希望大家在日常脚踏实地从事开发与运维工作的同时，也能够抬头仰望星空。

区别于传统Timeline的feeds流架构，文章从一个实际的应用场景出发，描述了排序规则复杂的feeds流的架构设计特点，同时给出了具体的设计方案和需要优化的点。

前人栽树，讲解一次开发手册本来是件很苦很累的事情，但有了阿里手册大量详尽的周边介绍文章，我们就可以偷个懒，只说说自己定制的部分好了。

写一段代码通常意味着实现一个需求或修复一个缺陷，将代码与需求或缺陷关联对软件生命周期最长的维护阶段来说是一件非常有意义的事。本文提供了一种轻量级的代码与需求缺陷关联方案，给希望提高团队协作效率的同学提供参考。

图片清晰度评价对于自动对焦、视频封面等应用是个很有价值的课题。本文结合现有方案，提出了一种新的无参考图像清晰度评价方法，可以适应不同的模糊类型情况。

10亿条商品和1万条商圈数据做匹配，1天内可得到结果。

中间件小姐姐将为您深入解析Dubbo可扩展机制源码，一睹庐山真面目！

这篇文章并不是全盘否定 ZooKeeper，而只是根据阿里近 10 年来在大规模服务化上的生产实践，对服务发现和注册中心设计及使用上的经验教训进行一个总结。

本文主要对京东、淘宝、阿里巴巴三大电商的物流版块做了简单的分析，希望能够帮助大家更好的了解这一业务。 首先插播一段碎碎念的非题外话，可以让我们更好的了解这块业务的来龙去脉。 一起回顾一下线下寄快递的过程：举个栗子，现在

在保证精度的同时，压缩后的模型是TensorFlow的四分之一。

优秀的前端Leader习惯这样做。

曝光日志，是电商场景下很特殊的一类日志，具体来说：比如商品图墙列表上有多少商品给用户展示过就是一种典型的曝光日志，一般用来作为推荐算法的输入信息或者广告展示计费用途。曝光日志一般是点击日志的几十到几百倍，而一页内的曝光信息又大致雷同，所以一般都会做聚合。 只是如何聚合，由客户端采集框架聚合还是由业务自身聚合（比如曝光日志设计为一条可以直接记录一批商品），这会是需要权衡考虑的。 用户回退行为的识别，

要说日志采集的难度是不高，但是要说复杂程度，绝对是很繁琐的。有许多细节和流程需要考虑，不同的客户端如何采集，格式怎么统一，各种用户行为怎么跟踪，如何减少对业务代码的侵入，怎么保证性能和实时性等等。 闭环：无规范不分析，无分析不采集；采集必计算，计算必分析； 自下而上是「数据采集规范」，「数据采集」，「数据解析」，「日志数据域」，「流量分析平台」。 在数据采集前，先定义了采集规范如SPM(超

微服务架构下分布式事务解决方案 —— 阿里GTS的好处有哪些？

中国日均包裹量已突破1亿，如何提高整个物流链路的时效体验，是我们面临的一大挑战。

阿里面试官的真实经历总结。