总体介绍了SIEM的背景趋势、以及数字化时代新的挑战，并且介绍了构建云上SIEM的最佳实践。

本文主要是对JAVA中的ReentrantLock.lock流程进行了自上而下的梳理。

补全用户想搜的Query，以提高用户的搜索效率。

本文主要讲述了淘系客户端是如何来建设自身的安全生产体系，从研发、构建、发布、应急四个阶段再次推动效率和用户体验不断得到升级。

本文重点在代理网关本身的设计与实现，而非代理资源的管理与维护。

在服务端的质量保障中接口测试一直占据着重要的作用，从最开始的手工测试到编写接口测试代码，再到后来的基于流量录制的接口回放，测试效率不断得到提高，但是风险评估主要还是依赖开发同学以及测试同学对业务的熟悉程度，没有相应的工具予以支撑，回归的时候也没有重点，通常会全量回归，避免遗漏。因此开发相应的工具及平台精准确定代码的改动范围，有效评估影响面，提高回归效率。

软件设计的最大目标，就是降低复杂性，万物不为我所有，但万物皆为我用。

为了追求极致的体验效果，钉钉提出了一种全新的小程序快照技术，既做到彻底消除白屏现象，同时也要能够响应用户交互。

Flink 和 ClickHouse 分别是实时流式计算和 OLAP 领域的翘楚，很多互联网、广告、游戏等客户都将两者联合使用于构建用户画像、实时 BI 报表、应用监控指标查询、监控等业务，形成了实时数仓解决方案（如图-1）。这些业务对数据的准确性要求都十分严格，所以实时数仓整个链路需要保证端到端的 Exactly-Once。通常来说 Flink 的上游是可以重复读取或者消费的 pull-based 持久化存储（例如Kafka），要实现 Source 端的 Exactly-Once 只需要回溯 Source 端的读取进度即可。Sink 端的 Exactly-Once 则比较复杂，因为 Sink 是 push-based 的，需要依赖目标输出系统的事务保证，但社区 ClickHouse 对事务并不支持，所以针对此情况阿里云 EMR ClickHouse 与 Flink 团队一起深度研发，支持了 Flink 到 ClickHouse 的 Exactly-Once写入来保证整个实时数仓数据的准确性。本文将分别介绍下现有机制以及实现方案。

短视频作为内容重要的承载方式，是吸引用户的重点，短视频的内容与体验直接关系到用户是否愿意长时停留。因此，体验的优化就显得尤为重要。上一篇我们分享了 iOS 短视频秒播优化，这篇我们来聊聊 Android 端的优化。

本文将介绍在我们电商首页部署的端上推荐系统EdgeRec，以及我们在端上推荐系统中的算法实践（部分已发表CIKM2020论文）。第2部分将介绍我们搭建的端上推荐系统EdgeRec整体架构，第3部分将介绍端上重排的问题与端上行为序列建模的算法方案，第4部分将介绍端上智能请求的背景问题与算法实践，第5部分将介绍我们在千人千模算法问题上的探索与算法实践。目前，EdgeRec日常为淘宝首页信息流带来13%的GMV提升。

基于妆容解析技术，我们可以实现妆容属性的精确解析，实现美妆商品的精细化召回，打造全新的美妆购物体验。

本文是一篇 kubernetes的入门文章，将会涉及 k8s 的技术历史背景、架构、集群搭建、一个 Redis 的例子，以及如何使用 operator-sdk 开发 operator 的教程。

命名是对事物本质的一种认知探索，是给读者一份宝贵的承诺。糟糕的命名会像迷雾，引领读者走进深渊；而好的命名会像灯塔，照亮读者前进的路。

本文就Spring Cloud Gateway做一个简单的介绍，以及针对一次请求Spring Cloud Gateway的处理流程做一个较为详细的分析。

直播业务的发展，对YOHO平台提出了通用性改造的新需求。分享在YOHO平台改造中的思考与实践。