arm 的数值计算有什么技术进展吗？指令集带来的差异，下层的库能拉平性能差异么？求科普

What I cannot build is what I cannot understand. 用起来，做东西。

1. kubectl 提交 yaml 后，首先客户端验证，验证 yaml 的定义是否正确；如果正确的话，生成发给 kube-apiserver 的 request
2. kube-apiserver 收到 client 发来的 request 之后，进行一些列的 client 认证和鉴权，确保 client 有权限创建资源。
3. request 被一些列 adminssion controller 拦截，进行一些额外计算和默认值计算，例如设定初始资源需求（如果 client 没有指明的话）。
4. 创建资源对象，存盘到 etcd
5. 资源对象存盘后，deployment controller 开始控制 loop，创建 replicaset
6. relicaset controller 开始创建 pod 资源； pod 对象存入 etcd，进入 pending 状态
7. scheduler 开始介入，开始检查各种 scheduling 限制（例如 taint，affinity ）和资源需求，然后找到可以满足这些条件的 node 。找到 node 后，创建一个 binding 对象，发还给 kube-apiserver，pod 进入 scheduled 状态。
8. node 上的 kubelet 会定时查询 apiserver，收到 pod 创建事件后，开始在 node 上启动 pod 的准备工作。这里过程包括，准备存储，拉去 image pull secret 等。
9. kubelet 通过 CRI 通知容器运行时（例如 docker ）启动一个父容器。这里的容器会处于暂停的阶段（直到所有设置完成）
10. kubelet 通过 CNI 设置容器的网络
11. 所有设置完成后，开始创建真正的应用容器，包括 init container 和用户指明的其他容器
12. 完成工作。

我的理解是，这个整个过程有点像是个状态机。

参考文献： https://github.com/jamiehannaford/what-happens-when-k8s

一般都是弄个脚手架开始撸。
我之前用过 kubebuilder，跟着教程走一边就熟悉基本功能了

https://book.kubebuilder.io/

可以放在 serializer 里面 override create 和 update 方法。
或者放在 model 层，override model manager 的类型。

两个都可以，第二个方案代码更干净一些。

因为 aws 实在太复杂，所以才会有 digitalocean 这样的厂商的生存空间。
中小型企业上 DO 的船也是挺多的。我的个人项目也喜欢用 DO 。

aws 的 vendor lockin 又很严重，一些 managed service，虽然都是基于开源改的，但是夹带私获很多，例如最近撕比的 elastic vs opensearch 。一旦用上了，再往外挪就不是那么容易了。

可以把你的博客个人项目什么的全部迁移过去，最常见的几个服务 EC2, RDS, S3, CloudFront 用用，注意别破产。。
其他的服务实在是多如牛毛，基本只有真的用到的时候，才会去查文档去看怎么用，个人项目很少使用到。

还有一种方法就是出来创业，被逼着没办法只能研究 aws 怎么回事。之前有两段创业经历，熟悉了 EMR, EKS, ECR, Athena 这类个人不太用的服务

干过一年技术咨询。一般咨询是不写代码的。
我在的企业不是咨询公司，而是一个行业软件公司的咨询部门，专门解决主营产品没法很好解决的客户问题，给人做 POC 然后看有没有机会把这些解决方案合并回主营产品。

体验十分不佳，理论基本忽悠用户，工程实践基本为 0 。客户在迪拜，同事在美国，白天工作，半夜开会，间歇性睡眠，感觉还不如 996.
乙方的滋味不好受，客户说啥只能受着。帮助用户创造价值也都是扯，我自己一个刚毕业的小屁孩，对着从业 10 多年的客户一阵忽悠，心理发憷。

考个 CKA，顺便了解一下 k8s 的底层组件把？
我买了这个作为考试准备： https://www.udemy.com/course/certified-kubernetes-administrator-with-practice-tests/

Python Vue PostgreSQL
Go 写 k8s 的 operator
Terraform 管理 infrastructure

基本和上面提到的 One man saas 差不多。这套技术也是久经考验，初创公司特别适合，开发速度比较快，多面手

有些共享办公空间，注册个会员可以提供地址代收服务

> 其他调用方会来调用我服务，调用的输入为字符串比如{"R2", "R3"}。
> 每次要计算的结果的数量是不确定的，其他调用方可能只要 R1 和 R2，那我就不想去调用 C 数据源了。

这个操作叫 Cull，是图优化的一种。具体做法就是，对你需要的输出，例如{"R2", "R3"}，获得它们的所有依赖，和依赖的依赖... 然后将图里面不属于依赖的节点删除，就得到一个精简以后的 DAG 。

> 每个来调用接口的独立请求里，我这里的数据源我只想调用一次，比如我不想算 R1,R2 的时候获取两次 A 数据源，以及如果在算过 R2 之后，再去算 R3 的时候要再算一边 R2 。
我想从下往上算，比如 R3 的逻辑里里 go 出去 R2 和 C，R2 里再 go 出去 A 和 B，那我后续算 R1 的时候，怎么直接取刚刚算 R2 时的获取过的 A，A 写成单例？只要被调用后，再次被调用返回数据源？ -当然还有其他的，比如错误中断之类。

计算的顺序可以将所有节点按照依赖关系进行拓扑排序，就可以保证一个节点计算的时候，它的所有依赖节点都是被计算过的。
计算过的节点的结果，可以用个 dict 保存一下，下次需要的时候直接按照节点名称取出就不会重新触发计算了。

vs code ssh 插件 https://code.visualstudio.com/docs/remote/ssh

terminal 都是远程的。看到的也都是远端的文件。

这种一次性，简单并行循环的任务，建议可以考虑[dask]( https://dask.org/)框架。代码非常好写，改动很小，纯 python 框架，不依赖外部服务（数据库、消息队列等）。
建立一个 scheduler 和多台 worker 机器的集群也十分简单。

很多单位（例如 Facebook ）的全栈岗位，都是不需要碰 SQL 的，也不给碰 SQL，封装好 ORM 给大家用，不容易出性能和安全问题。

看点基本语法，然后找个以前实现过的项目，拿 go 重新写一遍，找找感觉就差不多了。

我的第一个 go 项目是个 k8s 的 operator 。有个代码生成器，已经给你把架子搭好了，你往里填实现，补一些测试，了解一些周边工具使用方法就上手了。

LZ 是不是把 monte carlo 模拟和离散事件模拟记反了。后面那个并行比较困难，前面那个处开 MCMC，是最适合并行的算法了。

xbox 三大俗：车枪球。
感觉车 和 球 对操作要求都不太高。
枪 有些射爆游戏，要求也不高。

Go 是来解决现在的小年轻写 C 写不好的问题。大公司内部（例如 G ）需要大量的做 infrastructure 的工程师，因为性能问题，一般又都选择 C/C++来写。可是这类工程师现在又特别不好找，小年轻也都不肯好好学这类语言，初级工程师写出来的代码质量也都难保证（指针瞎用，奇怪的性能问题）

有了 Go，至少能大幅降低，给这类 infrastructure 产品贡献代码的难度，让小年轻也能愉快的和老鸟一起做 infra 。这个也是语言被发明出来的初衷。
go 的王牌项目（ k8s, docker, InfluxDB, CockroachDB ）都属于这些领域范畴。

在业务层误伤 php 、python 、java 感觉属于副产品。

我觉得应该称 go 为云时代的 C