登录社区云,与社区用户共同成长
邀请您加入社区
集中日志平台解决了多服务场景下日志分散、检索低效等问题。ELK(Elasticsearch、Logstash、Kibana)是主流方案,Filebeat负责轻量采集,Logstash处理复杂解析,Elasticsearch存储检索,Kibana提供可视化。日志应结构化输出(如JSON),包含关键字段(如traceId、时间戳、业务ID),便于关联分析和问题定位。实际部署中,可根据需求选择Fileb
本文详细介绍了从零构建兼容 OpenShift 的 Java 17 S2I 镜像的全过程,重点解决了国内网络环境和镜像体积两大痛点。通过使用阿里云镜像源替代官方仓库,并采用分层构建策略(466MB 的 Builder 镜像 + 160MB 的 Runtime 镜像),实现了高效稳定的容器化构建。文章提供了完整的 Dockerfile 和 S2I 脚本实现,包括智能项目类型检测、容器感知的 JVM
进入工程 http://{gitlab-host}:{gitlab-port}/root/k8s-cicd-demo。修改/etc/containerd/config.toml,在。在Webhooks界面点击Add new webhook按钮。点击左侧菜单Settings > Webhooks。然后再重启containerd。
MXAM:高效建模质量检测与自动修复工具 摘要:本次研讨会介绍MESModelExaminer®(MXAM)工具,它能对Simulink®等模型进行全面静态分析,帮助开发者在时间压力下确保模型质量。MXAM不仅可检查建模规范、分析模型结构,还能自动修复违规问题,过程透明可控。研讨会将演示其功能,包括模型指标评估与重构案例,适合嵌入式软件开发及测试相关人员参与。议程涵盖静态测试原理、工具实操演示及配
Jenkins是一款开源 CI&CD 软件,用于自动化各种任务,包括构建、测试和部署软件。Jenkins 支持各种运行方式,可通过系统包、Docker 或者通过一个独立的 Java 程序。
jk不是要替代 Jenkins,而是把 Jenkins 的操作界面从浏览器搬到终端。对于每天和 Pipeline 打交道的工程师来说,少几次鼠标点击不是目的,真正的价值是让 Jenkins 操作可以进入脚本、进入 Makefile、进入 AI Agent 的工具链。对 AI coding Agent 来说,jk加上 skill,是目前最轻量的 Jenkins 接入方案。Jenkins 还没打算消失
本文展示了Git代码管理和Jenkins持续集成的操作流程。首先通过Git命令在main分支上修改index.html文件并推送到远程仓库,然后配置GitLab手动触发Jenkins构建。Jenkins pipeline中定义了拉取代码的stage,使用master节点从指定Git仓库获取main分支代码。此外还提供了一个gittest.sh脚本,自动化执行Git状态检查、分支切换、文件修改和推送
Jenkins是一款开源 CI&CD 软件,用于自动化各种任务,包括构建、测试和部署软件。持续集成(Continuous Integration, CI)和持续交付/部署(Continuous Delivery/Deployment, CD),下面介绍两种方式部署 Jenkins。
持续集成是一种软件开发实践,通过自动化工具对代码进行编译、测试和打包,减少人工干预,提高构建效率。它的核心理念是将代码频繁地集成到共享存储库中,并通过自动化构建和测试流程来验证代码的正确性。这样做可以为开发人员提供即时的反馈,帮助他们快速定位并修复问题,从而加速软件开发周期并提高软件质量。利用 Jenkins、SonarQube、Harbor、Container、Kubernetes技术,搭建一个
Jenkins是一款,由Hudson项目独立衍生而来,遵循MIT开源许可证,是目前主流的CI/CD核心工具,可适配任意规模的项目自动化构建、部署与运维工作,官方网站:https://jenkins.io/。2026年Jenkins完成UI全新改版,界面更现代化,同时持续迭代AI插件、性能优化、安全插件等能力,社区生态完善,拥有数百款官方插件,可无缝对接各类开发运维工具链。
Jenkins是一个用Java编写的开源的持续集成工具。在与Oracle发生争执后,项目从Hudson项目独立。官方网站:https://jenkins.io/。Jenkins提供了软件开发的持续集成服务。它运行在Servlet容器中(Tomcat)。
摘要 Elasticsearch的REST API提供了强大的多索引操作、日期数学索引管理和通用查询参数功能。多索引操作支持通配符、排除语法和_all关键字,通过ignore_unavailable等参数实现灵活控制。日期数学格式允许在索引名中使用动态日期表达式(如<logs-{now/d}>),需注意URI编码要求。通用参数包括结果格式化(pretty/YAML)、可读输出(human)和信息过
摘要: 通过 ES|QL 查询 OpenTelemetry 追踪数据,可精准定位 LLM 应用问题根因。案例中,一次模型替换导致成本飙升 2.4 倍,某提示模板产生 23 倍冗余 Token,且 GPU 利用率在 42/43 时间窗口超 90%。技术栈整合了 EDOT 自动埋点(捕获延迟、Token 用量)和 DCGM 的 GPU 指标,数据存储于 Elasticsearch。ES|QL 支持跨指
本文介绍了如何利用开源工具doocs/md优化公众号排版流程。该工具支持Markdown实时预览、主题定制和"一键复制为公众号格式"功能,大幅减少排版时间。文章详细讲解了本地部署步骤:安装Node.js环境、下载项目、配置依赖,并推荐使用cpolar内网穿透解决HTTP协议下的复制功能限制。这套方案适合个人和团队创作者,能显著提升写作效率,尤其适合需要频繁发布公众号内容的用户。
摘要: DolphinDB是一款集时序数据存储、实时计算与深度分析于一体的高性能平台,专为工业物联网场景设计。其核心优势包括: 多模存储引擎:支持时序、关系型、向量等数据类型,压缩比达10:1; 流批一体:亚毫秒级延迟处理实时数据,同一代码兼容历史分析; 全栈计算:内置2000+优化函数及AI推理能力,实现"数据-分析-模型"闭环; 分布式架构:弹性扩展与高可用,支持云边协同(
Jenkins是一款开源的持续集成与交付(CI/CD)工具,用于自动化构建、测试和部署软件。本文介绍了Jenkins的两种安装方式:通过Docker容器(推荐使用jenkinsci/blueocean镜像)和通过war包部署(需配合JDK17)。安装完成后需通过初始密码登录,配置国内镜像源以加速插件下载,并安装Git、Maven等常用插件。重点演示了如何创建Maven项目任务,包括Git源码管理、
横向拓展:接入 K8s 实现容器编排,替代单节点 Docker 部署;纵向拓展:接入 AIOps 实现日志分析、故障自动自愈;安全拓展:接入 SonarQube 实现代码质量检测,接入 Vault 实现凭证动态管理。DevOps 的核心不是 “工具堆砌”,而是 “流程优化”—— 本次实验的价值在于,从 “解决实际问题” 出发,把抽象的 DevOps 理念落地为可执行、可验证的流程,这也是企业招聘中
备份策略架构备份计划每日增量每周完整每月归档数据类型配置文件config.xml任务定义jobs/构建历史builds/凭证数据credentials.xml插件配置plugins/用户数据users/备份类型完整备份增量备份差异备份存储位置本地存储网络存储NFS/S3异地备份2. 备份方案实施2.1 使用ThinBackup插件2.2 自定义备份脚本2.3 定时备份配置3. 恢复流程详解3.1
执行模型:深入解析了CPS转换机制和FlowNode执行流程语法对比:全面对比了声明式和脚本式两种Pipeline范式完整语法:详细讲解了声明式Pipeline的所有指令和参数核心Step:提供了所有常用Step的完整参数说明和示例触发器配置:详解了Generic Webhook等高级触发器配置条件语法:完整介绍了when条件的所有用法最佳实践:提供了性能优化和设计模式建议通过本文的学习,读者可以
对测试结果文件中报告错误的记录进行分析,如果确实是由于被测系统的缺陷导致,则提交缺陷报告。对自动化测试的结果进行总结,分析系统存在的问题,并提交《测试报告》。1、自动化测试的局限性对于自动化测试来说,不同的层次有不同的效率,项目中需要慎重考虑选择,按照测试金字塔模型以及投入/产出比,越向下,回报率越高。单元自动化测试(数据处理层):指对软件中最小的可测试单元进行检查和验证,一般需要借助单元测试框架
在 Elasticsearch 分布式集群中,脑裂(Split-Brain)是最危险、最致命的集群故障。一旦发生脑裂,集群会出现多个主节点、数据写入错乱、分片无法分配、数据不一致等问题,严重时会导致整个集群不可用。很多中小型集群因为配置错误、网络不稳定、节点数不合理,在运行一段时间后突然触发脑裂,导致业务大面积瘫痪,却不知道问题根源。本文将从脑裂原理 → 产生条件 → 触发场景 → 解决方案 →
在研究 Elasticsearch 相关性评分_score时,你一定在explain结果里见过coord和queryNorm这两个因子。它们到底怎么影响分数?为什么现在的 ES 版本好像感受不到它们的作用?BM25 算法下还需要关注吗?本文将用通俗解释 + 流程图 + 历史演进 + 实战说明,一次性讲透coord和queryNorm在 ES 评分中的真实作用,帮你彻底理清相关性底层逻辑。coord
Elasticsearch 作为企业级搜索引擎,存储着日志、订单、用户、业务等核心敏感数据安全认证、权限控制是生产环境必不可少的环节。从 ES 6.3+ 开始,官方内置了安全模块,支持账号密码登录、角色权限、IP 白名单、TLS 加密、RBAC 权限模型等企业级安全能力。本文从开启安全、身份认证、RBAC 权限模型、用户/角色/权限配置、索引级/操作级权限、实战案例全流程讲解,搭配流程图+可直接复
Jenkins是一个开源的持续集成工具,用于自动化构建、测试和部署软件项目。本文详细介绍了在CentOS7上安装Jenkins的全过程,包括Java环境配置、Jenkins下载与启动、用户权限管理、公网穿透实现远程访问等关键步骤。文章还涵盖了Jenkins与GitHub/Gitee/GitLab的集成方法,Nginx反向代理配置,以及通过Webhook实现自动触发构建的完整CI/CD流程。适合需要
ES 是分布式系统,会不会丢数据?会不会不一致?不会,只要正确配置,Elasticsearch 数据非常安全可靠。ES 如何保证数据不丢失、数据一致、高可靠、高可用。Elasticsearch 通过 副本机制、同步写入、版本控制、事务日志、故障自动转移 五大核心机制,确保数据强一致性与高可靠性。主分片 + 多副本同步写入全部成功才返回版本乐观锁控制并发强一致性模型。
任何工具只要实现了 MCP 协议,就能被任何支持 MCP 的客户端调用,无需关心对方是什么语言、什么平台。这实现了真正的解耦。效果:知识检索不再局限于特定系统,任何支持 MCP 的客户端(如 Claude Desktop、IDE 插件)都能直接调用企业的知识库。发现慢:工具藏在全是 if-else 的代码里,新人和模型都不知道系统到底有哪些能力。优势:模型自动判断何时查知识库,何时调业务 API,
Kibana是 Elastic 官方推出的开源数据分析与可视化平台,专门用于对接 Elasticsearch,提供图形化界面、数据搜索、图表展示、报表制作、监控告警等一站式功能。它是 Elastic Stack(ELK)中的展示层,可以把 ES 里的海量数据转换成直观的图表(折线图、柱状图、饼图、地图、数据大屏),同时提供 Dev Tools 工具,用最简单的方式操作 ES。Discover是 K
为什么这条数据排在第一?为什么明明匹配却分数很低?为什么不相关的数据反而排前面了?想要搞懂 Elasticsearch 的相关性得分(_score)是如何计算出来的,就必须使用。本文详细讲解什么是 Elasticsearch 的 explain API,以及它有什么作用,包含原理、流程图、使用方式、实战示例、排查场景,完全符合 CSDN 博客标准,通俗易懂、生产必备。是 Elasticsearch
本文介绍了一个基于Spring AI Alibaba和Elasticsearch的RAG(检索增强生成)系统实现。该系统通过两个核心流程实现智能问答功能:文档导入流程(包括PDF解析、文本分块、向量化处理和存储)和问答流程(问题向量化、向量检索、结果重排序和答案生成)。文章详细说明了环境准备(JDK17+、Elasticsearch9.3.x等)、部署步骤(Docker启动ES、项目配置)和API
Kibana 是 Elastic 官方推出的开源数据分析与可视化平台,专门用于对接 Elasticsearch,是 ELK 技术栈的核心展示层。Kibana 可以让你无需编写代码,通过可视化界面完成 ES 数据查询、分析、图表展示、报表制作、集群监控等操作,是使用 Elasticsearch 必备的工具。本文将完整、有序、带流程图讲解 Kibana 的安装、连接、数据操作、可视化制作、Dashbo
知识库检索模块是派聪明这个 RAG 项目的核心功能模块,我们是基于 Elasticsearch 实现的文档混合检索能力,将语义检索和关键词检索结果结合起来,为用户提供更高质量的搜索体验。该模块依赖于文件上传与解析模块完成的向量化处理,直接使用存储在 Elasticsearch 中的向量数据进行检索。系混合检索:结合语义检索和关键词检索结果,按权重排序返回搜索结果支持指定返回结果数量:通过 topK
本文介绍了如何通过Elasticsearch语义搜索和OpenClaw插件大幅减少Skill列表的Token消耗。传统方法会将所有Skill描述注入SystemPrompt,导致95个Skill消耗约5000个Token/次对话。新方案采用Jina Embeddings v5模型和Elasticsearch的semantic_text字段,实现按需加载相关Skill,将Token消耗降低92%,延
第一步:结构化入门不要直接看文档,先让AI给你画地图:这个领域有哪些核心概念、主流方案有哪些、一个外行应该按什么顺序学。我是[你的背景],完全不懂[陌生领域]。请给我:1. 这个领域的3-5个核心概念,用我能理解的语言解释2. 主流方案有哪些,各自适合什么场景3. 建议我按什么顺序学习第二步:带着问题读文档不要从第一页读到最后一页。先搞清楚自己的场景,再带着问题去读文档,遇到看不懂的直接喂给AI翻
因为Jenkins这种安装方式在Windows系统中是以Windows services方式运行的,这里我们要指定管理服务的用户,可选域账号也可选本地账号。双击运行安装包,一直下一步直到安装完成即可,安装目录用默认的即可不用修改,安装完成后会自动添加环境变量。选择初始化新项目的主干分支名称,第一个选项是git自己选择,第二个是我们自己指定默认是main。Git安装包中内置了很多种编辑器,可以根据自
本系统是一个通过MATLAB控制COMSOL Multiphysics进行局部放电(Partial Discharge, PD)仿真的完整解决方案。系统采用多物理场耦合方法,在绝缘材料内部建立空穴缺陷模型,模拟实际运行条件下局部放电的物理过程。
本文详细介绍了基于Elasticsearch 8.x的混合检索技术实现方案。主要内容包括:1)混合检索解决了传统关键词检索和纯向量检索的局限性,结合语义理解和精确匹配优势;2)详细解析Elasticsearch 8.x的向量功能,包括DenseVector字段、四种相似度算法和两种检索方式;3)提供完整的索引设计、.NET集成实现方案,包含数据模型定义、混合搜索服务和查询策略选择器;4)介绍数据同
领先的开源自动化服务器 Jenkins 提供了数百个插件,用于支持构建、部署和自动化任何项目。
可以在统一在主题中设置新的Panel类型进行类样式设置,也可直接在面板中的“主题覆盖” 使用新的“StyleBoxTexture” 来设置“AtlasTexture”, 设置“AtlasTexture” 在 “Sub-Region”编辑子区域即可。Container 组件结合组件设置,控制设置的方位(上,下,左,右,居中),设置是收缩还是撑满容器。特定节点的样式,而不想影响全局,可以在该节点的“检
Bagging,即Bootstrap Aggregating,是一种通过构建多个子模型并聚合它们的预测结果来提高整体预测性能的集成学习方法。它的核心思想是从原始训练数据集中有放回地随机抽取多个子集,分别训练不同的模型,最后综合这些模型的预测结果。比如我们有一堆杂乱无章的积木(训练数据),Bagging就像是每次从这堆积木里随机抓一把(有放回抽样),然后用抓到的这把积木搭建一个小房子(训练一个子模型
在软件开发的世界里,重复性工作就像狗皮膏药一样甩也甩不掉。每次代码更新后,我们都要手动编译、测试、打包,这不仅浪费时间,还容易出错。难道我们就要这样一直做构建的奴隶吗?当然不!于是持续集成(CI)的概念应运而生,而Jenkins和Gradle的结合,则成为了解放开发人员的利器。Jenkins作为一个开源的自动化服务器,可以替代我们执行那些重复性的构建任务。而Gradle则是一个强大的构建工具,以其
官网方式:/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"国内镜像方式:/bin/zsh -c "$(curl -fsSL https://gitee.com/cunkai/HomebrewCN/raw/master/Homebrew.sh)"安装最新的lt
成熟稳定:经过长期验证,社区活跃高度可扩展:丰富的插件生态灵活性高:支持各种编程语言和部署目标成本效益:开源免费,企业级功能学习建议从自由风格项目开始,了解基础概念掌握 Pipeline 语法,这是现代化 Jenkins 的核心实践与版本控制系统(Git)的集成学习容器化(Docker)和编排(Kubernetes)的集成关注安全和性能优化随着云原生的发展,Jenkins 也在不断演进,与 Kub