如果一款产品更新不经过 AB 实验就直接全流量上线，那么团队成员在上线后往往都在拼命找数据证明自己正确，即便证据牵强，只要向外发布声明「指标又提升了」，众人纷纷点赞。要知道 Google、Facebook、Microsoft 做 AB 实验的经验是 90%的新设计都不如线上版本；亦或很幸运地，你的团队成员都十分活跃有想法，各抒己见、难分高下。

在这些情况下，「用实力说话」的 AB 实验或许能帮你改造团队决策的尴尬场景。AB 实验辅助决策的场景十分广：视觉设计、页面布局、文案内容、推荐算法、灰度发布等。基于以上所述需求，结合美图的业务情况，我们搭建了美图的 AB 实验系统——Meepo。

1. IP 与地区的映射关系每天都在变更，IP 库需要定期更新，以保证 IP 转地区的准确性、时效性；
2. 用户不关心具体的 IP 库格式以及背后复杂的查询算法，并且用户希望使用当前最新的 IP 库，因此需要封装一层供用户使用；
3. 一些业务方不希望强耦合于 IP 库，调用的频次比较低，比较适合访问 HTTP API 就能获取 IP 与地区的映射，如线上 API 服务；
4. 一些服务性能要求场景比较高，并且调用频次比较高，适合将 IP 库加载到内存缓存在程序内调用，如 collector-server（SDK 用户行为上报收集服务）；
5. 离线统计场景需要访问 IP 库，如 Hive IP 地区相关的 udf 方法。

质量评估可分为图像质量评估（Image Quality Assessment, IQA）和视频质量评估（Video Quality Assessment, VQA），本文主要讨论图像质量评估。IQA从方法上可分为主观评估和客观评估。主观评估就是从人的主观感知来评价图像的质量，首先给出原始参考图像和失真图像，让标注者给失真图像评分，一般采用平均主观得分（Mean Opinion Score, MOS）或平均主观得分差异（Differential Mean Opinion Score, DMOS）表示。客观评估使用数学模型给出量化值，可以使用图像处理技术生成一批失真图像，操作简单，已经成为IQA研究的重点。图像质量评估算法的目标是自动评估与人的主观质量判断相一致的客观图像质量。然而，主观评估费时费力，在实际应用中不可行，并且主观实验受观看距离、显示设备、照明条件、观测者的视觉能力、情绪等诸多因素影响。 因此，有必要设计出能够自动精确的预测主观质量的数学模型。

实时数据流的全链路监控， 据了解远超商业化产品，美图全链路监控方案详解。

Task是web开发中一个经典场景，我们时常需要延时任务，或者定时任务，通常都需要任务队列。常见的任务队列如celery，lmstfy是美图开源的任务队列。本文作者详细剖析了lmstfy的架构实现，干货满满，适合技术人员阅读。

适度的对团队提出更高的要求，培养追求卓越的团队文化，是对个人和团队共同成长的最佳手段。

在大规模的场景及其需要支撑全球用户的场景下，美图如何从根本上解决处理时长、可用性和成本等问题？

本文首次详细介绍美图在Memcache/Redis PaaS化的过程中的思考与经验。

客户端响应慢？DNS耗时大？域名被劫持？HttpDNS方案不适用https?本文介绍美图针对https环境DNS优化的实践。

HTTPS 是互联网安全的基础之一，然而引入 HTTPS 却会带来性能上的损耗，本文将科普式的介绍 HTTPS 协议以及美图在 HTTPS 优化方面的探索与实践。