阿里云云栖号 阿里云云栖号 ·

慢调用链诊断利器 - ARMS 代码热点

💡 原文中文，约5600字，阅读约需14分钟。
📝

内容提要

本文介绍了可观测技术的背景和监控盲区问题，阿里云ARMS团队联合阿里巴巴Dragonwell团队提供了持续剖析能力，通过代码热点排查慢调用链。

🏷️

标签

ARMS团队 Dragonwell团队 可观测技术 持续剖析能力 监控盲区问题
➡️

继续阅读

  1. 从AI代码到可信软件：工程约束的实践
    文章探讨了“工程约束”如何通过仓库强制执行标准，确保AI生成代码的质量与问责。它强调权限、质量门、证据和可观测性，并描述了从辅助到自主的成熟度阶段。核心是...
  2. 并行策略总览：六个维度各切什么、怎么通信
    本文介绍大模型并行训练的核心概念，将DP、TP、SP、PP、EP、CP六种并行方式按切分维度、显存减少、通信开销和等待关系列表对比。并行本质是切分模型并引...
  3. Kimi K3 模型结构（10）：RL 与服务，状态住在哪里
    本文介绍Kimi K3模型在1M上下文强化学习与线上服务中的系统设计，核心是状态管理。KV块和KDA状态通过write-back策略在GPU与DRAM池间...
  4. Kimi K3 模型结构（9）：显存，把 2.8T 塞进 GPU
    本文详解Kimi K3模型训练中的显存优化策略，通过账本形式分析权重、激活等内存占用，并介绍六项关键技术：均衡PP rank激活、统一激活管理器、MoE反...
  5. DeepSeek-V4 模型结构（7）：结构决定系统
    DeepSeek-V4模型采用混合压缩注意力（mHC），将KV缓存分为状态缓存和分页缓存，分别管理滑窗KV与压缩条目。上下文并行通过点对点通信和all-g...
  6. DeepSeek-V4 模型结构（6）：优化器与稳定性，Muon
    DeepSeek-V4采用Muon优化器，通过谱范数最速下降实现逐矩阵正交化，用Newton-Schulz迭代逼近SVD，混合系数提升小奇异值并精确稳定大...
👤 个人中心
在公众号发送验证码完成验证