Imr

职业打假/举报人会让你心力交瘁，别说你了，那么多公务员收着钱都干不下去

@saltydc 固态这个价格还可以，但是同样的价钱能买 pcie 3.0 的盘了。
sata 更像是给老设备兼容或者 pcie 之外扩容准备的，普遍价格都很贵，真想便宜还是 usb 挂个二手 nvme+硬盘盒吧

@Geon97 我跑的资源你可以参考下：
1. 云主机单节点跑 20 个 pod ，k3s 内存占用不到 0.5 个 G ；
2. 3-4 节点跨云和家里 nas 用 tailscale 组网 40 多个 pod ，主节点内存占用大概 1G ；
3. cpu 方面，单节点 k3s 控制组件 cpu 占用个位数几乎可以忽略，多节点占用主要在于频繁刷内置 sqlite ，以及过多审计日志造成 io wait ，用好点的盘也可以忽略

组个小 nas 8g 入门不难，考虑到硬解上 n100 的话，轻量用 cpu 不加散热也不是很大问题。
决定上不上主要还是看需求，我感觉运维写 yaml 持久化配置备份起来很顺手。自己也用 go 写了个备份 docker 命令的 cli ，可以转化成 compose 导出，准备把一些云主机从 k3s 切到直接 docker 了。
有需要一些常用服务 yaml 的可以交流。

x86 吧，pcie 通道多且便宜。纯作为存储，黑群就够了，省不少折腾。想偶尔当远程开发环境做点测试，linux 也可以，毕竟容器有很多 smb 、nfs 、webdav 的镜像，无非用户管理费事。
准备 all in one 服务多的话，我觉着 k3s 好，用 git 管理下 yaml 配置，备份恢复都方便。没几个容器，直接用 docker socket 转 tcp 远程体验也可以，除了滚动更新差一些，没有硬伤，用 compose 不需要额外转换没负担（如果习惯 compose 管理服务，推荐 casaos ）。
用容器记得备份重要镜像，系统挂了就麻烦了

看文中写的主要还是停留在 llm 的提示词框架和一些技术原理或者名词解释，AIOps 大方向都一样还是提升运维效率和可观测性。
AI + 运维确实很有意思，但是我一个做运维想来想去也不知道在哪里用，不知道 v2er 有没有稍微成熟的应用分享一下。我目前体验过的就是 deepflow 自带的 askgpt 。

另外对于不熟悉领域的技术名词，用 llm 就可以帮你写笔记，参考使用麦肯锡提问的方法： https://ki6j1b0d92h.feishu.cn/wiki/E4I1wSQY6i2GxAkMANuc0E8anRd

TL;DR 例如对 llm 提问：用麦肯锡的快速了解行业方法，通过大量行业高频关键词来建立概念。现在我是一个对<大模型技术>不了解的小白，请你给我整理出 50 个常用关键词，制作成 Markdown 表格，表头是：关键词（英文）、关键词（中文）、介绍（限 50 字）、应用场景。
再下一步，让 llm 对这些词分批例如 10 个一组进行扩展介绍（避免太长），这样写笔记，学习概念快得多

不喜欢用旁路由，arm 的小机器单 typec 口+ 两三个 2.5g 网口足够，和光猫一起丢弱电箱，除了偶尔打开 op 的 webui 设置下新设备的静态 ip ，都忘记它的存在了。
至于你说的 x86 秒开，arm 不秒开，这最大的可能还真是硬盘性能不够，我的 nas 用 u 盘装的 linux 打开就是很慢，arm 的用闪存秒开。
x86 省电倒是真的，可惜体积都太大了啊，我的 x86 和 arm 待机功耗都差不多。x86 虽然也是无风扇，带上 dc 电源体积是 arm 主机四五倍，现在在吃灰，网线都拔了

我觉着拿更多的钱，回河南卷，比去一线和不差钱的土著卷容易。
只要以后名额不减少，聪明人孩子都在外面求学，反向回去说不定更有优势