本文介绍了美团外卖在自动化测试方向做的一些探索和实践，希望对从事相关领域工作的同学能够带来一些启发或帮助。

本文从特征分析、算法选型、模型训练与实时检测等维度介绍了我们的一些实践和思考。

本文主要介绍事务、一致性以及共识，首先会介绍它们怎么在分布式系统中起作用，然后将尝试描述它们之间的内在联系，让大家了解，在设计分布式系统时也是有一定的“套路”可寻。

分布式系统设计是一项十分复杂且具有挑战性的事情。其中，数据复制与一致性更是其中十分重要的一环。数据复制领域概念庞杂、理论性强，如果对应的算法没有理论验证大概率会出错。

美团自主设计研发了集群负载自动调控系统（LAR）以及配套的运营体系，在提升集群整体资源利用率的同时保障了业务服务质量。

研发人员在项目开发中不可避免地要使用日志，通过它来记录信息和排查问题。Apache Log4j2提供了灵活且强大的日志框架，虽然上手比较快，但稍有不慎也非常容易踩“坑”。

从本地服务到本地零售，再到线上零售。

公司大了，跨部门协同往往都是个千古难题。美团是怎么解决这个问题的呢？

新方案以业务链路为载体，通过有效组织业务每次执行的日志，实现了执行现场的可视化还原，支持问题的高效定位。

经过近3年的建设打磨，美团流水线引擎完成了服务端的基建统一。本文主要介绍美团在自研引擎建设层面遇到的挑战以及解决方案。

练好基本功，能解决99%的事情。

本文主要讲述大众点评搜索团队在相关性计算上的技术探索和实践，通过多相似矩阵模型结构、多阶段训练等方法提升预训练模型在相关性问题上的效果，同时解决基于交互的模型在线预测的性能问题。

本文将重点针对大规模深度模型在全链路带来的挑战，从在线时延、离线效率两个方面展开。

本文主要讲述大众点评搜索场景下，在端侧部署大规模深度学习模型进行搜索重排序任务的实践方案。

本文以用户请求的粒度建立质量模型，通过数据血缘关联了数据表、算法模型、系统服务和用户请求，并结合美团综合业务的实践进行了拓展泛化。

本文介绍了美团基础研发平台抓包方案在数据库审计实践中遇到的性能问题以及优化实践。