在我们日常的测试工作中，无论是做客户端还是服务端测试，都会经常用到抓包工具，以验证客户端和服务器之间发送的数据包是否正确等。Fiddler由于其入门简单，功能强大，已经成为了目前最主流的Web调试工具。

但Fiddler采用的是web代理的方式捕获数据包，并且只支持Windows平台，导致其使用场景受到一定的限制。而Wireshark是一款开源和跨平台的抓包工具。它通过调用操作系统底层的API，直接捕获网卡上的数据包，因此捕获的数据包更加详细，功能更加强大，但操作也相对繁琐一些。可以作为对Fiddler的一个较好的补充。

用户体验设计师在业务中擅长站在用户的角度，洞察机会并产出设计创新。

在数据驱动时代，不管是在产品功能迭代还是策略决策时都需要数据的支撑。那么，当我们准备上线一个新功能或者策略时，如何评估新老版本优劣，即数据的可量化就成了问题。这个时候就需要引入 A/B Test 了。

自我是流动的，设计也是流动的。

OLAP，On-Line Analytical Processing，在线分析处理，主要用于支持企业决策管理分析。区别于OLTP，On-Line Transaction Processing，联机事务处理。

本文主要从标签的构建，标签的生产加工，存储设计， 用户洞察，用户分群以及ID-MAPPING等几个方面阐述转转用户画像平台的建设和实践。

“时间戳”即时间信息的展示方式，它是一个在UX设计中经常出现，又容易被忽视的元素。本文将结合58相关产品的实践向读者阐述时间戳控件的设计方法。

在做任何设计之前，我们都需要对自身进行提问：这个项目的目标是什么？解决什么问题？我的用户是谁？

为了支撑业务精细化运营场景下实时多维分析能力，本文将为大家带来主流MPP架构数据库ClickHouse在自助分析场景中的探索及实践。

当业务任务多且人力资源不充足的情况下，不同业务的同学可能需要去不同的业务进行临时支援，可能在时间方面可能有长有短，但是如何迈出第一步是很多人需要关心的一件事。

本文以实际跨业务测试经验（订单业务测试人员如何测试售后业务），讲述在两周内如何快速的上手售后业务并进行测试需求，写下此篇文章作为经验分享。

北斗前端监控系统是 58 内部的一个线上质量监控排查解决方案，用于帮助用户大幅提升定位问题和优化项目的效率。系统共分为数据收集（SDK）、数据处理（Java）、数据存储（Druid、……）、数据分析（Node.js）、数据展示(React) 5 层模型。Node.js 作为系统中的数据分析层，提供各种数据分析和应用的方式。

在一期之后，系统的基础功能已经完备。平台可以收集 5 种类型、30 多种指标的数据，已经具备了很强的数据收集能力，数据应用的方式却很匮乏。

所以在二期开发时，我们计划在 Node 端加入多种数据应用的方式。实时告警，就是其中之一。

简单分析需求，服务端需要以一定的频次（例如每分钟）监测不同项目中用户配置关注的指标数值。当数值出现异常时，给用户发送邮件、短信等告警信息用于警示。

而其中的重点，就是如何在 Node.js 中设计并实现定时任务系统？

“全链路”指的是全业务、全场景、全方向，那么全链路数据仓库指的是这个数仓中的数据是包罗万象的数据，因为在信息安全业务领域，会有大量的特征、策略、用户行为需要进行数据分析和验证，因此挖掘数据关系的关联性俨然成为了一个趋势，这些数据的链路关系是面向全方位的，两点之间的数据也可以存在多条链路关系，安全业务全链路数据即数据网格化应用， 网格越密集，那么数据就越完善，集成度更高。只有构建高度集成化的数据链路才能让数据成为安全生产力，让安全业务变得更主动。

在58信安承担着全集团各个业务线安全治理治理工作，信安业务系统会生产人工审核、机器检测、举报、申诉、维权、处罚、处理、取证等一些列风控系统的数据，但是安全治理工作除了使用到这些风控侧数据之外还需要使用业务侧数据，那么这些业务侧数据的生产维护散落在各个业务线，各个业务线对数据的管理维护标准也会有很大的差异，因此会有各种结构化、半结构化、非结构化数据，同时账号、帖子id等体系不统一，那么如何能够以一个低成本的方式进行数据分析，如何快速有效的组织和转化数据与黑产对抗，是整个风控环节面临的巨大挑战，因此信息安全需要构建各个业务场景数据与风控系统数据之间的串接，让这些数据有统一的标准、相同的规范、一致的规则存储在安全数仓中。

工单系统是一种网络软件系统，根据不同组织，部门和外部客户的需求，来由针对的管理，维护和追踪一系列的问题和请求。大多用于记录、处理、跟踪一项工作的完成情况。 为使客服同学有序、协同处理客户问题,客服技术团队打造了多渠道整合的，可灵活配置的，便于流转的行星工单系统。

WLock是一套基于58已开源的一致性算法组件WPaxos实现的分布式锁服务，具有丰富的锁类型、灵活的锁操作、高可靠性、高吞吐、多租户和易用性等特点。可应用于分布式环境下协调多进程/线程对共享资源的访问控制、多节点Master选主等业务场景。

​HunterConsumer和HunterProducer组件主要是利用AOP思想实现，它使开发人员在编写业务逻辑时可以专心于核心业务，而不用过多的关注于一些非业务的重复代码，这不但提高了开发效率，而且增强了代码的可维护性。

本文介绍前端异常治理的重要性，并基于开源平台Sentry高效发现前端异常以及高效解决前端异常。