知鸦日报2022-11-09

一次回归课中教学互动的全新体验升级，直播课小学设计团队是如何打造出一堂生动有趣、寓教于乐的课程体验的呢？

本文将以百度商业团队Light设计系统PATS度量体系的建设为例，分享我们如何探索设计系统度量的建构，与具体实践。希望通过文章能为大家带来新思考，并借此与大家进行交流与探讨。

A/B实验是一种在线对照实验，即通过控制变量法来对比两个策略之间的效果。

目前转转的辅助测试平台有JVM注入、流量回放，前者通过修改指定服务、类、方法返回值，Mock超时、异常等难以测试覆盖场景，提高测试效率；后者通过在稳定环境采集流量，动态环境自动回放用例，根据diff同一用例稳态和动态环境返回结果来检验程序是否存在问题，降低代码变动对整体系统带来的风险，这些平台均用到了jvm-sandbox技术，最近学习了相关知识，记录下初次体验心得。

云原生内存数据库 Tair 是阿里云自研数据库，兼容 Redis 的同时提供更多数据结构和企业级能力，包括全球多活、任意时间点恢复和透明加密等。

During the infrastructural exploration of a pipeline my team was building, we discovered a query that could have cost us nearly $1 million USD a month in BigQuery. Below, we’ll detail how we reduced this and share our tips for lowering costs in BigQuery.

本文主要介绍，OCR技术结合转转游戏业务具体场景使用中遇到的一些问题和解决方式。

金融企业在生产安全的前提下，如何确保MySQL的开发合规和性能管控？

贝叶斯定理太有用了，不管是在投资领域，还是机器学习，或是日常生活中几乎都在用到它。

例如，生命科学家用贝叶斯定理研究基因是如何被控制的；教育学家意识到，学生的学习过程其实就是贝叶斯法则的运用；基金经理用贝叶斯法则找到投资策略；谷歌用贝叶斯定理改进搜索功能，帮助用户过滤垃圾邮件；无人驾驶汽车接收车顶传感器收集到的路况和交通数据，运用贝叶斯定理更新从地图上获得的信息；人工智能、机器翻译中大量用到贝叶斯定理...

大家常用的网页搜索引擎帮助用户从海量的数据中找到自己需要的文章，在此过程中需要解决的三个核心问题：相关性，质量，流行度，在相关的结果中将质量权威性和流行度最好的结果展示在首位。拍题搜索同样类似于搜索引擎，用户的Query通过OCR部分转换成文本参与文本检索，无法转换成文本的几何图形通过深度学习模型编码成向量参与向量检索，并将文本检索和向量检索得到的结果进行归并排序。拍题搜索必须在相同的结果中选择质量最好的放到首位。于是在Query理解、相关性计算和排序算法上需要不同的处理方式。

拍题搜索和通用搜索相比，在数据规模和丰富程度上相对较小，可以在准确性方面做出更多针对性处理，因此在搜题领域超越通用网页搜索引擎是我们的设计目标。

我作为掌门面试官，面试过不少的候选人，在面试的时候能将组件开发的工具链及注意点讲清楚的寥寥，所以今天就带大家一起从设计思维、工程思维和产品思维三个维度概述一下题目组件在掌门落地的思路。

当然了这远远不是看一篇文章就能掌握整个组件开发体系的，工具链可复制，思维模式不可复制，需要大家根据自身的业务场景进行深入实践及剖析。

”精益生产“起源于丰田生产方式，它致力于在大量生产中实现多品种和高质量产品的低成本生产，随着在制造业取得巨大成功，精益思想也逐步渗透到了各行各业，其中在软件行业就演化出了很多新的理论，比如精益研发、DevOps等。精益生产坚信前置时间(Lead time)是提升产品质量、客户满意度和员工幸福感的最佳度量指标，而业务研发正好是处在前置时间中，并且占有重要的地位，所以本文将从从业务研发侧来聊聊精益实践。

1. 为什么测试好好的，上到线上代码一堆bug，一上线就崩溃或者一堆问题？
2. 为什么感觉自己系统做的性能很好，上线后流量一上来就雪崩了？
3. 为什么自己的系统上线以后出问题不知道问题在哪儿，完全无法跟踪？

大数据前端是一个特殊的团队，可大可小，如何打破技术边界，渗透到业务内部还需要不断修炼。

中通快递创建于2002年5月8日，是一家以快递为核心业务，集跨境、快运、商业、云仓、航空、冷链、金融、智能、兔喜社区生活服务、中快数字营销等生态版块于一体的综合物流服务企业。2021年，中通快递全年业务量达到223亿件，同比增长31.1%。全网服务网点30,400+个，转运中心99个，直接网络合作伙伴5700+个，自有干线运输车辆10,900辆（其中超9000辆为高运力甩挂车），干线运输线路约3700条，网络通达99%以上的区县，乡镇覆盖率超过93%。科技中通大数据中心支撑了公司的业务，现在有了两个IDC，Hadoop集群规模达到了上千台，存储达到了18PB+，线上日活任务数2w+，目前，仍处在快速增长期。

如下图展示了一个快递的生命周期，五个字概括就是收发到派签。首先，客户通过线上或线下的方式和快递员取得联系，填写寄件人等信息，将快递A交给快递员。快递A经过称重、打单、扫描、包装等步骤，由快递员送往发件网点，此过程称为揽收。然后，发件网点的快递员将快递A进行建包、装包、装车，由发件网点发出，发往首转运中心。快递A经首转运中心被运输到末转运中心。快递A到达末转运中心后，快递员根据三段码的解析将快递A递交到收件网点，收件网点对快递A进行拆包和分拣，此过程包括发件和到件。快递A被分拣完，由快递员进行派件，最终快递A被送达到收件客户手里，收件客户完成签收。在快递A整个生命周期内，每个业务流程都会产生大量的数据，我们利用这些数据，可以追踪快递A的轨迹，分析快递A的运送时效，分析快递A的退改签等业务。当然，做上述事情的前提是，我们需要一个稳定的、计算高效的、海量存储的基础大数据平台。

1776 年亚当斯密发表《国富论》，标志着经济学的诞生。2004 年，一本名为《领域驱动设计·软件核心复杂性应对之道》的书问世，开辟了软件开发的一个新流派：领域驱动设计。看完这本书，十个人有九个人的感觉都是：似懂非懂，若有所得，掩卷长思，一无所得，我个人的感觉同样如此。出于兴趣，多年来仔细研读了几十本相关书籍，融汇贯通，逐步形成了自己的一套看法，本文就和各位分享一下。

冯友兰治哲学，提出“照着讲”和“接着讲”的方法论。近两年，我断断续续梳理出关于领域驱动设计的两个 PPT：《领域驱动设计》和《领域驱动设计四论》。前者的内容主要是关于 DDD 经典著作的读书笔记，可视为照着讲，以证明自己学有所本，讲的不是野狐禅；后者则是在继承的基础上所做的创新阐释，可视为接着讲，发前人之未发。本文重点围绕《四论》展开，从四个方面梳理出 DDD 的整个逻辑脉络。

曾见郭象注庄子，却是庄子注郭象。一些领域驱动设计的拥趸们，如果看到本文的论述和自己的理解相左，丝毫不用奇怪，本文阐述的四论，不是我注六经，而是六经注我。

StarRocks（以下简称SR）是新一代极速全场景 MPP 数据库，可以满足多种分析需求，包括 OLAP 多维分析、定制报表、实时数据分析；伴随公司 WOS 升级战略，BI 在 WOS 系统中的选型 SR 作为数据分析层数据库；SR 应用实践过程中随迁移 WOS 的商户越来越来多，SR 内数据随之增大，逐渐暴露出来一些内存不足问题，主要为以下问题造成：

1. 主键模型表常驻内存持续增大，最高占用可用内存的16%。
2. tablet过多，270张表160W+个tablets，小于100M的约占90%。

以《一梦江湖》和《王牌竞速》两款游戏为例。在艺术风格上有着明显差异，前者偏古风，后者偏现代。但共同点是，你在画面里看到的所有东西，比如人物、衣服、建筑、植被、甚至车辆、以及界面上的按钮图标。

这些都是美术同学在DCC软件或者游戏引擎中制作出来的，所以都属于美术资产。

哈啰好物商城中，存在大量的长列表数据，我们可以采用虚拟列表来做优化。

AlertManager 是处理对应用程序的告警的，比如 Promethus 的服务端。对于输入的告警，会经过分组、抑制、静默、去重等步骤，最终并将告警发送到接受者（邮箱等）。

构建指标体系的模型有无数种：GSM模型、AARRR模型、5W2H模型等等。模型是前人总结的经验，是参考，非标准。针对不同的应用场景，选择适合的构建指标体系的模型，甚至是根据自己的经验来构建一套指标体系，都是可行的方法。

衡量业务的结果，类似于结果指标。事实上，所有的财务报表都带有输出指标，它非常适合衡量业务现状，并通过此来推导业务能达到的目标指标，然而输出指标不帮我们衡量日常。举个例子：500万的收入额、50万的利润额等。

输入指标衡量的是我们为了达成输出指标付出的行为，是我们可以控制的内容，是改变输出指标的好办法。举个例子：每周营销电话数、每周发博客数量。

顾名思义，驱动因素直接或者间接影响了其他指标。在判断和决定我们需要聚焦在哪些方面的过程中，能够识别出驱动因素是非常重要的。当我们制定了目标，我们需要识别它的驱动因素，并拆解到最小可操作行为。只有这样，我们才能够拆解到最小的可行行为去实现更大的目标。