技术博客
聚合 Linux、Windows、Kubernetes、云原生、安全运维和自动化实践，沉淀可检索、可复用的技术文章。
CUDA迁移到海光DCU实战：HIP编程模型、hipify工具与常见坑
系统讲解从NVIDIA CUDA迁移到海光DCU（ROCm/HIP）的完整实战流程：hipify-perl自动转换工具使用、HIP与CUDA API对照表、PyTorch/DeepSpeed DCU适配方法、分布式训练NCCL→RCCL迁移、迁移后性能调优（rocprof/rocblas调参），以及迁移难度评估方法论。
国产GPU 2025技术现状与运维挑战：910C、DCU3路线图与选型建议
深度分析2025-2026年国产GPU技术发展现状：华为昇腾910C规格与量产进展、海光DCU3（Z200系列）路线图、国产GPU与NVIDIA H100/H200的性能差距客观评估、AI算力国产化的现实挑战（算子、互联、软件生态），以及运维团队的实际应对建议。
国产GPU全景选型指南：昇腾/海光DCU/摩尔线程/寒武纪技术对比与生产选型
深度对比主流国产GPU厂商的技术路线与运维成熟度：华为昇腾910B/910C（CANN生态）、海光DCU（ROCm生态，CUDA迁移成本最低）、摩尔线程MTT S4000（MUSA架构）、寒武纪MLU370，从驱动生态、Kubernetes集成、软件兼容性、性能基准等维度给出选型决策建议。
国产GPU软件生态深度分析：CANN vs ROCm vs MUSA与CUDA的真实差距
客观分析2025年国产GPU软件生态的真实状态：CANN（昇腾）、ROCm/HIP（海光DCU）、MUSA（摩尔线程）三大生态与CUDA生态的深度对比，包括算子覆盖率、主流框架支持度、开发者工具链完整性、社区活跃度，以及对运维工程师的实际影响和应对建议。
eBPF 是什么：从零理解 Linux 内核可编程化
通俗讲解 eBPF 的核心原理、与传统内核模块的区别、安全验证机制，以及 eBPF 在网络观测、安全策略、性能追踪三大场景的实际应用，帮助运维工程师建立正确的 eBPF 认知框架。
FP8/FP4 量化生产推理实战：TensorRT ModelOpt 完全指南
深入讲解 NVIDIA TensorRT ModelOpt 的 FP8 与 FP4 量化原理、校准数据准备、生产导出流程，以及在 H100/H200/B200 上的性能提升数据，覆盖 Qwen3、Llama4 等主流模型的量化实践。
GitOps 是什么：从概念到 ArgoCD 快速入门
通俗讲解 GitOps 的核心理念、与传统 CI/CD 的区别，以及如何用 ArgoCD 在 Kubernetes 上实现声明式持续交付——从安装到第一个 Application 上线，含完整命令和配置示例。
GPU 节点故障自愈：Node Problem Detector 与自动隔离实战
详解如何在 Kubernetes GPU 集群中通过 Node Problem Detector（NPD）检测 GPU 故障、上报 NodeCondition、结合 Node Auto Remediation 实现节点自动隔离与修复，涵盖 NVIDIA XID 错误、ECC 故障、驱动崩溃等常见场景。
GPUStack 异构 GPU 集群管理实战：统一调度 NVIDIA/AMD/昇腾
介绍开源 GPU 集群管理器 GPUStack 的架构与核心功能，详解在混合 NVIDIA、AMD ROCm、华为昇腾 GPU 环境下统一部署 LLM 推理服务，以及显存感知调度、多节点推理与 OpenAI 兼容 API 实践。
Grafana Dashboard 设计最佳实践：变量、告警、Dashboard as Code
系统讲解 Grafana Dashboard 的专业设计方法：模板变量（Template Variables）实现动态下钻、Panel 类型选择与 PromQL 实战（时序图/Stat/Gauge/Heatmap）、Dashboard 告警配置、使用 Grafonnet 和 Terraform 实现 Dashboard as Code、Grafana 数据源代理与权限管理的生产配置。
HAMi 是什么？Kubernetes GPU 共享运维要关注哪些问题？
HAMi 已成为 CNCF Incubating 项目，面向 Kubernetes 提供 GPU 和异构加速器虚拟化能力。本文解释它解决的问题、核心组件和运维检查点。
ACL 访问控制实验：为什么匹配顺序比规则本身更重要？
从基础 ACL 和高级 ACL 入手，讲清楚流量匹配、规则顺序、接口方向和验证方法。
DHCP 实验：地址池、网关、DNS 和中继配置怎么排查？
从 DHCP 服务器和 DHCP Relay 两类场景出发，整理地址自动分配实验的关键配置与验证命令。
Eth-Trunk 链路聚合实验：带宽提升和链路冗余怎么验证？
从手工聚合和 LACP 思路出发，讲清楚 Eth-Trunk 的接口加入、负载分担和故障验证方法。
VLAN 间路由实验：二层隔离之后，三层互通应该怎么做？
通过 Vlanif 三层网关实验，理解不同 VLAN 主机互通的前提、网关配置和排查路径。