TechSummary 2025-08-05

🔒 每個人都是「雪花」：為真實世界設計強化映像檔流程

Source: https://www.docker.com/blog/hardened-image-best-practices/

• 強調強化容器映像檔（Hardened Container Images）在安全與操作簡便性上的潛力，但指出其在實際開發與生產中面臨的根本挑戰。
• 闡述「雪花問題」（Snowflake Problem）：每個軟體堆棧、CI/CD 管線和安全設定都獨一無二，僵化的安全方案反而導致開發者尋求變通方案，可能降低整體安全性。
• 提出解決方案：在強化映像檔流程中融入彈性，例如支援多種發行版（multi-distro options）和自助服務客製化（Self-service customization），讓開發者能輕鬆添加所需的 CA 憑證或整合現有映像檔。
• 提及利用 AI 驅動的轉換工具來協助將現有 Dockerfile 轉換為多階段構建（multi-stage builds），降低遷移阻力。
• 強調社群信任的重要性：與開源專案維護者建立緊密關係，確保強化映像檔的設計能納入專案見解與經驗。
• 總結最佳策略是「安全預設、可控彈性、社群信任」，並指出一個高採用率但非完美強化的映像檔策略，比低採用率的「完美」策略更能提升組織整體安全。

🦀 RustRover 2025.2 現已推出

Source: https://blog.jetbrains.com/rust/2025/08/05/rustrover-2025-2-is-now-available/

• AI 整合： 內建編碼代理 Junie 速度提升 30%，支援 MCP (Model Context Protocol) 與遠端開發。AI Assistant 提供更智慧的 Rust 程式碼補全、專案規則及強化離線功能。
• 偵錯器增強： 新增遠端目標偵錯（支援 GDB 和 LLDB）、片上偵錯（on-chip debugging，透過 OpenOCD）、可附加到未啟動的程序、改進的組譯支援、平行堆棧視圖、影子變數支援及自引用類型支援。Windows 版本預設捆綁 LLDB-19。
• 使用者介面： 推出全新預設顏色方案，可針對紅綠色盲使用者進行調整，旨在強調重要語法並區分相似元素。
• 借用檢查器協助： 透過特殊內嵌提示（inlays）標記隱式可變借用（implicit mutable borrows），協助使用者偵測並解決借用檢查器錯誤。
• 開發流程改進： 新增快速建立 Rust 模組的功能；改進了型別不匹配錯誤提示的 UI，使其更容易排查複雜型別問題。
• 學習資源： 除了 JetBrains Academy 的「Learn Rust」課程外，新增基於 Luca Palmieri 課程的「100 Exercises to Learn Rust」，提供實作學習體驗。
• CLion 整合與 Cargo： Rust 外掛程式現已對 CLion 免費開放（CLion 非商業用途也免費）；新增「Rename Cargo Package」操作，可自動更新 Cargo.toml 及相關引用。
• 遠端開發： 編輯器響應速度更快，偵錯更流暢，外掛程式管理更簡便，JetBrains Toolbox 透過 Gateway 提供更好的連線品質。

⚙️ Kotlin DSL：有什麼新功能？

Source: https://blog.jetbrains.com/teamcity/2025/08/kotlin-dsl-what-s-new/

• 自訂 Kotlin DSL 檔案路徑： 自 TeamCity 2024.07 起，DSL 檔案可放置於 .teamcity 目錄之外，例如專案根目錄，簡化與 IntelliJ IDEA 的整合。
• 使用 DSL 函式庫簡化程式碼重用： 支援將通用 Kotlin DSL 程式碼作為 Java 函式庫發布到 Maven 儲存庫，TeamCity 也能作為 Maven 儲存庫管理這些函式庫 (TeamCity 2024.12+ 的「DSL Libraries」管理頁面)。
• DSL 檔案變更對建構重用的影響： TeamCity 2025.07 起，若 .teamcity 目錄被結帳規則（checkout rules）排除，則其變更將不再影響建構修訂版本，從而實現更精確的建構重用，除非這些變更確實影響了建構設定。
• 建構中 DSL 設定的更精確變更顯示： TeamCity 2025.03 起，當提交影響 .teamcity 目錄時，會先顯示為待處理，但在 DSL 執行後，若設定未實際變更，則相關提交將被隱藏，減少干擾。
• Kotlin DSL 的增量編譯 (teamcity-configs:generate)： TeamCity 2025.07 起，可在 pom.xml 中啟用增量編譯（<kotlin.compiler.incremental>true</kotlin.compiler.incremental>），將本地生成設定的時間縮短達 50%。

  <project>
    ...
    <parent>
      <groupId>org.jetbrains.teamcity</groupId>
      <artifactId>configs-dsl-kotlin-parent</artifactId>
      <version>1.0-SNAPSHOT</version>
    </parent>
  
    <properties>
      <kotlin.compiler.incremental>true</kotlin.compiler.incremental>
    </properties>
  
    <repositories>
      <repository>
  ...
  </project>

• 整合建構快取： TeamCity 2023.11 起，可配置建構快取來加速代理程式上的 teamcity-configs:generate 任務，特別是針對 target/kotlin-dsl-ic 和 .m2 目錄，可帶來 20-30% 的性能提升。

  features {
    buildCache {
      name = "DslCompilation-%teamcity.agent.jvm.os.name%"
      rules = """
          target/kotlin-dsl-ic
          .m2
      """.trimIndent()
    }
  }

  對應的 Maven 建構步驟範例：

  steps {
    maven {
      goals = "teamcity-configs:generate"
      runnerArgs = """-Dmaven.repo.local=%teamcity.build.checkoutDir%/.m2"""
      localRepoScope = MavenBuildStep.RepositoryScope.MAVEN_DEFAULT
    }
  }

🐘 PhpStorm 2025.2 現已推出

Source: https://blog.jetbrains.com/phpstorm/2025/08/phpstorm-2025-2-is-now-available/

• Laravel Idea 免費： Laravel Idea 外掛程式現已對 PhpStorm 用戶免費。
• Junie 編碼代理： 支援 MCP (Model Context Protocol) 以連接外部資源（資料庫、檔案系統、API）；支援 WSL 2 檔案系統專案；支援遠端開發；提示處理速度提升高達 30%；開放 GitHub EAP 專案。
• AI Assistant 增強： 跨所有支援語言的智慧程式碼補全（新增 SQL, YAML, JSON, Markdown）；擴展離線彈性（可連接任何 OpenAI 相容模型伺服器）；支援專案規則，確保符合團隊規範；聊天支援圖像附件。
• PHP 相關改進： 遠端開發功能正式脫離 Beta，大幅提升遠端編輯、偵錯效能和工具視窗體驗；重構 PHP Include Path 設定視窗，更易於從索引中排除 PHP 函式庫資料夾；完全支援 PHPUnit 12 的所有變更與棄用。
• 外掛程式與配置： PHP Architecture 和 Robo Support 外掛程式現在是非捆綁（unbundled）的，需從 Marketplace 安裝；改進 class-string<T> 類型推斷；增強 .env 檔案支持，可識別嵌套變數的重命名；內建伺服器配置選項已移至新位置。
• JavaScript 和 TypeScript： 實驗性支援新的 TypeScript-Go 語言伺服器，提升性能；在快速文件（quick documentation）中直接顯示 Web Platform Baseline 資訊；智慧化整合 Bun，當 bun.lockb 或 bun.lock 存在時自動檢測並設定為套件管理器。
• 使用者體驗： 參數資訊彈出視窗（Parameter Info popup）有多項改進，使其更易閱讀和導航。
• 資料庫工具： AI Assistant 聊天現在可附加更具體的資料庫物件（例如表格或視圖），而不僅僅是整個 schema；支援 WSL 檔案路徑用於 SQLite 資料庫檔案。

🐹 GoLand 2025.2 現已推出！

Source: https://blog.jetbrains.com/go/2025/08/05/goland-2025-2-is-now-out/

• 智慧 Nil 解引用檢測 (DFA)： 新增程序間的 Nil 解引用分析功能，在編輯器中標記潛在問題，提供可空性提示、不安全解引用警告，並在「Problems」工具視窗中顯示資料流分析路徑。
• 非阻塞歡迎介面： 歡迎介面現在作為 IDE 內部的一個分頁打開，而非阻塞啟動，提供對終端機、Docker、Kubernetes、HTTP Client 和資料庫等工具的即時訪問。
• HTTP 端點發現與請求生成： 「Endpoints」工具視窗增強對現代 net/http.ServeMux 路由模式的支援，包括基於方法和萬用字元路由，並能從函數名稱、方法前綴字串、函數參數和鏈式方法呼叫中檢測 HTTP 方法。
• Junie 編碼代理更新： 速度提升 30%，支援 MCP (Model Context Protocol) 以連接外部資料來源，並支援遠端開發工作流程。
• JetBrains AI Assistant 更新： 跨多種語言（包括 SQL, YAML, JSON, Markdown）提供更智慧的程式碼補全；支援專案規則以遵循團隊編碼規範；擴展離線彈性，可連接 OpenAI 相容的模型伺服器；聊天中支援圖像附件（使用 Anthropic 模型）。
• 繼承 IntelliJ IDEA 等特性： 包含來自 IntelliJ IDEA、WebStorm 和 DataGrip 的最新平台功能。

✨ Kineto by JetBrains 讓您的想法可點擊

Source: https://blog.jetbrains.com/kineto/2025/08/make-your-ideas-clickable-with-kineto-by-jetbrains/

• 產品介紹： JetBrains 推出 Kineto，一個全新的無程式碼（no-code）平台，旨在幫助使用者輕鬆創建、部署和維護即時可用的網站和應用程式，即使沒有編碼經驗。
• 核心理念： Kineto 負責處理所有程式碼，讓使用者專注於創意。它利用 JetBrains 在開發者工具領域 25 年的經驗，透過聊天介面生成完整的 UI、後端和資料庫。
• 應用場景： 目前 Kineto 適合創建「單一價值」的小型應用程式，例如個人網站、植物護理應用、健身追蹤器、個人部落格、日程規劃器或小型問答應用。
• 工作流程：
  1. 從想法開始： 使用者提供詳細的應用程式功能和外觀提示 (prompt)。
  2. 設計輔助： 即使不確定設計，Kineto 會引導選擇基本設計模板、顏色方案和字體。
  3. Meta Layer 模式： 允許使用者驗證和修改應用程式的功能、使用者角色和規則。
  4. 預覽原型： 約 20 分鐘即可生成功能齊全的網站或網路應用程式原型。
  5. 進一步開發： 使用者可新增功能、重新設計、嵌入 AI 生成的圖像等。
  6. 發布： 滿意後即可發布和分享應用程式。
• 早期存取計畫 (EAP)： 現已開放等候名單，優先考慮有明確創建想法且無編碼經驗的申請者，提供團隊支援以協助構建和完善應用程式。

⚙️ CLion 2025.2 現已推出：更優異的 CLion Nova，更智慧的嵌入式開發

Source: https://blog.jetbrains.com/clion/2025/08/clion-2025-2-release/

• CLion Nova 增強：
  • 重構程式碼格式器： 針對 C/C++ 程式碼格式化進行了全面改革，確保縮排大小一致，並改進狀態欄小部件及設定 UI。現在可以直接從小部件配置 ClangFormat、Indents Detection 或 EditorConfig 等替代格式器。
  • 更快的遠端開發： 打字輔助功能現在在精簡客戶端上運行，提高了遠端工作時的響應速度，減少對網路連線的依賴。
  • 即時錯誤檢測： CLion Nova 現在能在編譯前捕捉所有潛在的編譯錯誤，避免延遲到建構完成才顯示。
  • 改進 GoogleTest 支援： 完整支援 GoogleTest 的所有功能，包括 TEST_P 巨集，允許在編輯器中直接運行參數化測試。
• 嵌入式開發優化：
  • 即時監控（Live watches）： 在程式執行期間即時監控全域變數值，無需停止執行，特別適用於時間敏感的嵌入式系統開發（如藍牙、Zigbee）。目前支援 SEGGER J-Link 和 ST-LINK 偵錯伺服器。
  • ESP32 偵錯伺服器： 專為 ESP-IDF 專案設計的偵錯伺服器，提供簡化的配置流程和預設設定。
• 其他改進：
  • CLion 免費提供非商業用途： 自 v2025.1.1 起，CLion 對於非商業用途（學生、愛好者、開源貢獻者）免費。
  • 更新專案狀態小部件： 警告訊息更顯眼和互動，例如對於未屬於專案的檔案，提供快速配置專案或運行配置的選項。
  • 低階例外抑制： 偵錯時可抑制由 __debugbreak() 或內聯組譯 int3 觸發的低階例外，提供更多控制。
  • 捆綁 CMake 4.0.2： 更新了捆綁的 CMake 版本，不再相容於 3.5 以前的版本。
  • 重構的 2025 終端機成為預設： 採用 JediTerm 作為核心模擬器，確保最大程度相容現有 shell 功能，並整合 GPU 加速渲染。
  • AI Assistant 預提交檢查： 支援對提交日誌中的任何提交或 Changes 列表中的任何變更執行 AI 自我審查，提前識別潛在問題。

🐍 PyCharm 2025.2：面向 AI 工程師的 AI 工具包及更多！

Source: https://blog.jetbrains.com/pycharm/2025/08/pycharm-2025-2/

• AI 工具包 [Pro]： 首次在 PyCharm 中引入 AI Toolkit，為 AI 工程師提供一體化的實驗、偵錯、評估、微調和部署環境，包含 AI Playground 和 AI Agents Debugger。
  • AI Playground [Pro]： 允許 AI 工程師並排比較多個 AI 模型的回應，配置系統提示，並精細調整溫度（Temperature）、Top P 和最大長度（Max length）等模型參數。支援付費訂閱模型、自訂供應商和本地運行模型。
  • AI Agents Debugger [Pro]： 為 AI Agent 開發提供透明度和偵錯能力，揭示 Agent 節點的思維過程、元數據、輸入和輸出。
• PyCharm Community 整合： 2025.2 將是 PyCharm Community 的最後一個支援版本，未來將整合至統一的 PyCharm 產品線。
• Junie 強化： 速度提升高達 30%；新增 MCP (Model Context Protocol) 支援，連接外部伺服器提供更精確解決方案；支援遠端開發；啟動 GitHub 整合的早期存取計畫。
• AI Assistant 改進： 跨所有支援語言（新增 SQL, YAML, JSON, Markdown）提供更智慧的程式碼補全；支援專案規則；擴展離線彈性；聊天支援圖像附件（Anthropic 和 OpenAI 模型）。
• Jupyter Notebook 和 SQL Cell [Pro]： AI Assistant 支援基於上下文的程式碼生成。
• 使用者體驗： 為 uv, Hatch, Poetry 的 .toml 配置檔案新增持久化控制，提供同步、鎖定或更新依賴關係的按鈕。
• Django 邏輯結構工具視窗 [Pro]： 提供框架中心的 Django 專案視圖，直觀導航模型、視圖、序列化器等組件間的關係，並可生成缺失關係的模板，結合 AI Assistant 可生成更智能完整的程式碼。
• 進階圖像處理： 新的圖像檢視器提供額外的操作選項，包括恢復原始圖像、反轉通道、轉換為灰度、設定二值化閾值等。

🎮 JetBrains 成為 Godot Foundation 的白金贊助商

Source: https://blog.jetbrains.com/dotnet/2025/08/05/jetbrains-is-a-platinum-sponsor-of-the-godot-foundation/

• 贊助宣告： JetBrains 宣布成為 Godot Foundation 的白金贊助商，表達對開源專案和多元化開發工具生態系統的堅定支持。
• Godot 引擎： Godot 是一個開源、非營利、由社群驅動的遊戲引擎，Godot Foundation 旨在為其提供財務支持，包括雇用開發者和藝術家、購買硬體等。
• Rider 對 Godot 的支援：
  • Rider 自 2020.1 版本開始支援 Godot，並在 2024.2 捆綁，提供開箱即用的 Godot 功能。
  • 即將推出的 2025.2 版本將捆綁改進的 GDScript 支援外掛程式（最初由 David Horacek 創建，現由 JetBrains 維護），包括語法高亮、文件提示、參數提示、Ctrl+Click 導航、查找用法、重命名重構和文件模板。
  • 支援直接在 Rider 中偵錯 GDScript 檔案。
  • Rider 卓越的 C# 支援也適用於 Godot，包括導航、檢查和快速修復、字串文字中的特定值補全，並能自動設定 Godot 專案的偵錯。
  • 支援 gdUnit 測試框架。
  • AI Assistant 可協助理解 Godot 程式碼、原型設計和生成樣板程式碼。
  • 提供 Scene Preview 工具視窗，顯示場景中的所有節點；在文字編輯器中添加互動圖示，用於運行當前場景、高亮父方法、監控資源使用和連接信號等。
  • 提供檢查功能來檢測不可達程式碼、缺失或不正確的返回類型。
  • 優異的 C++ 支援也適用於引擎開發和貢獻。
• 共同願景： 強調開源專案的成功依賴於致力於提供一流工具的合作夥伴生態系統。

💰 AI/ML 對工程經理的意義：提升金融科技的生產力與品質

Source: https://dzone.com/articles/aiml-for-eng-managers-enhancing-productivity-and-q

• 背景挑戰： 金融科技領域快速發展，工程經理面臨保持交付速度、產品/工程品質和合規性的巨大壓力。
• AI/ML 解決方案： 人工智慧和機器學習技術為這些挑戰提供了轉型解決方案，透過自動化重複性任務、提升程式碼品質和簡化法規合規性。
• 應對金融科技挑戰： AI/ML 技術能獨特地解決合規性、治理要求、詐欺檢測與預防以及複雜的風險管理（超越簡單的基於規則的系統）。
• 優化工作流程： 傳統金融科技工程工作流程嚴重依賴手動測試、重複審查、多重檢查點和大量文件，這些都是 AI 驅動自動化的優化重點。
• 維持卓越品質： 由於金融系統的高風險特性，透過強大、主動的監控和建立斷路器（circuit breakers）來維持卓越品質至關重要。

🐳 Docker 多階段建構：優化開發和生產工作流程

Source: https://dzone.com/articles/docker-multi-stage-builds-image-optimization

• 痛點： 指出 Docker 映像檔體積龐大、建構和部署耗時是常見問題。
• 解決方案： 推薦使用多階段建構（Multi-Stage Builds）作為一種強大但常被忽視的 Docker 功能。
• 效益： 多階段建構能顯著優化容器化工作流程，透過將建構時的依賴項與運行時的依賴項分離，從而減少最終映像檔的大小，並加快建構和部署速度。
• 潛在影響： 能夠徹底改變開發者的容器化體驗，提升 DevOps 團隊的效率和滿意度。

🔬 尾部採樣：分散式系統智慧可觀測性的未來

Source: https://dzone.com/articles/tail-sampling-observability-opentelemetry

• 核心概念： 可觀測性對於維持系統健康和性能至關重要，而尾部採樣（Tail Sampling）代表著追蹤數據收集和分析的典範轉移。
• 傳統採樣局限： 傳統的頭部採樣（Head-based sampling）在追蹤生命週期開始時做出決策，可能導致錯誤條件、性能異常或罕見但重要的系統行為的關鍵資訊丟失。
• 尾部採樣優勢： 尾部採樣則在追蹤完成後，根據完整的追蹤內容做出採樣決策，從而提供前所未有的精度來捕獲最有價值的追蹤數據，同時優化存儲成本和系統性能。
• 創新點： 這種智慧採樣策略正在徹底改變組織處理遙測數據的方式，確保收集到的數據能夠更準確地反映系統的真實狀態和問題。

💔 我為何放棄了長達 30 年的開源專案

Source: https://dzone.com/articles/why-i-abandoned-my-30-year-open-source-project

• 個人經歷： 作者分享了自己放棄一個始於 1996 年，並持續了 30 年的開源專案的經歷。
• 真實性聲明： 強調這篇文章完全由人類撰寫，未經 AI 協助（除了校對和句子風格建議）。
• 情感與影響： 該專案是作者持續時間最長且最深信能對行業產生影響的一個，暗示了放棄的艱難與複雜性。
• 背後原因： 雖然文章沒有詳細說明放棄的具體技術原因，但強調了長期維護開源專案所面臨的挑戰，並呈現了個人與專案之間深厚的情感連結。

✉️ AWS SNS (Amazon Simple Notification Service) 和 Spring Boot 搭配 Email 訂閱者

Source: https://dzone.com/articles/aws-sns-spring-boot-email-subscriber

• 發佈/訂閱模式： 解釋了「發佈者（Publisher）」、「主題（Topic）」和「訂閱者（Subscriber）」的核心概念。
  • 發佈者： 訊息或事件的來源，無需知道誰將接收訊息。
  • 主題： 作為訊息的分類通道，發佈者將訊息發佈到特定主題，訂閱者監聽感興趣的主題。
  • 訂閱者： 從其感興趣的主題中消費訊息的實體。
• Amazon SNS 介紹： Amazon Simple Notification Service (SNS) 是一個利用發佈/訂閱模式提供訊息傳遞的服務。
• 應用範例： 詳細闡述了如何將 AWS SNS 與 Spring Boot 應用程式整合，並以 Email 作為訂閱終點（Subscriber），實現透過電子郵件接收 SNS 主題訊息的功能。

🛍️ 電子商務中可擴展的分散式架構：成功案例研究

Source: https://dzone.com/articles/scalable-distributed-architectures-in-e-commerce-case-studies

• 核心挑戰： 現代電子商務平台必須能夠應對大規模流量（如促銷活動帶來的流量高峰）和全球用戶對低延遲體驗的需求。
• 解決方案： 實現可靠的高規模性能需要健壯的分散式架構。
• 案例研究： 作者分享了三個可擴展電子商務架構的案例研究，每個都採用了不同的技術棧：
  • 基於 AWS 的無伺服器微服務： 使用 Lambda, SQS, DynamoDB 等 Amazon 雲服務解決了實際擴展問題。
  • 基於 Google Cloud 的容器化服務： 利用 Cloud Run, Firestore, Pub/Sub, BigQuery 等 GCP 無伺服器容器服務處理高流量和提高可維護性。
  • 開源雲原生技術棧： 採用 Kubernetes, Kafka, Redis, PostgreSQL 等開源工具，實現了大型線上零售平台的可擴展性。
• 分析內容： 每個案例都涵蓋了架構圖（原文提及，摘要中省略）、關鍵組件、面臨的挑戰、設計如何解決這些挑戰，以及部署和操作見解。

🧠 創建您自己的自訂 LLM：基本步驟和技術

Source: https://dzone.com/articles/creating-a-custom-llm-steps-and-techniques

• 語言模型基礎： LLM（大型語言模型）最基本的組成部分是語言建模，其歷史可追溯到 1980 和 1990 年代的統計自然語言處理方法。
• 核心任務： 語言建模的核心任務是預測句子中的下一個詞，也稱為「下一個詞預測」（next-word prediction）。
• 學習機制： 模型透過估計詞序列的機率分佈來完成此任務，使其能夠根據前文的上下文預測任何給定下一個詞的可能性。
• 文章目的： 旨在提供創建自訂 LLM 所需的基本步驟和技術，幫助讀者理解和實踐自訂模型。

⏱️ 軟體專案估算：技術主管的實用方法

Source: https://dzone.com/articles/estimating-software-projects-a-practical-approach

• 挑戰： 準確估算軟體專案對於技術主管來說一直是一大挑戰，許多現有技術缺乏系統性的流程來分解任務、考慮未知因素和追蹤/修正估算。
• 實踐性質： 估算是一個持續進行的過程，會隨著需求、探索性研究（spikes）和開發進度而不斷演進。
• 成功方法： 成功的估算需要有組織的方法，包括：
  • 與產品經理和架構師協作，釐清並統籌初期需求。
  • 進行探索性研究（spikes）以降低不確定性。
  • 系統性地重新評估和完善估算。
  • 將測試、程式碼審查和部署任務的工作量納入規劃中。
  • 考慮留出緩衝區以應對不可預見的延遲。

🌐 LangGraph Orchestrator Agents：簡化 AI 工作流程自動化

Source: https://dzone.com/articles/langgraph-orchestrator-agents-streamline-ai-work

• 複雜 AI 任務挑戰： 在 AI 驅動的應用中，複雜任務常需分解成多個子任務，但許多實際情境下，確切的子任務無法預先確定。傳統平行工作流程在此類不可預測場景中表現不佳。
• LangGraph 解決方案： LangGraph 中的 Orchestrator-Workers Workflow Agents 引入了一種更靈活、更智慧的方法來解決此挑戰。
• 運作機制：
  • 中央協調器 LLM (Orchestrator LLM)： 動態分析輸入，判斷所需的子任務，並將其委派給專業的 Worker LLM。
  • 結果整合： 協調器隨後收集並整合各個 Worker 的輸出，確保最終結果的連貫性。
• 效益： 這些生成式 AI 服務實現了即時決策、自適應任務管理和更高的準確性，確保複雜工作流程能以更智慧、更敏捷和更精確的方式處理。

👁️ 使用 Prometheus 和 Grafana 建構一個簡單的 AIOps 監控儀表板

Source: https://dzone.com/articles/aiops-monitoring-dashboard-prometheus-grafana

• AIOps 概念： AIOps (Artificial Intelligence for IT Operations) 利用機器學習 (ML) 來發現問題、預測故障並自動化響應，從而改變企業管理 IT 環境的方式。
• 指南目的： 提供一個如何建構簡單的 AIOps 監控儀表板的實用指南。
• 核心工具：
  • 使用 Prometheus 收集數據。
  • 使用 Grafana 可視化數據。
• AIOps 功能整合： 儀表板中將加入一些基本的 AIOps 工具，例如異常檢測（anomaly detection），以幫助在問題發生前進行監控和預警。