对于一个初上线的简单服务，只需通过常规的自动化测试加上人工即可解决，但我们线上核心的业务系统往往比较复杂，通常也会频繁的需求迭代，如何保证被修改后的系统原有业务的正确性就比较重要。常规的自动化测试需要投入大量的人力资源，准备测试数据、脚本等，并且覆盖率通常也不高，难以满足要求。

为了保证一个线上系统的稳定性，开发和测试人员都面临不少的挑战：

• 开发完成后难以快速本地验证，发现初步的问题，容易陷入提测->发现bug->fix->提测的循环
• 准备测试数据、自动化脚本编写和维护需要大量的人力成本，而且难以保证覆盖率
• 写服务难于验证，而且测试会产生脏数据，例如我们的核心交易系统，可能会往数据库、消息队列、Redis等写入数据，这部分数据往往比较难以验证，测试产生的数据也难于清理
• 线上问题难以本地复现，排查困难

作为全球领先的一站式旅游服务平台，携程始终坚持以技术创新为发展核心。自鸿蒙发布以来，我们便投入研发力量进行调研、开发，并成功落地了携程机票项目、服务卡片项目等。现将鸿蒙项目中相关经验整理分享，希望能给大家一些参考，也希望鸿蒙发展能越来越好。

为了支撑业务的高速发展，从17年开始，携程内部逐步推进应用容器化改造与业务上云工作，同期携程技术架构经历了从集中式单体应用到分布式微服务化的演进过程。

随着Kubernetes的不断发展和推广，服务网格（Service Mesh）在近几年也变得很流行。而 Servive Mesh 之所以越来越受欢迎，在提供更丰富的服务治理、安全性、可观测性等核心能力外，其从架构设计层面解决了以上几个痛点，服务治理能力以 Sidecar 的模式下沉到数据面，解决了 SDK 升级及多语言的问题，对于像负载均衡、熔断、限流等策略配置，由控制面统一管理和配置，并下发到数据面生效。在整体架构上云技术方案选型上，权衡各类方案的功能完备性、架构扩展性、改造维护成本及社区发展等，最终选择基于Istio构建Service Mesh平台治理方案。

• 随着携程酒店数据的膨胀以及个性化需求的增多，每个数据接口个性化的排期开发，因为没有标准化，从需求讨论，数据准备、接口封装、上线调试到接口api说明，期间需要花费大量的时间。一个接口的实现到生产上线至少需要2天甚至更多时间，这个时间成本不得不依赖排期开发；
• 随着历史接口的迭代，已对外提供的700多数据接口中，其中500多个还在使用，并且每年的增量在100多，开发和维护成本高，特别是在追溯上游离线数据逻辑的时候，过于依赖研发资源；
• 不同研发团队技术栈不一样，算法相关的研发更多偏向于python开发，对外输出的接口也是由python实现，但公司框架对java接口有更友好的支持，不同技术栈对外输出接口的稳定性存疑，特别是人员流动，团队职责变化后，同时也影响维护成本；
• 随着业务的发展，各个业务系统的数据需求越来越多，需求响应要求也越来越高；
• 通过历史接口的分析归类，80%以上的数据接口其实是针对离线数据或者实时数据加上需求方的检索条件返回数据，没有过多的加工逻辑或者过于复杂的业务逻辑在接口中实现；

为了能更快速支持业务个性化需求和降低研发成本，起到降本增效的效果，同时避免烟囱式数据接口开发，提高数据复用率，避免同样数据出现同样的多个接口，也避免不同的研发团队拿到同一份数据都在做自己场景的数据接口，减少数据孤岛情况。为此，我们设计了一套符合需求的数据服务平台。

携程酒店业务使用Flutter技术开发的时间快接近两年，这期间有列表页、详情页、相册页等页面使用了Flutter技术栈进行了跨平台整合，大大提高了研发效率。在开发过程中，也遇到了一些性能相关问题和用户反馈，比如长列表滚动卡顿、页面打开时间较长、页面打开后部分数据加载时间较长等问题。为解决这些问题，我们选用了多个性能指标监控业务运行状态，借助性能检测工具定位问题，并查阅源码、文档等资源解决问题，形成了这篇文章。

同时在不断的需求迭代和代码更新过程中，APP的性能稳定性持续受到挑战，为此我们建立了线上性能监控系统，通过量化，治理，监控三方面手段，持续改善APP性能和用户体验。目前页面的各种性能指标诸如FPS、TTI、内存等都达到了不错的效果，本文将介绍我们在优化过程中所遇到的问题和采取的主要优化方案。

赋予前端团队更大的灵活自主性，显著提升研发迭代效率。

Kubernetes HPA一定会减少资源使用吗？HPA可观测性实践分享。

随着网络应用技术的飞速发展，多元化、低密度数据的急剧膨胀对人们获取正确信息带来巨大挑战，大量冗余信息出现的根源在于自然语言表达的多样性，即一词多义和多词同义。例如，“苹果”在不同语境下既可以表示蔷薇科苹果属植物又可以表示苹果产品公司，“申城”和“魔都”尽管字面完全不同，却都是上海市的别称。实现对海量Web数据的高效处理，理解用户意图，降低信息过载，是实体链接的目标。

在旅游领域，用户关注的实体通常是旅游目的地周边景点、酒店和玩乐方式等，这些对象在地理信息系统（Geographic Information Systems, GIS）中统称为兴趣点（Point of Interest，POI），主要包含四个核心维度：名称、地址、坐标和类别。随着互联网电子地图服务与基于位置的服务（Location Based Services，LBS）的普及，POI无论从概念范畴还是信息纵深上都有了长足发展，已成长为信息空间的参天大树，可以说目前如日中天的互联网各个风口都和POI有一定关系，如电商、O2O、社交、本地生活、互联网金融、共享经济等。

构建以POI知识库为基础的实体链接服务，提升旅游搜索、智能问答、知识挖掘和信息抽取等工作的效果，对改善用户体验有重要意义。

它拥有极为便捷的集成方式，与 MMKV 高度相似的 API 。

去哪儿旅行微服务架构下的系统强弱依赖演练以及攻防演练的成功实践。

包体积过大必将导致新增业务受限、启动慢等问题。

随着机票订单业务的不断增长，当前订单处理系统的架构已经不能满足日益增长的业务需求，系统性能捉襟见肘，主要体现在以下方面：

• 数据库CPU资源在业务高峰期经常达到50%以上，运行状况亮起了黄灯

• 磁盘存储空间严重不足，需要经常清理磁盘数据腾挪可用空间

• 系统扩容能力不足，如果需要提升处理能力只能更换配置更好的硬件资源

因此我们迫切需要调整和优化机票订单数据库的架构，从而提升订单系统的处理性能。通过建立良好的水平扩展能力，来满足日益增长的业务需求，为后续系统优化和支撑10x订单量的增长打下良好基础。

进入持续维护期的项目在性能优化过程中，缓存侧体系化设计与开发的真实案例。

以一种新的思路实现了响应式。

数据量化的意识，用户视角出发优化和解决问题。

如何更优雅的执行DDL操作，怎么避免线上踩坑，一文带你选择更合适的操作方法。