2021-03-22 16:30:00 ~ 2021-03-23 16:30:00
对于人们熟知的平台服务而言,看似更严酷和集中的算法控制,有时候反而让零工有了统一的斗争矛头,这在针对亚洲平台经济的考察中都有所体现。研究者发现,直接隶属于平台的中国骑手相比隶属于配送站的全职工人更有抗争意识,而印尼的线下交通平台化后也出现了更多的劳工抗议。相比之下,更隐形的零工平台多依赖零散和不统一的人工控制,容易消解掉平台劳工集体维权的动力。
用户无感知,数据无差异,方案可回滚,异常可监控
重平衡是所有消息系统中非常重要的一个功能。试想有以下场景,当消费者组集群中有新的消费实例加入,退出,或者某些topic主题增加了分区之后,或者某些topic主题缩容后,消费者组实例是怎么对这些分区进行消费呢?当发生这些变化时,消息系统需要对这些消费组实例对应的分区进行重新分配,这个重新分配的过程,就是重平衡。当重平衡结束后,消费端会根据最新的重平衡结果进行重新消费。
前几天做客“技术琐话”直播间进行分享,本文根据分享内容整理出来。内容主要包括:
在前文,我们对ANR 设计原理及影响因素进行了介绍,并对影响 ANR 的不同场景进行归类。但是依靠现有的系统日志,不足以完成复杂场景的问题归因,而且有些信息从应用侧无法获取,这就导致很多线上问题更加棘手;因此我们在应用侧探索了新的监控能力,以弥补信息获取不足的短板。同时对日常分析过程中用到日志信息和分析思路进行总结,以帮忙大家更好的掌握分析技巧,下面我们就来看看相关实现。
成员变更是一致性系统实现绕不开的难题,对于提升运维能力以及服务可用性都有很大的帮助。
本文从Raft成员变更理论出发,介绍了Raft成员变更和单步成员变更的问题,其中包括Raft著名的Bug。
对于Raft成员变更的工程实现上需要考虑的问题,本文给出了一些工程实践经验。
列表及表格的虚拟优化不是个新鲜的课题,近期,团队发现:业界对于 table 虚拟化竟然没有一个相对一劳永逸的解决方案。这是为什么?又该如何解决?在本文中,我们会循序渐进的介绍在 React+AntDesign 技术栈下,团队内部对 Table 组件虚拟化的不同实践思路,分析可能遇到的难点问题。
高德有7000万以上的POI(Point of Interest,兴趣点)数据。每年还会出现很多新增的POI,也会有一部分POI停止营业、关门倒闭。这些POI如何制作和更新?从采集方式来看会有很多获取POI的方式,有一种重要而且直观的采集方式,高德通过众包方式采集街边店铺的图像,利用计算机视觉技术(以及人工辅助)从图像中提取POI数据。
下图演示了一次众包化采集过程。高德的采集人员从这条街走过,拍摄连续图像。最后把图像和GPS坐标,上传给高德。
每个人做决策时,势必会犯错误,严格说是偏差。这种偏差往往不是因为我们不够聪明,而是因为信息输入有局限,或者被输入了虚假的信息,更重要的是,随着时间的推移,事物的演变的复杂程度远超我们的有限思维模型可以想象的范围。
在必然有错误和偏差的情况下,纠错的能力就变得十分重要。但实践中根据情况变化,要做到迅速纠错,非常困难。一个重要障碍是纠错必然会有成本,纠错成本必然会和一些短期局部利益发生冲突,纠错成本越大,纠错能力就越弱。因此对于一些重大决定,尤其是不可逆或者可逆成本极高的决定,要极度慎重。决策的速度,要和纠错成本直接挂钩,纠错接近零成本的行为,要多去大胆尝试。投资时,一级市场的纠错成本,往往远大于流动性好的二级市场,就需要极度慎重。类似的,杠杆率越高,纠错成本也越大。
在企业中,华为提出过HRBP六个角色,阿里巴巴政委四个角色,几乎所有设置HRBP公司中,都会根据自己需要,设计不同版本的角色。
HRBP角色模型的设计逻辑,有的侧重组织需求(变革推动者),有的侧重人员需求(员工小棉袄),有的侧重任务需求(教练、领导力)。
今天给大家分享的“HRBP的九顶帽子”,是一个双维度矩阵,一个维度是“对人际关系的重视”,另一个维度是“对工作结果的重视”。
关注公众号
接收推送