Observability на максимум: как обеспечить наблюдаемость в микросервисной архитектуре
📌 Подробнее: https://habr.com/ru/companies/wildberries/articles/995330/
MemOps🤨
В высоконагруженных системах сотни сервисов взаимодействуют ежесекундно, и любой малейший простой системы напрямую влияет на прибыль бизнеса. Чтобы уметь быстро находить причины и устранять их за короткие сроки придуманы инструменты, обеспечивающие наблюдаемость приложения. Сегодня поговорим о том, как обеспечить observability и почему без нее жизнь продукта превращается в «черный ящик».
MemOps
Please open Telegram to view this post
VIEW IN TELEGRAM
👍2
10 Elasticsearch Production Issues (and How Postgres Avoids Them)
📌 Подробнее: https://www.tigerdata.com/blog/10-elasticsearch-production-issues-how-postgres-avoids-them
MemOps🤨
Elasticsearch может отлично работать на этапе первоначального тестирования и разработки, но в продакшене все по-другому. В этом блоге мы расскажем о том, что происходит после запуска: о настройке JVM, распределении сегментов, страницах, которые открываются в 3 часа ночи, и конвейерах синхронизации, которые незаметно ломаются. Обо всем, с чем приходится сталкиваться вашей команде эксплуатации.
За годы работы команд с Elasticsearch в производственной среде сформировались определенные закономерности. Одни и те же проблемы упоминаются в постах в блогах, вопросах на Stack Overflow и отчетах об инцидентах. Ниже мы приводим десять наиболее распространенных проблем со ссылками на инженеров, которые их описали. Мы также добавили изображения, чтобы можно было быстро пробежаться по списку и сравнить проблемы с Postgres.
С большой силой приходит и большая сложность в эксплуатации.
MemOps
Please open Telegram to view this post
VIEW IN TELEGRAM
Tiger Data Blog
10 Elasticsearch Production Issues (and How Postgres Avoids Them) | Tiger Data
Why Elasticsearch is complex in production: garbage collection, shard math, data sync pipelines, and monitoring overhead. Postgres with pg_textsearch simplifies search.
🌚1
dock-fire — это экспериментальный runtime-плагин для Docker, который запускает контейнеры внутри microVM на базе Firecracker. По сути он даёт уровень изоляции как у виртуальной машины, но сохраняет привычный workflow через docker run.
Каждый контейнер стартует в отдельной легковесной VM с собственным ядром, что повышает безопасность по сравнению с классическими namespace и cgroup изоляциями. Проект ориентирован на запуск временных workload’ов, тестирование и эксперименты.
📌 Подробнее: https://github.com/raesene/dock-fire
MemOps🤨
Каждый контейнер стартует в отдельной легковесной VM с собственным ядром, что повышает безопасность по сравнению с классическими namespace и cgroup изоляциями. Проект ориентирован на запуск временных workload’ов, тестирование и эксперименты.
MemOps
Please open Telegram to view this post
VIEW IN TELEGRAM