ITPub博客

小区是租房业务中很重要的信息，它能够反映房源的位置和品质。对租客而言，能否浏览到准确的小区信息是高效找房的关键。因此，收集和展示准确的小区信息是提高用户找房效率的重要方面。为了获得全面的小区信息，租房业务通常会依赖多种数据源获得小区数据，这些数据格式不一，信息杂乱无章，含有很多冗余信息。为了提高找房效率，必须把同一个小区的不同数据聚合到一起并理清小区信息之间的从属关系。本文抓住小区的独有特征并利用相似度算法，设计了一种基于文本匹配的方法来解决这个问题。

12月4日Flutter Live Beijing会议上，Google团队宣布第一个Flutter正式版本发布；并邀请了在这一技术方案中重要的合作伙伴闲鱼团队分享这半年以来的通过Flutter产出的业务结果以及对应的技术挑战。

在端上为了提升App的灵活性， 快速解决万变的业务需求，开发者们探索了多种解决方案，如PhoneGap ，React Native ,Weex等，但在Flutter生态还没有好的解决方案。未来闲鱼都会基于Flutter 来跨端开发，如果突破发版周期，在不发版的情况下，完成业务需求，同时能兼容性能体验，无疑是更快的响应了业务需求。因此我们需要探索在Flutter生态下的动态

闲鱼在产品的快速发展过程中，存在大量基于搜索构建的feeds型场景，基于闲鱼主搜索通用算法构建的排序有时候不能有效的满足场景需求，出现无法体现场景特点的问题，需要进行精准的实时线上干预能力。本文介绍了一种基于阿里云的HybridDB for PostgreSQL数据库，构建搜索排序实时干预能力的方案。

关系型数据库在执行计数任务时，其执行效率会随着数据量级的增长而降低；当数据量达到亿级别时，计数任务的执行效率已经低到令人不忍直视。在闲鱼团队的关系系统中，我们采用了这样一种方式来实现亿级别数据的毫秒级计数。

FireEye是通过AI提高测试效率，并降低AI自动化测试使用门槛的工具集，一经部署，就可以不用再修改脚本实现模型的使用和更新。本篇文章将具体介绍AI自动化测试过程中用到工程结构、模型选型和重训练的技术细节等。

最近在做性能优化的时候发现，在混合栈开发中，第一次启动Flutter页面的耗时总会是第二次启动Flutter页面耗时的两倍左右，这样给人感觉很不好。分析发现第一次启动Flutter页面会做一些初始化工作，借此，我梳理了下Flutter的初始化流程。

随着闲鱼业务的发展，用户规模达到数亿级，用户维度的数据指标，达到上百个之多。如何从亿级别的数据中，快速筛选出符合期望的用户人群，进行精细化人群运营，是技术需要解决的问题。业界的很多方案往往需要分钟级甚至小时级才能生成查询结果。本文提供了一种解决大数据场景下的高效数据筛选、统计和分析方法

本文将以技术同学视角，介绍闲鱼Push从离线手工投放的1.0版本进化到智能个性化的2.0版本的发展过程，详细说明遇到的问题和技术方案选型，以期给读者带来一些思考和解决类似问题的思路。

用户来闲鱼，主要是为了获得自己关心的内容。随着闲鱼的体量越来越大，内容也变得越来越丰富。闲鱼基于用户画像，可以将用户关心的内容推送给用户。具体在哪些场景下才需要触发推送？我们定义了很多触发规则，包括停留时长、点击路径等。

去年，我们预测的科技趋势正一一变为现实：AI芯片崛起、智能城市诞生、5G催生全新应用场景……科技新十年开启，AI、芯片、云计算、区块链、工业互联网、量子计算等领域，将出现多个振奋人心的颠覆性技术创新。

本文讲解我们为什么要做这款引擎以及我们是如何设计这款引擎的。

闲鱼是一个基于C2C场景的闲置交易平台，每个用户既是买家也是卖家，在自由享受交易乐趣的同时也容易带来一些问题，如发一些侵权违规商品而不自知，发一些带情绪化言语对他人造成了伤害等,因此这也带来了一个核心问题：如何公开透明，合理合适的管控这些问题。本文将结合社会化治理的方案，向大家展示一种解决思路。

双十一刚刚结束，成交额2684亿震惊全世界，每秒订单峰值达54.4W笔。在闲鱼2000万DAU，交易数额同样增长迅速的今天，我们如何保障交易链路的稳定与快速支撑业务？这篇文章从客户端开发的角度，介绍闲鱼交易链路业务的架构演进过程，在保证性能的前提下，不断提升研发效率，与大家一起交流过程中的思考。

在2018年冬的Flutter 1.0伦敦发布会上，Flutter产品经理Tim Sneath通过一个滑动拼图的例子介绍了如何让Flutter运行在Web之上。这一当时代号HummingBird的项目后来被重命名为flutter_web，并最终合入了master分支。

关系型数据库在执行计数任务时，其执行效率会随着数据量级的增长而降低；当数据量达到亿级别时，计数任务的执行效率已经低到令人不忍直视。在闲鱼团队的关系系统中，我们采用了这样一种方式来实现亿级别数据的毫秒级计数。

99大促有淘宝、天猫、聚划算等全员参与，上千个页面形式的展现。其中，测试是保障活动页面的正常发布的一个必不可少的关键环节。传统的测试方法，需要测试人员去分析这个页面是否正常生成，以及是否实现正常地跳转等。这样通常会占用大量的测试资源。那么能否利用机器学习等相关技术为测试赋能呢？

​在阿里服务端开发以Java为主的大背景下，其他异构语言业务如何调用现有Java服务，如何与集团中间件打通，就成为使用非Java语言团队必须要解决的首要问题。

在系统的快速迭代过程中，业务系统往往部署在同一个物理库，没有做核心数据和非核心数据的物理隔离。随着数据量的扩大这种情况会带来稳定性的风险，如库的慢sql，磁盘，IO等等都会相互整体影响，从而影响核心系统的业务稳定性，因此需要将核心业务的业务表从原有库里抽取出来，单独到新库里。而核心数据的迁移，涉及到的一个关键难点：如何平稳及用户无感知的迁移数据，本文将结合闲鱼商品库迁移实践，向大家展示如何解决这个难题的。

闲鱼目前实际生产部署环境越来越复杂，横向依赖各种服务盘宗错节，纵向依赖的运行环境也越来越复杂。当服务出现问题的时候，能否及时在海量的数据中定位到问题根因，成为考验闲鱼服务能力的一个严峻挑战。