使用基于有限有向图的调度框架，可以控制在线服务中异步调度的流程，但这对分支路径的管理不够友好，随着节点增多，调度流程会越来越复杂而难以控制。因此我们实现了支持分支路径的图调度框架，解决普通图调度框架可扩展性差的问题。
2018年起，vivo以容器作为基础底座，打造了一站式云原生机器学习平台。向上支撑了算法中台，为算法工程师提供数据管理、模型训练、模型管理、模型部署等能力，为广告、推荐和搜索等业务赋能，成功为算法实现了降本、提效，让云原生和容器价值初露锋芒。基于机器学习平台的试点成果，经过算法场景的试点实践和价值分析，对内部战略做了升级。确定基于云原生理念去构建行业一流的容器生态，实现规模化的降本提效目标。 本文会详细介绍vivo在容器集群高可用建设中的具体实践，包括在容器集群高可用建设、容器集群自动化运维、容器平台架构升级、容器平台能力增强、容器生态打通等层面的打磨和建设。目前，vivo容器产品能力矩阵逐渐趋于完善，并将围绕全面容器化、拥抱云原生和在离线混部三个方向继续发力。
本文是《OKR 之剑》系列之实战第 1 篇。 —— OKR 的制定，在形式上，并非仅仅是召开几次会议，在目的上，也并非是为了输出一份计划。OKR 的制定，对于管理者是一种对齐认知的手段，对于员工是一种激发内在动机的方法，对于团队是一次“上下同欲”的过程。经过不断地碰撞、磨合，让目标更加公开、透明，让大家能够用心去感受工作的价值，让优秀的员工逐渐浮出水面，最终为组织带来真正的价值。
闲鱼推荐的演进历程和这四个特性密不可分，所以闲鱼推荐大致可以分成四个阶段 • 阶段一：圈品+离线打分。这个阶段推荐主要靠圈品+离线算分为主，无个性化，时效性天级。 • 阶段二：少量算法。阶段二开始在首页核心场景引入算法，以天级的I2I为主，但推荐底池时效性已经到了秒级。 • 阶段三：扩大应用。随着业务拿到算法第一波红利，越来越多的业务开始接入算法。特征和模型时效性也从天级提升至小时级，闲鱼首次引入招选搭投，应用大规模铺开。 • 阶段四：随着业务快速成长，规模快速扩大，底层基建迎来大规模升级。全图化，模型自动压缩，通用推荐等实现从0到1的越跃变。
结构化思维是一种将信息要素从无效转化为有序，提炼核心要点，将信息转化为有结构的知识，更好的帮助大脑理解和记忆，并支持我们清晰表达的通用能力。
在使用BI工具的时候，经常遇到的问题是：“不会SQL怎么生产加工数据、不会算法可不可以做挖掘分析？” 而专业算法团队在做数据挖掘时，数据分析及可视化也会呈现相对割裂的现象。流程化完成算法建模和数据分析工作，也是一个提效的好办法。 同时，对于专业数仓团队来说，相同主题的数据内容面临“重复建设，使用和管理时相对分散”的问题——究竟有没有办法在一个任务里同时生产，同主题不同内容的数据集？生产的数据集可不可以作为输入重新参与数据建设？
