1. 序列化参数有枚举属性，序列化端增加一个枚举，能否正常反序列化？
2. 序列化子类，它和父类有同名参数，反序列化时，同名参数能否能正常赋值？
3. 序列化对象增加参数，反序列化类不增加参数，能否正常反序列化？
4. 用于序列化传输的属性，用包装器比较好，还是基本类型比较好？

WebXR 是一组支持将渲染 3D 场景用来呈现虚拟世界（XR）或将图形图像添加到现实世界（AR）的标准。

屏幕共享是视频会议场景使用最广泛的功能之一，在共享一个 PPT 或者文档的情况下，人们对画面清晰度有着极高的要求，“看不清” 是最容易被用户吐槽的事情；而在共享一个视频素材的情况下，大家又对流畅度有着极高的要求，“卡顿” 也是最容易被用户吐槽的点。

丰富的 chrome 插件极大的提升我们的工作效率和辛福感，比如大名鼎鼎的 adblock 广告屏蔽、GoFullPage 网页长截图、evernote web clipper 收藏网页。

一般来说，插件的原理是向页面中注入 javascript 脚本，对页面进行处理，比如屏蔽页面中可能的广告元素，改变某些元素的样式，增加一些 UI。

开发插件需要使用前端技术：html css javascript。

本文就从入门开始讲述如何开发一款 chrome 插件。

经过长期的业务迭代，C 端工程增量编译已经严重劣化，2021 年 12 月前，C 端平均增量编译长达 3 分钟以上，严重影响研发效率，急需优化！经过优化之后，增量编译时长降低到 2 分钟左右。

监控SDK如何实现底层逻辑的复用、上层逻辑的解耦、如何做到灵活可扩展。接入方众多 ，SDK如何保证原有业务的正确性、保持自身的性能和稳定性？

近三年，抖音直播业务实现了爆发式增长，直播间的功能也增添了许多的可玩性。为了高效满足业务快速迭代的诉求，抖音直播非常深度的使用了依赖注入架构。

在软件工程中，依赖注入（dependency injection）的意思为：给予调用方它所需要的事物。

“依赖”是指可被方法调用的事物。依赖注入形式下，调用方不再直接使用“依赖”，取而代之是“注入” 。

“注入”是指将“依赖”传递给调用方的过程。在“注入”之后，调用方才会调用该“依赖”。

传递依赖给调用方，而不是让让调用方直接获得依赖，这个是该设计的根本需求。该设计的目的是为了分离调用方和依赖方，从而实现代码的高内聚低耦合，提高可读性以及重用性。

本文试图从原理入手，讲清楚什么是依赖，什么是反转，依赖反转与控制反转的关系又是什么？一个依赖注入框架应该具备哪些能力？抖音直播又是如何通过依赖注入优雅的实现模块间的解耦？通过对依赖注入架构优缺点的分析，能对其能有更全面的了解，为后续的架构设计工作带来更多的灵感。

Thrift 是 Facebook 开源的一个高性能，轻量级 RPC 服务框架，是一套全栈式的 RPC 解决方案，包含序列化与服务通信能力，并支持跨平台/跨语言。

近日，第五届深度学习图像压缩挑战赛（以下将简称“ CLIC 大赛”）比赛结果公布，首次参赛的火山引擎视频云多媒体实验室夺得视频压缩赛道第一名。压缩技术对于图像、视频应用十分重要。在保证同样的质量前提下，如何将图像压缩到更小的体积便于互联网信息传输，火山引擎视频云团队不断突破压缩技术“天花板”。

当前字节跳动高峰期每秒需处理近百万张图片，基于今日头条、抖音等亿级 DAU 的实践打磨，与国际领先的压缩技术，火山引擎视频云打造图像一站式解决方案 veImageX ，覆盖上传、存储、处理、分发、展示、质量监控全链路，涵盖图像生产、图像消费、云平台三大应用场景。

性能测试是 SDK 发版的重要依据，VolcRTC 的业务方对于性能指标都比较重视，对于 RTC 准入有明确的准入标准。因此我们建立了线下的性能自动化测试系统，测试过程中我们发现 VolcRTC 的内存占用较高存在较大的优化空间。

JavaScirpt30 是 Wes Bos 推出的一个 30 天挑战。项目免费提供了 30 个视频教程、30 个挑战的起始文档和 30 个挑战解决方案源代码。目的是帮助人们用纯 JavaScript 来写东西，不借助框架和库，也不使用编译器和引用。

直播 OOM 问题比较棘手难以定位，主要体现在涉及的业务很多，从定位到解决花费时间比较久。为了提前触达问题，提高定位的效率，也是对现有工具的补充，提出直播内存抖动解决方案- MemoryThrashing。

Java 多线程开发中为了保证数据的一致性，引入了同步锁(synchronized)。但是，对锁的过度使用，可能导致卡顿问题，甚至 ANR。

• 为了效率(efficiency)，协调各个客户端避免做重复的工作。即使锁偶尔失效了，只是可能把某些操作多做一遍而已，不会产生其它的不良后果。比如重复发送了一封同样的 email（当然这取决于业务应用的容忍度）。
• 为了正确性(correctness)。在任何情况下都不允许锁失效的情况发生，因为一旦发生，就可能意味着数据不一致(inconsistency)，数据丢失，文件损坏，订单重复，超卖或者其它严重的问题。

从系统设计角度看，一个系统从设计搭建到数据逐步增长，SQL 执行效率可能会出现劣化，为继续支撑业务发展，我们需要对慢 SQL 进行分析和优化，严峻的情况下甚至需要对整个系统进行重构。所以我们往往需要在系统设计前对业务进行充分调研、遵守系统设计规范，在系统运行时定期结合当前业务发展情况进行系统瓶颈的分析。

从数据库角度看，每个 SQL 执行都需要消耗一定 I/O 资源，SQL 执行的快慢，决定了资源被占用时间的长短。假如有一条慢 SQL 占用了 30%的资源共计 1 分钟。那么在这 1 分钟时间内，其他 SQL 能够分配的资源总量就是 70%，如此循环，当资源分配完的时候，所有新的 SQL 执行将会排队等待。所以往往一条慢 SQL 会影响到整个业务。

在反作弊场景中，黑产必须通过文本进行信息传递或触达受害者，而文本由于其生产成本低廉、传递信息能力强的特点成为了黑产与我们进行对抗的主要战场。文本理解算法为应对各类强对抗提供了文本检索、文本风险标签、风险信息提取的能力，以及一个文本模型训练平台。这些能力的组合使用可有效打击文本内容维度的作弊行为，现已在反作弊的各业务场景中得到应用。