腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
圈层
工具
MCP广场
文章/答案/技术大牛
搜索
搜索
关闭
发布
首页
标签
迁移
#
迁移
关注
专栏文章
(2.8K)
技术视频
(0)
互动问答
(240)
最新优先
最热优先
CKafka 非计划 Leader 切换后已确认消息查不到, acks 怎么配?
1
回答
迁移
、
min
、
高可用
、
消息队列
、
腾讯云架构师技术同盟
用户10991945
针对非计划Leader切换后消息丢失问题,acks 应配置为 all(或 -1),且必须同时满足以下条件: Topic 副本数 ≥ 3; min.insync.replicas = 2(在 CKafka 控制台 Topic 高级配置中设置); unclean.leader.election.enable = false,禁止非同步副本当选 Leader。 仅配 acks=all 而 min.insync.replicas=1 时,若 ISR 仅剩 Leader,会退化为 acks=1,非计划切换仍可能丢消息。acks=1 在 Broker 意外中断导致的非计划切换中,因 Follower 未同步完即被选为新 Leader,已确认消息可能被截断丢失。 此外,生产端需开启幂等(enable.idempotence=true)并配置重试(如 message.send.max.retries=3),避免切换期间发送失败未补偿。若当前 Topic 副本数不足或 min.insync.replicas 未调整,需先在控制台修改再验证。 官方活动链接:https://cloud.tencent.com/product/lighthouse?Is=sdk-topnav...
展开详请
赞
0
收藏
0
评论
0
分享
针对非计划Leader切换后消息丢失问题,acks 应配置为 all(或 -1),且必须同时满足以下条件: Topic 副本数 ≥ 3; min.insync.replicas = 2(在 CKafka 控制台 Topic 高级配置中设置); unclean.leader.election.enable = false,禁止非同步副本当选 Leader。 仅配 acks=all 而 min.insync.replicas=1 时,若 ISR 仅剩 Leader,会退化为 acks=1,非计划切换仍可能丢消息。acks=1 在 Broker 意外中断导致的非计划切换中,因 Follower 未同步完即被选为新 Leader,已确认消息可能被截断丢失。 此外,生产端需开启幂等(enable.idempotence=true)并配置重试(如 message.send.max.retries=3),避免切换期间发送失败未补偿。若当前 Topic 副本数不足或 min.insync.replicas 未调整,需先在控制台修改再验证。 官方活动链接:https://cloud.tencent.com/product/lighthouse?Is=sdk-topnav
83:AI拆微服务越细,架构越烂?
2
回答
迁移
、
产品
、
架构
、
腾讯云架构师技术同盟
、
深圳同盟
一只特立独行的兔先生
腾讯云+社区TOP100优秀作者/华为云MVP专家/CSDN博客专家/深信服MVP专家/阿里云MVP专家
四份 DDD 方案不要比谁的上下文更细,也不要按名词一一映射成 Deployment。限界上下文是模型边界,不是进程边界。AI 常见两种错法:把一个上下文再拆成多个服务,或把每个上下文直接生成一个部署单元。前者用事务不变量挡,后者用同步调用链挡。 一、四份方案用同一张约束清单淘汰 评审不收架构图辩论。四份方案填同一份清单,缺字段或自相矛盾的直接退回。通过的里面,选部署单元更少、且仍满足独立发布需求的那份,不选服务数更多的那份。 事务不变量挡住「一个上下文拆成多个服务」。列出一次请求里必须同成功或同回滚的写操作,写明聚合、表、失败后能否补偿。两条写共享一个不变量,又被拆进两个服务,否决。下单写订单并扣库存,若不能出现「已扣库存但无订单」,就留在同一部署单元。接受补偿的前提是产品书面承认中间态、悬挂单和对账,不是会上说以后再加。 同步调用链挡住「一个上下文一个 Deployment」。每条核心请求写清入口、被调模块、是否写、超时预算。起始约束:核心路径同步跳数不超过 2(入口不计),不允许同步环,不允许 A 的主路径在 B 不可用时必然失败。超过说明故障域没切开,先收成模块内调用。异步可以跨边界,但事件要有幂等键、版本和死信;仍然同步等结果的,不能用改成消息来掩盖。 数据所有权是上面两条的交叉检查。每张表、每个聚合只有一个写入模块。跨服务直连对方库,或共享同一个事务管理器,视为没拆干净。 生成代码之前先过这张清单。compensation_accepted 为 false 且写入方超过一个模块时,流水线失败,而不是生成两个 Deployment。 invariants: - id: order_and_stock writers: [order_module] must_commit_together: true compensation_accepted: false sync_chain: max_hops: 2 allow_cycle: false core_paths: - name: place_order hops: [api, order_module] data_ownership: orders: order_module stock: order_module 库存必须和订单同提交时,stock 的写入者也是 order_module。AI 若改成独立服务,用清单做 diff,不要看它新画的上下文图。 二、产品先判模块化单体 一天生成一套微服务仓库,不改变四个现场事实。缺两条以上,就用模块化单体:一个部署单元,按上下文分模块,模块间只走进程内接口,禁止跨模块查库。AI 生成的目录映射成模块,不映射成服务。 发布是否必须独立。仍在同一迭代窗口一起上线,拆开只是把一次发布变成多次协调。 容量曲线是否分开。没有连续观测到某模块的 CPU 或 QPS 与其余模块差一个数量级,就没有独立扩容收益。 故障能否隔离。下游超时后主路径仍能完成,才算隔离;否则只是把进程内异常换成网络故障。 是否有独立负责人和独立 on-call。没有人认这组表和接口,服务名只是目录。 人数不是判据。小团队里某条写入路径已经有独立容量和独立发布需求,可以只抽这一个;大团队一次拆光,一样会烂。把「不到 20 人就选单体」写成硬条件,是把编制当成了边界。 再拆的顺序固定:先收成显式接口并补契约测试,再把同步改成可接受失败的异步,最后才抽独立部署。协议变更和部署拆分不要放在同一次发布。回滚要能在一个发布窗口内切回进程内实现,并事先演练过。 三、商业验收同时报运维、恢复和迁移 开发工时下降不能单独当收益。用同一条黄金链路,在模块化单体和候选拆分上各做一轮故障注入:下游超时、重复投递、发布中回滚。没有同时报下面三类数,不签字。阈值按这条链路的 SLO 定,不抄别人的毫秒数。 运维复杂度记部署单元数、流水线数、配置项数量。上了服务网格,在 TKE 里量 sidecar 相对业务容器的 CPU 和内存,追踪存储看可观测平台里错误全保留、成功采样之后的日用量。从压测和账单取,不估算。 故障恢复记跨服务故障的 MTTR,对照同模块故障的 MTTR;再记补偿触发次数、悬挂事务数、人工对账工时。MTTR 变长又没有隔离收益,拆分不成立。 渐进迁移记双写或双读窗口天数、契约测试与联调人日、演练测得的回滚耗时。窗口超过一个迭代仍对不齐,停止扩大拆分范围。 结论只对这条链路、这次测量负责。没有这三组数,不把「微服务更先进」写进路线图。...
展开详请
赞
0
收藏
0
评论
0
分享
四份 DDD 方案不要比谁的上下文更细,也不要按名词一一映射成 Deployment。限界上下文是模型边界,不是进程边界。AI 常见两种错法:把一个上下文再拆成多个服务,或把每个上下文直接生成一个部署单元。前者用事务不变量挡,后者用同步调用链挡。 一、四份方案用同一张约束清单淘汰 评审不收架构图辩论。四份方案填同一份清单,缺字段或自相矛盾的直接退回。通过的里面,选部署单元更少、且仍满足独立发布需求的那份,不选服务数更多的那份。 事务不变量挡住「一个上下文拆成多个服务」。列出一次请求里必须同成功或同回滚的写操作,写明聚合、表、失败后能否补偿。两条写共享一个不变量,又被拆进两个服务,否决。下单写订单并扣库存,若不能出现「已扣库存但无订单」,就留在同一部署单元。接受补偿的前提是产品书面承认中间态、悬挂单和对账,不是会上说以后再加。 同步调用链挡住「一个上下文一个 Deployment」。每条核心请求写清入口、被调模块、是否写、超时预算。起始约束:核心路径同步跳数不超过 2(入口不计),不允许同步环,不允许 A 的主路径在 B 不可用时必然失败。超过说明故障域没切开,先收成模块内调用。异步可以跨边界,但事件要有幂等键、版本和死信;仍然同步等结果的,不能用改成消息来掩盖。 数据所有权是上面两条的交叉检查。每张表、每个聚合只有一个写入模块。跨服务直连对方库,或共享同一个事务管理器,视为没拆干净。 生成代码之前先过这张清单。compensation_accepted 为 false 且写入方超过一个模块时,流水线失败,而不是生成两个 Deployment。 invariants: - id: order_and_stock writers: [order_module] must_commit_together: true compensation_accepted: false sync_chain: max_hops: 2 allow_cycle: false core_paths: - name: place_order hops: [api, order_module] data_ownership: orders: order_module stock: order_module 库存必须和订单同提交时,stock 的写入者也是 order_module。AI 若改成独立服务,用清单做 diff,不要看它新画的上下文图。 二、产品先判模块化单体 一天生成一套微服务仓库,不改变四个现场事实。缺两条以上,就用模块化单体:一个部署单元,按上下文分模块,模块间只走进程内接口,禁止跨模块查库。AI 生成的目录映射成模块,不映射成服务。 发布是否必须独立。仍在同一迭代窗口一起上线,拆开只是把一次发布变成多次协调。 容量曲线是否分开。没有连续观测到某模块的 CPU 或 QPS 与其余模块差一个数量级,就没有独立扩容收益。 故障能否隔离。下游超时后主路径仍能完成,才算隔离;否则只是把进程内异常换成网络故障。 是否有独立负责人和独立 on-call。没有人认这组表和接口,服务名只是目录。 人数不是判据。小团队里某条写入路径已经有独立容量和独立发布需求,可以只抽这一个;大团队一次拆光,一样会烂。把「不到 20 人就选单体」写成硬条件,是把编制当成了边界。 再拆的顺序固定:先收成显式接口并补契约测试,再把同步改成可接受失败的异步,最后才抽独立部署。协议变更和部署拆分不要放在同一次发布。回滚要能在一个发布窗口内切回进程内实现,并事先演练过。 三、商业验收同时报运维、恢复和迁移 开发工时下降不能单独当收益。用同一条黄金链路,在模块化单体和候选拆分上各做一轮故障注入:下游超时、重复投递、发布中回滚。没有同时报下面三类数,不签字。阈值按这条链路的 SLO 定,不抄别人的毫秒数。 运维复杂度记部署单元数、流水线数、配置项数量。上了服务网格,在 TKE 里量 sidecar 相对业务容器的 CPU 和内存,追踪存储看可观测平台里错误全保留、成功采样之后的日用量。从压测和账单取,不估算。 故障恢复记跨服务故障的 MTTR,对照同模块故障的 MTTR;再记补偿触发次数、悬挂事务数、人工对账工时。MTTR 变长又没有隔离收益,拆分不成立。 渐进迁移记双写或双读窗口天数、契约测试与联调人日、演练测得的回滚耗时。窗口超过一个迭代仍对不齐,停止扩大拆分范围。 结论只对这条链路、这次测量负责。没有这三组数,不把「微服务更先进」写进路线图。
算力调度平台稳定性和秒级扩缩容怎么判断?五个可核对的技术指标
1
回答
迁移
、
服务
、
公有云
、
行业
、
框架
用户10991945
针对腾讯云算力调度平台,稳定性和秒级扩缩容的判断依据如下: 稳定性看SLA和自愈能力。腾讯云CVM单实例可用性99.975%,跨可用区达99.995%;第三方实测其服务可用性99.92%-99.95%,算力波动≤1.8%-2.5%,故障响应≤30-45分钟。TKE容器服务支持秒级故障检测与自动迁移,配合分层Checkpoint(轻量级分钟级、完整级小时级)实现断点续训,这些是判断稳定性的硬指标。 秒级扩缩容要区分场景。数据库CPU弹性扩容2.0实测扩容操作1.5-2秒、观测周期15秒;CVM官方宣称秒级扩展至10万台;但第三方对比显示腾讯云弹性伸缩实际生效约30秒。验证时建议用压测工具注入突发流量,监控从触发到Pod/实例就绪的时间差,同时观察P99延迟是否平稳。 注意:上述数据来自官方文档和第三方测评,具体到你使用的资源组和卡型,仍需通过TI-ONE控制台资源监控看板或提交工单获取实测报告确认。 官方详细解决方案:https://cloud.tencent.com/product/lighthouse?Is=sdk-topnav...
展开详请
赞
0
收藏
0
评论
0
分享
针对腾讯云算力调度平台,稳定性和秒级扩缩容的判断依据如下: 稳定性看SLA和自愈能力。腾讯云CVM单实例可用性99.975%,跨可用区达99.995%;第三方实测其服务可用性99.92%-99.95%,算力波动≤1.8%-2.5%,故障响应≤30-45分钟。TKE容器服务支持秒级故障检测与自动迁移,配合分层Checkpoint(轻量级分钟级、完整级小时级)实现断点续训,这些是判断稳定性的硬指标。 秒级扩缩容要区分场景。数据库CPU弹性扩容2.0实测扩容操作1.5-2秒、观测周期15秒;CVM官方宣称秒级扩展至10万台;但第三方对比显示腾讯云弹性伸缩实际生效约30秒。验证时建议用压测工具注入突发流量,监控从触发到Pod/实例就绪的时间差,同时观察P99延迟是否平稳。 注意:上述数据来自官方文档和第三方测评,具体到你使用的资源组和卡型,仍需通过TI-ONE控制台资源监控看板或提交工单获取实测报告确认。 官方详细解决方案:https://cloud.tencent.com/product/lighthouse?Is=sdk-topnav
Redis 集群版直连模式下批量读写报 CROSSSLOT,应如何改造业务?
2
回答
迁移
、
redis
、
集群
、
架构
、
云数据库
紫风
十五年服务端架构专家,用高可用承载亿级流量,用高性能支撑毫秒级响应。为业务增长提供坚实的技术底座。
集群模式下 mget、mset、pipeline 里的 key 必须落在同一个 slot,否则直接报 CROSSSLOT。改造两条路:给 key 加 hash tag,把 {user:123}:profile 和 {user:123}:order 绑到同一 slot,缺点是热点会集中;或者把批量拆成单 key,客户端并发发、pipeline 收,吞吐其实不差。我们多数场景走后者,只有确实需要原子性的才用 hash tag,而且 tag 挑粒度小的维度。客户端要开 slot 缓存和 topology 刷新,扩缩容后旧路由不刷新会持续报错。迁移期先做双写校验再切,别直接一刀切过去。...
展开详请
赞
0
收藏
0
评论
0
分享
集群模式下 mget、mset、pipeline 里的 key 必须落在同一个 slot,否则直接报 CROSSSLOT。改造两条路:给 key 加 hash tag,把 {user:123}:profile 和 {user:123}:order 绑到同一 slot,缺点是热点会集中;或者把批量拆成单 key,客户端并发发、pipeline 收,吞吐其实不差。我们多数场景走后者,只有确实需要原子性的才用 hash tag,而且 tag 挑粒度小的维度。客户端要开 slot 缓存和 topology 刷新,扩缩容后旧路由不刷新会持续报错。迁移期先做双写校验再切,别直接一刀切过去。
个人版云开发,如何将上海的 MySQL 数据迁移到广州?
1
回答
数据库
、
数据迁移
、
云开发
、
迁移
、
mysql
用户10991945
云托管不支持跨地域一键迁移,需在广州新建环境后手动部署代码和配置。注意广州地域目前按白名单提供,需先联系客服或提工单申请开通。 独立MySQL可用DTS从上海平滑迁移到广州,支持全量+增量模式,业务不停机。购买DTS任务时源实例选上海、目标实例选广州即可。 退订方面,包年包月资源每个主体每产品享1次5天内无理由全额退款;超期则按剩余价值非全额退款(实付金额减去已消耗金额)。可在对应产品控制台自助退订,或提交工单处理,退款先到腾讯云账户余额再提现。 官方详细解决方案:https://cloud.tencent.com/product/tdsqlc?Is=sdk-topnav...
展开详请
赞
0
收藏
0
评论
0
分享
云托管不支持跨地域一键迁移,需在广州新建环境后手动部署代码和配置。注意广州地域目前按白名单提供,需先联系客服或提工单申请开通。 独立MySQL可用DTS从上海平滑迁移到广州,支持全量+增量模式,业务不停机。购买DTS任务时源实例选上海、目标实例选广州即可。 退订方面,包年包月资源每个主体每产品享1次5天内无理由全额退款;超期则按剩余价值非全额退款(实付金额减去已消耗金额)。可在对应产品控制台自助退订,或提交工单处理,退款先到腾讯云账户余额再提现。 官方详细解决方案:https://cloud.tencent.com/product/tdsqlc?Is=sdk-topnav
phpcms网上有没有信创适配和兼容达梦国产数据库的方案?
3
回答
数据库
、
网站
、
迁移
、
cms
、
漏洞
PikeTalk
phpcms(v9 及其衍生版)适配达梦,没有官方版本,但国产化迁移这个组合有不少实际案例,可行路径有三条:1. ODBC 通用路径(改动最小):达梦提供 Linux/Windows 的 ODBC 驱动,phpcms 的数据库层用的是 php 的数据库抽象(v9 是基于自家的数据库驱动类)。适配做法:a. 安装达梦客户端 + 配置 ODBC 数据源;b. 写一个达梦的驱动类(继承 phpcms 的 db 抽象类),底层用 PDO_ODBC 连达梦——SQL 语法差异在这个驱动类里做转换(达梦兼容 Oracle 模式和 MySQL 模式,选 MySQL 兼容模式能少改一大半语法);c. 实际的工作量集中在 SQL 方言差异:分页(LIMIT 在达梦 MySQL 模式下支持)、自增主键(达梦用 IDENTITY,建表 SQL 要改)、函数差异(GROUP_CONCAT 达梦是 LISTAGG 或 WM_CONCAT)。改造量评估:核心表 50 张以内、查询里没有存储过程的话,2~4 周能跑通;2. 达梦 DTS 迁移工具 + 数据层改造:达梦自带的 DTS 工具能从 MySQL 直接把表结构(自动转换类型)和数据迁过去,省掉手写建表。之后 phpcms 侧还是要做驱动适配(同第 1 条的 b/c 步)——DTS 解决「数据搬家」,驱动类解决「应用能跑」,两个都要;3. 换内核路线(如果 phpcms 是老站):phpcms v9 已停止维护多年(安全漏洞没人修——这也是信创评审会卡它的点),如果站点还有运营价值,趁信创迁移直接换到还在维护的系统(比如迅睿/迅睿CMS 这类有国产数据库适配实践的国产框架)比硬适配老 phpcms 更合理——信创项目通常要求「基础软件有维护承诺」,phpcms 的停维状态在评审环节风险更大;4. 实操建议:a. 先确认达梦版本(DM8)和兼容模式(参数 COMPATIBLE_MODE,设成 4 是 MySQL 兼容),装好后用 DTS 迁表;b. phpcms 的驱动类改造参考网上现成的「达梦 PHP PDO 适配」案例(达梦社区有 PHP 驱动和文档);c. 跑全站回归时重点盯:搜索(LIKE 中文在达梦的大小写敏感配置)、分页 SQL、count 语句——这三类最容易出差异。如果这个站是政务遗留系统,评估下数据是否直接归档静态化——很多老 phpcms 站点实际只是信息展示,静态化后挂到信创 Web 服务器上,比活库迁移成本低一个量级。...
展开详请
赞
0
收藏
0
评论
0
分享
phpcms(v9 及其衍生版)适配达梦,没有官方版本,但国产化迁移这个组合有不少实际案例,可行路径有三条:1. ODBC 通用路径(改动最小):达梦提供 Linux/Windows 的 ODBC 驱动,phpcms 的数据库层用的是 php 的数据库抽象(v9 是基于自家的数据库驱动类)。适配做法:a. 安装达梦客户端 + 配置 ODBC 数据源;b. 写一个达梦的驱动类(继承 phpcms 的 db 抽象类),底层用 PDO_ODBC 连达梦——SQL 语法差异在这个驱动类里做转换(达梦兼容 Oracle 模式和 MySQL 模式,选 MySQL 兼容模式能少改一大半语法);c. 实际的工作量集中在 SQL 方言差异:分页(LIMIT 在达梦 MySQL 模式下支持)、自增主键(达梦用 IDENTITY,建表 SQL 要改)、函数差异(GROUP_CONCAT 达梦是 LISTAGG 或 WM_CONCAT)。改造量评估:核心表 50 张以内、查询里没有存储过程的话,2~4 周能跑通;2. 达梦 DTS 迁移工具 + 数据层改造:达梦自带的 DTS 工具能从 MySQL 直接把表结构(自动转换类型)和数据迁过去,省掉手写建表。之后 phpcms 侧还是要做驱动适配(同第 1 条的 b/c 步)——DTS 解决「数据搬家」,驱动类解决「应用能跑」,两个都要;3. 换内核路线(如果 phpcms 是老站):phpcms v9 已停止维护多年(安全漏洞没人修——这也是信创评审会卡它的点),如果站点还有运营价值,趁信创迁移直接换到还在维护的系统(比如迅睿/迅睿CMS 这类有国产数据库适配实践的国产框架)比硬适配老 phpcms 更合理——信创项目通常要求「基础软件有维护承诺」,phpcms 的停维状态在评审环节风险更大;4. 实操建议:a. 先确认达梦版本(DM8)和兼容模式(参数 COMPATIBLE_MODE,设成 4 是 MySQL 兼容),装好后用 DTS 迁表;b. phpcms 的驱动类改造参考网上现成的「达梦 PHP PDO 适配」案例(达梦社区有 PHP 驱动和文档);c. 跑全站回归时重点盯:搜索(LIKE 中文在达梦的大小写敏感配置)、分页 SQL、count 语句——这三类最容易出差异。如果这个站是政务遗留系统,评估下数据是否直接归档静态化——很多老 phpcms 站点实际只是信息展示,静态化后挂到信创 Web 服务器上,比活库迁移成本低一个量级。
63:职业成长:什么时候该主动减速?
4
回答
迁移
、
agent
、
产品
、
腾讯云架构师技术同盟
、
深圳同盟
技术方舟
科大讯飞 | 资深架构师 (已认证)
江湖人称“山哥”,在数字化、人工智能、电商和金融等领域积累了丰富的平台架构设计经验
主动减速的时机,不是单纯“忙”或“遇到难题”,而是持续投入已难以换来有效进展,或正在透支恢复能力:技术上,可按周对照自身基线观察交付周期、返工率、线上缺陷、独立解决问题的能力,以及睡眠和专注状态;若加班增加而质量、学习收益停滞,应先减负休整,若状态尚好且问题反复指向同一知识短板,则适合减少并行任务、集中深入。产品上,Agent/FDE 交付若客户需求明确,瓶颈在领域理解、数据质量、工具集成、评测、权限控制或失败后的人工接管,应优先补齐这些基础能力,而非频繁换框架;若多轮验证仍无真实使用、付费意愿或可接受的交付成本,才更值得考虑转向。商业上,季度复盘可比较“继续、休整、转向”在下一季度的预期收益、现金与时间成本、失败风险,同时计入休整可能减少的返工和透支,并盘点代码、评测集、行业知识与客户关系等资产的实际可迁移程度;用未来的增量收益做选择,而不是让过去的投入绑架决定。...
展开详请
赞
1
收藏
0
评论
0
分享
主动减速的时机,不是单纯“忙”或“遇到难题”,而是持续投入已难以换来有效进展,或正在透支恢复能力:技术上,可按周对照自身基线观察交付周期、返工率、线上缺陷、独立解决问题的能力,以及睡眠和专注状态;若加班增加而质量、学习收益停滞,应先减负休整,若状态尚好且问题反复指向同一知识短板,则适合减少并行任务、集中深入。产品上,Agent/FDE 交付若客户需求明确,瓶颈在领域理解、数据质量、工具集成、评测、权限控制或失败后的人工接管,应优先补齐这些基础能力,而非频繁换框架;若多轮验证仍无真实使用、付费意愿或可接受的交付成本,才更值得考虑转向。商业上,季度复盘可比较“继续、休整、转向”在下一季度的预期收益、现金与时间成本、失败风险,同时计入休整可能减少的返工和透支,并盘点代码、评测集、行业知识与客户关系等资产的实际可迁移程度;用未来的增量收益做选择,而不是让过去的投入绑架决定。
数据库迁移你们是双写还是 CDC 追平?校验怎么做?
1
回答
数据库
、
数据迁移
、
迁移
、
数据
用户10991945
实战里现在极少用业务代码双写,侵入性太强,一边写失败事务极难处理。主流都选 CDC(像 Canal 或 Flink CDC)追平。 标准套路是:先全量快照同步,再开 CDC 追增量 Binlog。等延迟降到毫秒级,先切读,最后切写。 校验千万别偷懒,分三步走: 全量校验:写脚本对比两边行数,或者对核心字段算 CRC32/MD5 校验和。 增量校验:跑定时任务,每天抽样比对最近修改的几千条数据,逐字段核对。 双读校验(最稳):切写前,业务层双读新老库,异步比对结果,只记日志不阻断主流程。连续跑一周没差异,再彻底切流下线老库。 官方详细解决方案:https://cloud.tencent.com/product/tdsqlc?Is=sdk-topnav...
展开详请
赞
0
收藏
0
评论
0
分享
实战里现在极少用业务代码双写,侵入性太强,一边写失败事务极难处理。主流都选 CDC(像 Canal 或 Flink CDC)追平。 标准套路是:先全量快照同步,再开 CDC 追增量 Binlog。等延迟降到毫秒级,先切读,最后切写。 校验千万别偷懒,分三步走: 全量校验:写脚本对比两边行数,或者对核心字段算 CRC32/MD5 校验和。 增量校验:跑定时任务,每天抽样比对最近修改的几千条数据,逐字段核对。 双读校验(最稳):切写前,业务层双读新老库,异步比对结果,只记日志不阻断主流程。连续跑一周没差异,再彻底切流下线老库。 官方详细解决方案:https://cloud.tencent.com/product/tdsqlc?Is=sdk-topnav
Genie 4造的世界能替代真实验证吗?
3
回答
迁移
、
量化
、
同步
、
腾讯云架构师技术同盟
、
深圳同盟
PikeTalk
短期能替代一部分(长尾场景测试),但核心验证暂时替代不了——价值最大的用法是「仿真生成测试用例,真人验证关键路径」。分三点:1. 仿真世界的真实价值在「长尾覆盖」:真实测试覆盖不到的场景——极端天气、罕见故障组合、百万并发下的雪崩——仿真可以批量生成、低成本重复。它的经济学优势是失败不要钱:仿真里崩一百次都没有后果。这类「广度验证」交给仿真是划算的;2. 但仿真有「共同盲区」风险:仿真环境的物理引擎和规则本身是简化模型,仿真与现实的差异(friction gap)决定了验证结论的可信度上限。如果你的仿真器和被验证系统是同一批人写的,模型假设的错误会同时藏在这两边——仿真验证通过不代表现实成立,这是所有 simulation-based validation 的根本缺陷。自动驾驶行业的做法可以借鉴:仿真跑几十亿公里,但拿真实路测的边缘案例(corner case)持续回灌修正仿真器的保真度;3. 落地建议:a) 关键路径(资金、安全、人身相关)保留真实验证,仿真只做补充和预演;b) 仿真的验证结论要定期用真实数据校准——仿真说成功率 99.9%,真实数据统计出来多少?差值就是仿真器的误差模型,长期维护这个误差模型比堆仿真场景更重要;c) 把仿真定位为「用例工厂」而不是「验证裁判」:它擅长穷举场景、发现你想不到的组合,最终裁决还是要看真实世界的回测数据。一句话:仿真扩大验证的宽度,真实验证决定结论的置信度,两者是配合不是替代。...
展开详请
赞
0
收藏
0
评论
0
分享
短期能替代一部分(长尾场景测试),但核心验证暂时替代不了——价值最大的用法是「仿真生成测试用例,真人验证关键路径」。分三点:1. 仿真世界的真实价值在「长尾覆盖」:真实测试覆盖不到的场景——极端天气、罕见故障组合、百万并发下的雪崩——仿真可以批量生成、低成本重复。它的经济学优势是失败不要钱:仿真里崩一百次都没有后果。这类「广度验证」交给仿真是划算的;2. 但仿真有「共同盲区」风险:仿真环境的物理引擎和规则本身是简化模型,仿真与现实的差异(friction gap)决定了验证结论的可信度上限。如果你的仿真器和被验证系统是同一批人写的,模型假设的错误会同时藏在这两边——仿真验证通过不代表现实成立,这是所有 simulation-based validation 的根本缺陷。自动驾驶行业的做法可以借鉴:仿真跑几十亿公里,但拿真实路测的边缘案例(corner case)持续回灌修正仿真器的保真度;3. 落地建议:a) 关键路径(资金、安全、人身相关)保留真实验证,仿真只做补充和预演;b) 仿真的验证结论要定期用真实数据校准——仿真说成功率 99.9%,真实数据统计出来多少?差值就是仿真器的误差模型,长期维护这个误差模型比堆仿真场景更重要;c) 把仿真定位为「用例工厂」而不是「验证裁判」:它擅长穷举场景、发现你想不到的组合,最终裁决还是要看真实世界的回测数据。一句话:仿真扩大验证的宽度,真实验证决定结论的置信度,两者是配合不是替代。
Makers 普通 Cloud Functions 如何免费升级到受支持的 Node 22/24?
1
回答
node.js
、
迁移
、
cloud
、
配置
、
腾讯
用户10991945
别折腾“免费升级”了,GCF Gen 1(普通版)根本不支持 Node 22/24。 Google 早就把 GCF Gen 1 停更了,Node 18 是它最后的归宿。你想用新 Node 版本,必须迁移到 Cloud Functions for Firebase (Gen 2) 或 Cloud Run。 正确做法: 直接重写代码:把 exports.functionName = functions.https.onRequest(...) 改成 Firebase SDK 写法。 部署到新环境:用 firebase deploy 部署到 Gen 2 环境,那里原生支持 Node 20/22。 费用问题:Gen 2 有免费额度(每月 200 万次调用),大部分个人项目依然能白嫖。如果超出,按量付费也很便宜。 总结:别在 Gen 1 上找路了,墙已经封死了。迁移到 Gen 2 是唯一出路,顺便还能享受更稳定的性能和更现代的运行时。 官方详细解决方案:https://console.cloud.tencent.com/edgeone...
展开详请
赞
0
收藏
0
评论
0
分享
别折腾“免费升级”了,GCF Gen 1(普通版)根本不支持 Node 22/24。 Google 早就把 GCF Gen 1 停更了,Node 18 是它最后的归宿。你想用新 Node 版本,必须迁移到 Cloud Functions for Firebase (Gen 2) 或 Cloud Run。 正确做法: 直接重写代码:把 exports.functionName = functions.https.onRequest(...) 改成 Firebase SDK 写法。 部署到新环境:用 firebase deploy 部署到 Gen 2 环境,那里原生支持 Node 20/22。 费用问题:Gen 2 有免费额度(每月 200 万次调用),大部分个人项目依然能白嫖。如果超出,按量付费也很便宜。 总结:别在 Gen 1 上找路了,墙已经封死了。迁移到 Gen 2 是唯一出路,顺便还能享受更稳定的性能和更现代的运行时。 官方详细解决方案:https://console.cloud.tencent.com/edgeone
DTS 迁移 Redis 时,如何验收短 TTL 数据的过期语义?
3
回答
迁移
、
key
、
redis
、
数据
、
云数据库
紫风
十五年服务端架构专家,用高可用承载亿级流量,用高性能支撑毫秒级响应。为业务增长提供坚实的技术底座。
短 TTL 数据是 Redis 迁移里最容易踩坑的部分,验收要专门设计。风险点在于:全量加增量同步期间,源库的 key 可能在传输完成前就过期,DTS 同步的是写命令还是快照,决定目标端这个 key 是否存在、TTL 是否被重置。验收方法:造一批不同 TTL 的 key,比如 10 秒、60 秒、5 分钟,在迁移开始前后分别写入,记录实际过期时间点和源端对比,偏差超出同步延迟正常范围就说明 TTL 语义没保住。另外注意过期重放实现:用绝对时间戳就没问题,如果是相对 TTL,会被重放延迟拉长。业务侧还要确认依赖 key 过期触发逻辑的代码,迁移后做一致性校验,别默认过期语义百分之百等价。...
展开详请
赞
0
收藏
0
评论
0
分享
短 TTL 数据是 Redis 迁移里最容易踩坑的部分,验收要专门设计。风险点在于:全量加增量同步期间,源库的 key 可能在传输完成前就过期,DTS 同步的是写命令还是快照,决定目标端这个 key 是否存在、TTL 是否被重置。验收方法:造一批不同 TTL 的 key,比如 10 秒、60 秒、5 分钟,在迁移开始前后分别写入,记录实际过期时间点和源端对比,偏差超出同步延迟正常范围就说明 TTL 语义没保住。另外注意过期重放实现:用绝对时间戳就没问题,如果是相对 TTL,会被重放延迟拉长。业务侧还要确认依赖 key 过期触发逻辑的代码,迁移后做一致性校验,别默认过期语义百分之百等价。
元器即将停运,如何迁移过来?
2
回答
迁移
、
玩转腾讯元器
用户10991945
别慌,元器停运是定局,赶紧把家底搬走。 第一步,先把数据和素材“扒”下来。后台一般都有导出功能,数据库转成Excel或JSON,图片视频全下载到本地硬盘,别留任何侥幸心理。 第二步,找新家。目前最顺的是腾讯云开发(CloudBase)或者纯微信小程序原生。前端代码得重写,元器的模板引擎不兼容微信标准,得按WXML/WXSS格式来;后端逻辑如果复杂,建议写成云函数,省事且稳定。 第三步,用户数据别丢。原来的账号体系要废弃,改用微信UnionID重新做登录,确保老用户能无缝衔接。 最后,找个懂前后端的同事,或者外包团队,按这个思路重构。时间紧任务重,先跑通核心业务,再优化细节,别追求完美,先活下来再说。 官方详细解决方案:https://cloud.tencent.com/product/tdsqlc?Is=sdk-topnav...
展开详请
赞
0
收藏
0
评论
0
分享
别慌,元器停运是定局,赶紧把家底搬走。 第一步,先把数据和素材“扒”下来。后台一般都有导出功能,数据库转成Excel或JSON,图片视频全下载到本地硬盘,别留任何侥幸心理。 第二步,找新家。目前最顺的是腾讯云开发(CloudBase)或者纯微信小程序原生。前端代码得重写,元器的模板引擎不兼容微信标准,得按WXML/WXSS格式来;后端逻辑如果复杂,建议写成云函数,省事且稳定。 第三步,用户数据别丢。原来的账号体系要废弃,改用微信UnionID重新做登录,确保老用户能无缝衔接。 最后,找个懂前后端的同事,或者外包团队,按这个思路重构。时间紧任务重,先跑通核心业务,再优化细节,别追求完美,先活下来再说。 官方详细解决方案:https://cloud.tencent.com/product/tdsqlc?Is=sdk-topnav
记结论不记约束,架构决策多久会烂尾?
5
回答
迁移
、
架构
、
重构
、
腾讯云架构师技术同盟
、
深圳同盟
李福春
游戏发行平台,跨境电商,低代码,物联网,数字人商业项目架构师
真正该进架构决策记录的,不是「我们选了 X」,而是「X 在什么约束下成立」。技术侧要为决策补齐约束、备选方案和负责人,把规模、成本、交付节奏的变化映射成复审触发器,结论才有保质期;否则约束一变,方案收益早已改写,文档还在替旧世界背书。产品侧同样如此,租户数量、交付频率、故障形态一变,旧结论失效往往先表现为体验退化而不是报错,识别这些信号比争论对错更有效。商业上,约束触发重构的成本账要提前算:迁移人力、停机、客户流失,必须和继续维护的累计成本摆在同一张表里比较,否则「重构更划算」只是口号。 但复审绝不等于自动推翻。约束变化只是提醒重新评估,若一看到指标波动就推翻结论,团队会在迁移中反复推倒重来,迁移事故、数据不一致和回退路径缺失造成的损失,往往高于再忍一个季度。盲守旧结论会积累成本,频繁重构同样积累技术债和信任债,两种错误是对称的。 可行的做法是给决策写保质条件:明确约束、备选和负责人,设好触发器,触发后先验证替代方案与回退路径,再决定改不改。持续观察单位租户成本、升级工时、故障率以及约束本身的变化,让复审成为例行机制而不是情绪反应。结论可以换,前提是约束先说话。...
展开详请
赞
1
收藏
0
评论
0
分享
真正该进架构决策记录的,不是「我们选了 X」,而是「X 在什么约束下成立」。技术侧要为决策补齐约束、备选方案和负责人,把规模、成本、交付节奏的变化映射成复审触发器,结论才有保质期;否则约束一变,方案收益早已改写,文档还在替旧世界背书。产品侧同样如此,租户数量、交付频率、故障形态一变,旧结论失效往往先表现为体验退化而不是报错,识别这些信号比争论对错更有效。商业上,约束触发重构的成本账要提前算:迁移人力、停机、客户流失,必须和继续维护的累计成本摆在同一张表里比较,否则「重构更划算」只是口号。 但复审绝不等于自动推翻。约束变化只是提醒重新评估,若一看到指标波动就推翻结论,团队会在迁移中反复推倒重来,迁移事故、数据不一致和回退路径缺失造成的损失,往往高于再忍一个季度。盲守旧结论会积累成本,频繁重构同样积累技术债和信任债,两种错误是对称的。 可行的做法是给决策写保质条件:明确约束、备选和负责人,设好触发器,触发后先验证替代方案与回退路径,再决定改不改。持续观察单位租户成本、升级工时、故障率以及约束本身的变化,让复审成为例行机制而不是情绪反应。结论可以换,前提是约束先说话。
只讲成功部署图,架构经验还能复制吗?
2
回答
迁移
、
部署
、
产品
、
腾讯云架构师技术同盟
、
深圳同盟
紫风
十五年服务端架构专家,用高可用承载亿级流量,用高性能支撑毫秒级响应。为业务增长提供坚实的技术底座。
已采纳
部署图只是结果,真正难复制的是踩坑过程和取舍依据。一个架构能跑起来,背后往往是十次失败回滚、监控告警救火、容量评估修正。看别人的图只能学到「用了什么」,学不到「为什么没用别的」。要复制经验,得把当时的业务量级、团队能力、预算约束、故障案例一起打包看。否则照猫画虎,很容易就复制出一套跑不动的东西。...
展开详请
赞
1
收藏
0
评论
0
分享
部署图只是结果,真正难复制的是踩坑过程和取舍依据。一个架构能跑起来,背后往往是十次失败回滚、监控告警救火、容量评估修正。看别人的图只能学到「用了什么」,学不到「为什么没用别的」。要复制经验,得把当时的业务量级、团队能力、预算约束、故障案例一起打包看。否则照猫画虎,很容易就复制出一套跑不动的东西。
企业微信客户场景想帮忙确认一下可行性?
1
回答
腾讯会议
、
迁移
、
企业微信汽车行业版
、
微信开放平台
、
WorkBuddy
PikeTalk
企业微信的客户场景可行性取决于你要做什么:1. 如果你是做客户触达/消息通知:企业微信的客户联系功能(原企业微信客户号)允许企业员工与微信用户加好友、发消息、群发通知——这是官方支持的路径,但群发有频率限制(每天一条,每个客户)且不能强制;2. 如果你是做客户服务/工单:企业微信的会话存档 API(需要付费开通)允许企业读取员工与客户之间的聊天记录——合规要求客户端同意授权;3. 如果你是做业务对接:企业微信开放了丰富的 API(通讯录、审批、日程、打卡等),配套 SDK 覆盖常见语言,落地难度不高。需要确认可行性的是你的具体场景——建议补充:你要对接的微信/企业微信具体功能点(消息/群/好友/工作台应用)、你的业务形态(ToB 还是 ToC)。不同场景的可行性与限制差异很大,通用回答意义有限。...
展开详请
赞
0
收藏
0
评论
0
分享
企业微信的客户场景可行性取决于你要做什么:1. 如果你是做客户触达/消息通知:企业微信的客户联系功能(原企业微信客户号)允许企业员工与微信用户加好友、发消息、群发通知——这是官方支持的路径,但群发有频率限制(每天一条,每个客户)且不能强制;2. 如果你是做客户服务/工单:企业微信的会话存档 API(需要付费开通)允许企业读取员工与客户之间的聊天记录——合规要求客户端同意授权;3. 如果你是做业务对接:企业微信开放了丰富的 API(通讯录、审批、日程、打卡等),配套 SDK 覆盖常见语言,落地难度不高。需要确认可行性的是你的具体场景——建议补充:你要对接的微信/企业微信具体功能点(消息/群/好友/工作台应用)、你的业务形态(ToB 还是 ToC)。不同场景的可行性与限制差异很大,通用回答意义有限。
K8s迁移没给容量指标怎么定架构?
2
回答
迁移
、
云原生分布式云中心
、
云原生数据库 TDSQL-C
、
架构
、
监控
顺势而为
已采纳
第一步:从定性评估开始 在没有数据的情况下,我们先从“了解你的应用”入手: 分类应用,确定迁移优先级:将应用按状态和复杂度分类。通常,无状态应用(如Web前端、API)约占总体的50%,迁移复杂度相对较低,非常适合作为迁移的“先遣部队”。而有状态应用(需要持久化存储的)和遗留的单体应用则更复杂,应该后置处理。 梳理依赖关系:画出你的应用依赖图谱,包括它依赖的数据库、消息队列、缓存、DNS、入口规则和TLS证书等。这能帮你估算未来的连接开销和资源占用。 评估资源“画像”:即使没有具体数字,你也可以对应用的资源需求做个定性判断。例如,它是计算密集型(消耗CPU)、内存密集型,还是I/O密集型(消耗存储和网络)?这能为后续的基准设定提供方向。 ⚖️ 第二步:用“保守基准值”起跑 有了初步分类后,我们可以为不同类别的应用设定一个初始的、保守的资源请求(Requests)和限制(Limits)。 一个可参考的基准:对于中等复杂度的API服务,可以从 cpu: 200m 和 memory: 256Mi 左右的请求值起步。 关键原则:用Requests保证调度,用Limits防止失控。Requests是Kubernetes调度器用来决定将Pod放在哪个节点上的“最低保证”,Limits则是Pod能使用的资源上限。设置合理的Requests能确保Pod不会因为节点资源争抢而被驱逐。 后续计划:这个初始值只是一个起点,它的意义在于让服务先“跑起来”,真正的优化留到第三步。 ⚙️ 第三步:在迁移中“边跑边量” 这是最关键的一步。与其追求一次性的完美,不如把迁移本身变成一个获取真实数据的实验。 选择先锋,积累经验:根据第一步的分类,把无状态应用作为第一个迁移批次。在将它们部署到新环境后,你就能获得真实、宝贵的运行数据。 重点观察真实资源消耗:这是你推演后续批次容量和最终架构的依据。 CPU和内存:利用kubectl top pods或Prometheus等监控工具,观察Pod在代表性流量下的实际CPU和内存使用曲线。 存储(特别是对有状态应用):如果没有历史数据,可以借鉴迁移工具的策略。例如,一些迁移方案允许你设置一个阈值(如默认3%),当目标集群的持久卷(PV)使用率接近上限时,自动触发扩容,避免因空间不足导致迁移失败。你也可以使用一些开源方案,通过监控 kubelet_volume_stats_used_bytes 指标,在存储使用率达到80%时自动扩容卷。 利用监控验证架构假设:你可能会发现在不同K8s版本或操作系统上,指标收集方式有变化。因此,在生产流量下验证你的监控和可观测性体系是否有效,是确保后续容量规划准确的基础。 🔧 第四步:基于数据持续调优 更新基准,滚动优化:用从第一步应用收集到的真实数据,回过头去调整初始的基准值。然后,将这个更新的基准应用于下一批次的应用迁移。...
展开详请
赞
2
收藏
0
评论
0
分享
第一步:从定性评估开始 在没有数据的情况下,我们先从“了解你的应用”入手: 分类应用,确定迁移优先级:将应用按状态和复杂度分类。通常,无状态应用(如Web前端、API)约占总体的50%,迁移复杂度相对较低,非常适合作为迁移的“先遣部队”。而有状态应用(需要持久化存储的)和遗留的单体应用则更复杂,应该后置处理。 梳理依赖关系:画出你的应用依赖图谱,包括它依赖的数据库、消息队列、缓存、DNS、入口规则和TLS证书等。这能帮你估算未来的连接开销和资源占用。 评估资源“画像”:即使没有具体数字,你也可以对应用的资源需求做个定性判断。例如,它是计算密集型(消耗CPU)、内存密集型,还是I/O密集型(消耗存储和网络)?这能为后续的基准设定提供方向。 ⚖️ 第二步:用“保守基准值”起跑 有了初步分类后,我们可以为不同类别的应用设定一个初始的、保守的资源请求(Requests)和限制(Limits)。 一个可参考的基准:对于中等复杂度的API服务,可以从 cpu: 200m 和 memory: 256Mi 左右的请求值起步。 关键原则:用Requests保证调度,用Limits防止失控。Requests是Kubernetes调度器用来决定将Pod放在哪个节点上的“最低保证”,Limits则是Pod能使用的资源上限。设置合理的Requests能确保Pod不会因为节点资源争抢而被驱逐。 后续计划:这个初始值只是一个起点,它的意义在于让服务先“跑起来”,真正的优化留到第三步。 ⚙️ 第三步:在迁移中“边跑边量” 这是最关键的一步。与其追求一次性的完美,不如把迁移本身变成一个获取真实数据的实验。 选择先锋,积累经验:根据第一步的分类,把无状态应用作为第一个迁移批次。在将它们部署到新环境后,你就能获得真实、宝贵的运行数据。 重点观察真实资源消耗:这是你推演后续批次容量和最终架构的依据。 CPU和内存:利用kubectl top pods或Prometheus等监控工具,观察Pod在代表性流量下的实际CPU和内存使用曲线。 存储(特别是对有状态应用):如果没有历史数据,可以借鉴迁移工具的策略。例如,一些迁移方案允许你设置一个阈值(如默认3%),当目标集群的持久卷(PV)使用率接近上限时,自动触发扩容,避免因空间不足导致迁移失败。你也可以使用一些开源方案,通过监控 kubelet_volume_stats_used_bytes 指标,在存储使用率达到80%时自动扩容卷。 利用监控验证架构假设:你可能会发现在不同K8s版本或操作系统上,指标收集方式有变化。因此,在生产流量下验证你的监控和可观测性体系是否有效,是确保后续容量规划准确的基础。 🔧 第四步:基于数据持续调优 更新基准,滚动优化:用从第一步应用收集到的真实数据,回过头去调整初始的基准值。然后,将这个更新的基准应用于下一批次的应用迁移。
救命!空转,无信息返回?
0
回答
存储
、
迁移
、
备份
、
成长路径
、
工作
构建次数一个月500次不够用咋办?
0
回答
免费套餐
、
网站
、
迁移
、
EdgeOne
、
EdgeOne免费套餐
TDSQL MySQL 兼容 MySQL 协议和 MySQL ,迁移mysql 还需要改造吗?
1
回答
TDSQL MySQL 版
、
迁移服务
、
迁移
、
mysql
、
数据
技术方舟
科大讯飞 | 资深架构师 (已认证)
江湖人称“山哥”,在数字化、人工智能、电商和金融等领域积累了丰富的平台架构设计经验
“协议兼容”意味着客户端连接和大部分基础 SQL 可以复用;“MySQL 兼容”不等于分布式场景下零改造。 简单业务:可能接近直接迁移; 有大量复杂 SQL、存储过程、跨表关联或高并发热点写入:通常需要适配和性能改造; 正式迁移前,必须以目标 TDSQL MySQL 的具体产品形态、版本和兼容性清单为准,完成测试验证。...
展开详请
赞
1
收藏
0
评论
0
分享
“协议兼容”意味着客户端连接和大部分基础 SQL 可以复用;“MySQL 兼容”不等于分布式场景下零改造。 简单业务:可能接近直接迁移; 有大量复杂 SQL、存储过程、跨表关联或高并发热点写入:通常需要适配和性能改造; 正式迁移前,必须以目标 TDSQL MySQL 的具体产品形态、版本和兼容性清单为准,完成测试验证。
WorkBuddy 更新时误报"应用安装目录存在用户项目目录",但实际已无用户项目,且最终更新成功?
7
回答
windows
、
迁移
、
bug
、
resources
、
WorkBuddy
用户12430147
我也遇到了这个问题,像我把workbuddy下载在E盘,其中E盘里头有一个“_”文件夹,这个是上次更新时候留下的旧版本备份,workbuddy在启动时候会检测安装目录下是否存在这个备份目录,这个只是旧版本的副本,而真实的项目数据存在在C:\Users\xxxx\workbuddy下,不会受到影响。把这个下划线的文件夹删掉,然后就能执行更新了...
展开详请
赞
0
收藏
0
评论
4
分享
我也遇到了这个问题,像我把workbuddy下载在E盘,其中E盘里头有一个“_”文件夹,这个是上次更新时候留下的旧版本备份,workbuddy在启动时候会检测安装目录下是否存在这个备份目录,这个只是旧版本的副本,而真实的项目数据存在在C:\Users\xxxx\workbuddy下,不会受到影响。把这个下划线的文件夹删掉,然后就能执行更新了
热门
专栏
田飞雨的专栏
88 文章
55 订阅
腾讯云中间件的专栏
326 文章
133 订阅
腾讯云 DNSPod 团队
777 文章
55 订阅
腾讯云服务器团队的专栏
218 文章
324 订阅
领券