知鸦日报2021-10-22

用游戏令人上瘾的方法，让用户对你的产品上头。

In 2016, Clayton Christensen, a Harvard Business School professor, wrote a book called Competing Against Luck. In his book, he talked about the kind of jobs that exist in our everyday life and how we can uncover hidden jobs through the act of non-consumption. Non-consumption is the inability for a consumer to fulfil an important Job to be Done (JTBD).

JTBD is a framework; it is a different way of looking at consumer goals and is based on the notion that people buy products and services to get a job done. In this article, we will walk through what the JTBD framework is, look at an example of a popular JTBD, and look at how we use the JTBD framework in one of Grab’s services.

本文是兔小巢团队在适老化与无障碍改造探索方面的一次阶段总结，希望能为社区类产品，甚至是其他类型的产品提供一些思路。

随着服务经济的全面崛起，服务者价值得到了前所未有的关注，而消费者对个性化服务的情感和体验也提出了更高的要求。

在人口增长红利殆尽的当下，流量的竞争逐步演变为存量的博弈，私域营销也成为了房产服务者们获客的关键手段。

在过往的调研访谈中不难发现，服务者们在真实的作业场景下，存在着大量生产、分发及传播物料的诉求。

当我们设计Web表单时，往往用最直觉的设计经验本能驱动我们去解决一些看似在界面设计中最简单的问题，但每每到细微之处，又会有无数疑问从细节中冒出来给我们的设计造成困扰。

研发效能度量的出发点虽然很好，但是如何正确、有效的度量却是一个颇有难度的技术活儿。近期围绕如何进行效能度量的讨论不绝于耳，但如何构建度量的体系化框架、如何进行度量指标的选取、如何进行度量分析、如何进行落地运营，却鲜有文章具体阐述。

信也科技通过引入新一代性能彪悍的MMP架构数据库StarRocks来构建实时数仓平台，进行实时数据分析，提供统一的数据服务：降低业务使用复杂度，提升用户体验，实现生产效率最大化。

随着互联网和智能手机的普及，人们的生活大多时候都离不开移动 App，在信息量与日俱增的大数据时代，用户反馈数据可以帮助发现热点问题、避免安全问题、优化产品体验、提升产品质量等。

SkyNet 天网平台专门聚焦于泛客诉问题数据，包括 App 端内离线反馈、IM（Instant Messaging，即时通讯）反馈、电话热线反馈、举报反馈、各大应用市场评论、App 端内实时评论、内部运营工单等数据，挖掘其中的价值，为各方业务带来收益。

一文揭开算法研发效率提升利器的神秘面纱。

在很长一段时间里，渲染中台测试或技术支持都无法快速定位问题，中台的研发一直处于辅助其他业务方去定位问题的困境中。由于没有合适的定位工具，研发在定位问题的时候需要反复繁琐的debug。

为了打破这种低效的境况，提高团队的战斗力。渲染中台团队一直在持续的进行渲染全链路定位平台的落地和定位流程的推进。

本文从程序员视角介绍形式化验证工具TLA+。​

噪声在短视频特效中的应用十分广泛，借助噪声我们可以给渲染结果引入不规则感，增加效果的随机性。本文将介绍噪声在短视频特效中的应用、噪声生成算法以及比较GPU中随机数算法的优劣。

都说JSX会被babel编译成React.createElement方法，那它具体是怎么实现的呢？在React17版本中，又做了哪些改进呢？带着这些问题，我们去React的源码世界里去一探究竟！

“幽灵依赖” 指的是项目中使用了一些没有被定义在其 package.json 文件中的包。

An overview of how we investigated and solved the issue of some Kubernetes Pods running MySQL starting up and shutting down slower than other similar Pods with the same data set.

Apache Kafka® is widely used across Uber’s multiple business lines. Take the example of an Uber ride: When a user opens up the Uber app, demand and supply data are aggregated in Kafka queues to serve fare calculations. When a ride request is accepted by a driver, push notifications in Kafka queue are sent to mobile devices. After a ride is finished, post-trip processing, including payment and receipt sending, leverages Kafka. During the entire operation, the data and messages flowing between services are also ingested into Apache Hive™ for data analytic purposes. In a word, Apache Kafka is a critical service that empowers Uber’s business.

Given its high popularity, we are operating large scale Kafka clusters across multiple regions. We started our Kafka journey in early 2015 with a few-node Kafka cluster in one region. With the tremendous growth of Uber’s business and expansion of Kafka usages, we ran into scaling and operational issues, and got many interesting user requests from customers.

One of the most common issues we have run into is how to efficiently monitor the state of a large number of consumers. Having evaluated many open source solutions, with the large scale and unique setup, we finally decided to build a new observability framework for monitoring the state of Kafka consumers. Today, we are delighted to introduce uGroup, our internal Kafka consumer monitoring service.

在使用 React 之前，不知道小伙伴们有没有遇到过 更新卡顿 的问题，如下为 React 应用更新时的火焰图，JS 执行 287 ms 后，渲染任务才开始（25.4ms）。

主流浏览器刷新频率为 60Hz，即每 16.6ms 浏览器刷新一次，每 16.6ms 要完成 JS 执行、重绘重排。而 JS 线程和 GUI 线程是互斥的，在浏览器的一帧里（16.6ms）JS 脚本执行和页面渲染是同步执行的，一旦 JS 脚本执行时间过长，页面就会出现掉帧卡顿。

为了减少 JS 脚本执行的时长，React 重写了架构来解决卡顿问题。

如今，全网小程序数量已超700w+个，细分行业200+个，开发者数量超500w个，作为移动互联网的重要新基建小程序互联网已成型，用户习惯已经养成。

字节小程序身处大的生态之中，基于字节APP而建。围绕开放场景、开放接口、开放信任关系搭建的一套以小程序为最终落地的技术载体连接外部企业主体所提供服务的全链路生态解决方案。方案在主要提供和具备多页应用级形态的开发和运行模式同时，还提供了单页、卡片等的开发和运行模式，可支持多形态和运行模式间的运行时打通和联动。目前已经覆盖字节内部抖音、抖音火山版、西瓜、头条等20+个APP，并支持对外赋能，已上线外部APP 50+个。

让宿主有运行小程序的能力是可打破应用孤岛、连接更多服务的第一步。不同宿主基于各自发展的愿景和使命，集成小程序框架所赋予开发者的玩法空间，承载的业务场景各有不同。基于一套小程序框架，可多种延展，以最轻量的方式实现同外部服务的快速连接，拓展能力边界，构建业务生态能力。

D+Talks由多点（Dmall）主办，基于零售领域实践，以技术驱动为宗旨，分享业务最佳实践和探索性思考，涵盖基础架构、业务应用、设计体验三大板块。

本文回顾了美团情感分析技术的演进和在典型业务场景中的应用，包括篇章/句子级情感分析、属性级情感分析和观点三元组分析。

UIView是我们在做iOS开发时每天都会接触到的类，几乎所有跟页面显示相关的控件也都继承自它。但是关于UIView的布局、显示、以及绘制原理等方面笔者一直一知半解，只有真正了解了它的原理才能更好的服务我们的开发。并且在市场对iOS开发者要求越来越高的大环境下，对App页面流畅度的优化也是对高级及以上开发者必问的面试题，这就需要我们要对UIView有更深的认知。

最近在开发一个需要完善国际化方案的前端项目，在处理时间国际化的时候遇到了一些问题。于是花了一些时间研究，有了这篇文章。不过由于网上关于 JavaScript 中 Date 对象的坑的文章已经一抓一大把了，因此这篇文章不是 JavaScript 中 Date 对象的使用指南，而是只专注于前端时间国际化。

本文旨在通过一个实际的例子，说明如何通过数据思维来解决研发工作中的一些棘手问题。通过此文，希望能够清楚地阐述我对下面几个问题的理解：

【What】什么是“数据思维”？

【Why】为什么要用“数据思维”去解决问题？

【Who】数据分析师、开发工程师、测试工程师、产品经理等各角色在这个领域内的定位？

【How】能否用一个清晰可复制的流程来描述“数据思维”的执行过程？

70%的实时数据场景已经接入，查询响应速度平均在200ms左右。

大佬前几天来自生产上的一个问题，又涨知识了，今天拿来分享给大家。