The Mirages

整体线路如下：

由于当时从漠河到满归的道路被大水给冲垮了，所以当时只能从加格达奇区绕一下，这样绕行大概200KM多吧，现在是已经通了。

而这次其实主要就是围绕这大兴安岭和小兴安岭地区。

第一天因为上午10点有个面试，一直面到11点半，所以从12点才出发，一直开到了辽宁阜新，到阜新也已经晚上8点多了。

注： 本文是学习《kubernetes in Action中文版》的学习笔记.

这里主要是了解kubernets如何做到服务的多副本高可用，一个是部署的时候，一个是发布更新的时候。

部署的时候我们最基础的是需要多个副本，然后最好是每个副本都在不同的物理机，rack，或者az里，这样可以最大限度的保证高可用。

所以我们这里就是朝着这个方向去努力。

后面我们再分析kubernetes里pod的资源限制和使用的问题。

ReplicationController

监控对于任何一个互联网产品是重中之重。无论你是ToB的产品，还是ToC的产品，监控永远是一个必须项。没有监控的产品那不就跟裸奔一样。

那我们如何来评估一个监控产品呢？以下是按照一个完整的监控系统去评估的，对于有些单机部署的产品，那我们完全可以舍弃其中一些指标，从来选择各适合自己产品线的监控系统。

在OOP里我们一般使用4个指标来度量。

1. 耦合性
2. 内聚性
3. 充分性
4. 完整性

那监控系统是否也可以按照这些指标呢？

1. 耦合性： 这个应该是衡量的一个指标，如果一个监控系统对于现有系统侵入性太高，那必然会增加集成难度，易用性也会大打折扣，带来的结果就是无法广泛使用。
2. 完整性：这个是任何一个监控系统的基本要求了。要是监控的内容都不完整，那这个监控系统也可以跳过不用了。但是现在随着各个系统越来越复杂，所以为了保证完整性，一般现在的监控系统都会有主动上报和接收上报的功能。
   1. 主动上报：这些就是跟硬件和操作系统相关的监控项的上报。还有一些标准中间件的上报。
   2. 接收上报：提供api接口或者其他方式来接收其他程序推送过来的监控内容。这里当然要支持不同的metric类型，比如Counter，Gauge等等这种类型
   3. 容器接收：是否能够接收容器内上报的相关指标
3. 充分性：针对监控系统来说，也就是可靠性。不能监控项已经宕机很久了，但是监控内容还是正常，或者明明已经宕机了，但是却无法展示出来。这个之前有碰到过有公司设计的数据报警就是这样的，都是从本机发起的监控，这种一旦自己网络有问题，要么自己没发现，要么自己发现了但是也无法推送出来。导致监控失效。
4. 内聚性：通俗的说就是只是包含监控，不包含其他的。那这个因为是产品级别了，所以大部分问题都不大。这里可能就涉及到监控系统内部各个服务的评估是否符合内聚性。

整体路程是这样的：

成都走高速到映秀镇，然后走G350（中国熊猫大道）到四姑娘山双桥沟，然后再从双桥沟出来继续走G350转G662（理小路）到理县，然后走高速到汶川和成都。

成都

不过我们也是从成都出发的，但是成都虽然以前来过，但是从来没有看过川剧，于是这次就补上了这个，我们就住在四川省川剧院旁边，于是就去了。

川剧也叫蜀剧，也是地方戏剧的一种。

一开始就来了段三英战吕布的桥段。然后是各种当地杂技什么的。不过川剧最有名的就是变脸。这次真的是看的太过瘾了。

近日要搞kafka集群降配，因此要检查一下这个kafka集群的所有topic是否副本数有等于1的。

1

./kafka-topics.sh --zookeeper timoq-zk1:2181 --describe | grep 'ReplicationFactor:1'

这样就能列出来，果然有几个topic还是1个副本的，那个就开始搞成2个副本。其实kafka可以给你生成的副本配置的json的。

1

./kafka-reassign-partitions.sh --zookeeper timo-zk1:2181 --topics-to-move-json-file topic-generate.json --broker-list "0,1,2,3,4,5,6" --generate

但是这种生成出来的json文件无法跟现有的对照起来，我是希望现在分区谁是leader，后面还是leader，于是就手动写了个json文件。

1
2
3
4
5

{"version":1, "partitions":[
{"topic":"timo_log","partition":0,"replicas":[3,4]},
{"topic":"timo_log","partition":1,"replicas":[5,6]},
{"topic":"timo_log","partition":2,"replicas":[6,7]}]
}

ffmpeg 是一个非常庞大的软件，而且依赖关系太多了，导致还是自己打包一下，把对应的依赖包都打进去，这样省的后面搞依赖了。

由于贵司现在还有centos7的服务器，而且还都运行的非常好，因此只能打包ffmpeg6的版本，7还有很多依赖的东西比较底层，不太好搞。

依赖包编译。由于我最终ffmpeg是安装到/usr/local/ffmpeg-6.1的，所以就需要把这些依赖包都安装到这个目录下。因此我的这些第三方依赖库的编译都会添加

1

--prefix=/usr/local/ffmpeg-6.1/third

这些第三方依赖就不单独说了。主要说说ffmpeg本身的编译，因为你的第三方依赖包都在 /usr/local/ffmpeg-6.1/third 目录下，因此编译的时候需要进行一些调整。

其实就是把third目录下的这些lib加进来

早上5点多被电话直接吵醒，说是aliyuncs.com这个域名无法解析了。需要赶紧处理。

可我们也没有收到对应报警啊。

整个事情的时间线

1. 02:57：监控发现 aliyuncs.com 域名解析异常，被劫持至安全组织Shadowserver的服务器（ sinkhole.shadowserver.org ）。
2. 04:04：工程师确认劫持原因为国际执法机构通过域名注册商威瑞信（ VeriSign ）强制修改解析。
3. 08:11：解析异常修复，但全球 DNS 缓存刷新延迟导致部分区域持续故障。
4. 09:00：受影响云服务（ OSS 对象存储、CDN等）基本恢复。

但是实际上一直到中午12点海外还是有很多地区没有恢复呢。

我们通过这个可以发现，在发现后的1个小时内阿里云的工程师才找到原因。这个是十分失职的。

青州是属于大葱省底下的风筝市底下的一个县级市。本来我想去的是密州（也就是现在的诸城）。

但是青州市博物馆这个全国唯一一个县级一级博物馆的名头，还是吸引我们来一下。路上的时候发现这个博物馆也需要提前预约，而端午前2天的票已经没了，只能预约第三天的，不过你也可以花钱上特展，这就不需要预约了。但是谁让我们穷呢。

这次依然开着乐道出行，规划的路上换电站有个居然在黄骅的红星美凯龙，这种下高速换电比较浪费时间，而且这个换电站离高速也要7～8公里，希望蔚来的同学好好设计一下，这个应该比辅助驾驶要简单很多啊。

到了青州，球子定了个太空舱酒店，好大的停车场，随便怎么停都行，不过后来才明白为什么会这么大，真是苦了我了。

这个酒店是在西门市场的西边，早市什么的都没问题，可以随便逛。

范公亭公园

今天是母亲节，早上给妈妈打了个电话，果然还是在听养生讲座。现在我爸睡三楼，我妈睡二楼，两人分开也挺好的。岁数大了，有些缺点两人已经都无法容忍了。

球球昨晚说好的今天去学而思数学，但是早上一早就把自己锁屋里了，想去又去不成的想法让他很受打击。

昨天是社区组织活动，各种跳绳丢沙包什么的。球球本来是报名跳绳的，可早上可能又开始害怕了，反正就是不去。后来我跟球子去了，气氛很活泼，大家都当作玩了，然后还碰到几个球球的同学。我们玩好回来跟他通报一下，果然还是想跟同学玩，马上就起来，稍微吃点早饭，又吃了药，穿着凉鞋就下去了。

去了小广场本来也不想跳，后来发现别人跳的也不过如此，这才跳的。跳完后就跟同学玩，想拉几个同学来家里玩，不过他们大人都不同意这样的，于是就只能小广场上玩。

现在球球就是害怕任何可能带来受挫的活动。一个人单独的可能还好点，要是有比赛，有考试的，那基本就是逃避参加了。

球子现在是后悔生娃了，宁愿没有母亲节的。

ai现在侵入了整个社会，本来想着解放人类的，但是ai由于效率太高，导致实际上是ai抢了很多白领的工作。

最近1年大辽硅谷的程序员都明显少了，而大宋这边也诞生了很多黑灯工厂，上次看蔚来的 F2工厂，感觉已经没有几个人了，不过搜索了下发现还是有4万名员工的。但是流水线我们看到的都是机器人。

流水线真是一个伟大的发明，就靠这个我觉得亨利福特就是20世纪最伟大的企业家。也是因为这个，才有了专业工人这个岗位。在这个之前，企业家要的是通才，就是什么都要懂一点，而从流水线开始，其实我们要的就是专才了，谁拧螺丝可以拧的飞起，谁装轮胎装的快，每次看F1大奖赛的维修区我都有如此感觉。

于是像德国什么的就开始搞产业工人，一辈子就搞一件事情，就把这一个事情搞透了。之前去德国旅游，就发现很多小镇可能就一个厂子，比如汉斯格雅总部就在德国的希尔塔赫，在德国黑森林那里，查了下人口就3800多人。

本来大宋是一个农耕社会，产业工人不多的，也就二元制度的时候，城市工人比较吃香，现在早就不行了，大量人口都去了第三产业了。现在的年轻一代更不会去到工厂，记得在2008年以前坐车路过康桥的和硕（给HTC代工手机），那是乌央乌央的厂哥厂妹，我也有同学当年在SGM和Intel当流水线工人的，那赚钱是挺多的，那时候算上加班工资都1万多了每月。我还看过他们他们一本班车时刻表的书，光这个就居然要几百页。

而随着ai的入局，发现机器人干这些事情能干的更好，就好比拧螺丝这个事情，扭矩枪就可以比人靠谱多了。想要多少力直接后台输入就行了。所以我们现在看到的就是ai在每一个细微的领域都干着一些原先人类能干的事情，而且干的更好。