fitchliu

摘要： # 把发布流水线当产品来维护：一次 DevOps 值班后的三个改动 前阵子值班时，我碰到一个很典型的问题：应用本身没挂，CPU、内存、Pod 副本数都正常，但版本就是发不出去。最后排查下来，不是 Kubernetes 有问题，也不是镜像仓库抽风，而是流水线里几个“平时看不见、出事就卡死”的细节叠在了 阅读全文

摘要： # 把 LLM 接到生产链路里，先解决上下文污染 这半年和团队聊 AI 落地，最容易高估的不是模型能力，而是“把一个能聊天的模型接进系统之后，它会不会稳定地产生你要的结果”。很多 PoC 卡住，并不是 prompt 写得不够花，而是上下文管理太粗糙，最后把模型变成了一个对历史噪音过度敏感的黑盒。 我 阅读全文

摘要： # 从能跑到可靠：一次把异步任务系统做稳的实践笔记 很多团队第一次上异步任务，往往是为了解耦接口耗时。接口里原本同步发短信、推消息、调三方接口、写审计日志，响应越来越慢，于是顺手把这些动作丢进队列，系统立刻“快了”。但再过一阵，新的问题就会冒出来：消息重复消费、任务堆积、重试把下游打挂、运营追问某条 阅读全文

摘要： # 系统不是画出来的：一次把缓存、队列和数据库串起来的实践 很多团队聊架构时，最容易陷入一种误区：图画得很漂亮，链路一跑就露馅。真正决定系统稳不稳的，往往不是有没有上微服务，而是几个基础问题有没有想透：热点怎么扛、写入怎么削峰、数据库什么时候该兜底。前段时间我在梳理一个高并发下单系统时，最大的感受就 阅读全文

摘要： # 一次把发布链路做“薄”：用 Git Hook + CI + 容器把 DevOps 摩擦降下来 这两年团队里最常见的问题，不是“不会上云”，而是发布链路太厚：本地一套、CI 一套、线上再来一套。脚本越攒越多，最后谁也说不清楚一次发布到底依赖了什么。结果就是小改动也要提心吊胆，回滚比发布还慢。 我最 阅读全文

摘要： # 从一次慢查询说起：Python 服务里怎么把数据库访问做得更稳 最近排查一个接口超时，现象很普通：业务代码没有明显的 CPU 热点，应用日志里也没有异常，但 95 线延迟突然从 200ms 涨到 2 秒以上。最后一路追到数据库，发现不是“数据库不行”，而是服务端访问方式太随意：没有稳定的索引命中 阅读全文

摘要： # 从提示词工程到上下文工程：构建稳定 LLM 应用的实践笔记 这两年做大模型应用，一个很明显的感受是：很多团队在早期都把注意力放在“提示词怎么写”，但真正把系统做起来之后，决定效果上限的往往不是某一句 prompt，而是整条上下文链路是不是稳定、干净、可控。 如果把 LLM 看成一个很强但也很“情 阅读全文

摘要： 线上 Redis 偶发性抖动，每次持续几秒到十几秒，业务侧表现为接口 P99 延迟突然飙高。排查下来，根因是一个 Hash 结构的大 Key——单个 Key 存了 200 多万个 field，每次 HSCAN 都把 Redis 主线程卡住。这篇文章记录完整的排查和治理过程。 ## 问题现象 监控系统 阅读全文

摘要： 写 Python 后端也有五六年了，从最早的 Flask + Gunicorn 同步模型一路干到现在的 FastAPI + asyncio。说实话刚开始接触异步编程的时候踩了不少坑，代码看着都对，一跑就炸。这篇文章总结几个我在生产环境里真实遇到过的问题，希望能帮你少走点弯路。 ## 1. 在 asy 阅读全文

摘要： 最近遇到一个线上问题：部署在 K8s 集群里的几个微服务，每到流量高峰期就出现偶发性超时，但监控面板上的 CPU 和内存指标都在正常范围内。排查了一圈，发现问题出在 Pod 之间的资源争用上。这篇文章记录一下完整的排查过程和思路。 ## 症状 现象很诡异：Pod A 和 Pod B 调度在同一台 N 阅读全文