眼看他起高楼，眼看他宴宾客，眼看他楼塌了。 AI 浪潮之下，人的思考渐渐连机器都比不上，这些一直存在脑子里的知识应该都放出来也没什么关系了。 我在 2019 年在某司从业期间，曾经写过一篇《中台的末路》，从一线工程师和架构师的视角来思考当前大公司内部的中台架构到底会碰到什么样的问题。在我离职之前，有一些问题已经有了明确的答案。有一些还没有，后续加入猫厂下公司也是为了验证我的困惑，在另外一个环境下看是否已经有人铺好前路，搭好路灯，为后来人指出了方向。 业界一般把中台分为两个类型，数据中台和业务中台，前者主要指大数据、实时计算的技术栈封装，以及公司内的数据资产沉淀、管理和治理。这其中的数据治理需要与公司的业务场景结合进行设计，但数据中台中 80% 的技术其实和业务本身关联性没有那么大，目前各家公司的数据中台建设往往也都比较成功，将普通数据研发从复杂的数据基础设施复杂性中解放了出来，在《

ai 工具最近越来越越火了，在公司内给同事们简单做了个分享，有同事已经觉得可能晚上要睡不着觉了 orz。 技术和工具日新月异，最近每一周感觉技术世界都在发生巨变，而还在那些传统岗位上的我们的工作，半年后，一年后，两年后，又有多少价值呢？ 虽然有些写代码的程序员还在嘴硬，坚持自己所做的事情做到“资深”，就不会被 ai 取代，可能还是太高估这个行业大多数人日常工作的含金量了。我个人认为不出两年，it 行业就会发生巨变。后面还会有具体的分享。 从目前很多“大佬”的动作来看，大家都想在这一波浪潮中不落于人后，加入 aigc 创业的大军中去，不管他们的目的是沽名钓誉，还是真的想做点事情推动人类的生产力进步，还是要祝福他们。

去年的这个时候，IT 圈哀鸿遍野，吐槽技术红利消耗殆尽，所有公司都失去了新的增长点，程序员红利到头了。 今年的这个时候，程序员的好日子确实进入倒计时了，只不过不像当初做预言的人想的那样，连他们自己的末日也在倒计时了。 中国的互联网从业者并没有把 AI 当回事，这几年来对 AI 的看法是这种基于统计和传统神经网络的技术不足为惧，因为硬件的发展让老树发了一点新芽，套上强大的核弹厂芯片加一些修修补补的算法，能帮这些批着科技外皮的牛皮癣广告公司卖出更多的广告，能让信息茧房里的人看到更多他们喜欢的信息，奶头乐吸得不亦乐乎，让整个网民群体娱乐到死，普通人失去了研究的耐心和学习发展的能力，商业公司赚到了更多的钱，着实是 win-win 麻了。 2022 年下半年，Github 的 CoPilot，OpenAI

之前在这篇 subset 限制连接数量 里，简单总结了 SRE book 书里讲到的 subset 算法的基本原理和问题。 之前还在做 mesh 的时候，也曾经想把 subset 算法在公司内落地，无奈和同事一起分析了两个星期以后，认为 subset 的： 1. 需要 paas 给每个 container 分配连续 id，且在下线时需要自动补漏，目前 k8s 其实并没有这种策略，给每个服务都做成 stateful-set

之前公司因为 aws 的 kafka 服务上的副本数配置不正确，所以在 aws 例行重启时会导致 producer hang，连锁导致消费断连，当时总结了一篇简单的文章： aws 上 kafka 服务更新导致断连一例公司内部写 kafka 的 consumer 和 producer 使用的是社区流行的 sarama 这个库，这个库应该 bug 挺多的，之前有云厂商建议用户不要使用该 lib 的文档：为什么不推荐使用Sarama Go客户端收发消息？ 不过用都用了，