关于我

lkad，做了十几年运维，现在在往 AI Infra 转。

最早干网络，交换机路由器那一套。后来转做 SRE/DevOps，K8s、Ceph、Prometheus 一路用下来。23 年 ChatGPT 出来的时候开始跟着学机器学习，自己手搓过一个数字识别模型，后来把各种大模型的原理也都过了一遍。现在集中火力往底层钻，操作系统、GPU/TPU 的调度和控制这些。跟专门做 AI 的人比肯定差得远，不过真到了集群出故障的时候，我这些年的底子还能用上。

这个博客

主要拿来记东西。踩过的坑不当场写下来，过俩月准忘。

写得最多的是那套 AI Infra 教材，从 IO 栈一直讲到调度和故障排查，13 章，还在改。写的时候尽量给能跑的命令、能对上的数字，被网上互相抄的博客坑太多次了。

写在最后

做了这么多年运维，脑子里就三件事：稳定、安全、降本。听着土，但系统挂一次、预算超一次，就知道这几条多实在。

35 之后转行这事，周围人劝过，自己也犹豫过挺久。后来想想还能咋办呢，接着干吧。