极道 ·

一行代码如何造成 6000 万美元的损失

💡 原文中文，约1800字，阅读约需5分钟。

📝

内容提要

1990年1月15日，AT&T网络故障导致电话无法接通，航班延误，影响8.5万人。故障由软件错误引起，修复工程师花了9个小时恢复正常。AT&T在90年代还遇到了更多问题。故障规模巨大，人为错误和流程漏洞是根本原因。

🏷️

博客主题更新：文章与代码块阅读体验优化
博主更新了博客主题，优化阅读体验：字体加载不再闪烁，文章页宽限780px并支持目录滚动；移动端新增可折叠目录；代码块带语言标签、复制按钮和折叠功能；首页列...
博客主题更新：更好读的文章页和代码块
该文章记录了博客主题的更新，重点提升阅读体验：优化字体加载避免闪烁，文章页宽度限制为780px并支持滚动目录，移动端新增可展开目录，代码块添加语言标签、复...
Mini book: Next-Gen Architecture Playbook: Insights and Patterns for the AI Era
This eMag examines how architects can lead with clarity in a rapidly evolving...
Presentation: From S3 to GPU in One Copy: Rethinking Data Loading for ML Training
Onur Satici explains how Vortex, an open-source columnar file format under th...
CPU + GPU：为何AI平台工程是一个异构基础设施问题
AI基础设施不应只关注GPU，而应视为CPU、内存、存储和网络协同工作的整体系统。平台团队需匹配各阶段资源需求，而非孤立优化GPU。通过Kubernete...
Kubernetes虽已成熟，但AI使其再度令人望而生畏
Kubernetes虽成熟，但首次采用仍具挑战，尤其AI工作负载带来GPU、突发流量等新需求。文章指出，启动集群容易，难在管理生产环境中的AI任务，如作业...