随着货拉拉平台用户数和业务量的快速增长，呼叫中心的电话语音、工单系统的文本，以及其他各类渠道的信息，汇总成了庞大的服务数据。在这些服务数据中，如何判断服务人员的服务水平和质量？他们所提供的服务是否符合服务规范？

背景货拉拉数据平台上有众多的任务，任务和任务之间有着复杂依赖关系，这些任务关系实际上构成了一个有向无环图

前端工程师作为离用户最近的开发岗位之一，我们从设计师获取到设计稿，将设计稿还原为 web 页面，用户每天都在使用我们开发的页面，使用体验上的好坏和我们息息相关。作为开发者的我们年龄基本都处于青壮年阶段，浏览正常布局网页觉得稀疏平常

缓存有什么作用？当一个服务达到瓶颈时，必然会引入缓存提高性能。而当缓存自身达到瓶颈时，就需要建设缓存的集群管

背景在当前环境下数据安全、网络安全的重要性逐步提升。在网络安全法和个人信息保护法中也明确提出，企业需要针对敏

动态资源管理系统是货拉拉目前使用的用于管理离线so、动画资源、字体文件的组件，对于减小包体积起着重要作用。具

在货拉拉，HBase承担了在线存储的职责，支持着风控、地图、实时标签等重要业务。同时也存在着大量数据T+1的场景：即用户需将Hive中特定的如标签、指标等离线业务数据，定期导入HBase系统，以提供在线服务查询，支撑风控、运营等场景。

一、怎么提高研发效率？在工作量没变的情况下，想要提高工作效率，最好最直接的方式就去除重复性的劳动。今天跟大家

埋点数据作为货拉拉公司的核心数据资产，应用涉及用户增长、产品优化、智能运营及科学决策，是各业务侧提出优化解决方案的重要基础数据。各大互联网公司都十分重视埋点数据的收集、治理和数据洞察应用，而因为埋点过程整体链路环节较长，囊括的角色也相对较多

1. 背景货拉拉作为一家数据智能驱动的科技物流型平台企业，内部分析师和研发人员等每天会通过大数据服务进行大量

一、前言货拉拉是大家耳熟能详的互联网物流公司，致力于为个人、商户及企业提供高效的物流解决方案，让货物出行更轻

作者介绍：胡嘉椿，来自货拉拉/技术中心/质量保障部，专注于移动测试效能方向。一、背景随着货拉拉在同城、跨城、

在 react 应用中，大家一定使用过 Context[1] 来管理状态以解决 props drilling

背景数据工程、模型训练、在线服务是机器学习技术实现的三驾马车，这个流程中处理的数据量大，计算量大、训练框架和版本多样、底层依赖复杂，资源算力管理，需要人工介入解决很多问题，给AI落地带来了比较困难

引言Hades是货拉拉自研的移动端监控平台，协同日志监控和Devops等平台，共同支撑集团内部所有移动端工程

随着货拉拉公司业务不断扩张，对数据分析和数据价值转化的需求愈加明显，此时打造自研BI平台的迫切性越来越强，本文将详细介绍货拉拉云台系统的架构设计及技术实现。