微服务是一个广泛使用的应用架构，而如何使得微服务应用云原生化却是近些年一直在演进的课题。国内外云厂商对云原生概念的诠释大同小异，基本都会遵循 CNCF 基金会的定义： 云原生技术有利于各组织在公有云、私有云和混合云等新型动态环境中，构建和运行可弹性扩展的应用。云原生的代表技术包括容器、服务网格、微服务、不可变基础设施和声明式 API。 这些技术能够构建容错性好、易于管理和便于观察的松耦合系统。结合可靠的自动化手段，云原生技术使工程师能够轻松地对系统作出频繁和可预测的重大变更。 弹性可扩展，是企业选择上云的一个重要原因。它可以为企业节省大量成本，同时保障服务稳定性。我们有个电商客户，平时只有 200 多个服务节点，但在大促时轻松扩容到上千个节点。这个扩容动作通过平台一键完成，只需要秒级的时间。操作之简单、时间之短是在上云之前是不可想象的，那些复杂漫长的硬件采购、环境搭建和服务部署流程被自动化完成。
最近一则IT行业的新闻引起了广泛传播，标题非常引人注目：“从微服务转为单体架构，成本降低 90%”。 新闻报道了亚马逊Prime Video团队的案例，他们通过将一个监控系统从基于AWS Lambda的无服务器架构迁移到传统的单体架构，大幅度降低了基础设施成本。
火山引擎云原生数据仓库ByteHouse与Apache Airflow强强结合，为管理和执行数据流程提供了强大而高效的解决方案。本文将带来ByteHouse与Apache Airflow结合使用的主要优势和特点，展示如何简化数据工作流程，并推动业务成功。
Kelemetry是字节跳动开发的用于Kubernetes控制平面的追踪系统，它从全局视角串联起多个 Kubernetes 组件的行为，追踪单个 Kubernetes 对象的完整生命周期以及不同对象之间的相互影响。通过可视化 K8s 系统内的事件链路，它使得 Kubernetes 系统更容易观测、更容易理解、更容易 Debug。
淘宝开放平台是淘宝天猫与外部生态互联互通的重要开放途径，通过开放的产品技术把阿里经济体一系列基础服务，像水、电、煤一样输送给我们的商家、开发者、社区媒体以及其他合作伙伴，推动行业的定制、创新、进化, 并最终促成新商业文明生态圈。
近期，GPT大模型的发布给自然语言处理（NLP）领域带来了令人震撼的体验。随着这一事件的发生，一系列开源大模型也迅速崛起。依据一些评估机构的评估，这些开源模型大模型的表现也相当不错。一些大模型的评测情况可以去这里查询：Huggingface的Open LLM排行榜，UC伯克利发布大语言模型排行榜等。 随着大模型的发展，大模型的训练与部署技术变的非常重要了。我们调研了LORA与QLORA等微调训练技术，以及GPTQ量化部署技术。在跑通最小Demo并验证效果后，把这些技术集成到KubeAI平台(得物AI平台)，提供给大家去快速上手。
