随着微服务的流行，服务和服务之间的稳定性变得越来越重要。在 2020 年，Sentinel 社区推出 Sentinel Go 版本，朝着云原生方向演进。Sentinel Go 是一个流量治理组件，主要以流量为切入点，从流量路由、流量控制、流量整形、熔断降级、系统自适应过载保护、热点流量防护等多个维度来帮助开发者保障微服务的稳定性。 无论是流量控制还是熔断降级，实现的核心思想都是通过统计一段时间内的指标数据（请求数/错误数等），然后根据预选设定的阈值判断是否应该进行流量管控 那么如何存储并统计这一段时间内的指标数据则是核心关键，本文将揭秘 Sentienl-Go 是如何实现的毫秒级指标数据存储与统计。
最近几年，钉钉迅速成为一款国民级应用。IM 作为钉钉最核心的功能，每天需要支持海量企业用户的沟通，同时还通过 PaaS 形式为淘宝、高德等 App 提供基础的即时通讯能力，是日均千亿级消息量的 IM 平台。 我们通过 RocketMQ 实现了系统解耦、异步削峰填谷，还通过定时消息实现分布式定时任务等高级特性。另外，过程中也与 RocketMQ 深入共创，不断优化解决了很多问题，并且孵化出 POP 消费模式等新特性，彻底解决了RocketMQ 负载粒度只能到Queue级别、rebalance导致时延等问题。
In this article, you will explore how users and workloads are authenticated with the Kubernetes API server. The Kubernetes API server exposes an HTTP API that lets end-users, different parts of your cluster, and external components communicate with one another. Most operations can be performed through kubectl, but you can also access the API directly using REST calls. But how is the access to the API restricted only to authorized users?
LSM-Tree全称为Log-Structured Merge-Tree，日志结构合并树，它的架构分为内存部分和有序的磁盘部分，内存部分实现高速写，有序的磁盘部分实现高效查。
Kubernetes作为云原生计算的基础项目，已经在开发者和企业中获得广泛的支持。然而其自身复杂性和陡峭的学习曲线依然让人望而生畏。在 CNCF 2020年度调研报告中，在Kubernetes技术落地过程中面临最大的挑战就是复杂性。 IBM大型机之父 Fred Brooks 著名的论文No Silver Bullet[1]，软件系统中的复杂性可以分为本质复杂性 (essential complexity) 和附属复杂性 (accidental complexity) 。本质复杂性是构建系统过程中不可避免的复杂性。附属复杂性则是任何非必要的复杂性，比如由于设计失误或者工具不当等引入的复杂性。附属复杂性会随着工具的改善而逐渐解决，而本质性的困难难以解决。 Kubernetes的本质复杂性与附属复杂性到底有什么？我们应该如何应对？
什么是分布式锁？对于这个问题，相信很多同学是既熟悉又陌生。随着分布式系统的快速发展与广泛应用，针对共享资源的互斥访问也成为了很多业务必须要面对的需求，这个场景下人们通常会引入分布式锁来解决问题。我们通常会使用怎么样的分布锁服务呢？有开源的 MySQL，Redis，ZooKeeper，Etcd 等三方组件可供选择，当然也有集团内自研的 Tair，Nuwa 等分布式锁服务提供方。总的来看，我们对分布式锁的需求可以大体划分为以下两类应用场景:
高并发、高可用、高性能被称为互联网三高架构，这三者都是工程师和架构师在系统架构设计中必须考虑的因素之一。今天我们就来聊一聊三H中的高可用，也是我们常说的系统稳定性。
TypeScript 已于 2022.09.23 发布 4.9 beta 版本，你可以在 4.9 Iteration Plan 查看所有被包含的 Issue 与 PR
如何将人类先验知识低成本融入到预训练模型中一直是个难题。达摩院对话智能团队提出了一种基于半监督预训练的新训练方式，将对话领域的少量有标数据和海量无标数据一起进行预训练，从而把标注数据中蕴含的知识注入到预训练模型中去，打造了SPACE 1/2/3 系列模型。
