本篇系超大规模数据库集群保稳系列的第四篇（下），本篇介绍了数据库内核可观测性建设、全量SQL、异常处理以及索引优化建议与SQL治理方面的内容。

本篇系超大规模数据库集群保稳系列的第四篇（上），本文将介绍数据库的异常发现与诊断方面的内容。

本文重点介绍了数据库容灾平台能力建设、演练体系建设以及这些建设取得的一些成果，最后也会分享一下容灾建设的未来思考。

本文介绍了美团数据库攻防演练平台的具体实践，并结合混沌工程的成熟度标准和成熟度等级，分享我们对未来工作的一些思考和规划。

对数据库而言，一个很重要的核心是如何保证其高可用性。本文围绕4个方面的内容展开，包括高可用简介、高可用部署、重点模块的设计思考以及对未来思考。

用好中间件是每一个开发人员的基本功，一个专业的开发人员，追求的不仅是中间件的日常使用，还要探究这背后的设计初衷和底层逻辑，进而保证我们的系统运行更加稳定，让开发工作更加高效。

因果推理模型给机器学习打开了一个新的思路。清华大学计算机学院崔鹏副教授为美团技术团队的同学分享了因果推断技术最新的发展趋势。

在海量数据中，如何获得自己需要的数据指标，做好数据指标的设立与管理至关重要。

美团语音交互部将降低延迟问题转换成一个知识蒸馏过程，极大地简化了延迟优化的难度，仅通过一个正则项损失函数就使得模型在训练过程中自动降低出字延迟。

美团与华东师范大学开展了科研合作，在AI领域对索引推荐进行了探索和实践。

美团到店餐饮算法团队在跨域迁移学习的长期实践中，基于多场景的业务背景，提出了分层信息抽取网络，提升了多场景多任务的建模效果。

当你和智能语音机器人对话交互时，你是否好奇电话背后的机器人如何“听懂”你的意思，又如何像人一样“回答”你的问题？其中比较重要的技术就是 MRCP。

本文主要介绍BERT在优化美团搜索核心排序上的探索过程以及实践经验。

美团搜索与NLP中心提出了一种针对数据集MS MARCO文本检索任务的BERT算法方案。

外卖场景对用户实时需求的理解和反馈有更高的要求，美团外卖技术团队摸索出一套交互式推荐架构和策略。

在人工智能时代，如何利用GPU这一利器赋能业务场景，是很多技术研发者都要面临的问题。