作为新一代品质生活购物社区，得物App以正品电商和品质生活社区作为两大核心服务。成立十年来，它始终致力于帮助用户得到美好生活，已成为年轻用户重要的潮流阵地与品质生活购物平台。 得物在坚持严格的选品标准、专业的查验鉴别、统一的履约交付等服务的同时，尊重和保护个人信息，并不断完善个人信息保护建设，《得物个人信息保护社会责任报告》将公开展示得物在个人信息保护建设所做的持续努力，为用户提供更安全放心的服务和购物体验。
最近在项目中遇到了页面加载速度优化的问题，为了提高秒开率等指标，我决定从eebi报表入手，分析一下当前项目的性能监控体系。 通过查看报表中的cost_time、is_first等字段，我开始了解项目的性能数据采集情况。为了更好地理解这些数据的含义，我深入研究了相关SDK的源码实现。 在分析过程中，我发现采集到的cost_time参数实际上就是FMP（First Meaningful Paint）指标。于是我对FMP的算法实现进行了梳理，了解了它的计算逻辑。 本文将分享我在性能优化过程中的一些思考和发现，希望能对关注前端性能优化的同学有所帮助。
Dragonboat 是纯 Go 实现的（multi-group）Raft 库。 为应用屏蔽 Raft 复杂性，提供易于使用的 NodeHost 和状态机接口。该库（自称）有如下特点：高吞吐、流水线化、批处理；提供了内存/磁盘状态机多种实现；提供了 ReadIndex、成员变更、Leader转移等管理端API；默认使用 Pebble 作为 存储后端。 本次代码串讲以V3的稳定版本为基础，不包括GitHub上v4版本内容。
做数据前端，你会很快建立一个共识： 怎样把枯燥的数字用合适的方式展示出来，是我们的第一要务，但这只是起点。 如果说规范的数字排版是中后台系统的“地基”，保证了信息的准确传达；那么可视化图表就是地基之上的“建筑”。地基稳固，建筑才能发挥其功能——让用户从微观的读数中解放出来，更快速地识别趋势、定位异常，从而真正从数据中获取规律。 但这篇主要想聊的，不是那座“建筑”，而是这块往往被忽视，却决定了整个系统专业度的“地基”——数字格式化。
在需求迭代开发过程中，有测试团队的小伙伴反馈在 RN 页面 偶尔会出现 crash，且堆栈只有一行，指向了MMKV，看完之后一头雾水，为什么 RN 页面会出现 MMKV的 crash，而且堆栈为什么只有一行，其实这些都和 unwind 有直接和间接的关系。就此问题而言，虽然 crash 平台的堆栈只有一行，但是通过抓取到的墓碑文件，可以看到此问题和 __gxx_personality_v0 相关。自 RN 升级到 0.72.5 版本之后，已经是第三次出现和 __gxx_personality_v0 相关的 crash。 为什么 crash 堆栈只有一行？为什么 RN 的 crash 会指向MMKV？让我们带着这些疑问来详细了解一下unwind。
得物DBA自2020年初开始自建TiDB，5年以来随着NewSQL数据库迭代发展、运维体系逐步完善、产品自身能力逐步提升，接入业务涵盖了多个业务线和关键场景。从第一套TIDB v4.0.9 版本开始，到后来v4.0.11、v5.1.1、v5.3.0，在经历了各种 BUG 踩坑、问题调试后，最终稳定在 TIDB 5.3.3 版本。伴随着业务高速增长、数据量逐步增多，对 TiDB 的稳定性及性能也带来更多挑战和新的问题。为了应对这些问题，DBA团队决定对 TiDB 进行一次版本升级，收敛版本到7.5.x。本文基于内部的实践情况，从架构、新特性、升级方案及收益等几个方向讲述 TiDB 的升级之旅。
在电商交易领域，管理类目作为业务责权划分、统筹、管理核心载体，随着业务复杂性的提高，其规则调整频率从最初的 1 次 / 季度到多次 / 季度，三级类目的规则复杂度也呈指数级上升。传统依赖数仓底层更新的方式暴露出三大痛点： 行业无法自主、快速调管理类目；业务管理类目规则调整，不支持校验类目覆盖范围是否有重复/遗漏，延长交付周期；规则变更成功后、下游系统响应滞后，无法及时应用最新类目规则。 本文将从技术视角解析 “管理类目配置线上化” 项目如何通过全链路技术驱动，将规则迭代周期缩短至 1-2 天。
你是否曾在社区搜索时遇到这样的困扰：想找一双“平价学生党球鞋”，结果出现的多是限量联名款？或者输入“初冬轻薄通勤羽绒服”，却看到厚重登山款？这类“搜不准”的情况，正是搜索相关性技术要解决的核心问题——让搜索引擎更准确地理解用户意图，返回真正匹配的结果。今天，我们就来揭秘得物如何用大模型技术让搜索变得更“聪明”。 搜索相关性，即衡量搜索结果与用户查询的匹配程度，通俗来说就是“搜得准不准”。作为搜索体验的基石，良好的相关性能够帮助用户更顺畅地从种草走向决策，同时也对购买转化率和用户留存具有重要影响。
