Amazon Q的日志诊断偷师了Deeplog那篇论文,但生产环境的故障溯源它只做了一半——我走完一个订单微服务的编码到成本优化全程
这两周我在为组里的订单微服务系统做一次彻底的重构。系统不算大,但标准的微服务全家桶——Order、Payment、Inventory、Notification——一应俱全,跑在AWS上已经两年了,偶尔会出一些说不上致命的毛病,比如半夜库存扣减延迟导致订单超时,或者某个Region的Lambda冷启动…
这两周我在为组里的订单微服务系统做一次彻底的重构。系统不算大,但标准的微服务全家桶——Order、Payment、Inventory、Notification——一应俱全,跑在AWS上已经两年了,偶尔会出一些说不上致命的毛病,比如半夜库存扣减延迟导致订单超时,或者某个Region的Lambda冷启动…
我不是来吹Amazon Q的。我是带着论文的尺子来量它的。过去一年多,代码大模型从补全卷到对话,每家公司都在把IDE助手和云控制台粘在一起,AWS显然不想落后。Amazon Q这个产品把原先的CodeWhisperer吞了进去,又塞进自然语言管理资源、日志分析、成本建议,听起来就像给开发者配了一个会…
我叫许彦,做机器人整5年了,从UR双臂到人形大小腿,ROS和具身智能的坑填过一圈。去年我们团队决定把整套边缘推理+低延迟控制的栈迁上AWS,训练放在云上,边缘用Jetson Orin跑模型,ROS2节点通过IoT Greengrass下发。管理层甩来一句话:“既然云了,那开发工具也云了吧,试试Ama…