将 stdc++.h 加到 Macbook M1/M2/M3 编译环境中
这篇文章详细讲解了如何在 MacBook M1 上添加标准 C 库支持，涵盖环境配置、依赖安装以及解决常见问题的具体步骤。通过清晰的操作指南，帮助开发者轻松应对 M1 芯片的兼容性挑战，提升开发效率。内容适合需要在 M1 上进行 C/C++ 开发的程序员及对系统配置优化感兴趣的技术人员。
相关分享
突破内存限制：Mac Mini M2 服务器化实践指南
文章介绍了如何将 Mac Mini M2 转变为高性价比的服务器，突破内存限制。作者通过安装 Ubuntu 系统，利用持久化 KV 系统替代传统 Redis，优化内存与硬盘的数据交换，提升性能。适合对家庭服务器搭建、Mac Mini 改造、Linux 系统部署感兴趣的技术爱好者和开发者。
无图
AWS运维部署实践--网络环境规划
本文详述了 AWS 网络环境的规划，包括 VPC、子网、路由表的创建和管理。通过对公有、私有和内部子网的划分，以及 NAT 网关和 IGW 的配置，实现了不同网络的隔离与访问控制。同时，文章介绍了使用中转网关进行跨账号 VPC 打通的方法，为多账号和复杂网络环境提供了便捷的连接方案。这些规划为 AWS 运维部署打下了基础，有助于提升环境的安全性与可扩展性。
无图
StarRocks 开发环境搭建踩坑指北
本文详细介绍了在本地搭建 StarRocks 开发环境的步骤，包括启动前端（FE）和后端（BE）的配置及调试方法。通过本地启动 FE 并使用 Docker 运行 BE，实现了本地调试和测试。作者分享了常见问题解决方案，如端口冲突和网络配置问题，为 StarRocks 开发环境搭建提供了实用指南。
无图
基于 Docker 搭建开发环境（三）：链路追踪
本文介绍了通过 Docker 配置 OpenTelemetry 和 Jaeger，实现分布式链路追踪。详细讲解了如何使用 OpenTelemetry Agent 和 Collector 配置尾部采样策略，识别慢请求和错误。结合 Prometheus 和 Grafana，构建全面的监控和追踪系统。提供了具体的 `docker-compose.yml` 配置文件示例，适合需要全链路可观测性的分布式应用开发环境。
无图
基于 Docker 搭建开发环境（二）：EFK 日志套件
本文介绍了如何使用 Docker 和 EFK（Elasticsearch、Fluentd、Kibana）套件构建日志管理系统，通过 Fluentd 将 NACOS 和业务日志集中发送至 Elasticsearch，方便数据分析和故障排查。文章提供了 `docker-compose.yml` 配置文件示例，解决了插件安装、权限设置和健康检查等常见问题，为构建灵活高效的日志管理系统提供了实用方法。
无图
基于 Docker 搭建开发环境（一）：数据库+监控
本文介绍了使用 Docker 构建开发环境的步骤，涵盖 MySQL 数据库配置、Nacos 服务发现与配置管理、Prometheus 监控及 Grafana 可视化。通过 Docker Compose 结构化配置，实现了多组件集成。文章提供了详细的 `docker-compose.yml` 文件示例，并探讨了自动接入监控、应用打包等优化方向，适用于需要集中管理多项开发工具的场景。
无图
一种在 Electron 和 Web 环境下显示原生及自定义菜单的通用方法
在 Electron 和 Web 环境下如何统一展示原生和自定义菜单？本文提供了通用的解决方案，通过封装组件和调用方法，解决了两种环境下菜单交互不一致的问题。如果你正在开发跨平台应用，这篇文章能为你提供实用的开发技巧！
无图
Spark向量化计算在美团生产环境的实践
美团在 Spark 生产环境中引入了向量化计算，使用 Gluten 和 Velox 框架，实现了大数据任务的加速和资源优化。本文详细讲解了 Spark 向量化的原理、性能提升以及美团的实施过程和遇到的挑战，适合关注大数据优化的技术人员。
无图
在 kubernetes 环境下如何优雅扩缩容 Pulsar
在整个大环境的降本增效的熏陶下，我们也不得不做好应对方案。
根据对线上流量、存储以及系统资源的占用，发现我们的 Pulsar 集群有许多的冗余，所以考虑进行缩容从而减少资源浪费，最终也能省一些费用。
不过在缩容之前很有必要先聊聊扩容，Pulsar 一开始就是存算分离的架构（更多关于 Pulsar 架构的内容本文不做过多介绍，感兴趣的可以自行搜索），天然就非常适合 kubernetes 环境，也可以利用 kubernetes 的能力进行快速扩容。
无图
在 kubernetes 环境中实现 gRPC 负载均衡
要解决 gRPC 的负载均衡通常有两种方案：1、服务端负载均衡；2、客户端负载均衡。
在 gRPC 这个场景服务端负载均衡不是很合适，所有的请求都需要经过一个负载均衡器，这样它就成为整个系统的瓶颈，所以更推荐使用客户端负载均衡。客户端负载均衡目前也有两种方案，最常见也是传统方案。
无图