话题公司 › 58同城

公司:58同城

关联话题: 天鹅到家

58同城(NYSE:WUBA),简称58,是一家位于中国北京市的生活服务及分类信息网站,以在地服务为主,举凡租房、招聘、交友、水电、二手交易等等,由北京五八信息技术有限公司拥有,创始人是姚劲波,成立于2005年12月12日。该网站是中文最大的生活信息网站,该网站的口号是“一个神奇的网站”。

58招聘C体验升级:偏好先行,厌恶终结

招聘平台在连接求职者与职位中扮演着至关重要的角色。然而,用户体验的每一次微小断裂,都可能成为求职者与理想职位之间的鸿沟。

Java 供应链(依赖)安全检测实践

近些年,开源程序陆续爆出安全漏洞,轻则影响用户体验,重则业务应用沦陷。大量的业务应用以及每天数千次的迭代,使得自动检测和治理第三方开源程序成为企业安全建设的必要一环。

从自动化到智能化:物联网技术在转转智能质检中心的应用

在转转智能质检中心,随着业务的不断发展,自动化检测硬件设备、以及设备端(手机、Pad 等)的自动化检测能力越来越丰富。

在前期发展过程中,各类自动化检测能力的设计和开发,主要围绕本身的功能来进行,缺少一个对整体自动化化程序的统一规划和设计,管理维护和迭代成本都较高。

B端体验突破·AI驱动的APP弹窗设计

尽管弹窗看似微不足道,但它在优化用户体验上肩负重任。凭借其直截了当且引人注目的特质,弹窗设计能即时抓住用户的视线,成为强化用户体验的关键策略。

一文读懂JavaScript原型链

什么是原型链,每个对象(Object)都有一个私有属性指向另一个名为原型(prototype)的对象。

Grafana动态视图在转转推送系统中的应用

动态视图是Grafana的一个插件,该插件可以动态填充数据、自定义数据与图表的交互。只要你的业务功能可以用流程图绘制,都可以通过本文的方式构建出一张动态视图,以可视化方式展现逻辑,帮助你快速定位正向、异常节点,减少排查问题过程中的人力投入。

那些你不知道的隐式类型转换

JavaScript是一种动态类型、弱类型语言,它在处理字符和字符串时表现出了独特的灵活性和复杂性。在本文中,我们将从探讨JavaScript中的一段通过隐式类型转换的看似疯狂但有效的代码片段到熟知Javascript中的隐式类型转换规则。

AI赋能·黄页B端多链路焕新

踏入数字时代,AI正深刻改变企业服务格局,在黄页业务中一场AI革命正如火如荼地进行着。

转转门店基于MQ的Http重试实践

在线下门店系统开发中,有很多地方需要使用Http请求和第三方系统进行通信,比如将门店的商品信息同步到第三方的电子价签上,再比如需要把门店店员的打卡信息同步到公司使用的第三方EHR系统中。

但在使用Http请求外部服务时,由于网络的不稳定性,第三方接口出现超时的现象时有发生,为了减少对业务造成的影响,我们迫切需要寻找一种Http重试方案。

58HBase云原生探索与实践

58大数据团队在计算方面的在离线混部项目已经取得了很好的效果,后续规划将大数据组件与云技术进行逐步的融合。

AIGC教程:没有创意/不会c4d,也能做IP -- 实操篇

一张线稿就能完成3D形象+场景海报!不用安装Stable Diffusion,不用高配机,联网就行!

解锁转转门店业务灵活性:如何利用MVEL引擎优化结算流程

随着门店结算业务的不断扩展,我们面临了日益增长的复杂性。目前,需要聚合计算的结算指标数量庞大,每个指标都依托于一套复杂的公式,而这些公式又是由众多业务配置参数构成的。业务的复杂化导致需要维护的公式数量急剧增加,带来了一系列挑战:

  1. 配置分散问题:业务配置目前分散在代码、Apollo配置中心以及数据库中,这种分散性使得维护工作变得繁琐且低效。
  2. 频繁更新问题:随着业务的不断调整,结算公式需要频繁更新。每一次微小的改动都要求进行系统上线,这增加了开发的负担。
  3. 代码维护问题:每次新公式的上线,都需要保留旧版本的指标公式。这导致在代码中需要同时维护多套指标公式,严重影响了代码的可读性和可维护性。

基于这些问题,我们的优化方案是建立一个公式管理中心,将所有的这些指标运算进行收拢。同时引入了强大的表达式引擎来处理这些运算,本文就如何使用表达式引擎解决这些问题展开分析。

从防范到防御异常场景处理机制终于闭环了

为什么要做异常场景自动化监控?怎么做?做这件事情的意义!

AIGC教程:没有创意/不会C4d,也能做IP --创意篇

在公司接到一个IP形象的设计需求?作为乙方接到了甲方的IP设计?想要给自己设计一个IP形象?

58全站用户行为数据仓库建设及实践

随着58业务体系的不断建设与发展,数据分析与应用需求越来越丰富,给数据仓库的建设工作带来了很大的挑战。

全站行为数据仓库建设过程中,我们总结的问题包括如下几点:

(1) 数据体系架构已经无法支持业务的快速迭代,数据集成的开发、维护成本高;

(2) 数据业务知识散乱,数据分析与应用成本高;

(3) 数据质量定义模糊,缺乏有效统一的数据质量监控体系;

(4) 缺失数据建设规范,数据开发、表结构定义不统一,数据任务、数据表维护成本高。

综上,全站行为数据仓库的建设,需要在现有的大数据平台基础上,借鉴互联网行业通用的维度建模方法论,构建架构合理,分层清晰,具有统一数据规范的全站行为数据仓库。

AI设计必看指南-谷歌和微软的AI设计原则

揭秘谷歌与微软背后的智能产品设计原则,打造有温度的用户体验。

Accueil - Wiki
Copyright © 2011-2024 iteam. Current version is 2.139.0. UTC+08:00, 2024-12-25 15:05
浙ICP备14020137号-1 $Carte des visiteurs$