公司:得物
得物,原名“毒”,是中华人民共和国上海市上海识装信息科技有限公司推出的一个电商手机应用。第三方商家和个人可以入驻得物平台与其他用户进行交易。
Flutter代码静态检查原理与应用
Flutter虽然火了很久,但是大家对Flutter代码静态检查原理与应用依然有很多大大小小的问题,在Flutter开发中就存在一些大家都会遇到普适性的问题。
得物效率前端微应用推进过程与思考
随着业务的发展,组织规模的扩大,越来越多的企业开始意识到协作效率对于企业团队的重要性,甚至是决定其在某个行业竞争中突围的关键,是企业长久生存的根本。
客服订单详情页体验升级之路
作为客服域访问量最大的页面之一,订单详情页在客服的日常工作中被用来查阅用户的订单信息,以此为进线的买卖家用户提供更好的购买服务,进而提升用户的满意度。
自动化实践-全量Json对比在技改需求提效实践
越来越多不同类型的需求开始用自动化测试左移来实践,在实践过程中也有了新的提效诉求。这类需求会期望不同染色环境在相同的配置条件下,拆分后的代码和基准release代码的接口响应response有全量对比结果才能更好达到需求验证点。
得物词分发平台演进
词分发平台通过架构改造,稳定性的升级,使得平台具备灵活、可拓展的场景接入方案,协助业务实现个性化的需求定制,在更多、更广泛的场景和业务域中充分发挥平台的应用优势。
得物 Android 包体积资源优化实践
包体积优化中,资源优化一般都是首要且容易有成效的优化方向。资源优化是通过优化APK中的资源项来优化包体积,本文我们会介绍得物App在资源优化上做的一些实践。
前端Monorepo大仓代码按需拉取技术实现原理
本文主要对于git sparse checkout 的原理和在其之上的应用——大仓按需拉取cli 和 vscode 按需拉取插件展开讲解。当下的按需检出实现方案可能不是最终极的解决办法,后面还会继续迭代和优化。
得物权益投放的设计及演化思考
本文通过重点渠道举例的方式,逐渐给大家展开权益投放的故事,包括我们支持的权益投放业务,我们是如何设计的,未来在权益投放方面我们有哪些发展演化方向,同时期待能和大家一起有更多的交流。
得物自建DTS平台的技术演进
随着得物App的用户流量增长,业务选择数据库越来越多样化,异构数据源之间的数据同步需求也逐渐增多。为了控制成本并更好地支持业务发展,我们决定自建DTS平台。本文主要从技术选型、能力支持与演化的角度出发,分享在DTS平台升级过程中获得的经验。
从0到1!得物如何打造通用大模型训练和推理平台
近期,GPT大模型的发布给自然语言处理(NLP)领域带来了令人震撼的体验。随着这一事件的发生,一系列开源大模型也迅速崛起。依据一些评估机构的评估,这些开源模型大模型的表现也相当不错。
一种新型的系统设计解决方案:模块树驱动设计
系统设计的核心作用是在业务现实世界和抽象的IT实现之间建立起一道桥梁。与其他行业被物理特性限制所束缚不同,软件世界可以变得无限庞大,而限制软件发展的其实是人的认知能力。
CPU调频、线程绑核、优先级控制实践
为了进一步优化App性能,最近针对如何提高应用对CPU的资源使用、以及在多线程环境下如何提高关键线程的执行优先级做了技术调研。
从数据到决策:项目管理和度量领域必备技能
“效率”作为得物技术部的关键词之一,大家在研发效能、会议效率、协作效率、办公效率等方面一直进行着持续地探索。实际落地的过程中,为了更好地评估应用效果,往往需要将定性描述转换为可量化的数据指标。这些数据指标可以帮助了解研发过程中的变化和趋势。
效率消息中心从0-1搭建与思考
消息中心是一个集中管理、分发通知和提醒的平台,可以让用户或系统消息更方便、快捷的触达给指定用户或者系统。并且可以帮助用户或系统更好地管理消息的生命周期,屏蔽不同消息渠道差异与技术差异,从而提升效率与体验,降低维护成本。
一年省七位数,得物自建HFDS在 Flink Checkpoint 场景下的应用实践
早期使用阿里云OSS作为Checkpoint数据存储,单个Bucket每1P数据量只有免费带宽10Gb/s,超出部分单独计费。为了控制这部分成本,得物开展了自建HDFS在Flink Checkpoint场景下的落地工作。
路径规划中的DRL与OR算法:对比与展望
近些年,以机器学习为代表的人工智能技术逐渐被大家认识并在很多方面得到普及,深度学习技术在学术界和工业界取得了广泛的成功,受到高度重视,并掀起新一轮的人工智能热潮。运筹学作为一个看似古老的学科,科学家和工程师在过去开发了各种启发式或精确的求解方法,能够在有限的时间内返回一个尽可能好的结果。值得注意的是,上述算法均诞生于这轮AI大爆发之前,在AI时代,如何将最新的机器学习技术应用在运筹和组合优化,正在受到越来越多的关注。在芯片设计、求解器等“卡脖子”领域,基于机器学习的组合优化方法很可能成为将来的基础性技术。本博客以路径规划为例,探讨了传统的优化方法、深度强化学习类方法的研究现状和交叉融合趋势,分析了各自的特点以及在实际落地亟需解决的若干问题,也希望能探索相关算法在得物供应链场景的落地实践。