面临的问题

目前NAS挂载了7块硬盘，但是软raid的磁盘IO太高，换盘操作成本太高。在文件存储演进的今天，juiceFS的对象存储模式可以解决这个问题。

面临的问题

系统采用LVM逻辑卷管理，系统盘/数据盘均挂载在LVM卷组中。系统盘采用双500G硬盘，其中一个盘由于自身故障损坏，导致lvm逻辑卷无法加载，系统不可启动。

整理

1. 主要锁类型对比

2. 各类锁的基本用法

2.1 std::lock_guard

std::lock_guard是最简单的锁管理类，采用RAII模式，在构造时获取锁，在析构时释放锁，确保锁的正确释放。

学习目标

研究一下引擎的向量、标量查询以及混合查询的方案。并搞清楚混合查询的原理。

向量查询，标量查询，混合查询

向量查询、标量查询、混合查询的核心区别在于 “查询对象的数据类型” 和 “匹配逻辑”—— 前两者针对单一数据类型（向量 / 标量），后者则结合两种类型实现更精准的检索。

日志AI助手

TLS Copilot是面向日志检索场景提升易用性的的AI agent。包括但不限于，text2sql,语句报错修改,文档问答等。 TLS Copilot采用基于ReAct架构演进的Multi-Agent架构设计，基于Eino框架开发实现。该架构通过一个中心分发者（HostAgent）和多个专业子Agent的组合模式，实现了系统功能的高度模块化和专业化，提高了系统的可维护性，使得功能扩展变得更加灵活。

日志分析系统中日志聚类的核心作用与价值

在日志分析系统（如 ELK Stack、Loki、Splunk 等）中，日志聚类是指通过算法将海量、无序的日志按“内容相似度”自动归类，把重复或高度相似的日志聚合为“日志簇”的过程。其核心价值在于解决“日志量爆炸”与“人工分析效率低”的矛盾，从“无序日志海洋”中提取结构化信息，为故障定位、异常检测、日志压缩提供关键支撑。以下从核心作用、典型应用场景、技术逻辑、实施价值四个维度展开解析：

一. 系统告警的分类

在云原生架构中，告警体系围绕全链路可观测性（Observability） 设计，覆盖从基础设施到业务层的全维度，远不止日志告警。核心可分为 基础设施告警、容器与编排层告警、应用层告警、业务层告警、安全告警 五大类，每类都对应云原生场景的核心监控目标（如稳定性、性能、资源利用率、安全合规等）。

日志告警背景

阿里支持策略配置，告警通知，告警历史查询，告警抑制，通知策略，开放告警等较多功能。

日志服务告警功能主要包含以下功能组件：

• 日志存储（Topic）：日志服务提供Topic用于存储日志类型的数据，并在日志存储的基础上提供查询和分析（SQL92语法）功能。告警监控任务依赖于查询与分析功能。
• 告警监控（Alert Monitoring）：告警子系统，负责产生告警。告警监控系统由告警监控规则和资源数据等组成。
• 告警管理（Alert Management）：告警子系统，负责管理告警降噪和告警状态。告警管理系统由告警策略、告警事务管理和告警态势大盘等组成。
• 通知管理（Action Management）：告警子系统，负责管理告警的通知渠道和对象。通知组管理系统由行动策略、内容模板、日历、用户、用户组、值班组和渠道额度等组成。

日志告警关键流程

一、流式数据处理简介

流式处理

 实际应用中，不断产生的事件需要快速得到响应。作为应用程序想要处理无限、并发产生的事件流，且不想每次收到事件后就记录事件的状态。但是实际应用场景中，应用程序实际上是需要维护这样的信息的。即，当应用程序收到新事件时，需要从事件中读取数据或改变事件的状态。所以，有状态的流处理应用程序，通常会从已经记录的时间日志中提取输入事件(存储和分发时间流)。历史写入的事件日志是以附加的形式(对，就是类似kafka)写入。总之，有状态的流式应用十分广泛，如事件驱动应用程序;数据管道应用程序及数据分析应用程序。
 事件驱动的应用程序通常会有日志来进行交互，通常交互节点本地保存本地状态，并不将相关状态写入到外部存储。事件日志通道通常将日志的发送者和接收者分离，并提供异步、非阻塞性的事件传输。同时事件日志提供了更好的性能，扩展性及容错性也大幅度提升。
  数据管道通常提供较低的延迟，来提取和插入数据。比如不通存储系统之间同步数据的任务(ETL任务)。
  流处理通常不是等待定期触发，而是连续地提取事件流，并通过纳入最新时间来更新其计算结果。具备实时的，精确的结果，同时支持调整计算资源。

fabric 手动构建网络

fabric源码基本结构

首先假设你已经获取到fabric的源码(基本架构由fabric1.0说明)

那么得到的fabric 1.0的源码目录如下: