ITPub博客

一、背景 二、发热定义 三、指标获取 1. 温度 2. CPU使用率 3. GPU使用率 4. 系统服务使用 5. 线程堆栈 四、监控方案 五、收益 六、未来展望 七、总结

今年，在降本增效的大前提下，不额外增加计算型服务器采购，如何保障资源供给以及确保高压场景下的容器稳定性，对弹性云而言是个巨大的挑战。为了提供更稳定的容器服务，弹性云全面梳理了容器服务资源保障的每一个环节，提出了新分级保障体系，提供了明确的容器资源保障等级，在此基础上，针对不同优先级的容器提供相应的资源和稳定性保障。

在前后端开发过程中，数据校验是一项必须且常见的事，从展示层、业务逻辑层到持久层几乎每层都需要数据校验。如果在每一层中手工实现验证逻辑，既耗时又容易出错。

一、业务介绍 1.1 业务背景介绍 1.2 首页推荐的系统架构 二、首推场景面临的挑战 三、首推场景的实现方案 3.1 整体方案设计 3.2 强化学习方法的选择 3.3 DPP算法原理的整理 3.4 具体方案的实现 3.5 离线流程及线上部署 四、总结 五、参考资料

在互联网时代，网络应用的性能对于用户体验、市场竞争力和公司声誉至关重要。随着Web技术的不断发展，用户对网页加载速度和响应速度的期望不断提高。因此客观、标准地衡量页面性能对于优化页面具有关键性的指导作用。通过准确地评估性能瓶颈和问题所在，我们可以更有效地调整和优化页面，从而改善用户体验，提高市场竞争力。

目录 一、引言 二、IM聊天消息的重要性 三、客服IM消息发展历程 四、技术和思考的细节 1. 消息的可靠性传递 1.1 消息的实时性 1.2 消息的可靠性 1.3 消息的有序性 1.4 消息的幂等性 2. 消息处理的卡顿优化策略 2.1 异步处理 2.2 分段加载 2.3 消息遍历 3. 消息安全方面的考虑 4. 消息发送和接收的延迟 5. 坐席体验和交互的考虑 五、后续规划 六、总结

弹性云作为承载滴滴绝大部分业务的底层容器运行平台，已运行7余年，混部对于云来说并不是陌生的概念，业务上云的第一天就是运行在一个混部的环境中。 业务容器化上云，核心诉求是降本增效，其中降本主要通过混部来实现，增效主要通过云上高效的运维方式来实现。本文主要关注弹性云混部相关的部分，包括演进过程、核心技术能力、线上混部现状、以及未来规划等。

一、前言 二、理解压缩指针 1. 为什么 JVM 需要压缩指针？ 2. 数据指针与字长的关系 3. 理解内存对齐 4. 为什么计算机只能从特定地址读取数据？ 5. 理解指针压缩 三、实战解码指针 1. 工具介绍 1.1 HSDB 1.2 XPocket 工具 2. 快速开始 3. 利用 HSDB 查看 JVM 对象内存布局 3.1 准备工作 3.2 找到我们定义的对象 3.3 查看对象内存布局 3.4 查找类的指针 3.5 证实 四、总结

如果你正在负责一个超大复杂型平台（比如电商、支付、物流）的架构师，且面临各种技术负债（比如架构复杂性、团队协同复杂性），同时业务又面临从平台服务，到场景化创新的转型。那么这篇文章也许对你有收获。

相较于日常的编程工作，线上问题排查往往是较为低频但重要的场景。尽管我们可能不常遇到，但每当这时，其紧迫性和重要性都使得我们必须迅速、准确地找出解决方案。因此，对技术人来说，培养有效的线上问题排查思路和方法至关重要。

代码理解作为软件知识图谱重要的技术之一，可以为构建、测试、定位、代码解释等提供基础的技术和数据保障，也是持续集成的起点，只有理解了代码才能有目的性的进行有效构建。代码理解对于软件开发的成功和维护的高效性具有重要意义，是提高软件质量、降低开发成本和提高开发效率的关键。

今天让我们一起揭开这个现代都市打工人通勤小能手的面纱，深入探讨乘车系统的设计与实现。

不同编程语言，拥有不同的特性和规约，下面就以JAVA语言为例，细数那些开发过程中容易被人忽略，但必须掌握的知识点和实践技能。

随着公司内容生态的蓬勃发展，内容产出方和流量提供方最关注的“收益结算”的工作，也就成为重中之重。本文基于内容分润结算业务为入口，介绍了实现过程中的重难点，比如千万级和百万级数据量下的技术选型和最终实现，满足了业务需求的同时，最终实现了高效，准确的资金结算，文章旨在抛砖引玉，希望能给读者带来思考和帮助。

随着数据规模的不断增长和业务需求的日益复杂，数据仓库（Data Warehouse）的建设和管理变得越来越重要，数据治理也成为数据仓库建设中不可忽视的一环。其中数仓元数据和指标是对数据的描述和度量，对于数据分析和决策起着至关重要的作用。然而，由于数据规模庞大且复杂，传统的元数据和指标检索方法往往效率低下，无法满足快速、准确地检索需求。本文将介绍如何利用大型语言模型技术在数仓元数据和指标检索治理上进行落地实践，包括技术架构、详细的技术说明以及解决的问题。

为了应对业务更大的挑战，基于CQRS思想，分离大流量的用户高读场景（Query）和注重数据强一致性的开播创建房间等写场景（Command）。对于用户端可以无状态无限制的扩容服务副本，做到支持更大线上用户同时在线的目标。

小程序编译器是百度开发者工具中的编译构建模块，用来将小程序代码转换成运行时代码。旧版编译器由于业务发展，存在编译慢、内存占用高的问题，我们对编译器做了一次大规模的重构，采用自研架构，做了多线程、代码缓存、sourcemap 等多项优化，在性能和内存占用上都有很大提升。全文介绍了新版编译器的设计思路和优化方法，以及一些能够用在通用打包工具里的技术点。

目录 一、背景 二、标准 三、定位 四、详细设计 1. 业务流程 2. 完整流程 3. 整体架构 4. 分层设计 5. 视图层 6. 模版层 7. 引擎层 8. 逻辑编排 9. 存储设计 五、思考

在滴滴，可观测平台的 Metrics 数据有一些实时计算的需求，承载这些实时计算需求的是一套又一套的 Flink 任务。之所以会有多套 Flink 任务，是因为每个服务按照其业务观测需要不同的指标计算，也就对应了不同数据处理拓扑。我们尽力抽象用户相同的计算需求，不过由于 Flink 实时计算任务开发模式和实时计算框架的限制，这些观测指标计算任务设计的都不够通用。使用 Flink 做 Metrics 指标的实时计算，维护多套 Flink 任务面临如下一些问题:

本文介绍了滴滴为什么要开发数据湖存储的原因，解决方案思路、核心几个技术设计以及简单应用。整个存储已接入上百PB在线实时业务，其中 OrangeFS 产品，已成功应用于网约车日志、机器学习、金融、效能、服务发现、大数据等场景，总容量已超过十几PB。