Petuum 是一家位于美国匹兹堡 (Pittsburgh) 的人工智能创业公司, 由卡内基梅隆大学 (CMU) 的邢波 Eric Xing 教授创立. Petuum 团队的技术实力已经获得了业内广泛的认可, 并取得了诸多的奖项, 其中包括 ACM 云计算研讨会上的最佳论文奖、 CBInsights 的全球 AI 初创公司 100 强以及 GWC 2017 年 G-Summit 峰会上的 AI 初创公司 10 强. 迄今, Petuum 的融资总额已达一亿八百万美元, 成为获投资额度最高的早期人工智能初创公司之一.
Spanner 是 Google 公司研发的、可扩展的、多版本、全球分布式、同步复制数据库。它是第一个把数据分布在全球范围内的系统，并且支持外部一致性的分布式事务。本文描述了 Spanner 的架构、特性、不同设计决策的背后机理和一个新的时间 API，这个 API 可以暴露时钟的不确定性。这个 API 及其实现，对于支持外部一致性和许多强大特性而言，是非常重要的，这些强大特性包括：非阻塞的读、不采用锁机制的只读事务、原子模式变更。
本文转发自 推荐系统再思考：从机器学习到深度学习，作者 lessmore，时间：2023-03-12
再次回到推荐系统方向的工作， 相比几年前 2018/19 很多认知出现了变化，对我来说很有意义，写出来作为记录也分享给大家。
io_uring 是 Linux 内核 5.1 版本引入的异步 I/O 框架，
std::add_const_t<T>: 为类型 T 添加 const 修饰符。
std::add_volatile_t<T>: 为类型 T 添加 volatile 修饰符。
std::add_cv_t<T>: 为类型 T 添加 const 和 volatile 修饰符。
std::remove_const_t<T>: 移除类型 T 的 const 修饰符。
std::remove_volatile_t<T>: 移除类型 T 的 volatile 修饰符。
std::remove_cv_t<T>: 移除类型 T 的 const 和 volatile 修饰符。
std::add_lvalue_reference_t<T>: 为类型 T 添加左值引用修饰符。
std::add_rvalue_reference_t<T>: 为类型 T 添加右值引用修饰符。
std::remove_reference_t<T>: 移除类型 T 的引用修饰符。
std::remove_extent_t<T>: 移除类型 T 的数组维度。
std::remove_all_extents_t<T>: 移除类型 T 的所有数组维度。
std::remove_pointer_t<T>: 移除类型 T 的指针修饰符。
std::add_pointer_t<T>: 为类型 T 添加指针修饰符。
std::make_signed_t<T>: 将类型 T 转换为有符号类型。
std::make_unsigned_t<T>: 将类型 T 转换为无符号类型。
dlmalloc 是一个 C 语言实现的流行的内存分配器实现，由纽约州立大学 Oswego 分校计算机系教授 Doug Lea 在 1980 年代编写，许多人称之为 Doug Lea 的 malloc，或者简称 dlmalloc。
关于 Doug Lea
Doug Lea 是计算机科学领域的知名学者，尤其在内存管理和并发编程方面有着深厚的造诣。他的研究工作对操作系统、编程语言和计算机体系结构等领域产生了深远的影响。
Doug Lea 曾经是 JCP（Java Community Process）委员会委员，参与了 JSR 166（Java Concurrency Utilities）的设计和实现。他的工作为 Java 的并发编程模型奠定了基础。
发表于 SOSP 2007 2017 年获得 SOSP Hall of Fame Award NoSQL 领域的里程碑之作, 启发了后续众多系统的设计催生了 AWS DynamoDB 服务
Dynamo 是 Amazon 在 2007 年发表的大规模分布式 K-V 存储系统. 作为电商领域的巨头, Amazon 较早面临巨大业务规模带来的技术挑战. Dynamo 的技术方案在当时的分布式系统中是非常前沿的, 其设计思想和实现细节对后来的 NoSQL 系统产生了深远的影响.
SPDK 是 Intel 提出的一套用户态 NVMe SSD I/O 软件栈，其核心是使用用户态的 SSD 驱动绕过上下文切换的开销。
因为驱动程序放在用户态，自然也没法使用 Linux 的 FS 接口，配套地，SPDK 提供了 Blobstore 和 BlobFS 接口。支持对接 MySQL、RocksDB、Ceph 等。
近年来，为了训练更大的模型，深度学习训练集群在不断发展。这样的集群通常包括 GPU，CPU 和高速互联网络，例如高速以太网或者 Infiniband。