准备运维和 DevOps 面试，网上搜到的大多是那种拼凑的题库，跟真实面试差别挺大。 DevOps-Interview-Guide 收录了 151 份真实面试记录，来自 85 家公司，问的问题都是候选人原样记下来的，没有二手转述。 覆盖 Kubernetes、Docker、Terraform、AWS、CI/CD、Linux、监控告警等方向。 GitHub： 同一家公司被面过几次的，每次单独存一个文件，能看出不同轮次和面试官风格的差别。 正在找 DevOps 或 SRE 岗位的朋友，翻几个目标公司的面试记录，比刷通用题管用。

想学 DevOps，网上大部分教程只讲理论，比较零散，还缺一套能跟着做的真实项目。 DevOps-Projects 收录了从入门到进阶的实战项目，每个都配完整部署指南。 内容覆盖 AWS 三层架构部署、Kubernetes 集群搭建、Jenkins CI/CD 流水线，还有 Netflix、Zomato 这类知名产品的仿版部署练手。 GitHub： 项目按难度分了初级、中级、高级，从简单的 Linux 基础操作，一路做到带安全扫描和监控告警的完整链路。 适合想转 DevOps 又不知道从哪下手、喜欢边做边学的朋友。

很多人以为程序员就是写代码，把功能实现出来就可以了 实际上还有很多测试，devops，需求评审，技术评审，架构设计等等工作 如果你觉得自己会用 Codex 搭一个功能能用的东西你就能替代程序员了 但是事实上你还需要考虑： 1. 用户规模从 1 变成 100 变成 1 万的话，功能还能用吗？ 2. 应用/网页上线之后出了严重 bug 怎么处理？ 3. 未来新的需求和老的功能冲突了怎么权衡？ 4. 应用的所有数据和密钥如何安全管理才能防止泄露和丢失？ 5. 想要在不同设备，不同环境，多人协作开发项目该怎么做？

接入了 clerk 用户系统之后，我各个产品的邮件一直没有好好设计，今天写了个系统，由 devops agent 调用 mails 来生成这些邮件，并优先支持 clerk 的 email webhook，这样它就可以自动定时分析收到的邮件，并且按照各个产品自己的风格来设计邮件回复模板和完成自动回复邮件的过程。

接手一个没有文档的 AWS老账号，第一件事应该做什么？ Step 1: Cost Explorer 确认主要成本来源 Step 2: AWS Resource Explorer / AWS Config 列出资源 Step 3: Cloudcraft / Lucidscale 生成架构图 Step 4: 检查核心组件 VPC/EC2/RDS/Lambda/S3/IAM/CloudWatch/Route53 Step 5: DevOps Agent 整理架构文档，AI辅助排查问题 PS: DianMir Cloud提供的独立的，完全控制权的AWS账号，且账号是未被使用过的全新账号。 #AWS#

AWS亚马逊云，阿里云国际 开通即用｜免费迁移｜低至6折｜7×24支持 云服务器全球部署 · 更简单更省钱 联系客服，获取专属上云方案 Telegram: @dianmircloud #aws# #alibabacloud# #devops# #cloudcost# #finops#

AWS亚马逊云｜阿里云国际 低至官网6折优惠 分钟内极速开通 7×24实时技术支持 独立账号完全控制权 让云资源采购更简单 Telegram：@dianmircloud #aws# #alibabacloud# #devops# #saas# #cloudcost#

吴说获悉，Bitcoin 矿业基础设施公司 Luxor Technology 推出 Luxor AI，将其在矿业领域积累的能源、硬件、计算交易、衍生品及数据能力扩展至 AI 和高性能计算市场。Luxor AI 覆盖 AI 数据中心全生命周期，包括 GPU 和 AI 服务器采购、电力供应及需求响应、现货与长期算力合约交易、以算力租赁指数结算的 OTC 期权和远期合约、AI 数据与研究，以及面向软件开发和 DevOps 的 Tenki Cloud；其中 Tenki Cloud 年内已处理 180 万个工作负载。Luxor Energy 目前在 ERCOT 和 SPP 市场为超过 75 MW 负载提供服务，公司还运营内部算力交易基金，并在旧金山设立办公室。

吴说获悉，安全公司 SentinelOne 发布报告称，研究人员在一家与加密行业无关的印度 IT 服务公司发现了与此前 LayerZero 攻击事件相同的 macOS 后门程序。相关攻击活动被归因于朝鲜 Lazarus 黑客组织旗下的 TraderTraitor，该组织此前参与了导致 KelpDAO 损失 2.92 亿美元的攻击。报告指出，攻击者通过虚假招聘面试和植入恶意代码的 GitHub 项目针对开发人员，诱导其运行恶意软件。新发现的受害者为一名 DevOps 工程师，其设备上的后门最早于 3 月 18 日被观察到，但具体感染途径尚未确认。

All-In Podcast最新一期，纳德拉亲自下场回应AI末日论，还聊了微软的算力策略和数据中心怎么赢得地方支持 面对AI放缓/人类灭绝的舆论风波，纳德拉给出了非常务实的工程师式回应 这期的重磅嘉宾是微软董事长兼CEO萨提亚·纳德拉。开场他就把技术研发的底线讲得很清楚，AI必须服务人类、必须处于人类控制之下。他赞成引入第三方独立机构进驻测试，但特别强调这个测试和标准制定的过程必须公开透明、覆盖面广，绝不能变成少数几家公司闭门密谋、私下分赃式的安排。 针对最近Hugging Face被多智能体渗透这类轰动性事件，纳德拉做了一个挺清晰的拆解。他把这类事情分成了两种：一种是很基础的常规失误，说白了就是DevOps配置出了问题，比如容器安全策略没配好、代码库里明文泄露了API密钥、缺乏实时网络出口监控这类工程层面的疏忽；另一种是真正全新的工程挑战，比如持续运行的多智能体在强化学习过程中确实会出现奖励作弊这类行为，甚至存在一些新型的内部人员风险(比如让AI去优化营运资本，它可能会想办法篡改账目)。他的态度很明确，不要动辄把这些未知现象归咎于玄学或者末日恐惧，软件工程这几十年积累下来的原则就是有致命Bug就停下来修Bug，靠因果模型、语义验证、行为审计和透明的思维链去解决，这本质上是经典的工程系统健壮性问题，不需要被神化成什么了不得的失控事件。 Token成本正在断崖式下跌，纳德拉认为这是件好事 主流大模型的百万Token输出价格，已经从50美元被开源或高性价比模型压到了0.60美元，跌幅超过98%。纳德拉认为这是一场健康的经典商业竞争，他做了个历史类比，当年Windows的护城河被Linux制衡过，SQL Server也被MySQL、PostgreSQL制衡过，开源生态的存在，本身就是防止某个闭源厂商搞垄断绑架的关键保障。 他判断，随着模型推理成本快速走向大宗商品化，真正的超额利润会往应用层、记忆系统以及智能体调度这类中间件方向迁移。如果所有产业利润都被底层模型层拿走，那整个软件生态根本没法繁荣起来。他还呼吁行业应该建立一套跨模型的互操作性标准，比如让不同模型家族之间能够复用KV缓存、采用外部解耦的记忆架构，企业绝对不能接受"数据喂给模型之后，产物就被厂商锁定"这种霸王条款。 为什么微软没有自己独立的纯前沿大模型？纳德拉给出了完整答案 面对主持人的提问，微软是不是在这轮AI革命里落后了、为什么没有自己的前沿大模型，纳德拉给出了一套挺系统的资本开支和产品战略解释。 在资本开支上，微软把资产分成了两类分别管理，土地、电力、厂房这类长周期资产，采用自建为主+长期租赁+极端峰值临时租用的组合策略，来平滑整体的支出周期。服务器机柜、芯片、网络设备这类占成本60%的短周期高弹性资产，完全根据下游实际客户的订单需求灵活采购，避免为了单一客户就盲目无度地举债扩张。 在算力布局上，微软坚持异构化策略，绝不单一绑定某一家硬件供应商，主力用英伟达，同时深度引入AMD、微软自研的定制芯片(比如Maia)，未来还会加入OpenAI自研芯片，针对训练和推理这两个不同阶段做算力成本的极致优化。 纳德拉还给所有企业客户提了一条挺重要的架构建议，千万不要把全部身家都押在单一前沿大模型厂商身上。他提出了一个挺实用的验证测试法。用自己业务的真实指标，去评测市场上所有的模型，然后随机抽掉其中某一家，看系统业务能不能继续正常运转。能够随时无缝替换掉任何一家模型、同时保证数据和权重完全自主可控的架构，才是现代企业真正该有的生存之道。 微软内部这块，365 Copilot已经渗透了超过3000万真实的企业付费用户，大概占到全球核心知识工作者群体的10%左右，而且还在高速增长中。微软自研的MAI系列模型(比如专用安全模型Flash Cyber、代码模型)也在通过强化学习稳步推进，在一些特定的垂直任务上已经超越了通用旗舰模型的表现。 数据中心怎么赢得地方社会的支持？纳德拉用了一组20年的真实数据 关于当前不少地方对数据中心建设存在的耗能抢电抵触情绪，纳德拉举了华盛顿州昆西这个地方长达20年的追踪案例。自从2008年微软数据中心入驻以来，当地的地方税收增长了12倍，居民的税负反而降低了三分之一，这笔钱支撑了这个原本濒临凋敝的乡村小镇新建了学校、现代化的综合医院、水上活动中心，20年里持续创造了超过1200个高薪的工程和建设维护岗位。 他的结论是科技行业必须走出硅谷精英说教式的象牙塔，拿出真正能惠及地方经济和民生的实际成果，才能赢得社会公众的建设准入许可，不是靠喊口号或者单方面强调技术进步的重要性。