双架构镜像的好处是能根据当前的系统架构(x86或者arm64), 进行自动对应版本镜像的拉取，避免了客户端侧去做这个镜像tag的精确选择。

随着ai智算的发展，在k8s环境中管理ai训练任务成为了迫切需求。 其中一个问题是ai的镜像一般都比较大，达到20g，或者更大。那么怎么基于开源的技术框架体系下，实现镜像的高效分发，成为了一个难题。 本文主要提出2种方法进行优化。

本文主要结合51单片机讲解中断等调度基础概念，进而讲解Linux CPU的调度

介绍了基于registry进行本地仓库的构建镜像仓库的搭建，并使用proxy模式registry充当中间缓存，实现镜像的高速分发。

在K8s通过cloud_on_k8s的官方es组件实现了es的自动化的部署；但是在最近的一个实例部署过程中，我们发现了pod一直无法拉起，然后针对这个问题进行定位和分析。

influxdb 时序数据库