回顾系列
- 场次 01:开发者的智能体架构设计路线图
- 场次 02:Amazon Bedrock 数据自动化
- 场次 03:AgentCore 上的多智能体
- 场次 04:实践中构建智能体式 AI:Nova Act 与 Strands Agents
- 场次 04:使用规格驱动开发,通过 Kiro 加速迁移项目
- 场次 06:从「匹配」到「理解」:由 AgentCore Memory 驱动的个性化 AI 搜索实践
- 场次 07:从观察到优化:从 LLM 可观测性迈向 AIOps,将实时洞察转化为智慧自动化
- 场次 08:部署 TEAM 并打造最佳工程团队
- 场次 09:五年来所谓无服务器数据库带来的五个惨痛教训
- 场次 14:如果 AI 替我工作会怎样:Q Developer CLI 与 Kiro 如何改变我的日常工作
- 场次 16:兼顾速度与警觉:Amazon Bedrock Agent 开发的安全要点
- 场次 26:在单张 H100 上运行 OSS LLM:更智能、更便宜、更快速
- 场次 28:现代统一元数据架构:打破数据孤岛的新方法
- 场次 29:无服务器 MediaOps:使用 Amazon Web Services 上的 AI 自动化视频工作流
- 场次 30:通过大规模性能测试构建兼具效率与可靠性的架构
- 场次 31:通过开源连接世界:技术、社区与全球开发者关系的实践历程
- 场次 33:构建流式 Iceberg 表以进行实时物流分析
- 场次 34:加速大规模机器人策略训练:基于 Kiro、Trainium 和 EKS 的自动化闭环架构
- 场次 35:通过规格驱动开发,从 Vibe 走向可行方案
- 场次 36:让云成本分析更智能:使用 Strands 和 AgentCore 构建 FinOps 智能体
- 场次 37:使用 CNCF Kagent、K8sGPT 和 Nova Sonic 转型 K8s 对话式智能体 AIOps
场次笔记
测试类别:
- 代码测试:代码分析、单元测试
- 集成与接口:契约测试、接口测试
- 功能测试:用户验收、回归测试
- 非功能测试:性能测试、混沌工程
- 端到端测试:涵盖各方面的全面测试 性能指标:
- 负载:预期使用量下的系统性能
- 压力:评估极端负载条件下的系统行为
- 耐久性:通过持续负载测试找出长期问题
- 可扩展性:衡量用户/交易量增长时的性能
- 峰值:快速增加或降低负载,以评估韧性和行为
- 容量:评估处理大量数据所产生的影响 衡量标准:
- 百分位数:50th、90th、95th、99th、99.9th、100th
- 计数与平均值:交易总数、成功、失败、响应时间、延迟、连接时间、带宽
- 错误:所有错误,优先处理严重错误
- 资源:CPU 使用率、内存用量、磁盘 I/O、网络流量 测试策略:
- 尽早:在开发生命周期早期纳入测试
- 之后:基础设施变更后进行测试
- 始终:在整个开发过程中持续测试
- 开发:将测试集成到开发工作流中
- 基础设施变更:在任何基础设施修改后进行测试
- 预发布环境:正式上线前在预发布环境进行测试
- 重大事件:在重大系统事件前进行测试
- 生产后:部署后性能验证
- 里程碑:在特定项目里程碑进行测试 优势:
- 效率:提高系统效率
- 可靠性:提高系统可靠性
- 更佳的用户体验:通过优化性能提供更出色的用户体验
- 可扩展性:提高系统可扩展性
- 成本优化:通过优化资源利用率降低成本 Amazon Web Services 解决方案:
- 1M+ 次部署:丰富的部署经验
- 经过审查并提供支持:经过全面审查且有专业支持的解决方案
- 解决方案库:全面收录经审查解决方案的库
- 按使用量付费:基于使用量的灵活定价模式
- 单租户:专为单租户环境设计的解决方案
- 100% 开源:对开源解决方案的承诺
