@cccssss 合计 1.5T 吧，单台数据库也就几百 G ，之前我挖矿的 GPU 服务器单台都 200G 内存了

@bmpidev2019 当时一个月大概 1T 的网络流量，三台 1 核 1g 的服务器，几乎没啥负荷。

@eason1874 我算了下感觉应该是有效用户请求，之前我做了一个爬 ins 的垃圾站，峰值爬虫一天五十万请求，是实际用户请求的十倍多，我很多时间在处理爬虫请求。

@eason1874 平均啊，一个月几亿 PV ，平摊到秒也就几百。很多高并发系统只是为了应对秒杀场景。

@locoz 可能这就是人的差异性导致的吧，很难从方法上解决

@maichael 感谢反馈，看起来过于花哨还不行

@locoz 这个问题无解啊，所以分享只能给有需要但没有经验的人，至于如何让一个人有自驱力，我没有解决办法，如果其他人有想法，欢迎探讨

@lovedebug logseq

@securityCoding 英语和搜索能力很重要，基本功吧

@sudoy 网站 repo 地址： https://github.com/madawei2699/bmpi.dev 你自己研究下，用了一个小时前端框架，但是 hugo 还需要自定义一些才能用

@1132719438 模型肯定是服务器训练的，tabnine 有本地模型的，copilot 应该都是服务器

@defunct9 阿里这么鬼畜啊，digitalocean 我没发现这些问题呢，aws/azure 之流都太贵了，有钱可以用

@defunct9 是啊，自己搞 master 很难达到那么高的 SLA ，所以我选择 managed k8s service ，而且还是免费的。

@defunct9 k8s 的扩展性和可用性是单机没法给的啊，除非简单的服务，而且每次 provison 新的服务器也麻烦，还得做 IaC ，k8s 一条龙解决方案给你了

@sy20030260 https://www.bmpi.dev/dev/guide-to-serverless/ 这是我尝试的 serverless ，它们适合的产品形态和场景还是不一样的，我全都在用

@shenlanAZ cloudflare 托管的 DNS 。K3S 需要自己配置 master ，digitalOcean 的 master 是免费的，只需要 worker 的资源就可以了啊

@djkloop 这个我也有 pro 的，但是和 copilot 差距有点大，但 tabnine 有本地版，隐私更安全吧

@djkloop 有这个隐私问题，所以我只在开源项目上使用。
@zmxnv123 目前看有一定的推理能力，并不是无脑搜索复制，因为我截图里可以看出来一些明显是推理出来的文字。

@coolmenu 我感觉完全可以，这一天会加速到来，到时候人人都是编辑

@Nitroethane 有些是 library 里加载的，k8s 图标都是自己画的
@makelove 应该是这样的，k8s 本身的资源要在每个 node 里安装，根据 digitalocean 官方配置提示，2g 的内存会占用 1g ，单个 node 内存越大性价比越高

@littlewey 没试过，可以看看 digitalocean 的文档

@Nitroethane https://excalidraw.com/