## 从自力更生到相互依赖:韧性的转变
历史上,企业通过复制基础设施——二级数据中心和复制——来建立韧性,这源于不可靠的硬件和灾难恢复的合同义务。这种“灾难恢复税”在系统大多自包含时是合理的。
云计算和开源软件的兴起改变了一切。虽然它们提供了速度和灵活性,但也引入了新的相互依赖性。系统现在依赖于复杂的云服务和SaaS提供商网络,使得传统的冗余策略无效。构建一个完全冗余的系统需要*所有*依赖项都同样具有韧性——这通常是不切实际的期望。
如今,专注于复制整个站点通常是资源配置错误。相反,企业应该优先了解和利用云提供商提供的内置韧性功能(备份、故障转移等)。实现极高的可用性(五九或更高)需要对专业人才、标准化架构和深入人本的、优先考虑容错能力的工程文化进行大量投资。
最后,法律和合规团队需要超越对二级站点的过时要求,专注于现代韧性实践,例如定期的“演练日”和拥抱故障场景。韧性是有成本的,清晰理解业务需求对于有效投资至关重要。
## PlanetScale 发布 5 美元 Postgres 数据库
PlanetScale 已完成其单节点 Postgres 数据库的推广,起价仅为每月 5 美元——为初创公司、副项目和开发提供了一种经济高效的解决方案。这些生产就绪的数据库提供 PlanetScale 的完整开发者工具套件,如查询洞察和分支,此前仅在更高级别的套餐中可用。
与此同时,开发分支的价格也降低到每月 5 美元,进一步降低了分阶段和测试的成本。
PlanetScale 强调无缝的可扩展性:单节点数据库可以垂直扩展,切换到具有副本的高可用性 (HA) 模式,并最终迁移到即将推出的分片 Postgres 解决方案“Neki”,而无需更换数据库提供商。这使得企业能够在 PlanetScale 生态系统中自信地发展。
新用户在注册帐户后,在创建数据库时可以选择“单节点”。
## EyesOff:构建偷窥检测模型
为了保护用户免受偷窥,我为我的应用EyesOff开发了一个定制的深度学习模型,因为合适的预训练模型由于许可或任务特异性而不可用。核心挑战是缺乏用于检测有人是否正在看屏幕的标记数据集。
我通过手动标记超过20,000张图像来构建数据集,最初使用FFHQ和自拍数据集,然后专注于视频会议数据集(VCD)。一个关键步骤是使用OpenVino的注视估计模型生成合成注视标签。
最终模型基于EfficientNetB0,并采用两阶段方法进行预训练(注视回归然后屏幕接触分类),在近距离和中距离上实现了大约**71%的准确率**。通过使用更多图像扩展数据集,显著提高了中距离检测能力,这对于识别潜在的偷窥者至关重要。
未来的工作包括进一步的数据收集、模型尺寸减小,以及探索像YuNet这样的架构以提高效率。该项目强调了定制数据集和数据扩展对于深度学习成功的的重要性。