From d5aac75e7932f84714eb221623bc7d89c8ed17a4 Mon Sep 17 00:00:00 2001 From: gogogo1024 Date: Tue, 8 Apr 2025 16:12:14 +0800 Subject: [PATCH 1/2] doc(cooperation): fix a typo --- content/zh/cooperation/interface_testing.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/content/zh/cooperation/interface_testing.md b/content/zh/cooperation/interface_testing.md index 76738bf60be..c35017bbfa4 100644 --- a/content/zh/cooperation/interface_testing.md +++ b/content/zh/cooperation/interface_testing.md @@ -227,7 +227,7 @@ Executor 收到的请求会携带有被测服务的名字、要测试的接口 **第二，** **我们希望尽可能地去提高** **泛化** **客户端** **缓存的命中率** **，** **从而避免新建客户端所带来的开销。** 目前我们尝试在 Broker 加一层一致性哈希的调度算法，这样能够更好地去命中 Executor 的泛化客户端缓存。 -**第三，** **我们也在持续地去探索** **S** **erverless** **方向。** 现在我们在支持业务测试一个新机房的服务的时候，需要手动的在该机房部署 Executor，那么有没有可能让这个过程完全自动化？再者，业务做接口测试的时间分布模型是有自己的一个特殊性的，怎么样分配整个系统资源去更好地适配这套时间模型？而 Serverless 是很符合这些场景的技术方向。Executor 其实是一个很轻量级的执行器，完全是可以 Serverless 化，充分去享受云的弹性伸缩能力,优化整个系统的资源使用率。 +**第三，** **我们也在持续地去探索 Serverless 方向。** 现在我们在支持业务测试一个新机房的服务的时候，需要手动的在该机房部署 Executor，那么有没有可能让这个过程完全自动化？再者，业务做接口测试的时间分布模型是有自己的一个特殊性的，怎���样分配整个系统资源去更好地适配这套时间模型？而 Serverless 是很符合这些场景的技术方向。Executor 其实是一个很轻量级的执行器，完全是可以 Serverless 化，充分去享受云的弹性伸缩能力,优化整个系统的资源使用率。 以上这些都是我们未来希望在系统性能和稳定性方向所做的一些长期工作。 From 6a4589886ab2a2098e835c3d69e0f5d886758b96 Mon Sep 17 00:00:00 2001 From: gogogo1024 Date: Tue, 8 Apr 2025 18:25:59 +0800 Subject: [PATCH 2/2] doc(cooperation): fix a typo --- content/zh/cooperation/interface_testing.md | 4 ++-- 1 file changed, 2 insertions(+), 2 deletions(-) diff --git a/content/zh/cooperation/interface_testing.md b/content/zh/cooperation/interface_testing.md index c35017bbfa4..df06eb2f4db 100644 --- a/content/zh/cooperation/interface_testing.md +++ b/content/zh/cooperation/interface_testing.md @@ -225,9 +225,9 @@ Executor 收到的请求会携带有被测服务的名字、要测试的接口 如果大家有关注 CloudWeGo 社区的同学，应该会知道最近 CloudWeGo 社区开源了一个叫做 dynamicgo 的项目，它的诞生其实就是为了解决我刚刚提到的这种问题。我们也在持续地关注这个项目，希望能够把 dynamicgo 接入到 Executor 服务。 -**第二，** **我们希望尽可能地去提高** **泛化** **客户端** **缓存的命中率** **，** **从而避免新建客户端所带来的开销。** 目前我们尝试在 Broker 加一层一致性哈希的调度算法，这样能够更好地去命中 Executor 的泛化客户端缓存。 +**第二，** **我们希望尽可能地去提高泛化客户端缓存的命中率，** **从而避免新建客户端所带来的开销。** 目前我们尝试在 Broker 加一层一致性哈希的调度算法，这样能够更好地去命中 Executor 的泛化客户端缓存。 -**第三，** **我们也在持续地去探索 Serverless 方向。** 现在我们在支持业务测试一个新机房的服务的时候，需要手动的在该机房部署 Executor，那么有没有可能让这个过程完全自动化？再者，业务做接口测试的时间分布模型是有自己的一个特殊性的，怎���样分配整个系统资源去更好地适配这套时间模型？而 Serverless 是很符合这些场景的技术方向。Executor 其实是一个很轻量级的执行器，完全是可以 Serverless 化，充分去享受云的弹性伸缩能力,优化整个系统的资源使用率。 +**第三，** **我们也在持续地去探索 Serverless 方向。** 现在我们在支持业务测试一个新机房的服务的时候，需要手动的在该机房部署 Executor，那么有没有可能让这个过程完全自动化？再者，业务做接口测试的时间分布模型是有自己的一个特殊性的，怎样分配整个系统资源去更好地适配这套时间模型？而 Serverless 是很符合这些场景的技术方向。Executor 其实是一个很轻量级的执行器，完全是可以 Serverless 化，充分去享受云的弹性伸缩能力,优化整个系统的资源使用率。 以上这些都是我们未来希望在系统性能和稳定性方向所做的一些长期工作。