公司：字节跳动
北京字节跳动科技有限公司，简称字节跳动，是一家位于中国北京的跨国互联网技术公司，成立于2012年3月，旗下有产品媒体聚合服务今日头条和短影音抖音（及其海外版本TikTok）、西瓜视频、社交平台Lemon8等，也有一些加入人工智能技术的专业生产力软件，例如剪映、办公套装拉客（lark，中国版本称飞书）等业务。
至2018年，字节跳动的移动应用月度用户超过十亿人，估值750亿美元，超越Uber成为全球最有价值的创业公司。截至2019年7月，字节跳动的产品和服务已覆盖全球150个国家和地区、75个语种，曾在40多个国家和地区位居应用商店总榜前列。
在中国互联网企业中，字节跳动是第一家没有向阿里巴巴、腾讯或百度寻求商业保护或融资的创业公司；相反地，字节跳动被认为与百度、腾讯两大巨头有强烈的竞争关系，因字节跳动资金主要来源于抖音和今日头条的广告收入。
至2020年3月，字节跳动已经有六万员工，并计划再增员一万人。投资人和内部消息将字节跳动2019年的营收定在1,040亿元至1,400亿元人民币，超过了Uber、Snapchat和推特的总和。在中国，其广告收入也超越了腾讯、仅次于阿里巴巴。抖音的全球下载量达1.15亿次，固定用户近10亿。
Midscene.js - AI 驱动的 UI 自动化框架
Web 界面的 UI 自动化一直以来都是一个微妙的存在。尽管业界中已有如 Playwright、Cypress 等成熟的产品，能够将自动化脚本做到稳定并且持续进行维护的团队却屈指可数。主要原因在于选择器的复杂性、与 HTML 结构的耦合度高，以及界面难以进行断言等老生常谈的问题。
Midscene.js 是由字节跳动 Web Infra 团队全新开源的 UI 自动化工具。通过引入多模态 AI 推理能力，Midscene.js 将帮助开发者打破传统 UI 自动化难于编写和维护的困境。
字节跳动基于 Ray 的大规模多模态数据处理框架
如何使用Ray/RayData构建Audio/Video数据处理Pipeline，以及在大规模不稳定资源上运行RayData所做的优化工作。
字节跳动的图虫往事
消散的创业心气。
BlockFramework —— 客户端模块化业务开发框架
良好架构是大型APP共同开发的支撑。BlockFramework是西瓜视频团队研发的一套客户端业务开发框架，具备业务分层、组装以及协同的能力，业务方基于此框架能够轻易实现业务解耦，独立开展逻辑迭代，从而提升架构的稳定性。
数据服务实践：API编排能力及电商场景应用
火山引擎大数据研发治理套件DataLeap-数据服务平台（后文简称数据服务平台）是提供 API 服务的一站式平台。能够帮助用户将数据快速服务化，提供 API 创建、管理、运维和共享的全生命周期管理能力。
音视频技术原理及应用
一文从理论到应用带你入坑音视频技术。
字节跳动合并编译实践
节约 CPU 40w core！本文主要介绍字节跳动在治理大规模微服务中的技术思考、解决方案和应用实践。
抖音集团 FlinkSQL 性能优化探索及实践
为满足业务对更高性能的需求，流式计算团队对 FlinkSQL 进行了深度优化。本文将聚焦这一实践，详解主要优化思路。
西瓜视频基于 Hertz 的微服务落地实践
西瓜视频是一个开眼界、涨知识的视频 App (Informative Video Platform)，作为国内领先的中长视频平台，它源源不断地为不同人群提供优质内容，让人们看到更丰富和有深度的世界，收获轻松的获得感，点亮对生活的好奇心。
字节跳动开源Linux内核网络抓包工具netcap
字节跳动正式发布下一代内核网络抓包工具：netcap（net capture），与 tcpdump 工具只能作用于内核网络协议栈准备发包和收包的固定点相比，netcap 可以几乎跟踪整个内核网络协议栈。
性能提升20%，字节跳动HTTPDNS从中心下沉到边缘
围绕实践难点、解决方案和收益多个维度，详细分享HTTPDNS服务从中心迁移至边缘的落地过程。
基于火山引擎微服务引擎 MSE 的全链路灰度落地实践
微服务引擎 MSE（Microservices Engine）是火山引擎提供的一款面向微服务全生命周期的一站式微服务解决方案。产品提供开源增强的 Nacos 注册发现、配置管理，兼容原生 Spring Cloud 、gRPC 及 Service Mesh 架构丰富微服务治理能力。
在抖音集团，存储实时数仓这样建
利用实时数仓架构提高开发效率，优化资源利用！
揭秘字节跳动基于 Doris 的实时数仓探索
字节跳动基于 Doris 实现了哪些能力提升？
字节跳动 EB 级日志系统设计与优化实践
大规模日志系统架构设计超详细解读
Gödel Scheduler 性能优化: 算法设计思想与数据结构应用
基于优异的调度性能，Gödel Scheduler 拥有在超大集群规模 (20k+ Nodes, 1000k+ Pods)、超高业务负载 (1k+ Incoming Pods/s)、超多复杂场景 (ML/批流/潮汐混部等) 下长期稳定