知鸦日报2023-03-17

在设计一个全新的产品时，经常会遇到很多问题，用户是谁？这个模块应该占界面中多大的区域，用户的操作流程是如何的？在遇到较为复杂的交互模式和行为的工具型产品时设计师可能一开始就陷入某个功能的设计细节中，这往往到了产品后续迭代中会产生一些因前期设计框架的思考不足导致了产品后续迭代过程中需要从框架层面进行一些调整可能会带来一些不可逆的伤害。

“视觉设计不仅仅关乎视觉呈现，也需要从信息架构、功能排布等很多方面对产品进行考虑。” 如果身为视觉设计师，只是考虑美学层面，拿到交互稿直接去填色美化，那我们和美工没有区别。

从消费互联网逐步转向产业互联网过程中，对房产、汽车等行业来说，实体商品的数字化成为企业的发展空间、增强客户体验、扩大商业收益的必要手段。而我们在线上看到的立体化商品都是通过一系列VR采集工具将实体商品复刻出来的。

在本文中我们会介绍，如何将已有的路径描述 (Path) 转化为，GPU可读取的三角形的顶点数据。

易用性、可维护性是衡量一款自动化工具/框架是否好用的主要标准，那么针对大多数人着手测试自动化时最先接触到的、基于selenium的UI自动化框架，怎样才能做到这几点呢？下面将结合我们团队在实际项目上的应用和不断打磨沉淀出来的框架做个简要介绍。

1688商品发布系统升级发品框架GPF，面对商品模型复杂度极高，发布的海量场景、多重业务逻辑如何覆盖？本文从手工测试到自动化测试，以及完善的质量保障方案一一解答。

The Global Data Warehouse team at Uber democratizes data for all of Uber with a unified, petabyte-scale, centrally modeled data lake. The data lake consists of foundational fact, dimension, and aggregate tables developed using dimensional data modeling techniques that can be accessed by engineers and data scientists in a self-serve manner to power data engineering, data science, machine learning, and reporting across Uber. The ETL (extract, transform, load) pipelines that compute these tables are thus mission-critical to Uber’s apps and services, powering core platform features like rider safety, ETA predictions, fraud detection, and more. At Uber, data freshness is a key business requirement. Uber invests heavily in engineering efforts that process data as quickly as possible to keep it up to date with the happenings in the physical world.

In order to achieve such data freshness in our ETL pipelines, a key challenge is incrementally updating these modeled tables rather than recomputing all the data with each new ETL run. This is also necessary to operate these pipelines cost-effectively at Uber’s enormous scale. In fact, as early as 2016, Uber introduced a new “transactional data lake” paradigm with powerful incremental data processing capabilities through the Apache Hudi project to address these challenges. We later donated the project to the Apache Software Foundation. Apache Hudi is now a top-level Apache project used industry wide in a new emerging technology category called the lakehouse. During this time, we are excited to see that the industry has largely moved away from bulk data ingestion towards a more incremental ingestion model that Apache Hudi ushered in at Uber. In this blog, we share our work over the past year or so in extending this incremental data processing model to our complex ETL pipelines to unlock true end-to-end incremental data processing.

Here are a few internationalization (i18n) best practices to help front-end developers avoid errors and serve more robust text content on multilingual websites and apps.

Modern.js 是字节跳动 Web Infra 团队开源的一套 Web 工程体系。

Flutter Dart也支持泛型和泛型的协变与逆变，并且用起来比Java，Kotlin更方便。那么Dart中的泛型协变和逆变，应该如何理解和使用呢？它与Java，Kotlin中的逆变和协变又有什么区别呢？

内容主要包括五个方面：

1. 京东零售实时计算的现状
2. 实时计算框架
3. 场景优化：TopN
4. 场景优化：动线分析
5. 场景优化：FLINK 一站式机器学习

本文我们将介绍 Apache Dubbo 灵活的多协议设计原则。

作为一个后台开发，当服务上线的时候你是否只能看着黒呼呼的日志，单调的服务主被调曲线?

不如换一个思维，让我们通过业务数据实现一个秒级延迟的数据看板？去做一个从用户角度出发的业务数据觉察与监控系统？从另外一个角度来察觉业务可能存在的问题？

携程小程序自动化错误预警方案是一套完整且通用的小程序前端错误监控方案。此方案提供小程序错误自动采集SDK，并对错误所在的页面路径进行偏移矫正，能够准确通知相应的开发负责人；将错误信息分为生产、测试、开发3种阶段，根据错误发生的阶段提供相应的错误预警及处理方案；开发负责人只需在小程序管理平台配置告警所需信息，即可快速接入、实时监控生产报错、生成告警通知；源码映射能力可以帮助开发者快速定位错误原因，提升修复效率。接入此方案可实时捕获开发环境错误，确保在小程序发布上线前发现并解决业务报错，可极大地减少线上小程序的错误量。

一页纸项目管理是让项目利益相关人了解项目情况的一个沟通工具；一页纸项目管理为项目描绘了一幅高度可视化的项目连锁图。通过展示、讲述并连接项目的各个组成部分，它让利益相关人能马上清楚项目计划及绩效。

成长的本质是什么？本文主要引导帮助读者完成个人成长路线图的确定以及落地实践。