Promo image

JetBrains 码上道:从语音转图像说起,生成式任务的前世今生

AI 联结起了计算机科学和大数据,通过机器学习和深度学习,已经能够为我们在不少领域提供一定程度上的解决方案。其中,生成式 AI 就是通过机器学习方法,不断学习来自己生成全新的原创的文字、图片、视频等等。 …

JetBrains 码上道:微服务的可观测实践

随着微服务架构的不断发展,可观测性变得越来越重要。在微服务架构下,应用程序被拆分成许多小型服务,因此在保证应用程序的可靠性和性能方面,可观测性变得尤为重要。 可观测性是指在运行时,系统的运行状况可以通过收集和分析系统的不同指标来了解,以便于监控、排除故障和进行容量规划。在微服务架构下,需要考虑到不同的服务以及它们之间的交互。 为了微服务架构下的可观测性,需要使用各种监控和日志记录工具来收集和分析各种指标。例如,链路跟踪就是一种非常重要的能力,可以帮助我们追踪整个应用程序的性能瓶颈和故障根源。 在微服务架构下,确保可观测性需要我们采取一些最佳实践。例如,我们需要使用一些标准的日志格式和标签来标识不同的服务,以便于跟踪整个系统的运行情况。此外,我们还需要使用自动化工具来监控服务的健康状况,并及时发现和解决潜在的问题。 本次直播 JetBrains 邀请到 Go 语言社区的包子老师,带领大家在 Kratos 框架中集成可观测性组件,实现对链路追踪、日志、监控采集和分析。 本次活动将在 JetBrains 中国官方 BiliBili 频道和微信视频号同步直播,别忘了预留时间,并关注 JetBrains 微信公众号以获取第一手活动信息。 更新:本场直播活动已结束,收看直播回放,下载 讲师 PPT 主讲嘉宾 包子云账户基础架构部 工程师,开源项目

2022 开发者生态系统调查:探索原始数据

我们的2022 开发者生态系统调查的原始数据包含来自 29,269 名开发者的回答,现在可供公众访问! 我们希望它有用,并支持开发社区的进一步研究和调查。  原始数据以两种格式提供:csv 格式的原始数据和带有分析示例的 Jupyter Notebook。  Notebook 展示了调查的基本分析。 它显示了数据的结构,给出了一些分析示例,并提供了自行执行分析的主要功能。 在 Datalore 中打开分析示例 带有原始数据的目录包含宽格式和窄格式的数据、调查问题、调查逻辑、许可,以及一个带有姓名简录的表。 报告和数据集是公开的,在许可下共享。 只要注明数据来源即可使用其内容。 我们已经采取了所有必要措施来确保数据的准确性、完整性和匿名性。 我们还确保了任何敏感或个人信息都被适当地去除或删除,以保护研究参与者的隐私。 所有的开放式字段都已被移除,收集到的回复少于 15 个的回复选项已被纳入“其他”类别。 我们要向所有为这项研究做出贡献并帮助我们和社区扩大行业知识的人表示感谢。 深入研究数据,并且别忘了加入我们的 JetBrains Tech Insights Lab 以参与未来研究! 如果您对数据有任何问题或疑虑,请发送电子邮件至 surveys@jetbrains.com 与我们联系。 感谢您对我们的研究感兴趣。 JetBrains 团队   本博文英文原作者: