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。
Apache APISIX 在这两年已经受到了国内很多知名企业的信赖，并纷纷开始在实际生产环境中应用 APISIX。在这个过程中也包揽了很多不同行业的企业用户，比如金融行业的众安保险和安信证券，国产头部车企的吉利和小鹏汽车。其实在国产手机领域中，也有一些头部企业用户在使用，比如 vivo。 vivo 是从去年年中开始在业务生产中正式使用 APISIX 来替换之前传统的 NGINX。目前 APISIX 在 vivo 业务架构的实践和场景支持上都表现得十分出色： 高可用性：上线至今没有出现重大故障，系统可用性超过 99.99%； 高性能：承载较大线上流量，服务于较多业务。线上目前转发流量接近百万级 QPS，目前仍处于持续增长的过程中； 功能丰富：基本覆盖了常见的 NGINX 代理场景，50% 的业务已经迁移到 APISIX 集群； 支撑了云原生的建设和发展：有效支撑和推动了公司容器化进展，支撑容器平台的物理机器已有万级规模，40% 的业务已经从物理机虚拟机迁移到容器平台。
本文是《OKR 之剑》系列之理念第 3 篇。 很多公司引入OKR无疾而终，归其原因，我们认为主要是理解出现了偏差。没有理解其理念倡导的东西，只是把OKR当工具或者给OKR套上KPI的枷锁，OKR执行就不可能顺利。本文，就我们对于OKR理念的理解和分析，和市面上一些变味的OKR实操，和大家探讨一下OKR理念，并初步介绍一下我们通过氛围来宣扬OKR理念的主要思路。
本文是《OKR 之剑》系列之理念第 4 篇。 如果大家在理念上已经达成一致，准备开始施行OKR。可能会面临工具选择及运作形式确立的问题。为帮助大家选择合适的工具，确立适当的运作方式，本文以我们实际工作中的经验为基础，向大家介绍如何以最小的负担引入OKR并使其能循序渐进的被执行。
数据库运维面临着大规模数据库实例难以有效运维、数据库难以做好资源弹性伸缩以及个人隐私数据安全难以保障这三个方面的挑战。对此，vivo给出了自身的应对方案。 首先，vivo自研了数据库运维平台DaaS来支撑数据库运维工作。在规模覆盖、效率提升、故障告警处理等层面均衡发力，保障了数据的稳定性，以工单自助，故障自愈为核心，实现了数据库的高效运维。 其次，在数据库资源弹性管理层面，vivo重视资源成本优化。围绕资源分配、资源弹性伸缩、资源隔离分别给出了智能化解决方案，并通过套餐自动优化，进一步降低了管理成本。 最后，基于个人隐私数据，平台也提供了对业务几乎无影响的MySQL的透明加密方案，来减轻因为隐私数据加密带来的研发和运维工作量。
混排层负责将多个异构队列的结果如广告、游戏、自然量等进行融合，需要在上下游和业务多重限制下取得最优解，相对复杂和难以控制。本文主要从业务、模型等角度介绍了vivo广告策略团队在信息流和应用商店混排上的一些探索和思考。
