容器领域监控都用 prometheus, nmon 已经被淘汰了不知道多少年了
k8s 下无脑 chaos-mesh, 非 k8s 可以选 chaos-blade。
参考一下我的桌面:
所以楼主, 你为啥要 all in 某一种语言。。。。。 难道不是项目用啥你学啥么。。。 研发那边我都没听说谁是只会一种语言的。
据我有限的圈子内得到的反馈是大部分没有落地的, 极少数有落地的地方,业务团队都反馈效果不好。 这也是没办法的事情,精准测试这个东西很多人都把目光聚焦在了调用链分析和 AI 上,聚焦在了用例推荐上。 但很多人都忽略了一个网络段子 -- 人工智能是有多少人工就有多少智能。 这个段子虽然有失偏颇但其实也说明了人工智能是建立在大量的人工作业的基础上。 比如拿精准测试来说,推荐用例的前提是测试团队维护了非常精准的用例库,这些用例会随着研发代码和产品需求的更新而更新。 光是这一点其实 9 成 9 的团队就做不到。 还有就是产品的需求和代码架构非常频繁的变动的,如何建立起一个自动化的自学习(自动拉取最新数据最新代码并进行模型训练,并进行指标更新进而更新模型)也是一个非常大的工程(用人工的方式维护模型是肯定不行的)。并且很困难,比如监督学习的数据是要打 label 的(总结一下就是哪部分代码对应哪条或者哪些测试用例),目前大部分的 AI 团队都要花费很大的成本建立标注团队去人工打 label。 如果这些问题都解决了, 还需要面对人性, 就是这些用例推荐不是 100% 准确的(AI 做不到 100% 的精准与召回),如果推荐错误,导致线上出问题,那么谁来背锅? 目前所有团队的做法是业务测试人员背锅, 那么问题来了,我用你的东西, 你的东西不保证准确,出了问题要我自己来背锅。 那么我为什么要用你的东西?
所以其实精准很难落地,不是因为大家普遍看到的 AI 和代码分析这样的技术问题。 而是要面对海量用例的维护问题,人工标注数据问题,模型更新问题和人性问题。
综上所述, 以我有限的圈子得到的结果, 能把精准落地而且业务反馈非常好的团队,我暂时还没见到。
想起来 10 年刚毕业那年, 工作地点在中关村微软双子大厦,我记得那个地铁站是苏州街的下一站(具体站名我忘了),我的房子租在了沙河高教园(当时工资 4000,到手 3400,所以房子只能租在那边,我记得房租是 1100),当时沙河高教园刚刚建成没两年(打听了一下是 08 年开盘的),所以附近什么都没有,一到晚上就黑灯瞎火的,那时候真是除了个小区周边啥都没有。 只有一个公交能到地铁站(2 站地)。 所以那两年基本是,公交->昌平线->西二旗转 13 号线(就是北京三个带西字的出了名的认多的站,号称基本上两脚离地被挤上去)->10 号线->下车步行 15 分钟。 基本上一趟也起码 1.5 个小时,早晚来回 3 个多小时。 当时觉得很痛苦但也没办法,工资到手 3500,去掉房租就剩 2000 来块钱,再算上吃喝拉撒日常开销,根本不剩下什么了。这也是为啥我租了个那么远的房子(还是合租的)。 所以当翅膀硬了以后(学到东西了,有跳槽涨薪的资本了),我立刻就把工作换到西二旗了,这样基本就可以控制在 50 分钟以内。
我觉得忍受极端通勤的人一定是没办法的, 如果有办法要么就换工作,要么就换房子。 都是向现实妥协的结果。 如果楼主要不要换工作,其实很明显, 有实力就换, 没实力就只能向现实妥协。
感觉好多人是被 PUA 习惯了么。。。。这么主观的问题纠结这么多分析这么多干啥。。。每个领导的风格都不一样,你面对这个领导的时候他认为做事方法是这样的, 面对另一个领导的时候他认为做事方法是那样的。 还在这分析这么多。。。。你们真是。。。。
为了把 mock server 注入到目标 pod 用的
感谢恒温和社区的支持
抱歉哈 , 提前预热一下
我 87 年的,今年应该 36 岁。 上周一个大我 1 岁的朋友被裁员了。 今天我俩一块吃饭的时候说面试机会确实挺少的。 感觉这波经济下行还是没过去的, 最近大家还是能苟着就苟着吧