最新

我注意到我电脑上有很多随机的应用程序出现超时情况。<p>例如，我的浏览器在处理一个 aws_sessions.json 文件时超时，确实，查询这个地址的 'whois' 信息显示它是一个亚马逊服务器。<p>今天还有其他人注意到这个问题吗？

我们比较了2025年挑战InVideo的最新AI视频工具。本文分析了创作者如何转向更快速、更具创意的平台，以及为什么这四款工具在实际工作流程中脱颖而出。

我们之前使用 django-easy-audit 来跟踪 Django 中的 CRUD 和 API 事件。 问题是：每个操作都会导致额外的数据库写入，这减慢了事务速度，增加了基础设施成本，并且让我们的审计表不适合进行分析。<p>为了解决这个问题，我构建了 django-activity-audit（PyPI）： - 扩展了 Django 的日志系统，增加了自定义的 AUDIT 和 API 级别。 - 将 CRUD 和 API 请求/响应事件捕获为结构化的 JSON 日志。 - 将日志进行向量化处理，并发送到 ClickHouse。 - Grafana 使这些数据可查询和可视化。<p>这样就消除了额外的数据库写入，提供了可供分析的结构化数据，并降低了成本。<p>我很好奇，其他人是如何在 Django（或其他框架）中处理审计日志的？你们是记录它，写入数据库，还是采取其他完全不同的方法？

嗨，HN，我是Ignacio，Basekick Labs的创始人。 在过去几个月里，我一直在构建Arc，这是一个时间序列数据平台，旨在将快速数据摄取与强大的分析查询相结合。 Arc的功能是什么？通过二进制MessagePack API进行数据摄取（快速路径），与现有工具（如InfluxDB，作为前Influxer）兼容的行协议，数据以Parquet格式存储，并按小时分区，通过DuckDB引擎使用SQL进行查询。 我为什么要构建它： 许多系统迫使你在数据保留、吞吐量或复杂性之间做出权衡。我想要一个在数据摄取性能上不会影响分析的解决方案。 我目前的性能和基准测试结果： 写入吞吐量：在我的M3 Pro Max（14核，16GB RAM）上约为1.88M条记录/秒（MessagePack，未调优） 在AWS c6a.4xlarge上的ClickBench：冷启动35.18秒，热启动约0.81秒（43/43个查询成功） 在这些测试中，为了符合基准测试规则，禁用了缓存；在生产环境中启用缓存可以使重复查询速度提高约20%。 我已经开源了Arc的代码库，欢迎大家深入了解实现、基准测试和代码。期待你们的想法、批评和使用案例建议。 谢谢！

嗨，HN， 我在这里潜水很久，也偶尔贡献一些内容。最近我在一家“快速增长”的初创公司工作，之前在企业/公司待了很长时间。结果发现这是一个相互的“文化不匹配”问题。我在那里的前两周就感到精疲力竭，因此我请求他们立即终止我的雇佣关系，以便我可以向加利福尼亚州（我的家乡）申请失业救济。目前我在一个非软件/硬件的技术角色中工作，自从研究生毕业以来已经有20年了。我尝试过多次转向“下一个闪亮的目标”（增强现实/虚拟现实/数据科学/机器学习/人工智能），但都没有成功。我甚至试图进入“Leetcode” FAANG的竞争，但最终放弃了。我在思考我的下一个职业选择可能是什么。说实话，我在财务上是安全的，既有储蓄、401K，也有一位在大型科技公司（在每个“办公室”都有产品）工作的配偶。因此，我现在可以选择“退休”，去追求其他事情。但我希望过上有意义的生活，利用我在职时间做一些有价值的事情（我47岁，2月份将满48岁）。我的儿子明年就要上大学了，不会有时间上的压力。他的大学基金也已经准备好了。之前有人提到过80,000小时的建议，还有提到过techjobsforgood（https://news.ycombinator.com/item?id=40325501）。我的一些核心优势是：我通常是一个很不错的合作伙伴，和同事及外部供应商建立了良好的关系。虽然我不是一个管理人员，但我喜欢和人一起工作。抱歉有些唠叨，但我内心非常挣扎，任何来自HN的集体智慧都能帮助我，不仅是我的职业生涯，还有我的“中年危机”。我发现发帖到HN比“与GPT聊天”更具疗愈效果。感谢你的阅读。