知鸦日报2022-06-16

从 “和平时期” 到 “战时状态”，从两个人做决策到一个人面对现实。

去哪儿旅行微服务架构下的系统强弱依赖演练以及攻防演练的成功实践。

文介绍了一种基于线上流量实现对重构系统进行功能和性能验证的实践方案。针对线上流量如何拦截、如何录制、如何存储、如何回放以及如何发压均作了详细说明，为具有类似需求的读者提供了一种可供参考的思路。

本文描述了AI面试机器人后端架构、对话引擎、资源管理、服务优化等关键实现。

In a previous post, we described the indexing architecture of Studio Search and how we scaled the architecture by building a config-driven self-service platform that allowed teams in Content Engineering to spin up search indices easily.

This post will discuss how Studio Search supports querying the data available in these indices.

At Uber we use data from user support interactions to identify gaps in our products and create better, more delightful experiences for our users. Support interactions with customers include information about broken product experiences, any technical or operational issues faced, and even their general sentiment towards the product and company. Understanding the root cause of a broken product experience requires additional context, such as details of the trip or the order. For example, the root cause for a customer issue about a delayed order might be due to a bad route given to the courier. In this case, we would want to attribute the poor customer experience to courier routing errors so that the Maps team can fix the same.

Initially, we had manual agents review a statistically significant sample from resolved support interactions. They would manually verify and label the resolved support issues and assign root cause attribution to different categories and subcategories of issue types. We wanted to build a proof-of-concept (POC) that automates and scales this manual process by applying ML and NLP algorithms on the semi-structured or unstructured data from all support interactions, on a daily basis.

This article describes the approach we took and the end-to-end design of our data processing and ML pipelines for our POC, which optimized the ease of building and maintaining such high scale offline inference workflows by engineers and data scientists on the team.

图深度模型在工业界和学术界都备受关注，本文将介绍图深度学习的产生、发展和在工业界中的应用。

目前网易云信的 IM SDK 支持全平台，IM SDK 每次发版除了要针对新功能进行测试外，回归测试也占了很大比重，只单纯依靠人工测试，会出现许多问题。网易云信的“自动化测试平台”解放了大量的人力，本文将基于此，分享 C++ 静态反射在云信 SDK 中的应用实践。

本次新版设计，EHR 系统会向权限系统同步用户数据，不用再提供用户注册能力。在保证对外接口不变的情况下简化 sdk 逻辑，对外提供用户信息和用户权限数据。

目前 sdk 提供以下接口，利用login和getUserPermssion获取用户信息和权限数据，并保存在全局变量中，并提供一个特殊接口routerFilter可利用实现对菜单树状数据进行权限过滤。

API网关作为外部流量访问内部服务的入口，可以屏蔽内部微服务之间的差异，提供动态路由、身份认证、流量控制、协议转换、负载均衡等公共能力，在服务治理中起到非常重要的作用。

在收钱吧业务发展过程中，各业务团队基于自身需求，开发了多个API网关。这些网关使用了多种开发语言和不同的技术栈，管理平台也比较简陋。管理平台功能缺失，不方便API配置和管理，也具有一些安全隐患；API网关使用了多种开发语言和技术栈，导致维护和升级非常困难；还有重复造轮子，消耗了很大的人力和时间成本。随着业务增长，一些业务API网关也暴露出性能问题。

为了解决上述问题，统一API网关技术栈，完善API管理平台，收钱吧在经过调研和评估后，决定基于Apache APISIX 自研新一代网关。

本文通过对Spring SPI相关源码的解读，详细介绍SPI思想在Spring中的应用以及如何在项目中应用Spring SPI技术。

本文介绍了vivo容器团队根据自身生产环境特点，利用云原生监控生态来构建容器集群监控架构的设计思路和方法及在实践过程中遇到的困难挑战和应对策略。

本文讲述了信也测试能效方面11个平台及工具实践，在测试相关不同的维度阐述了相关工具解决的问题及实现思路。

本文通过宽表建模替换传统数仓模型，节约存储并提升数据使用效率。