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。
Linux 系统急救：rescue mode、GRUB 修复、fsck 完整操作手册
详解 Linux 系统无法启动时的完整急救流程：GRUB 故障修复、rescue/emergency 模式进入、root 密码重置、文件系统损坏 fsck 修复、关键系统文件恢复，覆盖 Ubuntu/CentOS/RHEL 常见场景。
Linux sysctl 内核参数调优：Web 服务器与数据库生产配置
系统讲解 Linux sysctl 内核参数的分类与调优方法，提供 Web 服务器（高并发）和数据库服务器的生产级参数配置，覆盖网络栈优化、内存管理、文件句柄、TCP 调优等核心参数，含完整的 sysctl.conf 配置模板。
LLM 推理引擎横评：vLLM vs SGLang vs TensorRT-LLM 选型指南（2026）
从吞吐量、延迟、显存效率、部署复杂度、功能特性四个维度全面对比三大主流 LLM 推理引擎，帮助运维和算法团队根据实际场景做出选型决策，覆盖在线 API、批处理、Reasoning 模型等典型场景。
Loki 日志聚合实战：Promtail 采集、LogQL 查询与生产部署
系统讲解 Grafana Loki 日志系统的生产部署：Loki 架构与存储原理（标签索引 vs 全文索引）、Promtail 多场景日志采集配置（Kubernetes/文件/系统日志）、LogQL 查询语言从基础到进阶、Loki 日志告警配置、Loki 分布式部署与存储配置（S3/阿里云 OSS 后端）。
摩尔线程MTT GPU运维实战：MUSA环境配置与Kubernetes集成
详解摩尔线程MTT S80/S4000 GPU的运维配置：MUSA SDK安装与环境配置、mthreads-gmi监控工具使用、PyTorch MUSA适配安装、Kubernetes Device Plugin部署、vLLM推理引擎在MUSA上的部署方法，以及常见兼容性问题的排查解决。
NCCL 多 GPU 通信原理与分布式训练调优实践
深入讲解 NCCL（NVIDIA Collective Communications Library）的核心通信原语、AllReduce/AllGather 算法选择、多节点 InfiniBand 配置与性能调优，以及 PyTorch FSDP 和 DeepSpeed ZeRO 中 NCCL 的实际使用建议。
NVIDIA+昇腾双栈Kubernetes调度实战：灰度迁移、流量分割与统一运维
深度讲解NVIDIA GPU与华为昇腾NPU在同一Kubernetes集群中的双栈调度方案：基于标签和污点的精准任务分发、推理服务的蓝绿切换（NVIDIA→昇腾逐步迁移）、Istio流量分割实现A/B测试、统一Prometheus监控（DCGM Exporter + NPU Exporter数据对齐）、双栈集群的运维SOP与故障应急预案。
NVIDIA MIG 多实例 GPU Kubernetes 进阶运维指南
深入讲解 NVIDIA Multi-Instance GPU（MIG）在 Kubernetes 集群中的配置策略、Single/Mixed 模式实战、GPU Operator 自动化管理与多租户隔离最佳实践。
Ollama 显存优化与模型选型：不同 GPU 配置下的最优方案
根据实测数据给出不同显存配置（8GB/16GB/24GB/48GB/80GB）下的 Ollama 最优模型选型方案，讲解量化精度对质量和速度的影响、KV Cache 优化、多卡分布、以及如何用 CPU Offload 突破单卡显存限制。
Ollama 本地大模型部署完全指南：从安装到 API 调用
详细讲解 Ollama 的安装配置、主流模型（DeepSeek/Qwen3/Llama）的下载运行、REST API 和 OpenAI 兼容接口使用，以及多 GPU、自定义 Modelfile、模型量化选择等实用技巧，帮助团队快速搭建私有化 AI 推理服务。
Open WebUI + Ollama：搭建企业私有 AI 助手平台
完整讲解如何用 Open WebUI 在 Ollama 之上构建功能完备的私有 AI 平台，包括 Docker 部署、用户管理、多模型切换、文档 RAG、知识库、API Key 管理，以及 Kubernetes 生产级部署方案。
OpenTelemetry 分布式追踪实战：Jaeger 部署、链路分析与性能调优
系统讲解分布式追踪的原理与实战：OpenTelemetry SDK 埋点（Go/Java/Python）、Jaeger 分布式追踪系统部署与配置、Trace/Span/Context 核心概念、W3C TraceContext 传播标准、采样策略配置（尾部采样/概率采样）、通过 Jaeger UI 分析慢请求和依赖关系图，以及 OTEL Collector 收集转发配置。
Alertmanager 实战：告警路由、分组、静默与 PagerDuty/钉钉集成
深入讲解 Prometheus Alertmanager 的核心能力：路由树（route tree）将不同告警分发到不同接收者、告警分组（grouping）合并同类告警减少噪音、静默（silence）和抑制（inhibition）规则、与钉钉/飞书/PagerDuty 集成，以及告警升级策略的完整生产配置。
Prometheus 大规模优化：Recording Rules、Federation 与 Thanos 长期存储
系统讲解 Prometheus 大规模生产优化方案：Recording Rules 预计算高频 PromQL 提升查询性能、Federation 联邦架构跨集群聚合、Thanos 组件（Sidecar/Store/Query/Compactor）实现无限长期存储与全局查询、Prometheus 内存和存储调优参数配置。
Proxmox + Ceph 超融合生产实战：OSD 规划、网络隔离、性能调优
深入讲解 Proxmox VE + Ceph 超融合基础设施的生产级部署：OSD 设备规划与 BlueStore 配置、集群网络与公共网络分离、CRUSH Map 数据分布策略、Pool 与 RBD 性能调优、常见故障恢复（OSD 宕机/PG 不健康/磁盘故障替换），覆盖 3 节点到 5 节点的真实企业场景。