本文结合 TV 端的插件化特点深入分析产生的原因，给出 TV 端的解决方案。

在敏捷的开发模式下，业务迭代更加快速，我们对微服务上下线流程进行了优化，本文将详细介绍方案的设计和实现。

视频内容类的业务对延迟比较敏感，现总结之前工作中的一些技术性探索和优化，分享给大家。

做海外市场，特别是目标面向全球的用户，网络的重要性不言而喻。试想打开App首页需要10s的时间，恐怕会让一半的用户流失。

此篇文章根据爱奇艺海外版做过的一系列优化实践，总结分享我们的一些做法和优化思路，希望对你有所帮助。

策略引擎 2.0 全面升级，以期实现高效、稳定，灵活、可扩展，业务隔离等功能。

如何高效的分发与使用UGC视频？

如何使高优先级任务获得更多的 CPU 资源，更快完成任务？

利用数据中心(OLTP)整合不同业务线的数据，解决数据孤岛问题已经是各个互联网企业的必用手段。

本文从内容中台角度出发，以图片生产服务为切入点，结合对Serverless的理解，讨论其应用场景落地与实践。

由于推荐系统冷启动问题的存在，在视频推荐中为用户推荐新视频是一个极具挑战的问题。

爱奇艺基础数据平台主要是为了统一公司内部的基础数据交换规范，解决不同团队之间ID不统一问题（各团队都有自己独立的ID）、数据定义不统一、数据更新不及时等问题。

通常来说，负载均衡的职责是将网络请求或者其他形式的负载“均摊”到不同的机器上，避免集群中部分服务器压力过大，而另一些服务器比较空闲的情况，让每台服务器获取到适合自己处理能力的负载。在为高负载服务器分流的同时，还可以避免资源浪费，一举两得。

负载均衡可分为软件负载均衡和硬件负载均衡，其中软件负载均衡比较常见，比如Nginx，它会对接受请求进行分配，避免少数服务提供者负载过大而导致的部分请求超时。因此将负载均衡到每个服务提供者上，是非常必要的。

在分布式的微服务系统中，多台服务器同时提供一个服务，并统一到服务配置中心，消费者通过查询服务配置中心，获取服务到地址列表，需要选取其中一台来发起RPC远程调用。如何选择则取决于具体的负载均衡算法，对应于不同的场景选择不尽相同。负载均衡算法的种类有很多种，常见的负载均衡算法包括轮询法、随机法、源地址哈希法、加权轮询法、加权随机法、最小连接法、Latency-Aware等，需根据具体的应用场景选取对应的算法。

本文将围绕爱奇艺内容理解业务对TFServing服务调用的几个问题，以及应对这些问题的解决思路和方案进行介绍。

无人值守系统是爱奇艺内容中台的一个重要智能化组件。

本文将介绍爱奇艺iOS云录制回放平台的系统架构以及实现细节。

推荐系统通常由多个阶段组成，比如，有的推荐系统分为Recall、PreRanking、Ranking、ReRanking等四个阶段。在爱奇艺，我们的推荐系统在非常多的场景中都有应用，推荐的内容也不尽相同(如长视频、短视频、主题、影人等)。但是万变不离其宗，在这些场景中，推荐系统的核心工作方式有一定的共性。为节约开发成本，同时也要保障不同场景下推荐系统的稳定性，我们将不同推荐场景排序模型中相似的部分成体系地提炼出来，并加以标准化、组件化，进而针对推荐场景排序问题提供了通用化的解决方案。这也是我们提出爱奇艺通用排序框架的初衷。目前这一框架已经在爱奇艺多端多个场景落地——长视频推荐：主APP首页猜你喜欢、TV端首页猜你想看，短视频推荐：主APP短视频播放器，长短视频混合推荐：主APP频道页瀑布流、TV端首页Feed等。正所谓，推荐的复杂性如黑夜迷雾，希望能破晓见黎明。

国际站后端业务不断扩展，支撑的服务实例规模也越来越大。并且在此过程中，支持了双云及多地部署。