Discover more.
Spend less.

模型已经开始吐字,界面为什么还会卡?用本地推理讲清异步流

掘金

“流式输出”不只是把完整答案切成小块打印。真正可用的接入必须让生成端、网络或进程边界、界面消费端保持节奏,还要在用户点停止时释放任务。读完本文,你会看懂异步流、背压和取消分别解决什么,并能用一个最小程序验证控制链。

Score: 57.36Confidence: 54%

模型能正常出字,答案却悄悄变差:推理配置漂移比报错更危险

掘金

模型服务返回 200、token 也很流畅,不代表它按模型作者的设定在运行。真正危险的是“静默配置漂移”:模型文件声明一个值,推理引擎最终消费了另一个默认值。开发者应把有效配置当成可验证产物,而不是相信启动命令已经生效。

Score: 57.36Confidence: 54%

分享一个做视频的skill,这条白板视频,每一笔都是代码画的

掘金

我对 AI 说了一句话:「做一期白板视频:为什么定了计划总是坚持不下去。」 它交回来的东西不是一段文案,也不是一个脚本: 这个技能叫 whiteboard-video,开源在 github.com/t

Score: 57.35Confidence: 54%

首测LangCat2.5,美团牛鼻,远胜“卧龙凤雏”!

掘金

我也是闲起来了,什么模型都敢测了!~ Opus5.5 还在干活,刷到 OpenCode 上有两个免费模型。 一个是美团的 LongCat2.5,一个是匿

Score: 57.35Confidence: 54%

Laya 源码级原理拆解之二:序列打包与决策头

掘金

Laya 源码级原理拆解之二:序列打包与决策头。这篇我把序列打包和决策头的源码逐行走查一遍,再把温度缩放和那套容易踩错的双置信度说清楚。最后看一下怎么把同样的决策换一组融合核跑在 GPU 上。

Score: 57.34Confidence: 54%

AI赋能硬件IPD开发的四个等级,你的团队在第几级?

人人都是产品经理

硬件出身的作者用一套 skills 体系跑通了一个全新智能硬件的全链路,也承认半自动化才是当下能落地的形态。他把 AI 赋能硬件开发分成四个成熟度层级,从局部提效到深度赋能,逐级说明每一级卡在哪里、又该怎么往上走。 上一篇内容提出了演示驱动的AI赋能逻辑:硬件IPD开发的顺序,正在被AI倒过来。 有读者反驳,AI做不好原理图、做不好PCB、做不好结构... 这篇进一步解释一下,我本身是嵌入式硬件出身,结合对AI的深度使用: 用量产产品从定义到量产的全套完整资源,训练了一套skills体系; 用这套skills跑通了一个全新智能硬件:硬件、结构、固件、后台、小程序,实现联动控制; 其实也可以跑全自动化的Agent,但经过实践发现,当下阶段,半自动化才是能落地的东西。 其实硬件/结构绘图也好、代码也好,都属于极度结构化的内容,而结构化是一定可以被AI替代的。 也许未来2-3年,AI画硬件、做结构就可以超过90%的初中级工程师。 相比软件,只不过硬件有更多物理世界的约束,比如最近我们在做的产品,涉及钣金机构、塑胶外壳、硬件这些环节: ID设计完,但是机构实现难度过大或者成本过高,导致推倒重来; 钣金限制,导致塑胶外壳空间有限,PCB难以布局; 等等问题...,全是物理层面的限制。 当前阶段的演示驱动不是为了实现所有环节,而是让产品借助AI在短时间内,做好各种快速验证仿真,尽可能减少物理世界的返工。 比如前段时间特别火的AI硬件Mircoduck,仿真训练就做得很到位。 我将AI赋能的层次划分成了四个层级: 图1:AI 赋能硬件开发的四级成熟度,从局部提效到深度赋能 这也可以回答很多人的一个疑问: 我们用 AI 也有一阵子了,到底算用得好还是不好呢? 这个问题不好回答,是因为没有一个唯一的尺度: 说好吧,可是项目该延期还是延期; 说不好呢,每个人确实都在用,也都省了时间。 而AI成熟度四层级,每个等级之间的差别不在于快慢,在于 组织的 AI 能力长在哪一层 。 项目顺利的时候,两种团队都能交付。 只有等到人员流动、需求突变、或者要同时开两条产品线的时候,差距才会暴露——一种能力跟着人走,另一种能力留在原地。 下面逐级说,每一级给出四样东西: 长什么样、怎么自测、卡在哪里、往哪走。 第一级:局部提效 硬件工程师用 AI 提取数据手册,结构工程师用 AI 设计结构,嵌入式工程师用 AI 写驱动,前端用 AI 写页面。 再往前走一点的团队,还会给 AI 建专属资料库: 把常用器件的选型数据、成本数据整理进去,让它直接出方案、核算成本。 每个人都在用,每个人都在自己那一段里提效。 硬件产品的环节多,每个环节都有自己的专业门槛,也都有自己的优化空间。 AI 一来,每个环节都能找到提效点,这是好事。 但环节之间的缝隙,AI 填不了,有的环节提升了10倍,有些环节可能只提升了1倍,最终发现整体提效很优先,投入产出很低。 图2:一级的典型状态——每段都在提速,段与段之间的缝隙没人管 自测的问题: 你们团队的 AI 提效,有没有跨出部门边界? 如果答案是「还没有」,那你在一级。 这一层级的问题出不是大家不想跨,是没有人负责跨。 每个人的考核只对着自己那一段,把手伸到相邻环节,做成了功劳不好算,做砸了责任是自己的。 在这种默认规则下,把手缩回来才是划算的。 建议的升级动作很具体:找一个人,试着把两段接起来。 不用做什么大动作,也不用改流程,就让他在 AI 的帮助下,把相邻的两段连起来跑一遍。 跑通一次,就能拿到一条完整链路的全局视角。 第二级:初步协同 二级的团队,已经有人跨出那一步了。 产品经理跑通了一部分,甚至跑通了完整的 Demo。 需求对齐的效率明显比开会高,以前要来回确认好几轮的东西,跑一遍就都看见了。 但二级有个特征:Demo 是一次性的。 图3:二级的两种结局——Demo 散场,还是留下一个能复用的资产 它只起到了拉通需求的作用。 项目进入正式开发,各部门又各做各的,Demo 里跑通的那些接口、那些约定,没有传下去。 到了下个项目,同样的坑,重新踩一遍。 还有一种更隐蔽的问题:这个 Demo 是产品经理一个人的成果,别人看懂了,但没有义务接着用。 建议的升级动作是:让 Demo 产生第一个可复用的资产。 通常是一份接口文档,固件工程师拿过去就能直接开工,不用再问一遍字段是什么意思; 或者一组测试向量,下一个项目直接拿来验证,不用重新设计方案。 当然了,资产不一定是文档。 有的团队沉淀的是一套评审清单——哪些接口必须验、验到什么程度; 有的团队沉淀的是一份踩坑记录——上一个项目在哪儿栽过跟头、怎么绕开的。 第三级:迭代联动 前两级是量的积累,到这一级,性质变了。 第三层级的团队,各部门直接在 Demo 的基础上做深度开发。 接口直接复用,测试用例直接继承,上一版调通的链路,下一版接着用。 Demo 不再是临时的,它变成了活的基线。 这时候会看到一些新现象: 新项目的起步速度快了,因为地基是现成的; 评审的时候大家看的是同一个东西,争论的对象从「你理解得对不对」变成「这么改行不行」; 新人上手也快了,打开演示跑一遍,产品的样子就清楚了。 这一级卡的东西跟前两级不一样——前两级卡在能力,这一级卡在规则。 规则决定了「复用」这件事有没有人会去做。 要做到接口复用、用例继承,原来那套默认规则必须改: 谁在什么时候交付什么、评审到底看什么、出了问题算谁的责任。 这些不改,Demo 就永远只是产品经理一个人的产物。 三级要做的事,本质上就是把这些东西变成组织能继承的规则。 图4:三级的关键动作——把接口文档和测试向量写进交付物清单,跟其他交付物同等对待 从三级往上,考的不是技术,是组织认不认这套新规则。 第四级:深度赋能 四级是方向,不是现状。 四级的形态是这样的: 描述好需求,AI 自动调研、生成方案,甚至能联动工厂打样。 从需求到样机,全链路 AI 驱动。 听起来很远,但它的拼图已经能看到了。 比如我验证的这套skills系统,就包含 18 个专业环节,一步一步执行。 每一步执行完都会生成一份交接文档,下一个环节根据交接文档继续往下做。 即便中间断档,后续也能围绕交接文档接着做,不会因为某个人离开就卡住。 举个环节层面的例子。 芯片手册提取这一步,输入是几百页的英文手册,输出是规范化的时序表和引脚定义; 原理图分析这一步,输入是原理图文件,输出是固件工程师能直接用的接口速查文档。 上一个环节的输出,就正好是下一个环节的输入,中间不需要人再翻译一遍。 图5:四级的运转方式——18 个环节靠交接文档一环扣一环串起来 人的角色也跟着变了:不再是一步步亲手执行,而是在每一步做确认和决策。 人从操作者变成了把关者。 自测的问题是: 你们有没有足够的历史项目数据,可以拿来训练? 如果答案是「没有」,那你还没到四级。 四级真正的卡点在数据。 18 个环节要跑得准,前提是喂进去的东西足够多、足够对。 工程规范、器件手册、历史项目的踩坑记录,这些东西攒得越久,每一步的产出就越准。 所以往四级走的第一步,不是去买更强的模型,而是把现有项目的资料整理成能训练的格式。 没有这些积累,自动化就是一句空话。 AI 会给你一个看起来很专业、但完全不适用的方案: 它不知道你们厂那台老设备有特殊的时序要求; 也不知道某类器件在低温下会飘,因为这些从来没人写下来过。 而数据恰恰是最难速成的。 它只能靠一个个真实项目攒出来,过程中还会遇到一个尴尬:早期项目的数据不规范,得花时间清洗和补录。 所以四级通常出现在产品成熟、批量稳定、有多年积累的团队里。这不是聪明不聪明的问题,是时间够不够的问题。 三级到四级,考的是时间。 四级看下来,有三个判断 第一个判断:多数团队在一级和二级之间。 二级已经是主动跨部门协作的结果,能走到这里,说明团队里有愿意多做事的人。真正的问题在于,二级经常被当成终点。 第二个判断:真正的分水岭在二级和三级之间。 一级到二级,靠一个人愿意多走一步就能实现。 二级到三级,必须动规则——评审看什么、责任怎么划、交付物是什么。 前一步是个人选择,后一步是组织选择,两者需要的支持完全不是一个量级。 第三个判断:升级这件事,跳级是要还的。 从一级直接跳到三级,通常的结果是 Demo 做得漂亮,但没人接。 因为没有二级那段时间建立的协作习惯,接口复用根本落不了地。你会得到一个精美的演示,和一群不知道该拿它怎么办的人。 图6:三个判断——多数团队的位置、真正的分水岭、跳级的代价 跳级最典型的失败场景是这样的:产品经理很能干,一个人把演示做得漂漂亮亮,老板看了很满意,于是决定全公司推广。 半年后回头看,除了那个产品经理更累了,什么都没变: 因为其他人从头到尾没有参与过那条链路,也没有形成任何共同的约定。 能力的迁移只能一级一级走,没有捷径。 归根结底,你在哪一级,不由你用了多少工具决定,而由上一个项目的成果有没有被下一个项目接住决定。 本文由人人都是产品经理作者【产品人卫朋】,微信公众号:【产品人卫朋】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载 题图来自Unsplash,基于 CC0 协议

供应链AI集体”变怂”:真正落地的,都不敢让AI自己拍板

人人都是产品经理

菜鸟说 AI 出建议、人做最终判断,AWS 提「你领导 AI 代理团队」,Oracle 讲护栏内执行。作者把这一周的措辞放在一起看,认为不是技术不成熟,而是供应链错一步就是真金白银。Gartner 预测到 2030 年也只有 5% 的企业敢让 AI 自主决策。 这一周,供应链圈里,AI的措辞,出奇一致。 菜鸟 “ AI出建议,人做最终判断 “ AWS “你领导AI代理团队” Oracle “护栏内执行,该人判断时呈现给人” 在2026年的当下,这不是技术不成熟。 是我们供应链产品经理,在主动画一道线: 哪一步,AI不能自己拍板。 01 常见的两种解释,都没说到点上 看到这个现象,很多人会有两种反应。 第 1 种: “AI还不够聪明呗,等再迭代两年就好了。” 不对。现在的AI能在几秒钟内算出亿级包裹的最优路径,能帮你读完几百页合同找出风险条款,能在大促期间扛住平时十倍的订单量。 它不是不会,是 我们不敢让它会 。 第 2 种: “人机协同是过渡态,技术成熟了,人就被替代了” 也不对。Gartner刚发了个预测: 在已经上马供应链规划自动化的企业里,到2030年也只有5%敢让AI自主做出至少10%的规划决策。 注意这个时间点:2030年。不是明年,不是后年。是四年后。 Gartner的分析师说得很直接:花几百万扩大技术能力,但投资本身不会创造AI就绪。领导者必须先建立决策、人才和技术基础,再规模化AI规划。 大家之所以想不通,是因为我们一直在用“技术成熟度”解释这个现象。但真正的变量不是AI强不强,是 供应链这个行业,错一步是真金白银 。 你让AI帮你写个周报,写错了改就是。 你让AI自动下单采购,下错了就是几十万的库存。 你让AI自动换供应商,换错了就是客户投诉、合同违约、合规事故。 这不是AI的问题, 是这个 行业本身,就不允许“全自动”。 02 供应链AI的”放权五档” 那到底放多少权给AI? 我把行业里正在做的事,归成了五档。 你可以直接拿这个表,去对照自己的产品。 档位 AI能做什么 人做什么 典型场景 L1 建议 出方案 跑推演 给三个选项 人看完自己拍板 库存预测、补货建议 L2 低风险执行 自动打标签、 补字段、分类 人只看异常 单据归类、 路由分配 L3 可回滚执行 自动发通知 调非关键配置 人随时能回滚 内部告警、 任务分派 L4 高风险审批 出草稿,人 必须点确认 人是闸门 采购下单、退款、 合同发送 L5 不可逆动作 不做 人全权负责 换供应商、销毁库存、对外承诺 说句实在话: 现在真正能落地收钱的供应链AI, 敢做到最远端就是L3。 L4和L5不是AI做不到,是产品经理故意不让它做。因为这两档错了,是回不去的。你会发现一个反直觉的事: 越懂供应链的人,越不敢往L4以上放权。 反而是那些刚入行、PPT写得很漂亮的团队,张口就是“全自动、无人化、AI替代人”。真上过线、扛过大促、处理过事故的人,都知道那一步必须留个人。 03 真正落地的玩家,都在悄悄”收权” 看三个最近的例子。 第一个,菜鸟的“双轨制”。 9月云栖大会上,黄钟讲得很清楚:大模型负责“调兵”——全局看、算得快;小模型负责“打仗”——把行业里那些老规则、老约束、老经验,一条一条固化进去。最后决策权在人,系统还会反过来学习人每次点了哪个选项、改了什么。财联社把这套设计概括为“大模型调兵,小模型打仗”。 这个设计很有意思。它不是让AI替人做决定,是让AI把人从“算”这件事里解放出来,让人只做“选”这件事。人不用再去翻报表、拉数据、跑Excel了。 AI把三个方案算好摆你面前,你选一个。 这才是人机协同该有的样子。 第二个,英伟达和Palantir。 9月10日,英伟达和Palantir宣布合作,把AI接进英伟达自己的供应链。 英伟达的供应链有多复杂?一套Vera Rubin机架涉及约130万个零部件,横跨数千家供应商和全球制造合作伙伴。 有意思的是英伟达自己的技术博客里写了一句话: 人类计划员因为纳入了邮件、天气预报、地缘事件、供应商复盘,这些模型看不到的信息,始终比量化模型表现更好。 连英伟达自己都承认:人比模型强的地方,在于人能看到模型看不到的东西。 英伟达的供应链够复杂了吧? 连它都没敢让AI自己下单。 第三个,国际大厂采购AI的避坑清单。 B2B News Network,在9月10日那篇文章里列了一条特别扎心的观察: 很多公司嘴上说自己做了“human in the loop”(人在回路),但实际上呢?要么是AI已经执行完了才发个通知给人,要么是人工复核队列堆了几千条,根本没人看。这就叫 假的人在回路 。 真正的human review必须满足三件事: 人是在动作发生之前看到证据的(不是事后通知) 人有时间干预的(不是倒计时30秒必须点) 待处理量是团队真的能看完的(不是一天压5000条待审) 少一条都不算。 你去看自己公司现在做的AI功能,符合这三条吗? 大部分团队,其实还停留在“事后通知”那一步。 04 B端产品经理的新活:画两张图 说了这么多,落到产品经理身上,未来三年最值钱的能力是什么?不是写prompt,不是调模型,不是跟大模型厂商谈价格。 是 画两张图 。 第一张:人-AI分工图。 把你负责的业务流程拆成一个个节点,每个节点标清楚——这一步是AI建议?AI自动执行?人必须审批?还是人全权负责? 这张图画完,你就知道自己产品的“放权边界”到底在哪。很多人推AI推不下去,就是因为这张图压根没画过,AI干到哪一步全凭感觉。 第二张:熔断条件图。 写清楚什么情况,AI必须停下来等人: AI自己没把握(置信度低于某个阈值),停; 数据源缺失、数据互相矛盾,停; AI连续两次调用失败,停; 涉及钱、合同、对外承诺,停。 你能把这两张图画清楚, 你的供应链AI才真的能上线。 画不清楚,就是在赌。 05 什么时候可以大胆放权 我不是说AI永远不能放权。 低风险、可回滚、高频次的事——打标签、补字段、路由分配、单据归类——完全可以让AI自动跑,人只看异常。 这种事你越不让AI做,团队越累。 放权的边界不在“AI多聪明”,在三件事: 错了能不能承受、能不能回滚、能不能追责。 能回滚的事,大胆放。 不能回滚的事,宁可慢一点。 写在最后 供应链这个行业,钱和货是在物理世界流动的。 在这里,AI不是用来“替代人”的, 是用来 让人只在真正重要的地方出现 。 Gartner说,到2030年,只有5%的企业敢让AI自主做决策。剩下的95%,都在等人按按钮。 2026年下半年,真正的分水岭不是“AI多强”,而是产品经理敢不敢在PRD里写清楚—— “这一步,AI不能按按钮。” 写得出来这句话,你的供应链AI才真的能落地。 写不出来,那就是在PPT上落地。 本文由人人都是产品经理作者【曼话产品】,微信公众号:【曼话产品】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载 题图来自Unsplash,基于CC0协议

Javaer 转 Agent:什么是 Agent

掘金

从 Java 开发者视角,以项目资料助手为例,讲解 Agent 如何由模型选择行动、程序执行工具,并根据反馈推进任务。文章区分普通问答、工作流与 Agent,梳理检索、记忆等概念

Score: 57.04Confidence: 54%

聚彩娱乐线上网投网址:232593.com 咨询客服部联系方式QQ:6978623-飞机✈️:sts8333

velog

缅甸大型实体赌场 🔴圣淘沙公司🔵 华纳国际 圣淘沙综合台娱乐 实体网投平台📣📣 🥇主营: :真人视讯百家乐 🔥龙虎 🔥 牛牛🔥电子🔥 棋牌🔥 捕鱼 🔥体育 现场同步直播,视频同步投注 缅甸合法经营,公平, 公正 ,公开 💎优势:充值存取款: 支持网银转账 支付宝💥红包💥缅币KBZpay💥银行卡USDT💥 泰铢 kbz 💥上下分大额无忧🌏 🎮圣淘沙 :实体赌场网投,棋牌,电子,AG,bg,捕鱼,体育 ,一倍流水出款,没有ip限制 🎰 游戏网址: 232593.com 🎰 注册官网: 232593.com ☎️开户专员 @sts8333 ☎️开户专员 QQ:6978623 ☎️开户QQ:6978623

Score: 54.4Confidence: 49%

天成娱乐线上网投网址:232593.com 咨询客服部联系方式QQ:6978623-飞机✈️:sts8333

velog

🔥缅甸合法赌场 诚信第一🔥 🔥圣淘沙娱乐🔥现场真人同步直播🔥 🔥现场直播無️作假,一比一还原现场体验 🔥百家乐🔥龙虎 🔥牛牛 💰充值方式渠道稳定🔥资金干净安全 🔥实力大台 大户首选 🔥全网口碑第一 🔥各位老板们:开户可咨询🔥 ↓ ↓ ↓ ↓ 1飞机✈️ @sts8333 QQ: 6978623 ↓ ↓ ↓ ↓ ✨✨ 注册官网: 232593.com

Score: 54.4Confidence: 49%

[OpenStack 기반 CSP 구축 #4] OVS 장애 복구와 br-ex 네트워크 영구 설정

velog

지난 글에서는 OpenStack 인스턴스를 생성하고 Floating IP를 연결해 SSH 접속을 확인했다. 이후 서버 재부팅과 네트워크 설정 변경 과정에서 두 가지 문제가 발생했다. Open vSwitch가 정상적으로 시작되지 않아 일부 Neutron Agent가 Down 상태로 표시되었다. Controller 노드의 IP와 경로 설정이 누락되어 호스트 자체의 외부 통신이 끊어졌다. 이번 글에서는 두 문제의 원인을 구분해 복구하고, 재부팅 이후에도 네트워크 설정이 유지되도록 Netplan에 반영한 과정을 정리한다. 1. 장애 환경과 증상 문제가 발생한 서버는 Controller 역할을 담당하는 return-compute-1 이었다. 항목 설정 호스트 OS Ubuntu Server 24.04 배포 방식 Kolla-Ansible 네트워크 백엔드 Open vSwitch 물리 NIC enp1s0 외부 브리지 br-ex 호스트 IP 192.168.0.3/24 기본 게이트웨이 192.168.0.1 먼저 재부팅 이후 Neutron Agent 상태를 확인했다. openstack network agent list 일부 Agent가 Down 상태로 표시되었다. Open vSwitch 컨테이너 로그를 확인한 결과, 종료된 프로세스의 PID 파일이 남아 OVSDB 프로세스가 정상적으로 시작되지 못하고 있었다. 이후 네트워크 설정을 수정하는 과정에서는 호스트의 외부 통신도 끊어졌다. 이 문제는 OVS 프로세스 기동 문제와 별개로, 호스트 IP와 기본 경로 설정을 확인해야 했다. 2. OVSDB의 stale PID 파일 정리 OVSDB 기동을 막고 있던 원인은 이전 실행에서 남은 PID 파일이었다. 해당 파일이 실행 중인 프로세스의 PID 파일이 아니라는 것을 확인한 뒤 정리해야 한다. 아래는 당시 복구에 사용한 명령어다. 호스트에 남아 있던 Open vSwitch PID 파일을 제거했다. sudo rm -f /run/openvswitch/*.pid 컨테이너 내부의 OVSDB PID 파일도 정리했다. sudo docker exec -u root openvswitch_db \ rm -f /var/run/openvswitch/ovsdb-server.pid 이후 Open vSwitch 관련 컨테이너를 재시작했다. sudo docker restart openvswitch_db openvswitch_vswitchd 필요한 OVSDB Remote 연결 설정을 복구한 뒤, Agent 상태를 다시 확인했다. openstack network agent list Agent가 모두 정상 상태로 돌아온 것을 확인했다. 다만 Agent 상태가 정상이라는 것만으로 호스트의 인터넷 연결까지 확인된 것은 아니다. 호스트의 IP, 라우팅, DNS는 별도로 점검했다. 3. 호스트 통신 장애 원인: IP와 기본 경로 누락 Controller의 외부 통신이 끊긴 시점에는 기존 물리 NIC인 enp1s0 의 IP 설정이 제거되어 있었다. 물리 NIC를 br-ex 에 연결하는 과정에서 호스트가 사용할 IP와 기본 경로가 브리지 쪽에 제대로 구성되지 않은 것이 문제였다. 이 환경에서 br-ex의 역할 물리 NIC에 직접 IP를 설정하는 구성에서는 enp1s0 이 호스트 주소를 가진다. enp1s0 └─ 192.168.0.3/24 이번 환경에서는 하나의 물리 NIC를 호스트 통신과 OpenStack 외부 네트워크에 함께 사용했다. 따라서 물리 NIC를 OVS 브리지의 포트로 연결하고, 호스트 IP를 br-ex 에 설정하는 형태로 구성했다. 외부 라우터: 192.168.0.1 │ 물리 NIC: enp1s0 │ OVS 브리지: br-ex ├─ 호스트 IP: 192.168.0.3/24 └─ OpenStack 외부 네트워크 연결 이 구조에서 enp1s0 은 물리적인 패킷 송수신을 담당하고, 호스트의 IP 통신은 br-ex 에 설정한 주소를 사용한다. 따라서 물리 NIC의 IP를 제거하는 것만으로 전환이 완료되는 것은 아니다. 브리지 연결, 호스트 IP, 기본 경로가 함께 구성되어야 한다. 4. br-ex에 호스트 네트워크 복구 우선 통신을 복구하기 위해 실행 중인 네트워크에 설정을 직접 적용했다. 물리 NIC 연결 enp1s0 을 br-ex 의 포트로 연결했다. sudo docker exec -it openvswitch_vswitchd \ ovs-vsctl add-port br-ex enp1s0 호스트 IP와 기본 경로 설정 기존 호스트 IP를 br-ex 에 할당했다. sudo ip addr add 192.168.0.3/24 dev br-ex 기본 게이트웨이도 br-ex 를 통해 접근하도록 설정했다. sudo ip route add default via 192.168.0.1 dev br-ex 이 명령어들은 당시 누락된 설정을 복구하기 위해 사용했다. 이미 동일한 포트, 주소, 경로가 존재하는 상태에서 반복 실행할 필요는 없다. 통신 확인 먼저 같은 네트워크에 있는 게이트웨이로 통신을 확인했다. ping 192.168.0.1 게이트웨이 응답을 확인했고, 외부 IP로의 통신도 복구되었다. 하지만 도메인을 사용하는 통신은 여전히 실패했다. ping google.com IP 통신과 DNS 문제를 구분하기 위해 이름 해석 설정을 확인했다. DNS 설정도 누락되어 있어 Google DNS와 Cloudflare DNS를 다시 지정하고 systemd-resolved 를 재시작했다. 이후 도메인을 통한 통신도 정상적으로 동작했다. 5. Netplan으로 설정 영구화 ip addr add 와 ip route add 로 적용한 설정은 실행 중인 네트워크에만 반영된다. 재부팅 이후에도 유지하려면 별도의 영구 설정이 필요하다. 이번 환경에서는 Netplan에 물리 NIC와 OVS 브리지 구성을 정의했다. Open vSwitch 패키지 설치 호스트에서 Netplan의 OVS 구성을 적용할 수 있도록 다음 패키지를 설치했다. sudo apt update sudo apt install openvswitch-switch -y 이 과정은 당시 환경에 적용한 구성이다. Kolla의 OVS 컨테이너도 함께 사용하는 환경이므로, 호스트 서비스와 컨테이너의 OVS 관리 범위는 구분해서 확인할 필요가 있다. Netplan 설정 /etc/netplan/00-installer-config.yaml 을 다음과 같이 수정했다. network: version: 2 renderer: networkd ethernets: enp1s0: dhcp4: false bridges: br-ex: interfaces: - enp1s0 addresses: - 192.168.0.3/24 routes: - to: default via: 192.168.0.1 nameservers: addresses: - 8.8.8.8 - 1.1.1.1 openvswitch: {} 설정의 핵심은 다음과 같다. 항목 적용 내용 enp1s0 DHCP를 사용하지 않고 br-ex 의 포트로 연결 br-ex 호스트 IP 192.168.0.3/24 할당 기본 경로 192.168.0.1 을 게이트웨이로 사용 DNS 8.8.8.8 , 1.1.1.1 사용 openvswitch: {} 해당 브리지를 OVS 브리지로 구성 호스트의 주소와 기본 경로, DNS를 br-ex 기준으로 모아 정의했다. 6. 설정 적용 및 재부팅 검증 Netplan 설정을 적용했다. sudo netplan apply 호스트의 관리 네트워크 자체를 변경하는 작업이므로, SSH 연결이 끊길 경우 사용할 콘솔 접근 수단이 필요하다. 적용 후에는 IP와 경로를 확인했다. ip addr ip route 확인한 항목은 다음과 같다. 192.168.0.3/24 가 br-ex 에 할당되어 있는지 기본 경로가 192.168.0.1 을 향하는지 기본 경로의 인터페이스가 br-ex 인지 외부 IP와 도메인으로 통신할 수 있는지 이후 서버를 재부팅하고 다시 SSH로 접속했다. 재부팅 뒤에도 호스트 IP와 기본 경로가 유지되었고, 인터넷 연결도 정상적으로 동작했다. 수동으로 IP와 경로를 추가하지 않아도 네트워크가 구성되는 것을 확인했다. 7. 별도로 확인한 Cinder 재부팅 문제 네트워크 복구와 별개로 Cinder에서도 재부팅 이후 설정이 유지되지 않는 문제가 있었다. 당시 테스트용 Cinder 스토리지는 이미지 파일을 Loop Device에 연결하고, 그 위에 Volume Group을 구성하는 방식이었다. /var/lib/cinder-volumes.img │ /dev/loop10 │ VG: cinder-volumes 호스트 재부팅 이후 Loop Device 연결이 복원되지 않아, Cinder가 사용할 스토리지를 다시 활성화해야 했다. 당시 사용하던 Loop Device에 이미지 파일을 연결했다. sudo losetup /dev/loop10 /var/lib/cinder-volumes.img Volume Group을 활성화했다. sudo vgchange -ay cinder-volumes 이후 Cinder 관련 컨테이너를 재시작했다. sudo docker restart \ cinder_volume \ cinder_backup \ cinder_api \ cinder_scheduler 이 작업은 재부팅 후 스토리지를 수동으로 복구한 것이며, 자동 복원까지 구성한 것은 아니다. 파일 기반 Loop Device는 테스트 용도로 사용했고, 이후에는 실제 Block Device나 별도 Storage Node를 사용하는 방향으로 개선할 예정이다. 8. 복구 결과와 남은 과제 이번 장애는 다음과 같이 구분해 처리했다. 문제 확인한 원인 처리 OVSDB 기동 실패 종료된 프로세스의 PID 파일 잔존 PID 파일 정리 및 OVS 컨테이너 재시작 호스트 외부 통신 실패 브리지 전환 과정에서 IP와 기본 경로 누락 br-ex 에 IP와 경로 구성 도메인 통신 실패 DNS 설정 누락 DNS 설정 복구 재부팅 후 네트워크 설정 유실 실행 중인 네트워크에만 설정 적용 Netplan에 영구 설정 반영 재부팅 후 Cinder 스토리지 사용 불가 Loop Device 연결 미복원 Loop Device 연결 및 VG 수동 활성화 네트워크는 Netplan 반영 후 재부팅까지 확인했다. Cinder의 파일 기반 스토리지는 수동 복구 상태로 남아 있어 추가 개선이 필요하다. 이번 작업에서는 Neutron Agent 상태, 호스트의 IP와 경로, DNS, 재부팅 후 설정 유지 여부를 각각 확인하는 것 이 중요했다. 한 계층이 정상이어도 다른 계층의 설정이 누락되면 전체 통신은 실패할 수 있었다. 다음 글: Return Cloud Platform 백엔드 설계 인프라의 기본 동작을 확인한 이후에는 사용자가 OpenStack을 직접 다루지 않고도 VM을 생성하고 접속할 수 있도록 서비스 계층을 설계했다. 다음 글에서는 Return Cloud Platform의 요구사항과 백엔드 구조를 정리할 예정이다. VM 생성 및 삭제 사용자 인증 리소스 관리 Go 백엔드 구조 PostgreSQL 데이터 모델과 ERD

Which area is best to buy a flat in Ahmedabad?

velog

The best area to buy a flat in Ahmedabad depends on your budget, daily travel, family needs, and future growth. Areas like Narol, Naroda, Vastral, Nikol, Hanspura, and Chandlodiya are popular among buyers looking for 2 BHK flats in Ahmedabad under 60 lakhs with good connectivity and practical pricing. For families searching for affordable 2 BHK flats in Ahmedabad, Narol and Naroda can be good options because they offer residential projects, road connectivity, schools, markets, and daily-use facilities. If your priority is possession clarity, then Ready to Move 2 BHK Flats in Ahmedabad are better because you can check the actual flat, building quality, location, and final cost before buying. While comparing the cheapest 2 BHK flats in Ahmedabad, do not focus only on low price. Check builder reputation, construction quality, RERA approval, nearby development, and resale value. Laxmi Group is a trusted real estate name in Ahmedabad and offers well-planned residential options for home buyers who want value, location, and reliability. Conclusion: The best area is the one that matches your budget, lifestyle, and future needs. For affordable home buying, areas like Narol and Naroda are practical choices in Ahmedabad. https://www.laxmigroup.co/articles/cheapest-2-bhk-flats-in-ahmedabad-under-60-lakhs/#faq

Score: 54.4Confidence: 49%