公司：腾讯
腾讯控股有限公司（英语：Tencent Holdings Limited），简称腾讯，是中国一家跨国企业控股公司，为中国大陆规模最大的互联网公司，1998年11月由马化腾、张志东、陈一丹、许晨晔、曾李青5位创始人共同创立，总部位于深圳南山区腾讯滨海大厦。腾讯业务拓展至社交、金融、投资、资讯、工具和平台等不同领域，其子公司专门从事各种全球互联网相关服务和产品、娱乐、人工智能和技术。目前，腾讯拥有中国大陆使用人数最多的社交软件腾讯QQ和微信，以及最大的网络游戏社区腾讯游戏。在电子书领域 ，旗下有阅文集团，运营有QQ阅读和微信读书。
腾讯于2004年6月16日在香港交易所挂牌上市，于2016年9月5日首次成为亚洲市值最高的上市公司，并于2017年11月21日成为亚洲首家市值突破5000亿美元的公司。2017年，腾讯首次跻身《财富》杂志世界500强排行榜，以228.7亿美元的营收位居478位。2021年腾讯因财付通业务，也受到了国家金融机构的监管风暴影响，一度被重罚股价大跌，直到2023年整顿完成后才重回世界十大。
香港财经界把阿里巴巴、腾讯、美团点评、小米四只中国大陆科技股的英文名称首个字母，合称“ATMX”股份。
如何在Innodb层维护GTID？
在之前的公众号文章《GTID实践和分析》中介绍了GTID的基本原理，MySQL主要通过Server引擎的binlog文件和Innodb的mysql.gtid_executed表来持久化GTID集合信息。在提交时会将分配给事务的GTID刷到binlog文件中，在事务成功提交后会将GTID加入内存的executed_gtids集合中，并周期性持久化到mysql.gtid_executed表中。在实例恢复时可以从mysql.gtid_executed表+最后一个binlog文件中的GTID信息来恢复executed_gtids集合，从而保证GTID的完整性。
在MySQL 8.0.17开始引入基于Innodb引擎的物理备份插件clone plugin，和xtrabackup不同，它在克隆时不会复制Server层的binlog文件，而mysql.gtid_executed表的数据并不是实时的，因此需要在Innodb层维护完整的GTID信息。引入clone plugin后一个明显的变化是事务提交时会将GTID信息记录在undo log header，并新增一个 Clone_persist_gtid 对象来维护Innodb层GTID的持久化。本文将从"分配Undo log segment"、"在Undo log header记录GTID信息"、"GTID的持久化"和"Purge Undo log"这几个关键环节代码对GTID的维护进行介绍。
如何写好一篇技术文章？看这篇就够了
在学习和工作过程中，作为工程师的大家都会试着写一些技术文章，或用于沉淀总结，或用于分享经验，或用于传播知识。最近几年笔者在工作之余也会写一些技术文章，也经常会思考“如何写好一篇技术文章”这个问题。
深入理解完美哈希
本文对完美 Hash 的概念进行了梳理，通过 Hash 构建步骤来了解它是如何解决 Hash 冲突的，并比较了 Hash 表和完美 Hash 表。下面介绍常见的 Hash 与 Perfect Hash 函数及它们在不同场景的应用。
数据仓库开发 SQL 使用技巧总结
使用 sql 做数仓开发有一段时间了，现做一下梳理复盘，主要内容包括 sql 语法、特性、函数、优化、特殊业务表实现等。
C++异步：libunifex的scheduler实现！
关于C++异步，你需要了解哪些？
微信看一看基于对比学习的跨领域推荐模型
跨领域推荐（cross-domain recommendation, CDR）关注如何充分利用源领域（source domain）的信息辅助目标领域（target domain）的推荐效果。真实推荐系统中常常能遇到需要跨领域推荐的场景（且目标领域往往只拥有极稀疏的用户行为），然而已有CDR模型往往关注于排序模块，缺少对于召回模块（matching）的设计。召回中的跨领域推荐在领域内表示学习和领域间知识迁移时都面临着严重的数据稀疏（data sparsity）和流行度偏差（popularity bias）问题。
在这篇工作中，我们针对召回中的跨领域推荐问题，提出了一个基于对比学习的跨领域推荐模型（Contrastive Cross-Domain Recommendation，CCDR）。具体地，我们首先在每个领域建立一个全局异质的多样化偏好网络（diversified preference network），通过异质节点用户、物品、标签、分类、文字、公众号之间丰富的交互，引入额外的多样化用户偏好信息，然后，我们使用单领域图神经网络得到各领域下异质节点的表示向量。
我们创新性地提出并联合应用两种对比学习——领域内对比学习（intra-domain contrastive learning, intra-CL）和领域间对比学习（inter-domain contrastive learning, inter-CL）。领域内对比学习通过图增广加强稀疏目标领域内的节点表示学习，而领域间对比学习构建了三种不同的跨领域知识迁移桥梁，加强了不同领域间的用户偏好对齐。
我们在看一看推荐系统的不同跨领域推荐场景上进行了丰富的实验，CCDR模型在离线和线上实验中均获得显著提升效果。目前，CCDR模型已经部署于看一看推荐系统，服务千万用户。
源源不断的创新思路（渐进篇）
创新在产品设计和驱动商业中有着不可或缺重要性。作为设计师，如何抓住乍现的灵光时刻并不断复制思路，生产源源不断的创意活水？《设计策略｜源源不断的创新思路》分为渐进篇和激进篇，旨在从创意的启动、过程和决策三个阶段出发，提供创意策略，通过具体的案例或思维过程帮助大家在工作中打造自己的灵感永动机。
浅析B端场景下的搜索设计
B端业务场景下数据量多且复杂，对数据的精准度和查找效率要求高。本文基于威胁情报中心业务设计背景对B端搜索功能进行探究分析，总结设计过程中的思考和要点。
《CSS 世界》读书笔记-流与宽高
在这篇笔记中，主要总结了流与宽高之间是如何相互影响的，同时还探索了部分盒模型的问题。希望能给大家在平常开发时，带来一定的启发。
探索用Figma做游戏UI设计
纵观全网Figma基本都是To B 、To C类的产品应用，很少人会往这个游戏这个方向研究了，因此我开启了一段Figma针对扁平类游戏UI设计的探索之旅，结合Figma Config 2022姗姗来迟的AutoLayout 4.0的使用，以英雄联盟鲜明的海克斯科技风格代表性更高。
企业微信消息存储系统分钟级扩容方案
企业微信在飞速发展，越来越多的企业在企微协同、连接。据 2022 年企微发布会公布，企微内有 1000 万真实企业/组织，服务 5 亿微信活跃用户，活跃用户数达到 1.8 亿。
消息是企微最核心的基础功能，过去几年消息量增长了很多倍。为了保证消息存储系统的高可用和高可靠，我们进行了多次重要升级改造。
C++异步：structured concurrency实现解析！
关于C++异步，你需要了解哪些？
广告归因：买量如何做价值衡量？
归因（Attribution）是指采用标识符来识别用户的转化路径，并判断其中的有效触点价值。广告平台基于归因结果，进行付费；广告主则可用于投放策略的优化。
C++异步：libunifex中的concepts详解！
关于C++异步，你需要了解哪些？
如何实现 1 小时内完成千万级数据运算
本文详细描述如何实现：目前手上可用的资源仅剩一个 16 核剩余 4-8G 内存的机器，单点完成在 1 个小时内千万级别 feed 流数据 flush 操作（主要包括：读数据，计算综合得分，淘汰低分数据，并更新最新得分，回写缓存和数据库）。
浅谈协程
我们可以简单的认为：协程就是用户态的线程，但是上下文切换的时机是靠调用方（写代码的开发人员）自身去控制的。
同时，协程和用户态线程非常接近，用户态线程之间的切换不需要陷入内核，但部分操作系统中用户态线程的切换需要内核态线程的辅助。