话题公司 › 美团

公司:美团

美团是中国一家以提供生活服务为主的电子商务公司,其自我定位为“科技零售公司”,与大众点评网合并后曾称美团点评,2020年9月起复称美团。美团由经营中国内地团购网站美团网起家,旗下拥有美团网、美团外卖、美团闪购、美团优选、大众点评网、美团单车(原摩拜单车)等互联网平台,业务涉及衣食住行各领域,包括餐饮、外卖、家政、商品配送、出行、住宿、旅游等服务。

美团2018年在香港交易所上市,2020年12月7日成为恒生指数成份股。香港财经界把阿里巴巴、腾讯、美团、小米四只中国大陆科技股的英文名称首个字母,合称“ATMX”股份。

MJDK 如何实现压缩速率的 5 倍提升?

MJDK 是基于 OpenJDK 构建的美团 JDK 发行版。本文主要介绍 MJDK 是如何在保障 java.util.zip.* API 及压缩格式兼容性的前提下,实现压缩/解压缩速率提升 5-10 倍的效果。

美团 Flink 资源调度优化实践

本文整理自美团数据平台计算引擎组工程师冯斐,在 Flink Forward Asia 2022 生产实践专场的分享。本篇内容主要分为四个部分:

  1. 相关背景和问题
  2. 解决思路分析
  3. 资源调度优化实践
  4. 后续规划

美团前端研发框架Rome实践和演进趋势

本文整理自美团技术沙龙第76期《大前端研发协同效能提升与实践》,为大家介绍了美团到店前端研发框架Rome实践和演进趋势。

美团外卖推荐关于用户新颖体验优化的技术探索

为更好平衡用户的复购、尝新的体验,美团外卖搜索推荐技术团队构建了一套新颖性推荐的体系化解决方案。

美团外卖智能陪伴型导购的探索与实践

相比于其他电商场景,外卖场景对于实时发现和反馈用户兴趣的能力有着更高的要求。近年来,美团外卖算法团队摸索出了一套适用于外卖场景的智能陪伴型导购架构和策略。

MySQL自治平台建设的内核原理及实践(下)

本篇系超大规模数据库集群保稳系列的第四篇(下),本篇介绍了数据库内核可观测性建设、全量SQL、异常处理以及索引优化建议与SQL治理方面的内容。

MySQL自治平台建设的内核原理及实践(上)

本篇系超大规模数据库集群保稳系列的第四篇(上),本文将介绍数据库的异常发现与诊断方面的内容。

超大规模数据库集群保稳系列之三:美团数据库容灾体系建设实践

本文重点介绍了数据库容灾平台能力建设、演练体系建设以及这些建设取得的一些成果,最后也会分享一下容灾建设的未来思考。

超大规模数据库集群保稳系列之二:数据库攻防演练建设实践

本文介绍了美团数据库攻防演练平台的具体实践,并结合混沌工程的成熟度标准和成熟度等级,分享我们对未来工作的一些思考和规划。

超大规模数据库集群保稳系列之一:高可用系统

对数据库而言,一个很重要的核心是如何保证其高可用性。本文围绕4个方面的内容展开,包括高可用简介、高可用部署、重点模块的设计思考以及对未来思考。

一次「找回」TraceId的问题分析与过程思考

用好中间件是每一个开发人员的基本功,一个专业的开发人员,追求的不仅是中间件的日常使用,还要探究这背后的设计初衷和底层逻辑,进而保证我们的系统运行更加稳定,让开发工作更加高效。

清华大学崔鹏:因果推断技术最新的发展趋势

因果推理模型给机器学习打开了一个新的思路。清华大学计算机学院崔鹏副教授为美团技术团队的同学分享了因果推断技术最新的发展趋势。

美团是如何进行指标管理的?

在海量数据中,如何获得自己需要的数据指标,做好数据指标的设立与管理至关重要。

低延迟流式语音识别技术在人机语音交互场景中的实践

美团语音交互部将降低延迟问题转换成一个知识蒸馏过程,极大地简化了延迟优化的难度,仅通过一个正则项损失函数就使得模型在训练过程中自动降低出字延迟。

基于AI+数据驱动的慢查询索引推荐

美团与华东师范大学开展了科研合作,在AI领域对索引推荐进行了探索和实践。

多场景多任务学习在美团到店餐饮推荐的实践

美团到店餐饮算法团队在跨域迁移学习的长期实践中,基于多场景的业务背景,提出了分层信息抽取网络,提升了多场景多任务的建模效果。

首页 - Wiki
Copyright © 2011-2024 iteam. Current version is 2.124.0. UTC+08:00, 2024-04-21 03:17
浙ICP备14020137号-1 $访客地图$