态度 信息差 认知差 资源差

文本 ChatGPT 文心一言 字节-豆包 Bard 图片 Stable Diffusion(SD) Midjourney（MJ） controlnet 线稿 DALL-E3 https://www.openflowai.net/ 视频 Runway Pika 生成视频(chatgpt做脚本) HeyGen Genmo Moonvalley Stable Video Diffusion d-id sd出图 需要选checkpoint lora embedding 然后结合 controlnet 可以快速出替换 gpts的应用市场里，有直接文本生提示词的，还是分好镜的 你去找“小说文本提示词大师”这类的应用就好 gpts有hunt可以搜搜 方式 关键词生产 可以找一些参考对象 生成后 ps 再优化下

行业 案例 珠宝设计 海外儿童绘本（蓝海）纸质版卖 40 美金 营销模特 音乐专辑封面 工具 WHEE 门诊宣传册 实体贴画 外贸 外贸商品的各场景图片生成 比如一个U盘在各种电脑上面的图片 服装行业 电商服装行业画重点：打板、爆品复刻、反推拆解图 他说的是把图案直接生成衣服样子的图 裁剪图，单块的，把每一块拼起来就是衣服 打板行业痛点，时间长，成本高，有个衣服设计想法出来单个需要 5 千的成本 假模特也可以变真人模特，前视图，左，右，后试图，pose，CNet，lora，线稿 可落地尝试 创意服装二维码 照相馆 摄影 手绘效果 模特换脸 餐饮品牌营销公司 生成菜品的宣传图 菜品模型没有标品，肯定是要调教的 室内设计 毛胚房变装修效果图，室内设计应用场景 视频宣传片 安全教育宣传片（文案，卡通人物，生成视频） 实现 工具 AI绘画 https://www.openflowai.net/ Stable Diffusion(SD) Mid Journey（MJ） controlnet 线稿 AI视频 runway pika 生成视频(chatgpt做脚本) sd出图 需要选checkpoint lora embedding 然后结合 controlnet 可以快速出替换 gpts的应用市场里，有直接文本生提示词的，还是分好镜的 你去找“小说文本提示词大师”这类的应用就好 gpts有hunt可以搜搜 方式论 关键词生产 可以找一些参考对象 生成后 ps 再优化下 百万案例 AI+RPA（机器人自动化） AI+身心灵（算命，占仆，星座，起名，家具风水，家庭教育，感情瓜葛） ​ 先发个视频，做公域流量，有人过来就是精准客户，收费，一次128元 预测运势

˚ 问题排查 测试指标 业务指标：如并发用户数、TPS（系统每秒处理事务数）、成功率、响应时间。 资源指标：如CPU资源利用率、内存利用率、I/O、内核参数（信号量、打开文件数）等。 应用指标：如空闲线程数、数据库连接数、GC/FULL GC次数、函数耗时等。 前端指标：如页面加载时间、网络时间（DNS、连接时间、传输时间等）。 工具 APM工具（如ARMS）进行中间件、数据库、应用层面的问题定位。

参考文章 高性能秒杀系统设计 秒杀架构实践 百万级用户的抽奖系统

单点登录（Single Sign On），简称为 SSO，是比较流行的企业业务整合的解决方案之一。SSO的定义是在多个应用系统中，用户只需要登录一次就可以访问所有相互信任的应用系统。 参考文章 单点登录 单点登录总结

临时实例和持久化实例。 在定义上区分临时实例和持久化实例的关键是健康检查的方式。 临时实例使用客户端上报模式，而持久化实例使用服务端反向探测模式。 临时实例需要能够自动摘除不健康实例，而且无需持久化存储实例，那么这种实例就适用于类 Gossip 的协议。 右边的持久化实例使用服务端探测的健康检查方式，因为客户端不会上报心跳，那么自然就不能去自动摘除下线的实例。 实现对比 Zookeeper：保证CP，放弃可用性；一旦zookeeper集群中master节点宕了，则会重新选举leader，这个过程可能非常漫长，在这过程中服务不可用。 Eureka：保证AP，放弃一致性；Eureka集群中的各个节点都是平等的，一旦某个节点宕了，其他节点正常服务（一旦客户端发现注册失败，则将会连接集群中其他节点），虽然保证了可用性，但是每个节点的数据可能不是最新的。 Nacos：同时支持CP和AP，默认是AP，可以切换；AP模式下以临时实例注册，CP模式下服务永久实例注册。 健康检查 客户端健康检查 客户端健康检查主要关注客户端上报心跳的方式、服务端摘除不健康客户端的机制。 服务端健康检查 而服务端健康检查，则关注探测客户端的方式、灵敏度及设置客户端健康状态的机制。 从实现复杂性来说，服务端探测肯定是要更加复杂的，因为需要服务端根据注册服务配置的健康检查方式，去执行相应的接口，判断相应的返回结果，并做好重试机制和线程池的管理。 这与客户端探测，只需要等待心跳，然后刷新 TTL 是不一样的。同时服务端健康检查无法摘除不健康实例，这意味着只要注册过的服务实例，如果不调用接口主动注销，这些服务实例都需要去维持健康检查的探测任务，而客户端则可以随时摘除不健康实例，减轻服务端的压力。 Nacos实现配置管理和动态配置 添加对应spring-cloud-starter-alibaba-nacos-config依赖 使用原生注解@Value()导入配置 使用原生注解@RefreshScope刷新配置 根据自己业务场景做好多环境配置隔离(Namespace)、不同业务配置隔离(Group) 切记：命名空间和分组的配置一定要放在bootstrap.yml或者bootstrap.properties配置文件中 参考文章 Nacos 注册中心的设计原理详解 Nacos 实现原理详解 Nacos 使用

Spring Cloud Alibaba 组件 Spring Cloud - Gateway 网关 Spring Cloud - Ribbon 实现负载均衡 Spring Cloud - Feign 实现远程调用 Spring Cloud - Sleuth 实现调用链监控 Spring Cloud Alibaba - Nacos 实现注册中心/配置中心 Spring Cloud Alibaba - Sentinel 实现服务容错(限流，降级) Spring Cloud Alibaba - Seata 实现分布式事务 Spring Cloud Alibaba 组件 Nacos Nacos 是一个 Alibaba 开源的、易于构建云原生应用的动态服务发现、配置管理和服务管理平台。 Nacos 这个名字怎么读呢？它的音标为 /nɑ:kəʊs/。这个名字不是一个标准的单词，而是以下单词的首字母缩写：Name and Config Service。 Nacos Discovery 使用 Spring Cloud Alibaba Nacos Discovery，可基于 Spring Cloud 的编程模型快速接入 Nacos 服务注册功能。

参考文章 Hystrix原理与实战 Hystrix原理与实战 Hystrix 源码分析及实践

先来一波问题，然后看看Enueka是通过什么方式处理的。 Eureka注册中心使用什么样的方式来储存各个服务注册时发送过来的机器地址和端口号？ 各个服务找Eureka Server拉取注册表的时候，是什么样的频率？ 各个服务是如何拉取注册表的？ 对于一个有几百个服务，部署上千台机器的大型分布式系统来说，这套系统会对Eureka Server造成多大的访问压力？ Eureka Server从技术层面是如何抗住日千万级访问量的？ 基本知识点，各个服务内的Eureka Client组件，默认情况下，每隔30秒会发送一个请求到Eureka Server，来拉取最近有变化的服务信息 Eureka Server设计精妙的注册表存储结构 维护注册表、拉取注册表、更新心跳时间，全部发生在内存里！这是Eureka Server非常核心的一个点。 Eureka Server端优秀的多级缓存机制 尽可能保证了内存注册表数据不会出现频繁的读写冲突问题。 并且进一步保证对Eureka Server的大量请求，都是快速从纯内存走，性能极高。 总结 通过上面的分析可以看到，Eureka通过设置适当的请求频率拉取注册表30秒间隔，发送心跳30秒间隔），可以保证一个大规模的系统每秒请求Eureka Server的次数在几百次。 同时通过纯内存的注册表，保证了所有的请求都可以在内存处理，确保了极高的性能 另外,多级缓存机制，确保了不会针对内存数据结构发生频繁的读写并发冲突操作，进一步提升性能。 参考文章 Eureka 原理 Eureka 原理解析 深入学习 Eureka 原理 微服务注册中心如何承载大型系统的千万级访问