携程一直注重用户的服务效率与服务体验，在售前、售中、售后全过程中给用户提供高效的客服支持。

用户访问客服页面后，会首先与智能客服进行对话，当智能客服给出的回答无法解决用户问题时便会接入人工客服，再由人工客服给出专业的解答。对话完成后，系统根据人工客服会话内容，应用NLP相关技术给出会话类别。这一结果将直接指导客服的管理与决策。本文将主要介绍携程机票在人工客服会话分类时使用的相关NLP技术和优化方案。

一旦需要进行问题排查的时候，往往重要且紧急，排查效率显得尤为重要。

在相同硬件资源下，QPS提升2~3倍，RT缩短近50%。

如果能够让现有的团队发挥最大的作用，最好的办法就是把老的创始人拉回来带着他们拼命跑一阵。

手势控制、布局原理、吸顶、懒加载。

私有云上已有10T+数据量，节约90%成本。

携程金融从成立至今，整体架构经历了从0到1再到10的变化，其中有多个场景使用了缓存来提升服务质量。从系统层面看，使用缓存的目的无外乎缓解DB压力（主要是读压力），提升服务响应速度。引入缓存，就不可避免地引入了缓存与业务DB数据的一致性问题，而不同的业务场景，对数据一致性的要求也不同。本文将从以下两个场景介绍我们的一些缓存实践方案：

• 最终一致性分布式缓存场景
• 强一致性分布式缓存场景

注：我们DB用的是MySQL，缓存介质用的是携程高可用Redis服务，存储介质的选型及存储服务的高可用不是本文重点，后文也不再做特别说明。

H5转换小程序时的选型考量、问题及处理方案。

文章主要介绍去哪儿是如何建立和完善去哪自己的DNS系统。

Server与SW2的BGP正常建立，BFD邻居不能正常建立。

现阶段针对数据的成本、质量、流通三个维度进行了重点治理。

近几年，容器技术非常火爆，且日趋成熟，众多企业慢慢开始容器化建设，并在云原生技术方向上不断的探索和实践。基于这个大的趋势， 2020 年底 Qunar 也向云原生迈出了第一步——容器化。为了完成容器化这个目标，我们基础平台、tcdev、ops、数据组、业务线等多个团队一起协作配合，终于在公司内部把容器化成功落地。截止到今年六月初，我们生产环境已经接入了 150 多个应用，其余应用也在陆续接入中，这个成果还是蛮让人惊喜的。回顾整个容器化落地过程其实有不少技术难点的，在这篇文章中我会分享下我们遇到的几个问题和解决思路，希望对还在云原生路上探索的同学有些借鉴意义。

国内报价搜索是国内主流程业务，响应时间的长短直接影响到用户体验。

本文主要是从业务/系统结构出发，聊一下我在国内报价时间优化上的探索和实践。

排班问题是一个带大量软硬约束的超大规模最优化问题。

本文主要从安全通告监控、Jar 资产收集、Jar 升级事件工作编排等方面，向大家介绍 Qunar 安全组在 Jar 组件自动化风险监测和升级方面的探索和实践。

启动是用户对App的第一印象，对于用户体验尤为重要，所以我们花了很多时间在启动时间的优化上。本文将分享Trip.com App的启动优化实践，从分析App启动的过程开始，在了解启动流程的基础上制定大的优化原则和小的具体方案。经过优化，启动时间从原来的2秒到了1秒以内。