公司：Uber
优步（英语：Uber，/ˈuːbər/）是一间交通网络公司，总部位于美国加利福尼亚州旧金山，以开发移动应用程序连结乘客和司机，提供载客车辆租赁及媒合共乘的分享型经济服务。乘客可以透过应用程序来预约这些载客的车辆，并且追踪车辆的位置。营运据点分布在全球785个大都市。人们可以透过网站或是手机应用程序进入平台。
优步的名称大多认为是源自于德文über，和over是同源，意思是“在…上面”。 （页面存档备份，存于互联网档案馆）
然而其营业模式在部分地区面临法律问题，其非典型的经营模式在部分地区可能会有非法营运车辆的问题，有部分国家或地区已立法将之合法化，例如美国加州及中国北京及上海。原因在于优步是将出租车行业转型成社群平台，叫车的客户透过手机APP（应用程序），就能与欲兼职司机的优步用户和与有闲置车辆的租户间三者联系，一旦交易成功即按比例抽佣金、分成给予反馈等去监管化的金融手法。
2019年5月10日，优步公司透过公开分发股票成为上市公司，但首日即跌破分发价。
据估算，优步在全球有1.1亿活跃用户，在美国有69%的市占率。优步亦在大中华区开展业务，目前优步已在香港和台湾建成主流召车服务平台，并于中国大陆通过换股方式持有该市场最大网约车出行平台滴滴出行母公司小桔科技17.7%经济权益。
Uber’s Real-Time Push Platform
How we went from polling for refreshing the app to a gRPC-based bi-directional streaming protocol to build our app experience.
No Code Workflow Orchestrator for Building Batch & Streaming Pipelines at Scale
At Uber, several petabytes of data move across and within various platforms every day. We power this data movement by a strong backbone of data pipelines. Whether it’s ingesting the data from millions of Uber trips or transforming the ingested data for analytical and machine learning models, it all runs through these pipelines. To put it in perspective, Uber’s data platform runs upwards of 15,000 data pipelines!
Horovod v0.21: Optimizing Network Utilization with Local Gradient Aggregation and Grouped Allreduce
We originally open-sourced Horovod in 2017, and since then it has grown to become the standard solution in industry for scaling deep learning training to hundreds of GPUs. With Horovod, you can reduce training times from days or weeks to hours or minutes by adding just a few lines of Python code to an existing TensorFlow, PyTorch, or Apache MXNet training script.
Turning Metadata Into Insights with Databook
Every day in over 10,000 cities around the world, millions of people rely on Uber to travel, order food, and ship cargo. Our apps and services are available in over 69 countries and run 24 hours a…
Revolutionizing Money Movements at Scale with Strong Data Consistency
Uber as a platform invites its users to leverage it, earn from it, and be delighted by it. Serving more than 18 million requests per day, in 10,000+ cities, has enabled people to move freely and to…
Uber 正在成为美团外卖，滴滴还有多远？
出行公司能讲好本地生活的故事吗？
心理学太抽象？看看Uber是如何运用心理学来完善用户体验的
心理学不虚，看看与用户体验的实践应用。
iOS 架构谈：剖析 Uber 的 RIB 架构
Uber 移动架构剖析
uber-go漏桶限流器使用与原理分析
uber 在 Github 上开源了一套用于服务限流的 go 语言库 ratelimit, 该组件基于 Leaky Bucket(漏桶) 实现。 我在之前写过一篇 《Golang 限流器 time/rate 实现剖析》，分析了 Golang 标准库中基于 Token Bucket 实现限流组件的 time/rate 原理，同时也讲了限流的一些背景。 相比于 TokenBucket 中，只要桶内还有
新 Uber 司机端是如何克服网络延迟问题
新 Uber 司机端是如何克服网络延迟问题 本文是 Uber 的客户端工程师团队讲述了如何开发最新版本司机端系列文章中的第三篇，该系列代号 Carbon ，是我们共享出行业务的核心。包括其它功能在内，Uber 司机端使得超过 300 万名司机可以查看费用、里程以及收益情况。2017 年我们结合司机的反馈开始对司机端进行重新设计，并在 2018 年 9 月份启动了该项目。 城市建筑和无线数据技术的竞
Uber竟然把两年前炫耀过的自动驾驶可视化软件开源了
「在这个自动驾驶秘密被严密保护的世界里，这是前所未有的一步。」外媒如是评价。
Uber是如何重新思考GPS定位的（尤其是在城市峡谷中）
Uber针对GPS定位在城市峡谷环境中表现不佳做了优化，如可以通过卫星信号信噪比（缩写为SNR）和3D地图来判断出你在马路的左侧还是右侧。
Uber：如何建立司机支持服务的签到及预约系统
Uber的Greenlight Hubs(GLH)在全球拥有超过700个分支机构，为合作车主提供从账户和支付到车辆检查和车主注册等各方面的人工支持。本文作者简单介绍了GLS的设计和实现。
用户增长怎么做 - 我在Uber和摩拜的实战经验
这篇文章里，我大致整理自己过去在Uber增长团队师从Ed Baker, Andrew Chen等高手，和在摩拜带业务的经历，尽量避免透露任何商业机密的前提下，讲一下现在行业内的思路。篇幅很长，分成以下四个小节：1. 用户增长（…
Uber首席系统架构师Matt Ranney：可伸缩的软件系统工作原理
Uber首席系统架构师Matt Ranney在“可伸缩Uber实时市场平台”分享中，对Uber软件系统的工作原理进行了一个有趣而又详细的介绍。包含地理空间索引，系统规划，怎样实行高利用率，怎样处理失败，令人惊讶的方式处理数据中心故障等。
Why Uber Engineering Switched from Postgres to MySQL
The early architecture of Uber consisted of a monolithic backend application written in Python that used Postgres for data persistence. Since that time, the architecture of Uber has changed…