作为云计算的下一个迭代，Serverless可以使开发者更专注于构建产品中的应用，而无需考虑底层堆栈问题。伴随着近年来相关技术成熟度的增加，市场对Serverless的接受程度也变得越来越高。可以说时至今日，Serverless已迈入了向成熟稳定方向发展的高速轨道。 作为一款火山引擎推出的云原生数据仓库，ByteHouse基于开源ClickHouse构建，并在字节跳动内外部场景的检验下，对OLAP引擎能力、性能、运维、架构进一步升级。除此之外，ByteHouse也在Serverless方向探索，基于cloud-native 云原生的理念构建了全新一代的数据仓库，架构上进行了三层解耦，期望在Serverless的加持下，提供更稳定、可靠、可信的分析服务，让开发人员时间精力从基础设施运维优化上解放，更聚焦在核心业务功能中。 本文来自于火山引擎ByteHouse产品负责人李群的分享，从场景选择、应用门槛、落地应用等5个方面，介绍Serverless在OLAP领域应用思考。
Chrome 插件整体架构； 如何开发一个 Chrome 插件（Popup 和 Devtools）； 如何使用前端框架（React/Vue）进行开发； 如何调试插件； 如何使用 Puppeteer 对插件进行 E2E 测试（本地和 CI 环境）。
本文将从外部用户的角度，分享 A/B 测试平台的最佳实践。分享分为四部分，整体介绍了 A/B 测试的应用场景，同时结合字节跳动内外部多个场景经验，详解各行业的最佳实践，最后还将探讨一个企业该如何培养可持续的 A/B 测试文化，使其成为产品创新和决策的重要支撑。
在大屏产品中，可视化扮演着信息展示和传达、用户体验和互动、数据分析和决策支持、品牌展示和差异化、故事叙述和信息呈现等至关重要的角色。作为可视化图表的重要载体之一，大屏与智能 BI 产品不管是在产品设计，还是可视化设计的侧重点都有很大不同。
Node.js Addon 是 Node.js 中为 JavaScript 环境提供 C/C++ 交互能力的机制。其形态十分类似 Java 的 JNI，都是通过提供一套 C/C++ SDK，用于在 C/C++ 中创建函数方法、进行数据转换，以便 JavaScript / Java 等语言进行调用。这样编写的代码通常叫做 Bindings。 此外还有基于 C ABI Calling Convention (例如 stdcall / System-V 等标准) 直接进行跨语言调用的方案，例如 Rust FFI、Python 的 ctypes、Node.js 的 ffi 包等。这两者的差别在于 Rust 等原生语言是直接针对平台来将函数调用编译为机器码，而 ctypes 和 ffi 包则是基于 libffi 动态生成机器码来完成函数调用的。和 Node.js Addon 的差别则在于调用和类型转换的开销上。 本文将围绕 Node.js Addon 进行介绍，即创建一个 Bindings 来增强 Node.js 或 Electron 应用的原生能力，使其可以和系统进行交互，或者使用一些基于
DataWind是一款支持千亿级别数据自助分析的一站式数据分析与协作平台。在研发过程中，DataWind使用的umi脚手架使得数据流一直绑定在Dva方案上，然而Dva本身语法较为陈旧，DataWind在使用时也比较粗放，导致项目拆包时遇到了模块间紧紧咬合的问题，牵一发而动全身。 目前，DataWind前端团队正在进行模块架构的升级，本文将为大家详解基于Redux + hook如何升级数据流方案，以解决可视化查询模块内以及与其他模块间数据流使用不规范的问题，同时为开发者带来更好的开发体验。
多维表格又名透视表、交叉表、Pivot Table，指的是可以在行维度和列维度放入一个或多个维度，显示维度之间相互关系的一种表格。用户可以一目了然地分析出各种场景指标以及对比，旨在帮助业务分析推动决策。
作为企业数字化建设的必备要素，易用的数据引擎能帮助企业提升数据使用效率，更好提升数据应用价值，夯实数字化建设基础。 数据导入是衡量OLAP引擎性能及易用性的重要标准之一，高效的数据导入能力能够加速数据实时处理和分析的效率。作为一款OLAP引擎，火山引擎云原生数据仓库ByteHouse源于开源ClickHouse，在字节跳动多年打磨下，提供更丰富的能力和更强性能，能为用户带来极速分析体验，支撑实时数据分析和海量离线数据分析，具备便捷的弹性扩缩容能力，极致的分析性能和丰富的企业级特性。 随着ByteHouse内外部用户规模不断扩大， 越来越多用户对数据导入提出更高的要求，这也为ByteHouse的数据导入能力带来了更大的挑战。 本篇文章来源于ByteHouse产品专家在火山引擎数智平台（VeDI）主办的“数智化转型背景下的火山引擎大数据技术揭秘”线下Meeup的演讲，将从ByteHouse数据库架构演进、增强HaKafka引擎实现方案、增强Materialzed MySQL实现方案、案例实践和未来展望四个部分展开分享。
