知鸦日报2022-08-05

字节跳动是如何做用户增长的？

关于这个问题，坊间流传着各种版本的回答。有人说时也命也靠运气；有人说靠抖音最推崇的算法；也有人说是靠字节一只强悍的增长团队...

10年前，在“增长黑客”的概念已在硅谷典例频出的时候，国内的“增长”思维还处在冬草萌动、芽尖儿都没有的阶段。“增长”并非一个放之四海皆准的标准化方案。面对不同的地域、不同的人群，不同的思维方式与生活习惯，都会有不同的增长策略。而每一滴毫厘之差，也会汇成千里之势。

全民K歌在最近迎来了全新的8.0版本。借此机会，“旧城”录唱模块也迎来它的大焕新。本次录唱改版围绕「更统一」的生产框架、「更丰富」的视觉反馈、「更多元」的唱歌体验，对该模块进行了界面重构与体验探索。

很多新手在刚入门原型设计时，总会花费很多精力在工具的选择和打磨上，却忽略了原型设计的核心。等真正上起手来，只能照猫画虎，没有一个完整且系统的思路。

学习自动化设计框架的小伙伴稍微总结一下就会发现线性测试有大量的重复代码，新人上手学习成本高， 元素定位信息过于分散，概括为：开发成本、维护成本高。所以使用起来小项目还可以，大项目特别是测试人员需要共同维护一套的时候就比较吃力。

那我们以模块化驱动设计框架发现就会好很多，假如是简单的模块那我们就把重复代码独立成公共模块来设计。如果模块比较多，那我们以页面工厂模式PageFactory，也就是非常强大的 PO（PageObject）模式来设计，PageObject设计模式定义：将测试对象及单个的测试步骤封装在每个Page对象中，以page为单位进行管理。换句话说就是每个页面就是一个类，这个页面里面的元素定位信息是以类的属性存在，页面上的操作是以方法提供的 ，以页面为单位对用例进行管理和分层。

本文将介绍 B 站 Android 编译同步优化实践。

1. 序列化参数有枚举属性，序列化端增加一个枚举，能否正常反序列化？
2. 序列化子类，它和父类有同名参数，反序列化时，同名参数能否能正常赋值？
3. 序列化对象增加参数，反序列化类不增加参数，能否正常反序列化？
4. 用于序列化传输的属性，用包装器比较好，还是基本类型比较好？

WebXR 是一组支持将渲染 3D 场景用来呈现虚拟世界（XR）或将图形图像添加到现实世界（AR）的标准。

Fury是一个基于JIT的高性能多语言原生序列化框架，专注于提供极致的序列化性能和易用性。

The process of getting SFN working on Spin, Shopify’s cloud-development tool, is a great example of the kind of hidden difficulty in technical work that's more related to human systems.

众所周知，Javascript语言是没有能力管理内存和自动垃圾回收的，最直观的判断就是并没有这些方面的api及主动处理机制，这些能力完全依赖了底层引擎的处理，想要弄清楚V8引擎的性能为何出众，更加需要了解其重要的内存管理及垃圾回收的策略是如何运行的。

Apache Jmeter 是Apache组织基于Java开源的压力测试工具，可用于对各类软件做压力测试。同时，也广泛应用于接口测试、分布式压力测试、Restful风格的API测试。下面通过一个注册登录的实例来学习下Jmeter如何在上下游接口间进行参数传递。

通常在软件测试中，会遇到web网站注册、登录业务场景的测试，一般会涉及多个接口间的数据传递。

场景描述：模拟某网站注册账户时，需输入手机号码，且每次注册时，输入的手机号码不能重复；登录网站时明文密码需加密，登录后获取当前用户的基本信息。这时，需要用到Jmeter内置的强大函数助手来实现这些操作了。

处理配置文件是应用开发的常规操作。成熟的开发语言都有自己处理配置文件的套路。golang 有 viper 这样的成熟第三方库来处理配置文件。rust 的第三方库并不成熟。

这篇文章我们来聊聊 rust 如何处理配置文件。

苹果 APFS 的 bug。

网络安全现在越来越受到重视，其中后端应用最常见的安全漏洞就是SQL注入。为了尽可能地减少SQL注入问题，我们进行了一些实践总结，并在部门内部进行了推广。

与买家搜索不同，卖家搜索系统有着怎样独特的技术挑战？

随着微服务架构的普及，这些微服务构成了复杂的分布式网络，在支撑我们海量查询的同时，也带来了一些问题。

机票前台预订主流程服务现在有若干个系统，每个系统部署了多个服务，每个服务又依赖多个API，用户通过终端设备（手机、PC等）预订了机票产品，过程中出现“系统异常”该如何分析排查呢？

运营人员将问题抛给开发/测试人员定位，开发/测试人员只知道有异常，如何高效地从复杂的调用链条中找到原因，这对开发/测试人员会带来很大的挑战。

开发/测试人员借助单点日志逐个排查的效率是非常低的，特别是一些UI层的“待确认”的问题，只依赖一些日志报文进行排查效率是非常低下的。

如何提高开发/测试人员的排查效率，同时降低非开发人员的使用门槛？答案或许就是携程机票前台Trace系统。

携程的冷数据规模在 10PB+，包括备份数据、图片语音训练数据和日志数据等，存储方案主要是本地磁盘和GlusterFS。在实际使用中这些方案遇到了不少痛点：

• GlusterFS 在单目录下文件众多时，ls命令速度很慢；
• 受疫情期间机器采购周期的制约，无法灵活地根据实际需求弹性扩缩容，存储成本控制困难；
• 磁盘损坏等故障带来的机器替换和扩缩容操作，使得运维成本居高不下。

随着云计算技术的发展，公有云厂商为混合云客户提供了海量冷数据的廉价存储方案，经过严谨的成本计算，我们发现使用公有云的对象存储可以显著降低存储和运维成本。为了减少迁移成本，我们一直在寻找后端存储能支持各类公有云对象存储、高性能的文件系统，直到JuiceFS 出现在我们的视野中。JuiceFS有以下优势：

• POSIX 接口，对应用无侵入
• 强一致性，文件修改立刻可见，为同一个 volume 被多台机器挂载的场景提供 了close-to-open 保证
• 支持了主流的公有云对象存储，支持开源软件作为元数据引擎（Redis、TiKV）等
• 支持云原生，能够将volume以 CSI 的方式挂载到Pod上
• 社区活跃，代码更新快

经过大半年的测试和使用，我们已经对接了数据库备份和 ElasticSearch 冷数据存储，将2PB+的数据迁移到了JuiceFS，预计后续还会有10PB+的数据接入。目前JuiceFS系统稳定，在降低运维成本和存储成本方面取得了良好的效果。本文将对JuiceFS原理以及我们在使用中所遇到的问题和采取的优化方案进行简单介绍。

类似这样的架构图一般都是用AI设计的。用PPT做？不是不可以，只是有点复杂。但同时，这也是PPT的魅力。它能让每个非设计人员也能体验到设计的魅力！

组织到底被什么驱动？这是每位创业者持续思考的问题。

组织是被人、控制权、金钱驱动，还是被使命、愿景、理想、目标驱动？1000个创业者脑海中会有1000个不同的回答。虽然成功可以被总结，但关于这一问题，的确并没有“一招鲜”的标准答案。

为了讲好这个题目，前期我们调研大量公司，了解创业者关于组织的困惑。我们发现创业者们在面对组织中每天不确定的动态难题时，最渴望了解什么是关于组织的确定性的能力，也就是不管晴天还是雨天，激发组织活力的基本功是什么。由此，我想谈谈建设“确定性”的“后台”组织能力。

正视压力，对抗负面情绪。