在携程的搜广推业务中，Eagle技术生态扮演着核心角色，不断地应对业务扩展带来的新挑战。本文首先剖析了Eagle算法策略平台的架构创新，包括流程组件化、编排可视化和逻辑算子化，这些设计有效提高了开发效率并确保生产稳定性。进一步通过推荐信息流业务的实践案例，展示了策略平台在性能提升和资源优化方面的实际效益。最后，对平台的未来发展进行了展望，包括优化调度、增强编排、灵活部署、全链路监控和提升用户体验等，以持续引领技术创新，满足业务发展需求。
OpenAI的人事动荡继续，这次是OpenAI总裁Greg Brockman宣布长期休假——他被公认为Sam Altaman的铁杆，曾在Sam被赶出董事会的时候和他同进退。Greg Brockman自己对外宣称是长假之后会返回公司，不过，很多科技公司的高管，都会在离职前休一个长假，他的举动很难不让人有其它猜测。 此外，还有两位核心高管被曝离职，一位是联合创始人之一Johnson Schulman，他在离职前短暂担任安全团队负责人，这个团队之前由OpenAI前首席科学家Ilya Sutskever和研究员Jan Leike共同负责。 同时，Johnson还领导了OpenAI的GPT系列大模型的Post-Training（后训练）过程，可以说是技术构建中一个很关键的人物。更耐人寻味的是，他离职之后，和Jan Leike一样，直接入职了OpenAI的最强竞争对手Anthropic。
1 The Art of Doing Science and Engineering 2 The Mythical Man-Month: Essays on Software Engineering 人月神话 3 Probability and Computing 4 The Cathedral & the Bazaar 大教堂与集市 5 Staff Engineer 6 Designing Data Intensive Applications 7 Software Engineering at Google 谷歌软件工程 8 Economics Rules 经济学规则 9 Computer Systems: A Programmer's Perspective
随着数据中心的飞速发展，高性能网络不断挑战着带宽与时延的极限，网卡带宽从过去的 10 Gb/s 、25 Gb/s 到如今的 100 Gb/s、200 Gb/s 再到下一代的 400Gb/s 网卡，其发展速度已经远大于 CPU 发展的速度。 为了满足高性能网络下的通信需求，阿里云不仅自研了高性能用户态协议栈 （Luna、Solar） ，也大规模使用了 RDMA 技术，以充分利用高性能网络。尤其是在存储和 AI 领域，RDMA 被广泛使用。相比于 Kernel TCP 提供的 Socket 接口，RDMA 的抽象更为复杂，为了更好的使用 RDMA，了解其工作原理和机制是必不可少的。 本文以 NVIDIA （原 Mellanox）的 RDMA 网卡为例，分析其工作原理和软硬件交互的机制。
程序员往往习惯于接到需求立马开始撸代码，原因无非是需求急任务重老板盯得紧。但在实际的开发场景中，我们往往会发现，写完代码，需求变了；人力多了，质量差了；业务代码，写起来没劲…… 在追崇多人协作的现代软件开发体系下，这些问题背后的前置解决方案，其实就是设计和建模。本文将带你深入软件开发的初始，了解写代码前要做的几件事。
本文介绍了HTTPDNS服务从中心迁移至边缘详细的落地过程。主要内容为： HTTPDNS下沉边缘实践遇到的挑战，包括服务放置、流量调度 HTTPDNS下沉边缘解决方案 从性能、成本出发，谈谈HTTPDNS下沉边缘后的收益
本文深入探讨了如何在Embedding空间中运用先进的时序异常检测技术，针对安全、反作弊等业务场景下的流量与用户行为进行精准监控。通过向量化处理和Embedding技术，将多维度的业务数据映射至高维空间，并基于此空间中的样本分布特征进行异常检测。实验验证了该方法在不同异常类型下的有效性，为快速定位和处理异常提供了有力支持。同时，文章还讨论了算法在实际应用中的调整与优化方向，展望了未来在异常检测领域的进一步应用与发展。
大模型浪潮席卷全球，在各行各业中的重要性愈发凸显，呈现出一股不可逆转的发展趋势。这一年本人所在业产技也在这一过程中持续探索和尝试AIGC。本文一方面是对AIGC实践的总结回顾，同时也是本人学习实践AIGC过程中一些笔记、心得分享。因个人能力限制，文章中可能存在一些理解或表述错误的地方，希望各位大佬能及时批评和指正。
Raft算法是一种分布式一致性算法，由Diego Ongaro和John Ousterhout在2013年提出。它主要用于分布式系统中，保证系统中的数据在多个节点间保持一致性。 Raft算法被广泛应用于众多分布式系统中，尤其是在需要强一致性保证的场景中，例如： 分布式存储系统：如ETCD、Consul等键值存储系统，它们利用Raft算法来保证数据的强一致性和高可用性。 分布式数据库：一些分布式数据库管理系统（DBMS），如CockroachDB等。 分布式锁服务：例如Google的Chubby以及微软的Azure Service Bus等。 得物的多个内部中间件也是使用Raft算法作为多分片一致性的保证。 长期以来，大部分开发者都是将Raft作为一个黑盒使用，只知道它能保证多分片的一致性，对其运行原理也停留在纸面。当面临Raft性能调优或者奇怪的Raft问题排障的时候则束手无策。 费曼说过：“What I cannot create, I do not understand。” 我们中国先贤也强调“知行合一，以致良知”。如果我们不能亲手编写一次Raft算法，对这个东西就不能算作理解。
