Kubernetes 已成为一个被广泛采用的采集行业工具，对可观测性工具的指标需求也在不断增加。为此，使用数据OpenTelemetry 创建了许多不同的采集工具，来帮助 Kubernetes 用户观察他们的指标集群和服务。
接下来我们将开始使用 OpenTelemetry 监控 Kubernetes 集群，使用数据将专注于收集 Kubernetes 集群、采集节点、指标pod 和容器的指标和日志，并使集群能够支持发出 OTLP 数据的服务。
Kubernetes 以多种不同的方式暴露了许多重要的遥测数据。它具有用于许多不同对象的日志、事件和指标，以及其工作负载生成的数据。 为了收集这些数据，我们将使用 OpenTelemetry Collector。该收集器可以高效地收集所有这些数据。
为了收集所有的数据，我们将需要安装两个收集器，一个作为 Daemonset，一个作为 Deployment。收集器的 DaemonSet 将用于收集服务、日志和节点、Pod 和容器的指标，而 Deployment 将用于收集集群的指标和事件。
为了安装收集器，我们这里将使用 OpenTelemetry Collector Helm 图表(https://github.com/open-telemetry/opentelemetry-helm-charts/tree/main/charts/opentelemetry-collector)，该图表带有一些配置选项，可以更轻松地配置收集器。
首先需要添加 OpenTelemetry Helm 仓库：
$ helm repo add open-telemetry https://open-telemetry.github.io/opentelemetry-helm-charts$ helm repo update收集 Kubernetes 遥测数据的第一步是部署一个 OpenTelemetry Collector 的 DaemonSet 实例，以收集与节点和运行在这些节点上的工作负载相关的遥测数据。使用 DaemonSet 可以确保此收集器实例被安装在所有节点上。每个 DaemonSet 中的收集器实例将仅从其运行的节点收集数据。
通过 OpenTelemetry Collector Helm Chat 配置所有这些组件非常简单，它还会处理所有与 Kubernetes 相关的细节，例如 RBAC、挂载和主机端口等。不过需要注意的是，默认情况下这个 Chart 图表不会将数据发送到任何后端。
我们这里首先创建一个 Prometheus 实例来收集指标数据，如下所示，我们使用 Helm Chart 来快速部署 Prometheus：
$ helm repo add prometheus-community https://prometheus-community.github.io/helm-charts$ helm repo update然后创建一个 prometheus-values.yaml 文件来配置 Prometheus Helm Chart：
# prometheus-values.yamlkubeStateMetrics: enabled: falsenodeExporter: enabled: falsekubelet: enabled: falsekubeApiServer: enabled: falsekubeControllerManager: enabled: falsecoreDns: enabled: falsekubeDns: enabled: falsekubeEtcd: enabled: falsekubeScheduler: enabled: falsekubeProxy: enabled: falsesidecar: datasources: label: grafana_datasource labelValue: "1" dashboards: enabled: trueprometheus: prometheusSpec: enableFeatures: - remote-write-receiverprometheusOperator: enabled: true admissionWebhooks: patch: enabled: true image: registry: cnych repository: ingress-nginx-kube-webhook-certgen tag: v20221220-controller-v1.5.1-58-g787ea74b6grafana: ingress: enabled: true ingressClassName: nginx hosts: - grafana.k8s.local注意这里我们没有定制任何 Exporter，因为我们将使用 OpenTelemetry Collector 来收集指标数据，然后再将其发送到 Prometheus 中。此外为了能够将收集器指标发送到 Prometheus ，我们需要启用远程写入功能，正常只需要在 Prometheus 启动参数中指定 --web.enable-remote-write-receiver 即可，但是我们这里是通过 Prometheus Operator 方式部署的，所以我们需要去修改 Prometheus 的 CR 实例对象，启用 remote-write-receiver 特性。另外我们还为 Grafana 启用了 Ingress，这样我们就可以通过 grafana.k8s.local 来访问 Grafana 了，默认用户名为 admin，密码为 prom-operator。
接下来直接使用下面的命令一键部署 Prometheus 即可：
$ helm upgrade --install prometheus prometheus-community/kube-prometheus-stack -f prometheus-values.yaml --namespace kube-otel --create-namespaceRelease "prometheus" does not exist. Installing it now.NAME: prometheusLAST DEPLOYED: Wed Aug 23 09:42:23 2023NAMESPACE: kube-otelSTATUS: deployedREVISION: 1NOTES:kube-prometheus-stack has been installed. Check its status by running: kubectl --namespace kube-otel get pods -l "release=prometheus"Visit https://github.com/prometheus-operator/kube-prometheus for instructions on how to create & configure Alertmanager and Prometheus instances using the Operator.部署后的资源对象如下所示：
$ kubectl get pods -n kube-otelNAME READY STATUS RESTARTS AGEalertmanager-prometheus-kube-prometheus-alertmanager-0 2/2 Running 0 6m3sprometheus-grafana-5d95cbc57f-v2bw8 3/3 Running 0 61sprometheus-kube-prometheus-operator-74fcfc7ff6-2bzfj 1/1 Running 0 6m19sprometheus-prometheus-kube-prometheus-prometheus-0 2/2 Running 0 6m3s$ kubectl get ingress -n kube-otelNAME CLASS HOSTS ADDRESS PORTS AGEprometheus-grafana nginx grafana.k8s.local 10.98.12.94 80 114s现在我们需要将指标数据发送到 Prometheus，所以我们需要在 Otel 采集器里面去配置导出器，可以使用到 prometheus 或者 prometheusremotewrite 导出器。我们这里将使用如下的 otel-collector-ds-values.yaml 文件来配置 OpenTelemetry Collector Helm Chart：
# otel-collector-ds-values.yamlmode: daemonsettolerations: - key: node-role.kubernetes.io/control-plane effect: NoScheduleclusterRole: create: true rules: - apiGroups: - "" resources: - nodes/proxy verbs: - get - watch - apiGroups: - "" resources: - nodes verbs: - list - watch - getpresets: hostMetrics: enabled: true kubernetesAttributes: enabled: true kubeletMetrics: enabled: trueports: prom: # 添加一个 9090 端口，用于 Prometheus 抓取 enabled: true containerPort: 9090 servicePort: 9090 protocol: TCPservice: # 创建一个 Service，后面 ServiceMonitor 会用到 enabled: trueconfig: receivers: prometheus: config: scrape_configs: - job_name: opentelemetry-collector scrape_interval: 10s static_configs: - targets: - ${ env:MY_POD_IP}:8888 exporters: logging: loglevel: debug prometheus: endpoint: "0.0.0.0:9090" metric_expiration: 180m resource_to_telemetry_conversion: enabled: true # prometheusremotewrite: # endpoint: http://prometheus-kube-prometheus-prometheus:9090/api/v1/write # tls: # insecure: true processors: metricstransform: transforms: include: .+ match_type: regexp action: update operations: - action: add_label new_label: k8s.cluster.id new_value: abcd1234 - action: add_label new_label: k8s.cluster.name new_value: youdian-k8s service: pipelines: metrics: exporters: - prometheus processors: - memory_limiter # 内存限制一般放在最前面 - metricstransform - k8sattributes - batch # 批量处理器放在最后 receivers: - otlp - hostmetrics - kubeletstats - prometheus直接使用上面的配置文件来部署 OpenTelemetry Collector DaemonSet：
$ helm upgrade --install opentelemetry-collector open-telemetry/opentelemetry-collector -f otel-ds-values.yaml --namespace kube-otel --create-namespace$ kubectl get pods -n kube-otelNAME READY STATUS RESTARTS AGEopentelemetry-collector-agent-22rsm 1/1 Running 0 18hopentelemetry-collector-agent-v4nkh 1/1 Running 0 18hopentelemetry-collector-agent-xndlq 1/1 Running 0 18h安装后我们可以查看当前采集器的配置信息，使用命令 kubectl get cm -n kube-otel opentelemetry-collector-agent -oyaml：
exporters: logging: loglevel: debug prometheus: endpoint: 0.0.0.0:9090 metric_expiration: 180m resource_to_telemetry_conversion: enabled: trueextensions: health_check: { } memory_ballast: size_in_percentage: 40processors: batch: { } k8sattributes: extract: metadata: - k8s.namespace.name - k8s.deployment.name - k8s.statefulset.name - k8s.daemonset.name - k8s.cronjob.name - k8s.job.name - k8s.node.name - k8s.pod.name - k8s.pod.uid - k8s.pod.start_time filter: node_from_env_var: K8S_NODE_NAME passthrough: false pod_association: - sources: - from: resource_attribute name: k8s.pod.ip - sources: - from: resource_attribute name: k8s.pod.uid - sources: - from: connection memory_limiter: check_interval: 5s limit_percentage: 80 spike_limit_percentage: 25 metricstransform: transforms: action: update include: .+ match_type: regexp operations: - action: add_label new_label: k8s.cluster.id new_value: abcd1234 - action: add_label new_label: k8s.cluster.name new_value: youdian-k8sreceivers: hostmetrics: collection_interval: 10s root_path: /hostfs scrapers: cpu: null disk: null filesystem: exclude_fs_types: fs_types: - autofs - binfmt_misc - bpf - cgroup2 - configfs - debugfs - devpts - devtmpfs - fusectl - hugetlbfs - iso9660 - mqueue - nsfs - overlay - proc - procfs - pstore - rpc_pipefs - securityfs - selinuxfs - squashfs - sysfs - tracefs match_type: strict exclude_mount_points: match_type: regexp mount_points: - /dev/* - /proc/* - /sys/* - /run/k3s/containerd/* - /var/lib/docker/* - /var/lib/kubelet/* - /snap/* load: null memory: null network: null kubeletstats: auth_type: serviceAccount collection_interval: 20s endpoint: ${ K8S_NODE_NAME}:10250 otlp: protocols: grpc: endpoint: ${ env:MY_POD_IP}:4317 http: endpoint: ${ env:MY_POD_IP}:4318 prometheus: config: scrape_configs: - job_name: opentelemetry-collector scrape_interval: 10s static_configs: - targets: - ${ env:MY_POD_IP}:8888service: extensions: - health_check - memory_ballast pipelines: metrics: exporters: - prometheus processors: - memory_limiter - metricstransform - k8sattributes - batch receivers: - otlp - hostmetrics - kubeletstats - prometheus telemetry: metrics: address: ${ env:MY_POD_IP}:8888# ...... 省略其他上面的配置信息是 OpenTelemetry Collector 真正运行时的配置信息，我们这里只保留了和 metrics 相关的配置。从上面配置文件可以看出我们定义了 4 个接收器：
4 个处理器：
2 个导出器：
下面我们来详细介绍一下其他组件。
otlp 接收器是在 OTLP 格式中收集跟踪、指标和日志的最佳解决方案。如果您在以其他格式发出应用程序遥测数据，那么收集器很有可能也有一个相应的接收器。这个前面我们已经详细介绍过了，我们这里定义了 http 和 grpc 两种协议，分别监听 4317 和 4318 端口。配置如下所示：
receivers: otlp: protocols: grpc: endpoint: ${ env:MY_POD_IP}:4317 http: endpoint: ${ env:MY_POD_IP}:4318hostmetrics 接收器用于收集主机级别的指标，例如 CPU 使用率、磁盘使用率、内存使用率和网络流量。我们这里的配置如下所示：
receivers: hostmetrics: collection_interval: 10s root_path: /hostfs scrapers: cpu: null disk: null filesystem: exclude_fs_types: fs_types: - autofs - binfmt_misc - bpf - cgroup2 - configfs - debugfs - devpts - devtmpfs - fusectl - hugetlbfs - iso9660 - mqueue - nsfs - overlay - proc - procfs - pstore - rpc_pipefs - securityfs - selinuxfs - squashfs - sysfs - tracefs match_type: strict exclude_mount_points: match_type: regexp mount_points: - /dev/* - /proc/* - /sys/* - /run/k3s/containerd/* - /var/lib/docker/* - /var/lib/kubelet/* - /snap/* load: null memory: null network: null配置红通过 collection_interval 指定了每 10 秒收集一次指标，并使用根路径 /hostfs 来访问主机文件系统。
hostmetrics 接收器包括多个抓取器，用于收集不同类型的指标。例如，cpu 抓取器用于收集 CPU 使用率指标，disk 抓取器用于收集磁盘使用率指标，memory 抓取器用于收集内存使用率指标,load 抓取器用于收集 CPU 负载指标。在这个配置文件中，我们只启用了 filesystem 抓取器，用于收集文件系统使用率指标。
filesystem 抓取器的配置中，指定了要排除某些文件系统类型和挂载点的指标收集。具体来说，它排除了文件系统类型 autofs、binfmt_misc、bpf、cgroup2......，它还排除了挂载点 /dev/*、/proc/*、/sys/*、/run/k3s/containerd/*、/var/lib/docker/*、/var/lib/kubelet/* 和 /snap/*，这些排除操作确保只收集相关的文件系统使用率指标。
Kubelet Stats Receiver 用于从 kubelet 上的 API 服务器中获取指标。通常用于收集与 Kubernetes 工作负载相关的指标，例如 CPU 使用率、内存使用率和网络流量。这些指标可用于监视 Kubernetes 集群和工作负载的健康状况和性能。
Kubelet Stats Receiver 默认支持在端口 10250 暴露的安全 Kubelet 端点和在端口 10255 暴露的只读 Kubelet 端点。如果 auth_type 设置为 none，则将使用只读端点。如果 auth_type 设置为以下任何值，则将使用安全端点：
此外还可以指定以下参数：
默认情况下，所有生成的指标都基于 kubelet 的 /stats/summary 端点提供的资源标签。对于某些场景而言，这可能还不够。因此，可以利用其他端点来获取附加的元数据，并将它们设置为指标资源的额外标签。当前支持的元数据包括以下内容：
如果你希望将 container.id 标签添加到你的指标中，请使用 extra_metadata_labels 字段来启用它，例如：
receivers: kubeletstats: collection_interval: 10s auth_type: "serviceAccount" endpoint: "${ env:K8S_NODE_NAME}:10250" insecure_skip_verify: true extra_metadata_labels: - container.id如果没有设置 extra_metadata_labels，则不会进行额外的 API 调用来获取额外的元数据。
默认情况下，该收集器将收集来自容器、pod 和节点的指标。我们可以通过设置一个 metric_groups 来指定要收集的数据来源，可以指定的值包括 container、pod、node 和 volume。比如希望仅从接收器收集节点和 Pod 指标，则可以使用以下配置：
receivers: kubeletstats: collection_interval: 10s auth_type: "serviceAccount" endpoint: "${ env:K8S_NODE_NAME}:10250" insecure_skip_verify: true metric_groups: - node - podK8S_NODE_NAME 环境变量在 Kubernetes 集群里面我们可以通过 Downward API 来注入。
Prometheus 接收器以 Prometheus 格式接收指标数据。该接收器旨在最大限度地成为 Prometheus 的替代品，但是目前不支持下面这些 Prometheus 的高级功能：
该接收器是让 Prometheus 抓取你的服务的直接替代品。它支持 scrape_config 中的全部 Prometheus 配置，包括服务发现。就像在启动 Prometheus 之前在 YAML 配置文件中写入一样，例如：
prometheus --config.file=prom.yaml注意：由于收集器配置支持 env 变量替换，prometheus 配置中的 $ 字符将被解释为环境变量。如果要在 prometheus 配置中使用 $ 字符，则必须使用 $$ 对其进行转义。
比如我们可以通过下面的配置来让收集器接收 Prometheus 的指标数据，使用方法和 Prometheus 一样，只需要在 scrape_configs 中添加一个任务即可：
receivers: prometheus: config: scrape_configs: - job_name: opentelemetry-collector scrape_interval: 10s static_configs: - targets: - ${ env:MY_POD_IP}:8888 - job_name: k8s kubernetes_sd_configs: - role: pod relabel_configs: - source_labels: [__meta_kubernetes_pod_annotation_prometheus_io_scrape] regex: "true" action: keep metric_relabel_configs: - source_labels: [__name__] regex: "(request_duration_seconds.*|response_duration_seconds.*)" action: keep我们这里添加的 opentelemetry-collector 任务，是去抓取 8888 端口的数据，而 8888 端口就是 OpenTelemetry Collector 的端口，这个端口我们在 service.telemetry 中已经定义了，这样我们就可以通过该接收器来抓取 OpenTelemetry Collector 本身的指标数据了。
批处理器接受追踪、指标或日志，并将它们分批处理。批处理有助于更好地压缩数据，并减少传输数据所需的外部连接数量。该处理器支持基于大小和时间的批处理。
强烈建议在每个采集器上配置批处理器。批处理器应该在内存限制器（memory_limiter）以及任何其他采样处理器之后的管道中定义。这是因为批处理应该在任何数据采样之后再发生。
批处理器中可以配置如下所示的一些参数：
比如如下配置包含一个默认的批处理器和一个具有自定义设置的第二个批处理器。批处理器 batch/2 将在 10 秒内缓冲最多 10000 个 span、指标数据点或日志记录，而不会分割数据项以强制执行最大批处理大小。
processors: batch: batch/2: send_batch_size: 10000 timeout: 10s下面的配置将强制执行最大批处理大小限制，即 10000 个 span、指标数据点或日志记录，而不引入任何人为的延迟。
processors: batch: send_batch_max_size: 10000 timeout: 0s内存限制处理器用于防止收集器的内存不足情况。考虑到收集器处理的数据的数量和类型是环境特定的，并且收集器的资源利用率也取决于配置的处理器，因此对内存使用情况进行检查非常重要。
memory_limiter 处理器允许定期检查内存使用情况，如果超过定义的限制，将开始拒绝数据并强制 GC 减少内存消耗。memory_limiter 使用软内存限制和硬内存限制，硬限制始终高于或等于软限制。
内存使用量随时间变化，硬限制是进程堆分配的最大内存量，超过此限制将触发内存限制操作。软限制是内存使用量下降到硬限制以下的阈值，恢复正常操作。
比如定义硬限制 limit_mib 为 100 MiB，软限制是 80 MiB，那么 spike_limit_mib 则为 20 MiB。当内存使用量超过硬限制时，处理器将拒绝接收数据，并强制执行垃圾收集以尝试释放内存。当内存使用量超过软限制时，处理器将进入内存限制模式，如果内存使用量下降到软限制以下，则恢复正常操作，数据将不再被拒绝，并且不会执行强制垃圾收集。
在内存限制模式下，处理器返回的错误是非永久性错误。当接收器方看到此错误时，他们会重试发送相同的数据。
强烈建议在每个收集器上配置 ballast 扩展以及 memory_limiter 处理器。ballast 扩展应配置为分配给收集器的内存的 1/3 到 1/2。 memory_limiter 处理器应该是管道中定义的第一个处理器（紧接在接收器之后）。这是为了确保可以将背压发送到适用的接收器，并在触发 memory_limiter 时将数据丢失的可能性降到最低。
内存限制器主要的配置选项包括下面这些：
Kubernetes 属性处理器允许使用 K8s 元数据自动设置追踪、指标和日志资源属性。当 k8sattributes 处理器被应用于一个 Kubernetes 集群中的 Pod 时，它会从 Pod 的元数据中提取一些属性，例如 Pod 的名称、UID、启动时间等其他元数据。这些属性将与遥测数据一起发送到后端，以便在分析和调试遥测数据时可以更好地了解它们来自哪个 Pod。
在 k8sattributes 处理器中，pod_association 属性定义了如何将遥测数据与 Pod 相关联。例如，如果一个 Pod 发送了多个遥测数据，那么这些遥测数据将被关联到同一个 Pod 上，以便在后续的分析和调试中可以更好地了解它们来自哪个 Pod。
比如我们这里定义的处理器如下所示：
k8sattributes: extract: metadata: # 列出要从k8s中提取的元数据属性 - k8s.namespace.name - k8s.deployment.name - k8s.statefulset.name - k8s.daemonset.name - k8s.cronjob.name - k8s.job.name - k8s.node.name - k8s.pod.name - k8s.pod.uid - k8s.pod.start_time filter: # 只有来自与该值匹配的节点的数据将被考虑。 node_from_env_var: K8S_NODE_NAME passthrough: false # 表示处理器不会传递任何不符合过滤条件的数据。 pod_association: - sources: - from: resource_attribute # from 表示规则类型 name: k8s.pod.ip - sources: - from: resource_attribute # resource_attribute 表示从接收到的资源的属性列表中查找的属性名称 name: k8s.pod.uid - sources: - from: connection其中 extract 选项列出要从 Kubernetes 中提取的元数据属性，我们这里包括命名空间、Deployment、StatefulSet、DaemonSet、CronJob、Job、Node、Pod 名称、Pod UID 和 Pod 启动时间。 filter 属性指定仅考虑名称与 K8S_NODE_NAME 环境变量的值匹配的节点的数据。passthrough选项设置为 false，这意味着处理器不会传递任何不符合过滤条件的数据。
最后，pod_association 选项定义了如何将从 Kubernetes 中提取的 Pod 元数据与遥测数据关联起来。在这个配置文件中，pod_association 属性定义了三个关联源，分别是 k8s.pod.ip、k8s.pod.uid 和 connection。
如果未配置 Pod 关联规则，则资源仅通过连接的 IP 地址与元数据关联。
通过这些关联源，pod_association 属性可以确保遥测数据与正确的 Pod 相关联，从而使得在分析和调试遥测数据时更加方便和准确。
要收集的元数据由定义的元数据配置确定，该配置定义了要添加的资源属性列表。列表中的项与将要添加的资源属性名称完全相同。默认情况下添加以下属性：
你可以使用 metadata 配置更改此列表。并非所有属性都能够被添加。只有来自 metadata 的属性名称应该用于 pod_association 的 resource_attribute，空值或不存在的值将会被忽略。
此外 k8sattributesprocessor 还可以通过 pod 和命名空间的标签和注解来设置资源属性。
指标转换处理器可用于重命名指标，以及添加、重命名或删除标签键和值。它还可用于跨标签或标签值对指标执行缩放和聚合。下表提供了可应用于一个或多个指标的受支持操作的完整列表。
操作 | 示例 (基于指标 system.cpu.usage) |
Rename metrics | 重命名 system.cpu.usage_time |
Add labels | 添加一个新的标签 identifirer 值为 1 |
Rename label keys | 重命名标签 state 为 cpu_state |
Rename label values | 对于标签 state, 将值 idle 重命名为 - |
Delete data points | 删除标签为 state=idle 的所有数据点 |
Toggle data type | 从 int 数据点更改为 double 数据点 |
Scale value | 将值乘以 1000，从秒转换为毫秒。 |
Aggregate across label sets | 仅保留标签 state，对该标签具有相同值的所有点求平均值 |
Aggregate across label values | 对于标签state，将值为 user 或 system 的点求和，并赋给used = user + system。 |
我们这里的添加的配置如下：
metricstransform: transforms: action: update include: .+ match_type: regexp operations: - action: add_label new_label: k8s.cluster.id new_value: abcd1234 - action: add_label new_label: k8s.cluster.name new_value: youdian-k8s表示我们会对所有的指标添加 k8s.cluster.id 和 k8s.cluster.name 两个标签。
日志导出器，用于将数据导出到标准输出，主要用于调试阶段。
Prometheus 导出器，该导出器可以指定一个端点，将从接收器接收到的指标数据通过这个端点进行导出，这样 Prometheus 只需要从这个端点拉取数据即可。而 prometheusremotewrite 导出器则是将指标数据直接远程写入到指定的地址，这个地址是支持 Prometheus 远程写入协议的地址。（经测试当前版本远程写入的导出器有一定问题）
我们这里的配置如下：
prometheus: endpoint: 0.0.0.0:9090 metric_expiration: 180m resource_to_telemetry_conversion: enabled: true所以最后我们可以在 Prometheus 中去采集 OpenTelemetry Collector 在 9090 端口暴露的指标数据，只需要创建一个如下所示的 ServiceMonitor 对象即可：
apiVersion: monitoring.coreos.com/v1kind: ServiceMonitormetadata: name: otel-prom namespace: kube-otel labels: release: prometheusspec: endpoints: - interval: 10s port: prom # 我们在helm values 中定义了一个 prom 的 Service 端口 path: metrics selector: matchLabels: component: agent-collector app.kubernetes.io/instance: opentelemetry-collector创建后我们就可以在 Prometheus 中找到 OpenTelemetry Collector 暴露的指标数据了。
采集到的指标里面包含了很多的标签，这些标签都是通过我们前面定义的处理器添加的，比如：
同样我们也可以通过 Grafana 来查询这些指标数据：
此外我们还可以部署 OpenTelemetry Collector 的 Deployment 模式来采集其他指标数据。
责任编辑：姜华 来源： k8s技术圈 Kubernetes容器(责任编辑：时尚)
嘉里物流(00636.HK)因购股权获行使发行8万股 每股发行价10.2港元
嘉里物流(00636.HK)公告，于2021年3月9日，因公司附属公司的董事行使购股权而发行8万股，每股发行价10.2港元。
...[详细]
随着手机的功能越来越多样化，我们也越来越离不开它。据报道，人们平均每天要在手机屏幕上滑动2617次，大部分人眼睛盯留在屏幕上的时间每天超过3个小时。更值得注意的是，随着电子产品走进千家万户，儿童盯看电
...[详细]
人工智能技术方兴未艾，语音交互技术也进入迅速普及落地阶段。在未来机器智能时代，机器与人类最终交互行为的落地中，语音是一个很重要的交互方式。现在，语音已覆盖了智能家居、手机、平板、汽车、机器人等各大领域
...[详细]
雷锋网3月11日消息，一则“移动3G退网”登入热搜次席，进一步消息显示，福州市无线电管理局给福州移动发函称，“你单位关于申请注销TD-SCDMA基站的报告收悉。经研究，同意注销你单位已经停止使用的TD
...[详细]埃斯顿(002747.SZ)：埃斯顿投资减持749.18万股 占公司总股本的比例约为0.89%
埃斯顿(002747.SZ)公布，埃斯顿投资及其一致行动人韩邦海目前持有公司5.89%的股份，公司于近日接到埃斯顿投资相关方递交的《简式权益变动报告书》及相关资料。2021年3月25日，埃斯顿投资通过
...[详细]
雷锋网消息，3月27日晚，上海证券交易所下称“上交所”）公布科创板第二批受理企业名单。此次，公布的企业一共8家。具体为苏州华兴源创科技股份有限公司、深圳微芯生物科技股份有限公司、厦门特宝生物工程股份有
...[详细]
雷锋网消息，巴塞罗那时间2月25日，联想在MWC大会发布全新AI+IoT产品与服务，由AI+CMP连接管理）、AI+UEM设备管理）、AI+IIoT工业物联网）和AI+IoV车联网）四部分组成。AI和
...[详细]
雷锋网1月10日晚间消息，央视新闻报道，工信部部长苗圩表示，我国将进行5G商业推广，一些地区将会发放5G临时牌照，下半年还将用上诸如5G手机、5GiPad等商业产品。采访中，苗圩还重点描绘了5G技术的
...[详细]聚利宝控股(08527.HK)：李朝昌辞任独立非执行董事 3月11日起生效
聚利宝控股(08527.HK)公告，李朝昌先生基于彼其他的工作安排，辞任独立非执行董事、公司审核委员会成员、公司薪酬委员会成员及公司提名委员会成员，自2021年3月11日起生效。
...[详细]vivo APEX 2019 概念机亮相：全屏幕指纹 + 无开孔，支持 5G
2018 年 2 月 25 日，在当年度的 MWC 上，来自中国的智能手机厂商 vivo 亮出了一台名称为 APEX 概念机，它的接近 100% 的屏占比、升降式前置摄像头、隐藏式的听筒和传感器，让整
...[详细]
中国跨境金融服务再升级 网络与信息服务水平进一步提升
华为郑叶来：AI炒作和投机回落，是行业应用春天的开始
为庆祝巴赫334岁生日，谷歌上线了AI音乐“巴赫涂鸦”
默默守护安全12载，360首获“人民匠心”
优化产品结构 中国石油2022年第一季度实现良好开局
