通常情况下移动端APP由于受到设备性能所限一般较少有场景会处理超量数据，更多的是将复杂数据处理交付给服务端。本质上降低终端强数据处理是很有必要的，降低CPU使用率、减少内存抖动可以大幅提升APP使用体验。但是有时移动端也不得不处理超量数据，大麦选座就是这样一个强数据处理场景。
继 2019 年开源 Midway 框架之后，大淘宝技术一直在 Node.js 的前沿进行深度研究，除了加入 TC39 参与标准化建设，向上游 Node.js 项目持续贡献，与龙蜥社区合作优化之外，也在 Serverless 领域有了不小的成果。 今天，向大家介绍我们最新的面向云原生场景，面向 Serverless 架构下的新产品， 代号 Noslate，现已正式开源。
随着云原生的发展，云原生应用一致性、可靠性、灵活编排的能力让大部分企业选择将应用往云上迁移，但同时云基础设施在稳定性、可观测、也接受的强大的考验。 ChaosBlade 是阿里巴巴开源的一款遵循混沌工程原理和混沌实验模型的实验注入工具，帮助企业提升分布式系统的容错能力，并且在企业上云或往云原生系统迁移过程中业务连续性保障。 ChaosBlade Operator 是 kubernetes 平台实验场景的实现，将混沌实验通过 Kubernetes 标准的 CRD 方式定义，很方便的使用 Kubernetes 资源操作的方式来创建、更新、删除实验场景，包括使用 kubectl、client-go 等方式执行，同时也可以使用 chaosblade cli 工具执行。 本文将主要介绍 ChaosBlade 在 Kubernetes 中故障注入的底层实现原理、版本优化过程以及大规模应用演练测试。
现实系统往往有着较高的复杂度，我们借助 Trace、Log、Metric 三驾马车使我们的系统具备了一定的可观测性，但观测位置和信息往往是固定的，而我们所遇到的问题常常是意料之外的，这就导致我们能够定位问题的范围，但是难以更进一步，这时候我们就需要在我们想要的位置采集信息来帮助我们，在通常的实践中这就意味着我们需要添加日志逻辑并重启应用，这种做法成本较高而且会丢失现场。而借助日志治理，只需要通过在控制台配置规则便可以在不重启应用的前提下，动态采集任意点位信息。接下来通过一个假想的排查流程来简单介绍下日志治理的实践。
