如何把多个大模型合并部署以节省成本呢？本文将深入探讨这一技术与应用场景，利用多Lora合并部署大模型。

在本文中，我们将基于崩溃的现场进行深入探讨以及如何通过技术手段来识别、调试和解决这些问题。同时我们将深入研究如何利用现代开发工具和最佳实践来减少系统崩溃的可能性，进而提高系统的稳定性和可靠性。

这里先简单介绍一下白屏监控实现方式，在进入webview后，由客户端对webview进行截屏随后上传图片到 OSS，并进行埋点。

在flink层消费埋点数据，获取图片，对图片判定结果(白屏，非白屏)进行落库。

图片加载作为重中之重的App体验指标，端侧的白屏问题则是其中最为严重的问题之一。想象一下如果你在浏览交易商品、社区帖子等核心场景下，图片无法完成加载是多么糟糕的体验，线上过往也陆续有一些白屏的用户反馈。

客户端架构侧从用户白屏问题反馈出发，深入分析每一个用户的实际情况，从0到1完成了白屏体系监控建设，借助独立搭建的白屏分析平台能力，从图片库、网络库、CDN质量等3个维度进行了专项治理优化。本文重点带你了解得物图片库是如何完成白屏精细化监控的基础能力、问题定位、治理优化，实现线上用户白屏问图片库相关Issue反馈基本清零。

传统的灰度发布服务往往过于定制化，缺乏灵活性和通用性，无法满足不断变化的业务需求，往往灰度的场景可能通过代码硬编码或者简单的配置中心配置。在这样的背景下，本文介绍了一种全新的、轻量级的灰度平台，将为大家的业务带来全新的灰度体验。

本文深入探讨了Raft日志复制算法的核心概念和实现细节。从日志复制状态机的基础，到Leader、Follower、Candidate的角色定义，我们逐步揭开了Raft算法的神秘面纱。

介绍黑灰产刷评炒信常见的几种玩法模式，浅聊如何辨别炒信评价。

本文详细描述了基于MySQL内核的SQL限流功能的整体架构、主要功能模块等关键要素。SQL 限流的设计与实现基于原生MySQL的执行原理与字符串匹配规则实现。

在众多实时处理框架中，Apache Flink以其强大的流处理能力和丰富的功能集，受到了广泛关注和应用。本次分享将重点介绍得物在Flink内核方面的探索与实践，探讨如何通过深度优化和定制，实现更加高效和稳定的数据处理能力。

聚焦网络诈骗“杀猪盘”，分享防范策略。

资损防控是保障业务稳定的重要环节，涵盖事前规避、事中发现和事后应急。商家识别了100多个潜在资损场景，但依赖个人经验，易导致遗漏。计划通过AI大模型分析数据库字段，自动识别资损风险，构建链路级防控方案，以提升场景覆盖率并降低风险。

接码平台作为黑灰产“基础设施”，经历卡商供卡、拦截卡到“众包”接码平台三种模式，每一种模式的操作方法都一直在迭代。为杜绝接码平台的肆虐，互联网平台在不断提升防御能力，通信、公安等相关部门也在加大打击这些违规甚至违法的接码平台的力度。

人有人的指纹，设备也有设备的指纹，也就是唯一识别码。早期的时候更多的是使用Mac地址、IMEI等，但随着隐私合规的加强，在各端已经无法取到这些强设备码了，取而代之的是iOS中为IDFA、IDFV，Android中为AndroidId、OAID等，但这些标识都可以被轻易更改或者是重装变化等，无法有效的标记一个唯一设备。设备指纹在风控中更多指的是一套可以根据设备信息进行算法计算得到相对准确的设备标识符，该标识符稳定性表现相较上述IDs更加优秀。

以得物客服工单工作台为例，长期UV和PV在高位使用，任何一个简单的交互的使用量都非常大，仅切换到工单工作台这个页面的交互使用量就达到百万级别。因此，交互量化、实践及优化指引就有被探究的前提，以助力B端体验、操作作业效率的提升。

本文提到的基于唯一标识与CAS原理来解决问题的方式，其本质都是多对一模型下，实现多线程同步互斥，以及并发收缩问题的基础依赖。所以我们遇到的多对少或者多对一模型下的数据访问或修改的收缩问题，其实都可以通过类似的思想来尝试寻找解决方案。

为了更好的保障处于弱网状态下得物App用户的使用体验，我们在已有的网络体验大盘、网络诊断工具的基础上研发了弱网诊断能力。该工具能够高效实时诊断用户真实网络环境，同时给出精确网络质量分级，为后续App各业务场景进行针对性优化做好基础建设保障。