Blog

$ cat KUBERNETES .md
· 10 Min. Lesezeit

Das Upstream-Projekt ist archiviert. Die CVE nicht.

Über Nacht kamen zwei NGINX-HTTP/2-Lücken, die Remote Code Execution ohne Authentifizierung erlauben, und unsere Ingress-Controller waren betroffen. Der übliche Fix, ein Update auf das neueste Release, schloss nichts: ingress-nginx wurde im März archiviert, und sein letztes Release enthält ein NGINX, das nie mehr gepatcht wird. So habe ich nachgewiesen, was tatsächlich erreichbar war, HTTP/2 als Notlösung abgeschaltet, die Fixes in einen eigenen Build zurückportiert und ihn ohne Ausfall ausgerollt.

kubernetes security devops helm nginx
$ cat AI .md
· 9 Min. Lesezeit

Mein Videostudio ist Code. Ein neuer Benchmark hat Agenten an derselben Aufgabe getestet.

AgenticStudio ist der Code hinter meinem YouTube-Kanal: tägliche Shorts, ein Sonntags-Digest, eine Cartoon-Debattenshow und ein Kit für Videos, die ich selbst moderiere. Kein Bild stammt aus einem Videomodell. VibeVideoBench hat gerade führende Agenten bei codegesteuerter Videoproduktion gemessen. Hier steht, wie mein Setup im Vergleich abschneidet, und was kein Benchmark messen kann.

ai agents video automation benchmarks
$ cat AI .md
· 8 Min. Lesezeit

Ein 30B-Coding-Modell auf einem Mini-PC ohne GPU. 17 Tokens pro Sekunde, und der Prompt ist die Grenze.

Ich habe Qwen3-Coder 30B auf den Mini-PC gelegt, der rund um die Uhr mein Agent-Harness betreibt, ohne GPU. Er schreibt mit etwa 17 Tokens pro Sekunde, was brauchbar klingt. Die echte Grenze ist das Lesen des Prompts: Ein Kontext mit 10K Tokens braucht etwa zweieinhalb Minuten bis zum ersten Wort. Hier sind die Zahlen, das Tuning, das nicht half, und was tatsächlich helfen würde.

ai self-hosting local-llm ollama performance
$ cat AGENTS .md
· 7 Min. Lesezeit

Warum ich Hermes Agent verlassen und mein eigenes Harness gebaut habe

Im Juli schrieb ich, dass Hermes Agent die Logistik meines digitalen Lebens erledigt. Am 18. Oktober habe ich ihn abgeschaltet und durch ein kleines Harness aus festen Pipelines, einer kontrollierten Tür zu den Modellen und einer Allowlist pro Aufgabe ersetzt. Hier steht, warum, was der Umbau gekostet hat und wann ich trotzdem wieder einen allgemeinen Agenten wählen würde.

agents ai self-hosting architecture harness
$ cat KUBERNETES .md
· 6 Min. Lesezeit

Der Cluster nutzte 160 Millicores. Seine Requests brauchten sechs Nodes.

Vor unserem ersten Kunden fragte ich, ob drei mittelgroße Nodes die Produktion tragen können. Der Cluster nutzte etwa 160 Millicores CPU, doch seine Resource-Requests hielten sechs Nodes beschäftigt. Hier steht, warum Requests und nicht die Nutzung die Node-Anzahl bestimmen, warum auch die Autoscaler Requests lesen und warum die Kapazität eines Clusters nicht die Kapazität des Produkts ist, wenn die teure Arbeit bei einem Anbieter läuft.

kubernetes eks finops devops mechanism
$ cat OBSERVABILITY .md
· 8 Min. Lesezeit

Wir verloren 50 Millionen Spans, und nichts hat es geloggt.

Ein Deploy lenkte die Traces jedes Service auf einen neuen Collector um, der für ein Rinnsal ausgelegt war. Der Collector blockierte, die SDKs der Services verwarfen den Überlauf, und rund 50 Millionen Spans verschwanden in zwei Stunden, ohne einen Zähler und ohne eine einzige Logzeile. Die einzige Warnung zeigte auf das Falsche. Hier steht, warum der Verlust unsichtbar blieb, wie ich etwas gemessen habe, das nichts gezählt hatte, und warum der eigentliche Engpass nicht der war, nach dem ich zuerst griff.

observability opentelemetry kubernetes devops mechanism
$ cat AWS .md
· 7 Min. Lesezeit

Die Snapshots summierten sich auf 21 TiB. Das Löschen brachte 687 GiB.

EBS-Snapshots werden nach geänderten Blöcken abgerechnet, nicht nach der Größe des Volumes. Ein Datenbank-Volume mit vielen Merges kann im Snapshot mehr kosten als alles andere im Account, während eine große, ungenutzte Platte nichts kostet. Hier steht, wie ich das gemessen habe, warum ein Cleanup, der nach 21 TiB aussah, 687 GiB freigab, und warum eine Annahme über gelöschte Quell-Volumes, die ich selbst notiert hatte, falsch war.

aws finops ebs devops mechanism
$ cat GITLAB .md
· 6 Min. Lesezeit

Die Registry antwortete in 45 Millisekunden. Der Build brauchte zwei Minuten länger.

Nach einer Server-Migration wurden Builds gegen eine selbst gehostete Paket-Registry zwei Minuten langsamer, und alle Berichte zeigten auf den Umzug. Jede fehlschlagende Anfrage war ein 500 nach 45 Millisekunden; die gesamte Regression war npms Retry-Backoff. Die Ursache war eine Zeile von 63.000, die noch auf einen Objektspeicher zeigte, den es nicht mehr gab, und der genau dafür geschriebene Check iterierte eine handgeschriebene Tabellenliste und übersah sie.

gitlab debugging migration reliability observability
$ cat AI .md
· 9 Min. Lesezeit

Opus 5.5 schlägt Fable 5.1 für 40% des Preises. Lies die Benchmark-Tabelle zweimal.

Anthropic hat heute Opus 5.5 für $4/$20 pro Million Tokens ausgeliefert, und die eigene Tabelle sieht es beim agentischen Coding vor Fable 5.1 und GPT-6 Astra. Die unabhängigen Zahlen fallen kleiner aus, die Code-Qualitäts-Zahlen sind gemischt, und Thinking lässt sich nicht mehr abschalten. Sonnet 5.5 ist noch nicht draußen.

ai llm anthropic claude opus benchmarks
$ cat GIT .md
· 7 Min. Lesezeit

84 Repositories verschwanden. Der Fix war mkdir.

S3 kennt keine leeren Verzeichnisse, und in einem vollständig gepackten git-Repository sind die refs-Verzeichnisse genau das: leer. Eine Datei-für-Datei-Sync hat jedes Objekt intakt übertragen und die zwei Verzeichnisse fallen gelassen, die git braucht, um etwas ein Repository zu nennen, also kamen 84 von 517 unlesbar zurück, während die Datenbank weiterhin Commits für sie verzeichnete. Die Health Checks der Migration blieben die ganze Zeit grün, weil keiner von ihnen je ein Repository öffnet.

git aws s3 gitlab mechanism
$ cat KUBERNETES .md
· 7 Min. Lesezeit

Die Constraint war erfüllt. Die Zone war trotzdem leer.

Eine topologySpreadConstraint ist immer nur eine Aussage über die Population, die ihr Selector matcht, und ein vom Operator gesetztes Label kann verwandte Deployments unbemerkt in eine gemeinsame Zählung zusammenfassen. Drei Collector erfüllten jeder für sich ihre harte Zonen-Spread, während ihre Vereinigung eine Zone leer ließ, und die Standard-Reparatur konvergierte jedes Mal auf dieselbe falsche Antwort.

kubernetes scheduling opentelemetry finops mechanism
$ cat CLICKHOUSE .md
· 8 Min. Lesezeit

136 Millionen PUTs für 17 GiB Daten

Objektspeicher rechnet pro Operation ab, und ein ClickHouse-Part auf einer S3-Disk ist nicht ein Objekt, sondern eines pro Spalte. Die Kosten eines Cold Tier sind also eine Funktion davon, wie viele Parts existieren, nicht wie viele Bytes sie halten, und jede Einstellung, die Merges aushungert, wird zu einer Zeile auf der Rechnung. Zwei Chart-Defaults haben genau das getan, und der Fix, der es beendet hat, war nie committet worden.

clickhouse s3 finops observability mechanism
$ cat KAFKA .md
· 8 Min. Lesezeit

Der Fehler war 25 Stunden alt. Der Client war die ganze Zeit gesund.

Eine Kafka-Client-Bibliothek, die sich erholt, indem sie Fehler zählt und ab einer Schwelle panisch wird, ist Erholung proportional zum Traffic: Stream-Processoren erreichen die Schwelle in Sekunden, stille anfragegetriebene Producer nie, also verharren sie beim letzten Fehler und servieren ihn unbegrenzt, während jedes Gesundheitssignal grün bleibt. Der Hinweis steckt in den Ziffern des Fehlers selbst: Ein identischer Zeitwert über mehrere Vorkommen ist ein gepuffertes Ereignis, kein wiederkehrendes Versagen.

kafka resilience mechanism reliability observability
$ cat DATABASES .md
· 6 Min. Lesezeit

LakeBase hat Postgres nicht neu erfunden. Es hat nur den fsync verschoben.

Databricks LakeBase Postgres ist echtes, drahtkompatibles Postgres: Standard-Treiber, pgvector, PostGIS, unveränderte Query-Engine. Die Marketing-Schlagzeile ist Database Branching, Git für Ihre Datenbank. Das ist der Nebeneffekt. Der Mechanismus ist, dass der Commit-Pfad die Maschine verlassen hat: Eine Transaktion wird bestätigt, wenn ein Quorum von Safekeepers den WAL-Datensatz akzeptiert, nicht wenn eine lokale SSD leert. Branching, Scale-to-Zero und Point-in-Time-Recovery folgen alle aus diesem einen Satz, und die Kosten genauso.

databases postgres architecture mechanism cloud
$ cat LINUX .md
· 7 Min. Lesezeit

Meinungsstarkes Linux ist kein Widerspruch mehr, wenn die Meinungen kohärent sind.

Omarchy wurde diesen Sommer veröffentlicht, und 37signals verlagert das gesamte Unternehmen innerhalb von drei Jahren darauf. Das Interessante ist nicht der Linux-Teil; es ist, dass diese Distribution die erste ist, bei der ich erlebe, dass die Persönlichkeit das Leitmerkmal ist. Die übertragbare Regel: dieselbe meinungsstarke Voreinstellung ist ein Merkmal, wenn ihre Begründung sichtbar ist, und ein Bug, wenn ihre Begründung verborgen ist.

linux design opinion product devops
$ cat AI .md
· 6 Min. Lesezeit

Spekulatives Decoding wurde ausgeliefert, weil es die Ausgabe nicht verändert.

Liquid AI hat am 20. August LFM2.5-DSpark ausgeliefert: drei Draft-Modelle unter der lfm1.0-Lizenz, mit einer mittleren 2,67×-Beschleunigung auf H100 und einer 57-prozentigen Reduktion der Funktionsaufruf-Latenz auf Apple Silicon. Die Schlagzeilenzahl ist das am wenigsten Interessante an der Veröffentlichung. Das Interessante ist, warum diese Art von Veröffentlichung überhaupt ausgeliefert werden kann. Spekulatives Decoding ist exakt unter Greedy Decoding, das heißt, es verändert die Ausgabe nicht. Diese Eigenschaft ist das ganze Spiel.

ai inference speculative-decoding mechanism performance
$ cat OBSERVABILITY .md
· 7 Min. Lesezeit

Die neue Pipeline schien Spans zu verlieren. Die alte hatte ~47k Duplikate.

Während einer Parallel-Run-Validierung zeigte ein nebeneinander gestellter Per-Service-Span-Count, dass die neue Pipeline ~0,2% der Spans pro Service über ein 60-Minuten-Fenster verlor. Als Regression der neuen Pipeline gelesen, hätte es einen Rollback ausgelöst. Richtig gelesen, fügte die alte Pipeline in einem wenige-Sekunden-Fenster Zehntausende doppelter Zeilen ein. Die Speicherschicht hat keine Eindeutigkeitsbeschränkung auf das Gezählte; die Einheit, die sie als 'count' ausgibt, ist nicht die Einheit, die der Operator annimmt.

observability clickhouse verification troubleshooting devops
$ cat DOCKER .md
· 5 Min. Lesezeit

Die Notiz behauptete, das Image sei falsch. Das Image war richtig. Drei Prüfungen bestätigten es.

Eine Notiz im Wissensspeicher des Projekts behauptete, das Produktions-Image sei amd64-only und laufe möglicherweise nicht auf Graviton-Knoten. Drei unabhängige Prüfungen stimmten zu. Das Image war nicht amd64-only, und ein nativer arm64-Build gelang ohne jede Quelltextänderung. Eine dreimal verifizierte Behauptung ist die gefährlichste Form einer falschen Behauptung.

docker arm64 verification knowledge-management devops
$ cat KAFKA .md
· 8 Min. Lesezeit

Ich habe drei Dinge über ein laufendes System abgeleitet. Zwei davon stimmten nicht.

Dreimal in einer Woche habe ich eine Aussage über eine laufende Migration aus einer Konfigurationsdatei, einem Namenspräfix oder einem Template gelesen, und zweimal war die Aussage falsch. Das Artefakt und das laufende System sind zwei Sichten auf dasselbe Ding, und sie können aus Gründen übereinstimmen, die das Artefakt nicht verraten kann. Nur eine der Sichten ist die Wahrheit.

kafka opentelemetry terraform troubleshooting devops
$ cat TERRAFORM .md
· 10 Min. Lesezeit

Ein Plan ist grün, wenn zwei von drei Sichten übereinstimmen. Die dritte ist die Wahrheit.

Ein terraform plan für einen verwalteten Observability-Stack zeigte einen Incident-Fix als ausstehende Änderung, obwohl der Fix seit dem Incident live war und nur der State hinterherhinkte. In den Tagen, bevor die Datei nachgezogen wurde, wäre derselbe Plan grün gewesen, und das nächste Apply hätte den Fix zurückgedreht. Ein Plan ist ein Diff zwischen zwei Sichten, aber das System hat drei. Alle drei zu lesen, bevor Sie planen, ist das, was den Diff von einer Vermutung in eine Entscheidung verwandelt.

terraform helm eks state troubleshooting devops
$ cat OPENTELEMETRY .md
· 6 Min. Lesezeit

Die Config war Byte-für-Byte identisch. Das bewies das Falsche.

Wir haben eine Collector-Config neu abgeleitet, sie Byte für Byte gegen die produktive verglichen, sie war identisch, und mit einem Stapel grüner Checks im Rücken ausgeliefert. Sie ist beim Start in eine Crash-Loop gelaufen. Byte-identisch ist eine echte Eigenschaft; sie beantwortet nur eine Frage, die niemand gestellt hat.

opentelemetry kafka terraform devops troubleshooting
$ cat AWS .md
· 6 Min. Lesezeit

Zwei DNS-Schichten, die identisch aussehen, wenn beide grün sind

Eine VPC in einem Account konnte Namen in einer privaten Zone eines anderen Accounts nicht auflösen. Das Peering war gesund, die Routen stimmten, das DNS-Resolution-Flag war gesetzt. Jedes Signal war grün, und die Antwort blieb NXDOMAIN, weil zwei verschiedene DNS-Schichten dasselbe grüne Licht trugen.

aws route53 dns vpc networking troubleshooting
$ cat CDKTF .md
· 6 Min. Lesezeit

Der Fehler, den ich dem Provider angelastet habe

Wochenlang zeigte ein terraform plan eine Drift, die ich nicht beheben konnte, an einem S3-Bucket, der bereits korrekt konfiguriert war. Ich hakte es unter 'AWS-Provider-Eigenheit' ab. Der Provider war unschuldig. Mein eigener Code log mich an, lange bevor Terraform ihn je zu sehen bekam.

cdktf terraform iac typescript devops troubleshooting
$ cat KUBERNETES .md
· 8 Min. Lesezeit

Der EKS-401, der nichts mit Credentials zu tun hatte

Unsere CI-Pipeline hat ein gültiges EKS-Token erzeugt, sauber präsentiert und wurde trotzdem abgewiesen. Das Problem waren nicht die AWS-Credentials. Es war die EKS-Zugriffssteuerung, und der Fehler lag offen vor uns: Der Cluster hatte keinen Access Entry für die anfragende Rolle.

kubernetes eks aws devops platform-engineering troubleshooting
$ cat AI .md
· 9 Min. Lesezeit

Opus 5 ist da, zum halben Preis von Fable 5. Die Benchmarks sind stark, aber die eigentliche Geschichte sind die API-Änderungen.

Opus 5 wurde am 24. Juli als Anthropics neues Standardmodell ausgeliefert. Die Benchmark-Tabelle liegt bei halben Kosten nur eine Rundungsstelle hinter Fable 5. Aber das, was deinen Alltag wirklich verändert, ist leiser: Thinking ist jetzt standardmäßig an, und das kippt ein paar Annahmen, die du seit 4.8 mit dir herumträgst.

ai llm anthropic claude opus
$ cat KUBERNETES .md
· 5 Min. Lesezeit

Die Agent-Kontrollebene: Omnigent auf Kubernetes

Databricks hat Omnigent als Open Source veröffentlicht: ein Meta-Harness, das beliebige Agent-Harnesses hinter einer einheitlichen API mit Policies, Sessions und persistentem State bündelt. Wer schon zustandsbehaftete Dienste auf Kubernetes betrieben hat, findet den Weg zum Self-Hosting kürzer als erwartet.

kubernetes devops platform-engineering ai-agents
$ cat KUBERNETES .md
· 9 Min. Lesezeit

StackGres und Strimzi: Day-Two-Lektionen aus einem echten Platform-Rebuild

Jeder Operator verspricht eine einfachere Einrichtung. Der echte Mehrwert zeigt sich später, wenn ein Replikat seine Control-Datei verliert oder ein Zertifikat in drei Wochen abläuft. Das ist es, was StackGres und Strimzi beim Betrieb von PostgreSQL und Kafka auf Kubernetes verändert haben.

kubernetes operators postgresql kafka devops platform-engineering
$ cat KUBERNETES .md
· 5 Min. Lesezeit

Helm-Deploy erfolgreich. Config nie angewendet.

Eine grüne CI-Pipeline, während das Live-Gateway 404s zurückgibt, ist kein Testfehler. Es ist eine stille Reload-Lücke. Hier ist das Cross-Release-Checksum-Pattern, das sie in helmfile schließt.

kubernetes helm helmfile devops platform-engineering