KubeVela[1]是一个开箱即用的现代化应用交付与管理平台，它通过统一的应用模型、可编程可扩展的架构，帮助企业构建统一的平台，向上为不同场景的业务团队按需提供差异化、且开箱即用的平台层能力，大大降低了云原生技术的使用门槛。除了核心的云资源交付、应用管理、多集群、工作流等技术，KubeVela 还提供了全栈的声明式可观测能力，帮助业务开发者灵活定制，轻松洞察各类复杂的云原生工作负载。 本文我们将聚焦 KubeVela 的可观测体系，介绍云原生时代的可观测挑战及 KubeVela 的解决方案。
不论你是职场新人还是35岁的职场“老人”，成长是每个职场人都绕不开的话题，同时也是贯穿每个人职业生涯的痛点。本文主要帮助读者建立起对个人成长的认知，然后在此认知的基础上让大家理解成长的本质，最终通过文章的引导，来帮助读者完成个人成长路线图的确定以及落地实践。
大规模信息检索一直是搜推广领域的核心问题之一，而基于任意复杂模型的检索方案无疑是业界重要的迭代方向之一。近年来，阿里妈妈展示广告Match团队与预测引擎团队专注于从算法与工程角度推动工业级大规模检索技术的研发，我们在基于任意复杂模型的检索方向上积累了一定经验并取得了不错的业务效果，现整理发布NANN（Neural Approximate Nearest Neighbor，以下简称NANN）并对外开源，希望通过社区的协同创造力，共同推进该领域的发展。 本文介绍的NANN源自阿里妈妈展示广告Match团队研发的二向箔算法体系，该方案在保留复杂模型召回能力的同时，将索引学习和模型训练解耦，提供了轻量化的任意复杂模型召回解决方案。NANN基于Tensorflow，提供了性能benchmarking工具以及完整的由模型训练至在线deployment的demo。 该方案由阿里妈妈技术团队自研，已在阿里巴巴集团内部其他业务进行推广上线，在典型的搜索、推荐、广告场景均取得了显著的业务收益。
在本次会议中，Change Array By Copy 提案、 Intl.NumberFormat V3 提案、Symbol as WeakMap Keys 提案成功进入到 Stage 4，分别耗时 22 个、 34 个、以及 32 个月。另外，由阿里巴巴提出的 Async Context 提案也在本次会议中成功进入到 Stage 1。
本文将分享来自淘宝人生团队齐力打造的新玩法——“人生小屋”背后的技术方案，详细介绍如何使用3D渲染引擎从0到1搭建虚拟场景、控制虚拟角色、实现人景交互、优化渲染效果等。笔者在其中主要负责了小屋3D室内场景的搭建部分。非常欢迎大家给我们提出建议，探讨交流。
为了能够更灵活的挖掘日志数据背后的价值，SLS提出了一种不需要事先建立索引就能对数据进行分析的模式。本文对SLS Schema-on-Read分析的提出背景、设计思路、实现过程、使用方式、适用场景进行了全面的介绍。
本文作者是蚂蚁集团前端工程师梧阙，介绍了代码质量标准和设计原则，并从编码和设计的角度列举了一些常见的坏味道的代码，最后对坏味道的代码进行了重构，欢迎一起来探讨～
