知鸦日报2021-09-07

AARRR模型描述了玩家体验一款游戏的全生命周期，串联了从用户转化到用户运营到的全指标体系，形成了完整的方法论，因此运用非常广泛，本文将分为三个部分，分别是AARRR模型简要介绍、常用数据指标监控以及针对留存的案例分析。

作为互联网设计师，面对不断变化的业务内容和场景，不仅需要掌握基本的专业设计方法，同时也要求熟悉业务，在深入分析业务痛点的基础上，洞察设计创新机会点，助力业务发展。

今天小编给大家推荐6个业务分析模型与方法，可运用在内容营销评估、产品设计分析、用户增长设计、阶段性产品设计复盘等方面。

应用上云已经是不可逆转的趋势，云原生给持续交付带来了新的机遇，同时也有新的挑战。本文介绍了爱番番团队在云原生架构下进行持续交付能力提升的实践经验。

‍‍‍‍‍‍‍‍本文将针对开发过程中依旧经常出现的SQL编码缺陷，讲解其背后原理及形成原因。

每天打开数据监控看板，观察当日业务KPI的情况，已经是互联网人的日常工作内容之一，数据指标波动对于一个非稳定期的业务是常态。波动分析的本质是通过统计和比较来表达波动背后的规律和问题。业务的数据指标都具有固定的波动周期，而且每个周期内数据的变化应该趋于稳定，但在数据监控体系里的日报、周报、月报中某数据指标突然不再符合预期的稳定变化，这就是我们所说的数据出现异常波动。

OpenCV 基本图形，画直线，画四边形、正圆，绘制椭圆、扇形、圆弧，画多边形。

OpenCV 特征点匹配，Hough变换，特征点跟踪，形状特征。

OpenCV 创建和操作矩阵，子矩阵的操作。

OpenCV 静止图像文件的输入和输出，视频文件的输入和输出，从连接到电脑的摄像头输入，来自鼠标和键盘的输入。

Mental models within an industry, company, or even a person, change constantly. As methodologies mature, we see the long term effects our choices have wrought and can adjust accordingly. As a team or company grows, methodologies that worked well for five people may not work as well for 40 people. If all employees could keep an entire app in their head, we’d need fewer rules and checks and balances on our development, but that is not the case. As a result, we summarize things we notice have been implicit in our work.

Rate limiting is a system that protects the stability of APIs. GraphQL opens new possibilities for rate limiting. I’ll show you Shopify’s rate limiting system for the GraphQL Admin API and how it addresses some limitations of common methods commonly used in REST APIs. I’ll show you how we calculate query costs that adapt to the data clients need while providing a more predictable load on servers.

OpenCV过滤处理，几何学变换，像素单位的变换。

事件驱动思想是系统架构设计领域一个非常重要且广泛应用的方法论，本文对事件驱动相关概念做了简单说明同时着重介绍了信也科技购吖OMS系统在架构设计中对事件驱动思想的实践和思考。

Fair 逻辑动态化，是对一期布局动态化的增强。为了实现逻辑动态化，我们当时考虑了多种方案，方案主要集中在这三个方面，一种是对google提供的JIT进行裁切，第二种是自定义解析引擎，第三种借助js的能力。

回声一直是影响我们通信质量的重要因素，本文系统介绍了回声的消除方法，旨在为高音质通信保驾护航。

base64的编码原理网上讲解较多，但解码原理讲解较少，并且没有对其中的内部实现原理进行剖析。

在探究base64编码原理和解码原理的过程中，我们首先需要了解下面会用到的算法和逻辑运算的概念，这样才能真正的吃透base64的编码原理和解码原理，体会到其中算法的精妙，甚至是在思考的过程中得到意想不到的收获。

基于原生kubevirt项目进行优化实现容器与虚拟机在kubernetes生产集群中的统一调度和管理。

三个技巧，让组件为我减少了 18w 次 rerender。

从整体上介绍了广告系统的架构，并详细介绍了投放业务系统、计费系统、效果数据报表同步等模块的设计思路以及演进历程。

短视频产品最近两年蓬勃发展，百度旗下的短视频品牌-好看视频，人均使用时长70分钟，短视频播放量已超30亿，从推荐系统的角度考虑，如何设计一个推荐系统的目标，以及短视频迭代过程中沉淀的思考。

什么是符号化？如何做本地符号化？为什么做在线符号化？

代码始终是写给人看的，只是恰好能被计算机执行。

方案致力实现产研提效降本同时对业务输出简单易用、多端体验一致的灵活多样化模板搭建能力。

Using incremental page numbers for pagination scales poorly, so to solve this, Shopify uses relative cursor pagination to deliver faster queries.

At Netflix, we heavily use gRPC for the purpose of backend to backend communication. When we process a request it is often beneficial to know which fields the caller is interested in and which ones they ignore. Some response fields can be expensive to compute, some fields can require remote calls to other services. Remote calls are never free; they impose extra latency, increase probability of an error, and consume network bandwidth. How can we understand which fields the caller doesn’t need to be supplied in the response, so we can avoid making unnecessary computations and remove calls? With GraphQL this comes out of the box through the use of field selectors. In the JSON:API standard a similar technique is known as Sparse Fieldsets. How can we achieve a similar functionality when designing our gRPC APIs? The solution we use within the Netflix Studio Engineering is protobuf FieldMask.

In the previous post about our new storefront rendering engine, we described how we went about the rewrite process and smoothly transitioned to serve storefront requests with the new implementation. As a follow-up and based on readers’ comments and questions, this post dives deeper into the technical details of how we built the new storefront rendering engine to be faster than the previous implementation.

To set the table, let’s see how the new storefront rendering engine performs:

• It generates a response in less than ~45ms for 75% of storefront requests;
• It generates a response in less than ~230ms for 90% of storefront requests;
• It generates a response in less than ~900ms for 99% of storefront requests.

Thanks to the new storefront rendering engine, the average storefront response is nearly 5x faster than with the previous implementation. Of course, how fast the rendering engine is able to process a request and spit out a response depends on two key factors: the shop’s Liquid theme implementation, and the number of resources needed to process the request. To get a better idea of where the storefront rendering engine spends its time when processing a request, try using the Shopify Theme Inspector: this tool will help you identify potential bottlenecks so you can work on improving performance in those areas.

At Shopify, we’re keeping the flexibility of untrusted Partner code, but executing it on our own infrastructure with WebAssembly.

本文又是来源于客户咨询的问题：能否控制单表在一个固定的记录数，比如说1W条，超过不让插入新记录或者说直接抛出错误？

顶级PE如何识人？料事如神的前提，是料“人”如神。

企业家最核心的素质，是决策能力。过去二十年来企业界的大小败局，都与判断决策有关。

经营是一场牌局，决定牌局输赢和大致方向的无非两件事：运气与决策能力，前者超出个人的控制，所以大多数人想把后者握在手里，希望通过不断向高手学习来精进自己的决策能力。

坏消息是，即使是最聪明的人也会做出错误决策。美国兰德公司就统计过，全球每1000家倒闭企业中，有85%都因为管理者决策失误所导致，所以一味地跟那些聪明的头脑学习很可能会让你白忙活一场。不过，也有好消息，好消息是80%的错误决策都是由20%的思维谬误导致的，找到那20%的谬误，你的决策力就至少能提升80%。

在日常工作环境中，管理者难免会遇到团队成员出错或未达到预期目标的情况，此时管理者会面临两个问题：一是如何有效地归责，让该承担责任的同事意识到问题；二是如何避免相同的问题不再出现。今天我们想围绕两个问题展开探讨，探寻如何打造真正“负责任”的团队。

当面责备往往很难让团队成员理解他们应负起的责任，这听起来可能有点反直觉——如果没有人受到责备不就是没有人负责吗？但要知道，在实际情况中，一旦某个人受责，团队其他人则很容易脱离干系。极端的例子就是一部分人承担了所有责备，其他人（即使有责任）却不再反思自己可能存在的问题。如何让团队成员建立系统认知，清晰认识到自己在项目中应担负起的责任，进而激发团队更大的能量，这是每一位管理者在面对此类问题时都应深入思考的问题。

所以，现在很多组织都在讨论要建立起公司的“无责文化”（no-blame culture），也就是打造一个让人感到安心的“独立问责系统”。

如果想在临时岗位中让自己脱颖而出，要把握机会，制定战略。