经验。因为经验本身就是一个踩坑的过程，你可以从你以前的经验里面去学习。 其次，团队有没有信息，比如说你跟这个圈子离得比较近一点，可以更及时地获得一些有价值的信息。 第三，团队有没有面对未知的问题的创新能力。因为你不可能说所有东

邀您进入EGO会员预报名群 立即报名 TECHNOLOGY EGO ## TABLE OF CONTENTS AI训练的业务情况 AI训练的痛点 为什么用K8S 基于K8S的AI训练 一次踩坑经历 接下来的工作 ## AI训练流程  挂载：RO 训练任务 API-Serving 人脸识别 ☐ 人 ## TABLE OF CONTENTS AI训练的业务情况 AI训练的痛点 为什么用K8S 基于K8S的AI训练 一次踩坑经历 接下来的工作 ## AI训练的痛点-流程 - 算法工程师写脚本来控制，难管理 - 失败重试很麻烦，需要人肉盯着 ## AI训练的痛点-GPU • 计算密集型 • GPU：多人共用，难以管理、隔离、协调 • 服务端单点，扩展性差 - 支持客户端数到一定程度，性能很差 ## TABLE OF CONTENTS AI训练的业务情况 AI训练的痛点 为什么用K8S 基于K8S的AI训练 一次踩坑经历 接下来的工作 ## 可选项 • Docker Swarm：功能弱，尚在迭代 • Rancher：偏小众，没社区 • Mesos or Kubernetes? 趋势比对 |mesosSearch

RocketMQ HA 核心工作机制 39 1.5 踩坑记：rocketmq-console 消费 TPS 为 0，但消息积压数却在降低是个什么“鬼” 49 1.6 RocketMQ 一个新的消费组初次启动时从何处开始消费呢？ 64 1.7 一次 RocketMQ 进程自动退出排查经验分享 78 1.8 RocketMQ 主题扩分片后遇到的坑 82 1.9 RocketMQ 消息发送 system system busy、broker busy 原因分析与解决方案坑 91 1.10 再谈 RocketMQ broker busy 104 1.11 从年末生产故障解锁 RocketMQ 集群部署的最佳实践 108 1.12 RocketMQ 一行代码造成大量消息丢失 115 1.13 RocketMQ DLedger 多副本即主从切换实战 121 1.14 RocketMQ 命令更新消息组 whichBrokerWhenConsumeSlowly、brokerId，特别是其 brokerId 不要设置为 0，不然从从服务器拉取一次后，下一次拉取就会从主去拉取。 ### 1.5 踩坑记：rocketmq-console 消费 TPS 为 0，但消息积压数却在降低是个什么“鬼” ## 一、 背景 上周六的 19:00，接到项目反馈，他们的项目从昨天的 23:00 就停止消费了