ITPub博客

在哔哩哔哩海外市场，视频上传是创作者最重要的功能之一，也是创作者对平台忠诚度和满意度的重要影响因素之一。然而，2022年Q3，产品负责人在海外对创作者进行线下访谈的过程中，发现超过50%的创作者对上传体验不满意，主要反馈有两个方面：上传速度慢、上传进度长时间卡住。这些问题严重影响了创作者的上传效率和体验，甚至导致了部分创作者放弃上传或者转投其他平台。

对于任何一家互联网企业，访问量达到一定规模后，缓存组件必然会面对极大的挑战。所以，建设稳定的缓存集群管理能力，资源交付能力，确保并发数持续增长下，缓存组件能够稳如泰山，是企业技术发展的重中之重。

随着滴滴内部技术栈的不断统一，实时相关技术组件资源的不断整合，各业务线实时数据相关开发经验的不断沉淀，基本形成了一套面向公司不同业务场景需求的更优技术选型和具体落地方案。

在本期《开启算力新时代》栏目中，我们有幸邀请到了戴尔科技集团信息基础架构方案事业部拓展经理龚小愿，英特尔SMG全球客户部资深客户经理罗艺和企商在线AI算力与云服务能力中心副总经理张轶男，三位专家围绕《打造现代化数据基础架构，加速实现业务创新》这一话题展开了深入探讨。

据悉，在AMD盛大的数据中心发布会前一天，英特尔率先发布了Sapphire Rapids Xeon CPU与AMD EPYC Genoa的“真实”基准测试结果，声称性能提高了7倍。同时，英特尔还在发布会中发布了其全新的产品，并探讨下一步的发展。

我猜各位数仓同学可能会经常收到下游抱怨，例如：数据表难用、想要的指标都不知道存放在哪个数据表、数据表命名缺少规范不易读等，由于设计数据表是一个“经验活”（包括业务了解、设计中的经验沉淀等），因此对于数仓同学来说有时候想做好一个完美的数据表其实颇有挑战，也从另外角度证实线上数据表大多数来说都不够合规，需要持续治理。

得物的推荐场景，除了首页瀑布流等几个比较大的场景之外，还有很多长尾的小场景，包括：频道、会场、购中购后场景、品牌墙等。这类场景存在单个场景体量小（UV和GMV均偏小）、场景零散、类型多元的情况。如需对这类场景进行单独优化，涉及的成本投入远高于产出。

云音乐在过去九年中发布过九款独立的产品，包括国内产品和海外产品。国内产品除了大家熟知的网易云音乐之外，还有五款社交类型的产品。海外主要打造了三款社交类型的产品。所有产品的数据支撑都在数仓开发部门。

随着字节跳动旗下业务的快速发展，数据急剧膨胀，原有的大数据架构在面临日趋复杂的业务需求时逐渐显现疲态。而伴随着大数据架构向云原生演进的行业趋势，字节跳动也对大数据体系进行了云原生改造。本文将详细介绍字节跳动大数据容器化的演进与实践。

面对海量数据的狂飙，存储如何对数据有效的管理？在多云环境下，如何控制本地数据基础设施建设的成本？如何随时随地保护数据？如何从数据中获得更多价值？针对以上问题，笔者从Dell PowerStoreOS 3.5更新中，找到了答案。

实时音视频通信 RTC 在成为人们生活和工作中不可或缺的基础设施后，其中所涉及的各类技术也在不断演进以应对处理复杂多场景问题，比如音频场景中，如何在多设备、多人、多噪音场景下，为用户提供听得清、听得真的体验。

Mpx开源之路已经走过五个年头，目前支持了滴滴内部全量的小程序业务开发，是滴滴开源委员会孵化的精品项目。2022年至今，我们对 Mpx 框架进行了多项重要功能升级，包括组合式API开发规范、分包异步构建支持、单元测试能力建设和今天要重点介绍的@mpxjs/cli脚手架升级，希望把更新更好的开发能力与体验带给小程序开发者用户。

作为互联网公司的研发工程师，微服务的架构思想对于各位读者朋友来说，已经不是陌生东西。我们当中的大多数人，或多或少经历过从单体应用到微服务化的系统拆分和演进过程。

前段时间同学反映我们活动项目某个服务可用性出现抖动，偶尔低于0.999。虽然看起来3个9的可用性相当高，但是对于一个 10w+ qps 的服务来讲，影响面就会被放大到不可接受的状态。

爱奇艺未来会在流批一体里面有更多的落地，包括广告的全面推广、Pingback 在 BI 场景的落地。另外，我们计划把数据湖落地在特征生产，可以由以前离线或者批的特征生产，变成近实时，能够支持晚到数据，支持样本的行级的修正。

从主站业务角度来看，关系链指的是用户A与用户B的关注关系。以关注属性细分，以关注（订阅）为主，还涉及拉黑、悄悄关注、互相关注、特别关注等多种属性或状态。目前主站关系链量级较大，且还以较快速度持续增长。作为一个平台型的业务，关系链服务对外提供一对多关系点查、全量关系列表、关系计数等基础查询，综合查询峰值QPS近百万，被动态、评论等核心业务依赖。

在现今的信息时代，微服务技术已成为一种重要的解决方案，微服务技术可以使系统的规模和功能变的更加灵活，从而获得更高的可扩展性和可用性。然而，微服务调用中出现的超时问题，却也成为系统可用性的一大隐患。超时会导致客户端的性能下降，甚至可能无法正常工作。本文针对超时问题，提出相关的优化手段，降低微服务调用超时的风险。

在训练过程中，为了降低损失，推荐系统往往更频繁地推荐流行商品，将流行度信息注入 ID 表征中，进而加剧热门商品表示与长尾商品表示之间的流行度分布差异。本次分享主要提出了一种解耦域适应无偏网络，可以在分离流行度表示和商品属性表示的前提下同时训练有偏和无偏模型，并有效利用流行度偏差。

搜索结果落地页，按照价格筛选及排序，结果不太准确；用户按照价格筛选后的商品与实际存在的商品不符，可能会缺失部分商品，影响到用户购物体验。

第一步，观测建模，不断滚动历史观测数据，去做反事实因果学习，不断拉新训练窗口，补充外部数据源。第二步，模型迭代，依据小流量随机样本进行效果验证，支持有效的模型迭代。第三步，业务决策，业务根据模型输出进行实验决策，验证模型效果提升，拿到业务收益。