最近做了几个实时数据开发需求，难免在使用Flink的过程中遇到一些问题，如数据倾斜导致的反压、interval join、开窗导致的水位线失效等，这个过程加深了我对Flink原理与机制的理解，因此将这些经验分享出来，希望能帮到有需要的同学。

一次压测过程中，当数据库的qps和tps都正常时，如果cpu利用率异常的高，应该如何排查？希望通过这篇文章，给你一些启发。

本文描述的问题是应用的OOM引发的接口成功率下跌的排查过程和整个问题的定位过程。

本文作者用一个GPT4o学习全栈的例子来阐述大模型对学习的影响，以及对于未来学习的思考。

阿里拍卖是阿里巴巴旗下拍卖平台，覆盖房产、机动车、土地、债权等类目。本文旨在分享多兴趣向量召回MIND和深度I2I召回模型PDN在阿里拍卖资产推荐场景的实践经验。内容包括模型介绍，大资产场景的针对性优化，与最终效果分析。

任何复杂的系统都可能因为一个小小的疏漏而无法运转，本文记录了一个困扰作者一个月的 bug 最终拨云见日的过程。​

天猫国际用户Push中心承接国际用户触达相关需求，如短信、消息投放等，存在较高并发场景。该系统曾发现一个查询投放计划为null的异常情况，初期排查毫无头绪，后来灵光乍现，原是缓存一致性问题！

本文介绍了在Redis中使用lua脚本进行批量扣减库存的方法。为了解决缓存不具备事务特性和异步写库可能导致数据丢失的问题，可以将扣减任务同步插入任务表，并使用undolog进行回滚。通过这种方式，可以解决网络不通、调用缓存超时、缓存宕机等异常情况下的数据一致性问题。同时，还可以通过水平分库来提升整体性能。使用MySQL唯一索引和分布式锁可以确保数据的唯一性和并发安全。此外，还可以通过Redis集群、本地缓存、限流和key加随机值分布在多个实例中的方式来提高性能和容错性。另外，还可以使用缓存策略、CDN静态化数据、限流等方法来限制逃逸流量、降低请求压力、提高系统容错能力。

作者日常在与其他同学合作时，经常发现不合理的日志配置以及五花八门的日志记录方式，后续作者打算在团队内做一次Java日志的分享，本文是整理出的系列文章第五篇。

我们针对优势特征蒸馏（PFD）问题，设计了scale-calibrated listwise distillation loss（CLID），在提升CTR预估模型排序能力的同时，保持了其预估准度。

本文记录了作者用大模型创作歌曲及视频的全过程。

本文从源码入手重点分析了vllm+ray如何实现分布式推理，也介绍了一些分布式通信方式及模型分布式切分的基本知识。

在复杂中后台设计中，为解决配置变更影响多场景问题，提出结合正向和逆向信息架构，采用原子化任务，动态组合任务，降低用户和开发成本，优化体验并改变已有的产品迭代和人机交互模式。未来可能发展为AI自动根据业务规则和用户行为生成最佳方案。

RAG通过检索现有的大量知识，结合强大的生成模型，为复杂的问答、文本摘要和生成任务带来了全新的解决方案。本文详细的介绍了RAG遇到的挑战、通用范式、工程实践、优化实现策略等。

随着LLM的发展，ChatGPT能力不断增强，AI不断有新的概念提出，一种衍生类型的应用AI Agent也借着这股春风开启了一波话题热度。本文就手猫在探索Agent能力和智能助手业务结合过程、技术侧遇到的问题、想法和实践做简单总结。

作者通过本文梳理了自己对虚拟线程的理解，顺便捋一捋Java线程的过去、现在和未来。