创建你的深度学习服务器

在这种共用集群的情况下，导致无法简单粗暴的释放。因此只能选择删除Key的方式。

Key命名不规范

要删除Key，首先就要精准的定位出哪些Key需要删除，如果勿删Key，会影响到其他服务正常运转！如果Key本身设置了过期时间，但有些数据需是持久化的。然而那该死的项目经理一直催项目进度，导致开发人员在开发过程中很多地方都没有设计到位，比如Redis Key散落在项目代码的每个角落；比如命名不是很规范。真不知道是怎么review代码！哦，想必是没有时间review，那该死的项目经理……

我随便截个支付服务中的Key命名：

 

前言

由于有一条业务线不理想，高层决定下架业务。对于我们技术团队而言，其对应的所有服务器资源和其他相关资源都要释放。释放了8台应用服务器；1台es服务器；删除分布式定时任务中心相关的业务任务；备份并删除MySQL数据库；删除Redis中相关的业务缓存数据。CTO指名点姓让我带头冲锋，才扣了我绩效……好吧，冲~

其他都还好，不多时就解决了。唯独这删除Redis中的数据，害得我又熬了一个通宵，真是折煞我也！

难点分析

共用Redis服务集群

由于这条业务线的数据在Redis大概在3G左右，完全没必要单独建一个Redis服务集群，本着能节约就节约的态度，当初就决定和其他项目共享一个集群（这个集群配置：16个节点，128G内存，还算豪华吧~）集群配置如下：

 

拥抱数据项目中的敏捷性：著名统计学家George Box曾打趣道：“所有模型都有谬误，但依然有一些是有用的。”因为模型都建立在一定的假设上，超出特定范围就可能出现纰漏。而找到有用的模型就是一个迭代的过程，每次迭代都是向那个有用的模型迈进的一步。记住，不要在AI项目中追求“绝对答案 ”。完美的模型就是乌托邦，以此为目标对于既定现实来说已经完全足够了。

4. 在过程中整合AI决策

任何基于AI的项目的最终目标都是创造积极的影响。但是很多大有可为的人工智能项目在襁褓中就夭折了，自此不见天日。因此，一个AI项目从孵化阶段开始就需要全程观察。

有一点我需要再三强调：AI项目并不是纯技术项目，而是注重影响力的项目。所有项目都需要一个结果。

这意味着，当你展望一个AI项目的前景时，不应该是关于模型和算法的，而必须是关于结果的，一个会给最终用户带来利益的结果。因为每个流程都是环环相扣的，所以需要回答这样一些问题：

AI会影响流程中的多少步？

——这推进了流程自动化吗？

——这加强了流程建设吗？

再根据答案画出正确的路线。

5. 构建实验文化

文化是所有变化的基石。现代管理学大师彼得•德鲁克曾经说过：“文化能把战略当早餐吃掉。”对于AI项目来说，此话非常精辟。决定成败的往往不是技术，而是价值观。对于AI实现来说，反复灌输实验文化至关重要。根据定义，实验是一种验证或推翻假设的过程。并不是所有的实验都会成功，但所有的实验都有收益。这种实验文化需要渗透到公司的灵魂中。以下三条准则可以帮助公司构建实验文化。

1、衡量指标。组织中的每个部门都需要衡量以下三个指标：在给定的时间内尝试的实验数量；在给定的时间内业务工作流中采用的的实验数量；给定时间范围内正在进行的实验数量。

2、拥抱敏捷。敏捷是人工智能的出路。考虑到AI的本质，迭代方法最适合人工智能。敏捷理念中的三个核心教义：持续改进、信息透明和深度协作应该渗透到公司的DNA中。

3、树立员工对AI的正确认知。关于人工智能的宣传可以说铺天盖地，与这种炒作相伴而生的是一种恐惧，恐惧被取代，恐惧因此而失业。这种担心其实没有任何依据。在公司中建立对AI的理智认知非常重要。员工需要清醒地认识到AI能做什么、不能做什么。树立了正确的认识后，员工对AI的接受度更高，也更容易运用AI来提升他们的工作技能。

总结

采用负责任的人工智能是不可避免的，所有人都应该接受这一现实。人工智能不是万能灵药，但是有了正确的框架，AI就有潜力产生积极的影响。


 

（编辑：宣城站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!