笔者最近对负责项目做了一些服务性能优化的工作，主要优化了项目中的一些不合理设计，例如：服务间使用 json 传输数据；监控上报处理逻辑在主流程中；重复数据每次都请求下游服务；多个耗时操作串行请求等。取得了 A 服务平均耗时跟 p99 耗时均下降 80% 、事件底层服务平均耗时下降 50% 的业务收益。

对 Linux 进行问题排查是后台开发的日常，但却总会遇到“无法稳定复现、问题定位困难、一两天都没缩小问题范围”等等问题。

这几年，眼看着中台直上云霄，又看着它跌落神坛。最早提中台建设的友商在去中台，腾讯内部的中台建设也开始趋向务实。但腾讯的中台并没有消失，而是以技术产品的形式继续默默耕耘，平台型技术产品服务于开发团队，曾经被纳入中台的范畴，但它比中台更长久，中台陨落，而平台长青。本文作者从零到一打造了腾讯 PCG 平台型技术产品——搜索中台 XSearch，他将以此为例，带大家了解做好一个平台型技术产品，需要考虑哪些点。

随着大模型在2023年横空出世，“Prompt 工程” 应运而生，作为用好大模型最重要的武器，Prompt 的好坏对模型效果有着决定性的影响。然而，网络上大量相关文章多是罗列“Prompt 工程” 中的若干技巧，少有体系化的总结，让人看完依然不知道该如何入手。

本文希望结合我们在 “Prompt 工程” 中的实践经验，更加体系化地对 “Prompt 工程” 进行梳理，希望可以一步步地帮助大家用好大模型，人人都是 Prompt 工程师。

Redis 是一种由 C 语言开发的 NoSQL 数据库，以其高性能的键值对存储和多种应用场景而闻名。本文将详细介绍 Redis 的主要功能特性、典型应用场景、演进过程、架构设计以及数据类型和操作命令，并结合腾讯云数据库 Redis 的实际应用。

2015年左右底，“中台”这个词 迅速在互联网走红，众多互联网大厂纷纷投入到“中台”的战略布局中，转眼间，到了2024年，曾经风靡一时的中台迎来了退潮时刻。这期间发生过什么有趣的故事，这背后的原因又是什么？本文将阐述我对于中台建设的一些思考和浅见，希望可以引发技术人的思考。

本文详细介绍了云开发的网关架构设计迁移历程，为什么从双层架构演变成单层架构，对业界有较强的参考作用。

本文讨论了混沌工程和 FMEA 在软件架构设计中的应用，目的是提升系统可用性。首先解释了 FMEA，一种起源于美国军方的风险评估工具，用于预防产品或服务中的问题。文章详细说明了 FMEA 在软件架构中的步骤，如功能点识别、故障模式描述、影响分析、严重度评级、故障原因和概率分析、风险度计算，以及措施制定。接着介绍了混沌工程，这是一种测试分布式系统弹性的方法，通过模拟故障来识别问题。结合两者，文章通过案例分析展示了如何运用混沌工程和FMEA进行架构优化和效果验证。强调了持续治理的重要性，并介绍了腾讯云云顾问混沌平台的应用，它支持架构管理和可用性治理。总结认为，混沌工程与FMEA结合能有效提升系统可用性。

资金账户是互联网和金融业务中非常常见的系统，尤其是在电商、支付等业务中必不可少。资金账户系统本身其核心模块的整体架构往往并不复杂，但其对于资金安全和可用性的要求非常高，导致建设好一个资金账户系统并不容易。本文以笔者在实际工作中实现的资金账户系统为例，探讨了在资金账户系统设计和实现中会遇到的问题以及相应的解决方案。

微信开发工程师从亲身项目所遇卡点出发，用白话讲明DDD从入门到实践的过程！

在构建高吞吐量和高可靠性的消息系统时，Apache Kafka 成为了众多程序员的首选。本文深入剖析了 Kafka 的内部机制，从宏观架构到消息流转的细节，揭示了 Kafka 如何通过精心设计的系统组件和策略，实现消息的异步处理和流量管理。

本文将带你探索 Kafka 的 ack 策略、数据持久化技术以及提升系统性能的关键设计，包括批量处理、压缩、PageCache 和零拷贝等技术。同时，文章还涵盖了负载均衡和集群管理，为你提供一个全面视角，理解 Kafka 如何满足大规模分布式系统中对消息队列的严苛要求。

国际地球自转服务(IERS)宣布 2024 年世界时将不增加闰秒。对计算机系统和维护它的程序员而言，这是一个好消息。 最迟不晚于 2035 年前，闰秒就会被彻底废除。没有办法解决闰秒引发的问题，解决闰秒本身就不再有问题，毕竟人类对多出来的这一秒并无体感。本文将为你介绍闰秒的来源及其影响，并介绍各类系统常见的闰秒处理方法。

计算机领域有众多经典丛书，《软件方法》是其中一本。在软件开发领域工作，深入业务分析，学会系统设计是保持竞争力的关键。本文作者深入拆解了这本书的核心内容，并根据自己的理解加以引申，是一篇非常优秀的读书笔记。

微信作为国内活跃用户最多的社交软件，其数据平台建设经历了从 Hadoop 到 ClickHouse 亚秒级实时数仓的阶段，但仍旧面临着数据体验割裂、存储冗余的问题。通过 StarRocks 的湖仓一体方案，以及和社区密切配合开发的实时增量物化视图，微信解决了“实时、极速”背后的“统一”诉求。在直播业务场景中，通过湖上建仓的方案改造，使得数据开发同学需要运维的任务数减半，同时存储成本降低65%以上，离线任务产出时间缩短两小时。

当前，基于 StarRocks 的湖仓一体方案已经在微信的多个业务场景中上线使用，包括视频号直播、微信键盘、微信读书和公众号等，集群规模达到数百台机器，数据接入量近千亿，向理想化的湖仓一体形态不断演进。

根据维基百科可用性、高可用性、可靠性、可用性和可维护性词条的解释。计算机系统的可用性(availability)是通过系统的可靠性(reliability)和可维护性(maintainability)来度量的。工程上通常用平均无故障时间(MTTF)来度量系统的可靠性,用平均维修时间（MTTR）来度量系统的可维护性。

AI技术的发展推动了量化交易的自动化和智能化。在股票预测中，信号挖掘和预测模块是关键。量化特征相关性评估可以通过相关系数分析法和KL方法等来选择预测能力强的变量。利用深度学习网络的embedding信息提取，结合LSTM的深度神经网络模型，能提升股票预测的准确率和交易收益率。各种板块都有稳定的超额收益。足彩预测模型基于赔率和球队基本面特征，可以实现对欧洲五大联赛比赛结果的预测，英超联赛的预测准确率达到了54.55%。预测系统仍需积累更多数据样本和挖掘更多有效特征。