机器学习知识架构和应用​

知识结构图 v1​

应用​

准备​

• 环境: AWS SageMarker Notebook (ml.t3.medium)
• 服务: AWS SageMarker Inference(Models, Endpoint configurations, Endpoints)
• Models Repo: huggingface models (other like S3 bucket, fine-tuning models)

Abbreviation

• tgi: Text Generate Interface

1. 背景​

context 是 Go 标准库中的一个核心包，用于在多个 Goroutine 之间传递请求相关的上下文信息（如超时、取消信号、键值数据等）。它常用于高并发场景（如 HTTP 服务、RPC 调用、数据库操作等），帮助优雅地控制 Goroutine 的生命周期。

Linux 运维涉及广泛的系统管理、网络配置、安全维护和自动化工具等知识。以下是 Linux 运维的核心知识点分类整理，适用于日常工作、故障排查和性能优化：

为了解决支付系统中高并发、容错、事务一致性等复杂问题，我们可以尝试应用以下设计模式和关键概念:

消息模型是消息中间件中用于定义消息传递方式的抽象模式，常见的除了**订阅/发布模式（Pub/Sub）和点对点模式（P2P）**外，还有其他衍生或组合模型。

序列化(Serialization)和反序列化(Deserialization)是数据处理中的两个核心概念，特别是在分布式系统和网络通信中尤为重要。

基本概念​

以下是 AWS 常用服务的清单，附带核心功能和典型应用场景，帮助您根据需求快速匹配服务：

适用于程序开发

1. 核心请求流
2. 数据流
3. 安全/运维

架构图​

1. 核心请求流​

以下是 Azure 常用服务的清单，按照与 AWS 相同的分类和架构逻辑整理，便于从 AWS 迁移或对比学习：

架构图​

1. 核心请求流​