互联网工程的高速发展，分布式、微服务、容器化架构的流行，互联网已全面进入云原生时代。构建系统的方式由最初的单体大应用演变为分布式架构，一台服务器可能仅存几小时甚至几分钟，这种复杂性大大增加了把系统运行状态可视化的难度。

高德打车业务的发展历程也不例外，同样经历了从单体大应用到服务化拆分的过程，庞大的应用体系和架构的不断升级，保障了多个节假日出行高峰的稳定，业务仍在持续快速的发展中，如何保障这套庞大又复杂的系统持续高性能、高可用、高可控？构建360度无死角的多维度可观测能力显得愈发重要。

过去的一段时间里，高德地图App大前端团队一直在对前端低代码搭投技术进行探索，目前已经在客户端多个业务场景落地，充分验证了搭投技术支撑业务快速迭代的潜力。

在低代码的实践中，我们发现，除了前端可视化拖拽搭建技术，Serverless、智能化等技术都有助于低代码的业务落地。本文将介绍高德低代码系统架构以及一些新技术的应用方法。

订单状态流转是交易系统的最为核心的工作，订单系统往往都会存在状态多、链路长、逻辑复杂的特点，还存在多场景、多类型、多业务维度等业务特性。在保证订单状态流转稳定性的前提下、可扩展性和可维护性是我们需要重点关注和解决的问题。

以高德打车业务的订单状态为例，订单状态就有乘客下单、司机接单、司机已到达乘车点、开始行程、行程结束、确认费用、支付成功、订单取消、订单关闭等；订单车型有专车、快车、出租车等几种车型，而专车又分舒适型、豪华型、商务型等；业务场景接送机、企业用车、城际拼车等等场景。

当订单状态、类型、场景、以及其他一些维度组合时，每一种组合都可能会有不同的处理逻辑、也可能会存在共性的业务逻辑，这种情况下代码中各种if-else肯定是不敢想象的。怎么处理这种"多状态+多类型+多场景+多维度"的复杂订单状态流转业务，又要保证整个系统的可扩展性和可维护性，本文的解决思路和方案同大家一起探讨。

揭开地图采集车载车选型不为人知的一面

Y组合子是Lambda演算的一部分，也是函数式编程的理论基础。它是一种方法/技巧，在没有赋值语句的前提下定义递归的匿名函数。即仅仅通过Lambda表达式这个最基本的“原子”实现循环/迭代，颇有道生一、一生二、二生三、三生万物的感觉。

高德有7000万以上的POI（Point of Interest，兴趣点）数据。每年还会出现很多新增的POI，也会有一部分POI停止营业、关门倒闭。这些POI如何制作和更新？从采集方式来看会有很多获取POI的方式，有一种重要而且直观的采集方式，高德通过众包方式采集街边店铺的图像，利用计算机视觉技术（以及人工辅助）从图像中提取POI数据。

下图演示了一次众包化采集过程。高德的采集人员从这条街走过，拍摄连续图像。最后把图像和GPS坐标，上传给高德。

高精地图是自动驾驶汽车不可或缺的核心条件，它需要准确表达现实世界各类要素的空间位置和相对关系，因此高精地图的生产对采集资料的精度要求很高。

详细方案+灰度验证。

高德开放平台在2020年初推出了AMap JSAPI 2.0版本，现在版本已经稳定下来。在JSAPI 2.0版本中我们采用了新的渲染管线，在每个渲染流程中都针对性的进行了性能优化。

因此，各方面相较于上一个稳定版本都有了很大的提升。为了还原更加真实的世界，我们希望地图中的建筑元素拥有更多的光影效果，来模拟真实世界中无处不在的光照。并且，真实世界的楼体建筑也应该拥有不同的材质，对光源有不同的响应。

今天我们就来聊一下地图上立体建筑元素的光照效果如何渲染。

地图空间可视化作为高德智慧交通前端业务中最重要的功能之一，承担着城市交通大脑、全境智能大屏等业务中大量的地图渲染需求。作为向用户展示交通数据的窗口，我们需要展现省、市、区、商圈、自定义区域多种场景，包括所有交通事件、拥堵指数、辖区等多种维度的数据，呈现着数据量大、元素种类多、逻辑展现重等特点。

JSAPI作为高德地图前端战线的引擎，涵盖着渲染地图、展示覆盖物等底层能力，但对于行业应用领域的开发来说，存在着开发难度大、适配成本高、纯原生JS实现与主流框架结合不紧密，无行业图层能力的问题。

基于以上原因，我们设计了具有适用于垂直行业的、可复用、可扩展、二次开发简单等特点的地图SDK，已经成为智慧交通地图空间可视化能力的首选方案。

前后台内存优化实战

随着移动互联网的成熟发展，移动应用技术上呈现出多样化的趋势，业务上倾向打造平台及超级入口，超级应用应运而生。但业务快速扩张与有限的系统资源必然是冲突的，如何实现多（能力服务的高增长）、快（体验流畅）、好（兼容稳定）、省（资源成本低），让大象也能跳舞，成为摆在超级应用面前必须解决的问题。

TDD(Test Driven Development)是一种强调测试先行的开发方式，通过编写单元测试用例，有效保障存量复杂系统在开发、重构上的质量。在本文中，高德智能技术中心的同学通过分析现有测试方法面临的问题，分享如何使用GTest框架进行单元测试，以及在单元测试中的一些实践心得。

人们在高德地图上会看到很多地理位置兴趣点（Point of Interest，缩写为POI），例如餐厅、超市、景点、酒店、车站、停车场等。对POI数据的评价维度包括现势性、准确性、完备性和丰富性。其中，现势性就是地图所提供的地理空间信息反映当前最新情况的程度，简而言之，增强现势性就是指尽可能快速地发现已停业、搬迁、更名、拆迁的过期冗余POI数据，并将其处理成下线状态的过程。

高德地图极致性能优化之路

高德全链路压测系列文章