如果你想了解Flutter从头构建一个IM项目的总体规划与细枝末节，那么恭喜你，来看这篇文章就可以满足你的愿望。

近几年，国内各大公司大规模生产落地Kubernetes和Service Mesh，拉开了云原生革命的序幕。从2019年开始，团队开始在部分场景中落地Istio Gateway，积累Service Mesh经验；2020年中，我们开始与公司的框架部门合作着手Service Mesh在携程的落地，目前生产环境已有数百个应用接入，覆盖率还在持续的推进过程中。

Service Mesh作为一项新技术，相比传统的微服务框架有很多优势。但在生产环境落地的过程中，若无法保证可用性，出现大的故障，将会大大打击对新技术采用的信心，也会影响最终用户，造成对品牌的负面影响。显而易见，可用性是一切的基石。我们在落地Service Mesh的过程投入了大量的精力进行可用性的建设，避免出现单点故障，保证服务的高可用。Service Mesh在携程的落地并不是平地起高楼，公司内关于可用性已经有一套方法与模式，Service Mesh的可用性建设也必须考虑现有的高可用体系。

目前，携程小程序共有30+条业务线并行，上百个开发人员参与，常规发布两周一次，这么大体量的小程序以及这么快的业务迭代速度，对我们的技术提出了更高的要求。

在携程小程序的开发过程中，如何准确快速地把小程序交付给测试人员是一个繁琐的过程。按照以往的做法，开发人员将代码提交至发布分支后，还需要自行到公司的MCD（携程内部发布平台）进行发布，并且存在十几个业务线同时进行，排队打包的情况，打包完成后还要依赖PMO的发布才能获得体验码进行测试。而理想的模式是，开发人员只需要进行代码的提交即可，无需关心项目编译、打包、发布等流程。

跨团队协作，如何减少耦合，避免互相影响；数十个业务线共同维护一个小程序，而小程序必须作为整体发布，如何协调发布过程，让其有条不紊的进行将是我们讨论的重点。本文将从仓库管理、持续集成、持续交付几个方面进行详细介绍。

通过剖析备份流程，带你了解备份工具的加锁类型和时机。

节省成本的同时，保证系统的稳定性和可靠性。

Trip.com是一款面向海外用户的App，从年中开始便将卖点页、预定页等页面全量转为Flutter，随之而来的便是代码质量管理的问题。由于篇幅有限，本文将从静态代码检测、空安全、单元测试这几个部分来介绍Trip.com在Flutter业务迭代中提高代码质量做的一些努力。

一文了解深度学习背景下的文字识别实践应用。

数据治理越显著地帮助解决组织问题，才会有越多的人去接受。

Canvas动画，从DOM到React。

携程自2014年左右开始全面使用MySQL数据库，随着业务增长、数据量激增，单机实例逐渐出现瓶颈，如单表行数过大导致历史数据查询耗时升高，单库容量过大导致磁盘空间不足等。为应对这些问题，我们采取了诸多措施如分库分表的水平拆分、一主多从读写分离、硬件SSD升级、增加前端Redis缓存等，但同时也使得整个业务层架构更加复杂，且无法做到透明的弹性，因此开始将目光转移到分布式数据库以解决这些痛点。

近年来受到Spanner&F1的启发，基于CAP理论和Paxos、Raft协议作为工程实现的分布式数据库得到了蓬勃发展，从硅谷的CockroachDB到国产的TiDB都在社区产生了很强的影响力。携程也对这些产品从社区活跃度、用户规模、易用性等多个方面做了调研，最终选择了国产的TiDB。

TiDB是一个开源的NewSQL数据库，支持混合事务和分析处理（HTAP）工作负载，兼容大部分MySQL语法，并且提供水平可扩展性、强一致性和高可用性。主要由PingCAP公司开发和支持，并在Apache 2.0下授权。2018年11月我们开始TiDB的POC以及与携程现有运维平台的整合，2019年1月第一个线上应用正式接入，最初的目标只是保证数据库的可用性以及可以存储足够多的关系型数据。随着TiDB快速迭代，越来越多的功能进入社区，如HATP特性，让我们不局限于最初的目标，开始了新的探索。本文将介绍TiDB在携程业务场景中的运维实践，希望对读者有所帮助和参考。

本文主要介绍去哪儿网风控安全产品的探索演变历程以及过程中的一些思考。

通过 BI 平台取数看数分析数成为辅助决策、精细运营等非常重要的手段，然而随着去哪儿网业务不断发展，产品、运营等同学对这方面有更高的要求，例如简单易用的拖拽式报表、取数方便的自由式分析、查询速度的秒级响应、观测指标数据的准确可信等等。面对用户的个性化诉求以及海量数据，在平台体系化建设和技术实现上有一定的挑战性，本文将介绍去哪儿网BI平台的建设历程及实践，通过打造全场景的 BI 平台为业务增长赋能。

聊聊Taro编译打包机制，以及解决项目痛点的实践。

无限接近原生性能的跨平台方案。

ElasticSearch（以下简称：ES ）是一个分布式、RESTful 风格的搜索和数据分析引擎。区别于传统关系型数据库（比如：MySQL、Oracle 等），ES 在定义数据模型和搜索方式上非常灵活，数据模型可以采用静态数据映射与动态数据映射，搜索方式也支持多维度类型的搜索（结构化数据、非结构化数据、地理位置、指标参数等）。如果对事务性要求不高或者事务性操作在 RDMS 端，可以考虑使用 ES 作为海量数据存储与检索分析的平台。用户在创建新索引时，可以直接写数据，所有配置走默认，收缩自如、十分灵活；也可以精细化评估，按照自己的业务需求，提前做好索引的 settings 和 mappings 的设置，未雨绸缪、尽在掌握。

本文从android源码出发介绍了如何高效的调试分析源码来解决遇到的问题。