知鸦日报2021-02-27

一、如何做出一个10W+粉丝的视频号大号

二、关于视频号内容、涨粉的详尽实操指南

三、视频号当前的常见变现玩法及可能

四、视频号的未来、差异与一些更本质的思考

设计师如何快速搭建自动化配色模型？

我的上家公司是做餐饮系统的，每天中午和晚上用餐高峰期，系统的并发量不容小觑。为了保险起见，公司规定各部门都要在吃饭的时间轮流值班，防止出现线上问题时能够及时处理。

我当时在后厨显示系统团队，该系统属于订单的下游业务。用户点完菜下单后，订单系统会通过发kafka消息给我们系统，系统读取消息后，做业务逻辑处理，持久化订单和菜品数据，然后展示到划菜客户端。这样厨师就知道哪个订单要做哪些菜，有些菜做好了，就可以通过该系统出菜。系统自动通知服务员上菜，如果服务员上完菜，修改菜品上菜状态，用户就知道哪些菜已经上了，哪些还没有上。这个系统可以大大提高后厨到用户的效率。

接下来，我跟大家一起聊聊使用kafka两年时间踩过哪些坑。

KMP 算法 是用来在字符串中搜索一个子字符串的算法。

在之前的博客文章中，我们Netflix的同事已经解释了如何优化4K视频流，如何改进传统视频流，以及最近新的音频编解码器如何为我们的会员提供更好的听觉体验的。所有这些情况，通过我们的内容交付网络Open Connect交付之前，我们的获奖电视剧、电影和纪录片（如《皇冠》）都需要打包，实现我们会员的关键功能。在这篇文章中，我们将解释这些特性，以及我们如何依赖获奖的标准格式和开源软件来实现这些功能。

使用GraphQL微服务进行快速开发。

作为信任与安全团队，我们的主要职责之一是保护Pinners免受垃圾信息的侵害。如果没有保护措施，垃圾信息就有可能遍布 Pinterest。

在 Pinterest，我们打击垃圾信息的最有价值的工具之一是我们使用的规则引擎。规则引擎允许我们查看事件流，如果满足规则中的标准，我们就可以采取行动（如阻止消息，停用发送人，或对用户进行标记并人工审查）。 在这里，我们将分享我们的垃圾信息打击规则和查询的演变，以及在整个过程中我们学到的东西。

Uber的骑手、司机、吃货的iOS移动应用规模较大。选择Swift作为我们的主要编程语言，我们的快节奏开发环境和功能添加，分层软件及其依赖性，以及静态链接的平台库，都导致了大型应用二进制文件。减少应用大小对我们的客户体验至关重要。此外，苹果的应用下载大小限制禁止大型应用使用流量下载。

应用下载大小限制意味着首次使用的用户无法在最需要的时候下载应用，当现有用户不在Wi-Fi上时，Uber也无法向他们提供功能、促销或安全更新。我们建立了Uber Rider应用大小与客户参与度之间的关联性--当应用大小超过下载大小限制时，并导致应用安装量减少10%，注册量减少12%，首次预订量减少20%，造成收入损失。在过去的三年里，Uber Rider应用的规模经常接近App Store的空中下载限制，而保持在该限制之下显然是当务之急。

在下面的文章中，我们将介绍我们如何使用先进的编译器技术将Uber的iOS Rider应用的代码大小减少了23%。本文讨论的想法也分别转化为Uber Driver和Uber Eats iOS应用的代码大小节省了17%和19%。

想象一下，你是一位业务领导，准备开始一天的工作，但一觉醒来，发现每天的业务报告空空如也--数据迟迟不来，这下你就蒙了。 在过去的一年里，多个团队一起打造了SLA Tracker，这是一个可视化的分析工具，以促进Airbnb的数据及时性文化。这个数据产品使我们能够解决和系统化处理以下数据及时性的挑战。

1. 什么时候应该认为一个数据集延迟了？
2. 数据集延迟的频率是多少？
3. 为什么一个数据集会延迟？

这个项目是我们实现数据高质量的关键部分，需要克服许多技术、产品和组织上的挑战才能建立。在本文中，我们将重点介绍产品设计：我们如何设计和构建数据可视化的历程，以使数据及时性的深层复杂数据变得有意义。

2016年，我们发表了关于Schemaless--Uber Engineering的可扩展数据存储的文章（一、二）。我们介绍了Schemaless的设计以及解释了开发它的原因。今天这篇文章我们要讲的是Schemaless如何演进成一个通用的事务性数据库Docstore。

在Lyft，我们使用一个内部特性服务来存储ML模型使用的批处理和流式处理特性，使它们可以在离线模式（用于训练）和在线模式（用于推理）下访问。该服务将这些特征复制到Elasticsearch中，实现高级查询。对于增长型产品，我们使用Elasticsearch来支持内部工具，比如我们的客户数据平台，它使团队能够根据无数特征定义用户群。

2020年，新的健康与安全和实时计划对我们以前的Elasticsearch SLA发起了挑战。随着每周不同用例的涌入，我们很快就超出了现有的集群，延迟增加，AWS成本飙升。在这篇文章中，我们将分享我们测量和改变与Elasticsearch交互的各种方法，从而最终降低了延迟和成本。

了解Grab如何分析和减少Golang项目的服务可执行文件的大小。

Facebook有序队列服务(FOQS)支持异步计算工作负载，大规模服务于许多服务。

今天小编为大家分享一篇关于如何提高大规模正则匹配的效能的文章。

AB实验设计实现与分流算法背景在现实的产品设计场景中以及业务决策中，需要对方案进行决策。例如，App或网页端。

看懂了Paxos，你就明白了一致性算法。

各大云厂商今年在开发者阵地侧逐渐开始向“云”化开发发展，最为显著的产品就是Cloud IDE，催生出来的趋势就是云端开发。云开发现阶段尽管在各大公司内部无法作为日常开发工具普遍推广，但是在某些特定场景下Cloud IDE云开发是非常让人着迷的。

本文主要介绍如何基于Levenshtein和Damerau Levenshtein自动机技术高效地解决在搜索引擎系统中相似字符串快速查找问题的技术原理和操作实践。文中创造性地提出一种Damerau Levenshtein自动机的有效构建算法，并创造性地给出了利用Levenshtein自动机和Damerau Levenshtein自动机技术，解决快速查找相似字符串问题实现方案的正确性理论依据论证。

随着近几年业务快速发展与迭代，大数据的成本也水涨船高，如何优化成本，建设低成本高效率的底层服务成为了有赞数据基础平台2020年的主旋律。本文主要介绍了随着云原生时代的到来，经历7年发展的有赞离线计算平台如何拥抱云原生，通过容器化改造、弹性伸缩、大数据组件的错峰混部，做到业务成倍增长的情况下成本负增长。

《控制论和科学方法论》 是一本运用控制论、系统论的某些概念来介绍科学方法论的科普书。 这是一本仅有 214 页的小册子，可以花很少时间看完。这本书虽然在讲控制论，但是书中没有 任何数学公式，阅读不需要任何专业基础，是非常通俗易懂的科普读物。

每条原则都是贝佐斯自己制定的，充分解释了贝佐斯说的“Day 1”文化。