随着互联网和物联网的高速发展，产生了大量的结构化、半结构化数据。在百度集团内部， BTS（Baidu Table Storage） 成为处理这些半结构化数据的关键产品。随着技术的不断发展和业务需求的多样化，BTS 在百度内部经历了从支持单一 Table 能力到支持宽表、时序等多模能力的演进。 BTS 是百度智能云的半结构化存储产品，对内支撑百度核心业务（搜索、Apollo、凤巢、feed、系统监控等），对外提供高性能、低成本的 NoSQL 表格存储服务。 BTS 可用于丰富的场景，比如横向业务场景（分布式存储、结构化、聚合、高性能检索）、纵向行业场景（互联网、广告、feed、物联网、大数据、时序）以及一体化解决方案（大数据分析生态，监控）等，支撑业务创新。并且提供了多种 API、SDK 和可视化的 Web 管理平台供研发人员快速接入。通过 Batch 写、并发读、多级 Cache 加速等方式，打破性能瓶颈。通过热备副本、实时 Failover 和表回收站技术保证数据库高可用。另外，BTS 还提供企业级安全保障，服务可用性高达99.9%，数据可靠性达到了 99.99999999%（1
2023 年对于 AI 工作者来说是非常不平凡的一年，这一年算是 AI 原生时代的起点。 对百度智能云来说，这一年非常卷。从年初大家可能还不知道大模型是什么的时候，我们开始卷怎么选模型、怎么评模型，再往后大家大概知道大模型可以干什么了，我们开始卷怎么训练模型。而再往后发展的时候，大家也不再过度关注如何训练模型，更多开始关注 AI 时代下非常关键的事情——怎么基于模型做应用。这也是今天我要给大家带来的分享，就是 AI 原生时代的应用如何开发。 先来看下面这张图。下图是在过去三个月时间内，关于 AI 原生应用各种各样的需求关键词。比如说希望推荐简历、做英语口语的交流、协助创作智能海报、写 PPT、生成工作日报等。我们可以看到，大家对 AI 原生时代能够带来什么已经迸发出非常多的想象力。这也意味着，AI 原生应用需求的爆发，我们正在加速奔跑进入繁荣的 AI 时代。
移动互联网经历2012年到2016年的快速增长期，目前已经到了增长大幅放缓的阶段，据《2022年中国移动互联网发展报告》显示，截至2021年12月底，中国手机网民规模达10.29亿人，全年增加了4373万人，同比增速已经放缓。在这样的大环境下，如何保持产品用户规模持续增长是业务团队面临的主要挑战之一。
本文简单介绍了百度搜索Push个性化的发展过程，揭示了面临的困境和挑战：如何筛选优质物料、如何对用户精准推荐等。我们实施了一系列策略方法进行突破，提出核心的解决思路和切实可行的落地方案。提升了搜索DAU和点击率，希望本文的内容能为相关从业者带来启发和借鉴价值。
在传统营销中，客户在策划广告推广时需要层层搭建计划、手动添加素材、时刻关注效果，这个繁琐流程需要大量表单填写和反复跳转，重复的基建工作量很大，导致商业营销成为繁重的体力活，影响整体投放效率。 借助文心大模型，我们推出了轻舸：一个成本优化、高效经营的智能营销平台。
本文讲述为了提升产运侧数据观察、分析、决策的效率，支持业务的快速迭代，移动生态数据研发部对数仓建模与BI工具完成升级，采用宽表建模与TDA平台相结合的方案，一站式自助解决数据应用需求。在此过程中，数据交付模式发生了变革，从研发定制化开发到产运自助化获取开始转变，业务侧数据获取更加方便、快捷、准确。
百度搜索exgraph图执行引擎设计重点分成三个部分：图描述语言、图执行引擎、对接扩展。 图描述语言是一种基于文本可读的图描述语言，用于描述任务中的算子以及算子之间的依赖关系，即让人可以理解，也可以被计算机理解并执行。 图执行引擎是exgraph的核心，负责根据图描述语言生成的图语法树进行高效执行。它支持如串行、并行、中断、选择等范式，以满足不同场景下的需求。 对接扩展则提供了与其他协议框架的接口，方便用户将exgraph集成到现有的系统中。 总之，exgraph图执行引擎设计的目标是实现高效、灵活的任务编排，以满足复杂逻辑处理需求。
分布式数据传输系统是一种用于在多个计算节点之间高效传输大量数据的系统，诣在高效的解决大规模数据迁移、备份、跨地域复制等问题，其广泛应用在实时数据流传输、跨数据中心数据迁移、多媒体传输等场景，在大多数企业中的日志管理、业务数据建库等场景中也都会使用到。众所周知，数据的高效传输往往直接影响着企业对市场先机的把握，对企业发展有重要意义，特别是在金融领域，如证券行业，它对分布式数据传输系统的设计提出了更高的要求，证券领域数据变化飞快，一个高时效、稳定的数据流传输系统不仅能有效的提升用户体验，更能提供用户一手的投资信息，有助于用户的投资决策，进而拉进企业与用户的距离。本文将通过一个百度搜索下的金融案例来分享分布式数据传输系统的设计。
