​高质量的3D模型更能激发用户消费的意识，因此提高3D模型的呈现效果就是我们的重点攻坚方向，Filament creator材质编辑工具，可以帮助我们使用不同的渲染引擎材质来呈现球鞋效果，让用户可以通过模型获取更真实的效果。

公司近两年快速发展，社区线C端代码分散在不同仓库中，每个仓库中采用不同的前端框架和选型，且均含有几条业务线的代码，团队整体采用敏捷模式快速迭代，导致开发管理成本较高，升级改造麻烦。比如，所关联的三个仓库中的代码均引了一个内部基础组件库，该组件有非必现bug，导致三个仓库的不同页面均出现了不同表现的异常，由具体负责的不同测试分别报到前端开发，分别沟通、排查、解决并走独立的发布上线流程，耗时耗力。当同一仓库中活跃着不同业务线的开发，一个公共的地方需要修改，开发没有沟通清楚导致冲突线上bug。

此外，公司C端体验分析的统计和报表是应用粒度的，先前代码耦合了其他业务的内容，导致我所在业务线的统计数据不置信。

近期团队对C端项目进行重构，将不同仓库中的代码汇总到一个仓库中管理。以期减少管理成本及方便后续对组内项目做优化和升级改造。

市场上的Mock方案相对较多，得物前端Mooncake平台作为UI测的联调提效工具，通过线上配置平台、代理层，代理注入三层的实现，实现了数据可视化配置和数据转发，提升了前端的联调效率。

​一般来说 IM 产品的用户量和活跃度通常都很大，在一些特殊的时间点经常容易造成流量的波峰，因此技术上需要能够应对突发的量级，同时IM一般主要包含这4个特点：实时性、可靠性、一致性、安全性，对于IM的优化还有很长的路要走。

埋点验证平台在每个阶段遇到的痛点其实都是“埋点数据如何固定”这个问题的一个缩影。业务的快速迭代使得埋点验证过程中积累的mock记录和验证规则这些沉淀产物十分脆弱，即使我们通过多种手段实现了这些数据的手动或自动更新，它们最终也难免会彻底失效。

如果一定要要求分布式锁百分百可靠，那可以选用Zookeeper或者MySQL作为分布式锁，就能完美的解决锁安全的问题，但是选择了一致性那就要失去可用性，所以Zookeeper或者MySQL实现的分布式锁的性能远不如Redis实现的分布式锁。

当前直播间业务迭代越来越频繁，开发人员也越来越多，而几乎百分之九十的需求都是在 直播观众页，直播主播开播这两个页面上的功能开发和代码累积。因此，页面中代码的膨胀速度相当快。

直播代码之前做了一次 Layer 层级的拆分，将整个直播间按照视图的层级进行了划分，通过 ViewStub 对每个层级进行渐进式的加载，以提高页面的加载速度。

图是一种存储实体，及实体之间关系的数据结构，而图数据库则是一个使用图结构进行语义查询的数据库。因此，选择正确合适的图数据库能帮助企业快速了解数据间关系，深挖背后的价值。

图数据库不同于传统的关系型数据库（RDBMS）。关系型数据库主要由单个或多个二维表组成，表中的行和列存储数据。

而图数据库的设计初衷是让企业专注数据集内的数据关系，除了具备高可用、高性能等特性，能对海量数据进行存储的能力也至关重要。

得物App是新一代的潮流网购社区，正品潮流电商和潮流生活社区是平台的两大核心服务。得物平台商品品类已经覆盖潮鞋、潮服潮搭、手表、配饰、潮玩、3C数码、家居家电、美妆、汽车等。作为新一代潮流网购社区，得物聚集了新、潮、酷、炫的各类商品，也是各类潮流品牌发售和运营的首选阵地。

对于业务种类多样，我们如何实现仓储系统上架推荐呢？又有哪些库位推荐方案适合得物呢？本文将来揭晓。

本文主要介绍得物CDN资源请求实现平均耗时iOS端降低18%+，Android端降低10%+的优化思路及优化实践经验。整体按监控数据分析，优化方向调研，优化方案设计，推进优化落地，优化效果反馈的流程执行，达到逐步优化的效果。本文主要讲4个优化方向，包括：CDN部署调整，TLS1.3升级，OCSP Stapling开启，Http2.0升级。下面就来详细介绍下每个优化方向具体如何确定的，优化的方案，以及优化效果。

AB实验和AA评估都是互联网公司产品/运营活动的因果分析中最常用评估手段，本文主要介绍了AB实验的统计学原理和常用的AA评估方法原理。

这么多的内容兜底策略，也都是我们在一次次的优化体验中尝试出来的。它们可能离完美还差得很远，但是越到后面越难，需要一点点抠细节，才能达到极致的用户体验。随着业务的不断发展迭代，会涌现出更多的问题，所以我们会一直在优化的路上。

一开始我们的H5页面秒开率只有30%左右，现在我们的H5页面秒开率达到了 75%。这中间巨大的差异究竟有哪些黑科技在里面？我们为什么要做H5页面的秒开优化？我们的秒开指标是如何统计的？客户端和H5是怎么配合做到 1+1>2的？

随着公司【国际】业务不断扩展，业务场景和用户需求也在不断壮大。业务形态多样化、复杂性、不确定性增多，质量面临的风险也更加不可预测，同时得物又是一直秉承着提升用户体验，让短板不再短！所以在国际业务不断扩展下如何高质量、高效率的交付是非常关键的，在这样的新形势下，交付高质量的软件面临着更大的挑 战，光靠传统的那些质量保障工作无法实现。“质量不是检测出来的”，著名质量管理专家戴明先生的这句名言告诉我们，光靠开发完成后的测试是没法保障质量的，质量需要团队成员一起负责，需要从软件开发的整个生命周期给予关注。

前端不要局限于html、css和javascript，需要了解服务器和数据库相关的知识，这样和后端评审技术方案的时候，才能提出一些合理的建议。

本文主要讨论商品复购推荐问题，提出一种商品复购推荐模型的实现过程。基于深度学习的商品推荐问题的研究有很多，复购推荐的区别在于更加关注用户购买时序行为信息，通过历史订单交易时间分布和商品分布情况，对用户的再次购买行为进行预测。