训练数据删除传播:Tombstone、水位与派生制品处置
删除源表记录不会自动改变训练分片、Checkpoint 或已发布模型。本文用不可回退墓碑、反向血缘和制品处置门禁阻止撤权数据继续进入训练。
#AI #大模型 #DevOps♥ 2020 评论
DevOps、Docker、Kubernetes、可观测性
本专题收录 云原生 方向的文章和社区讨论,重点关注真实工程场景、工具选择、实践路径和风险边界。
页面会持续更新,适合作为学习路线、选型参考和技术复盘入口。
删除源表记录不会自动改变训练分片、Checkpoint 或已发布模型。本文用不可回退墓碑、反向血缘和制品处置门禁阻止撤权数据继续进入训练。
同一个数据集名称可能在训练期间继续变化。本文用不可变成员清单、源端水位、转换摘要和派生血缘,让每次训练都能精确重放输入集合。
每个分片校验成功仍可能漏掉整个文件或让不同 worker 混读版本。本文用描述符、集合承诺、发布屏障和代际指针保证训练输入完整一致。
业务行与事件分别写数据库和消息系统会留下双写窗口,而发送超时又无法证明消息没有到达。本文把 outbox 事件、dispatcher claim、未知投递与消费去重组成可对账协议。
一个 2xx 只能证明端点对 HTTP 请求给出成功响应,不能证明订阅者完成业务处理。本文用订阅代际、签名密钥状态机、不可变投递证据和可选处理回执控制重试与轮换。