随着 OpenTelemetry 在可观测领域影响力的不断提升，其项目以极快的速度不断演进。阿里云作为国内最广泛使用 Java 的厂商之一，深度参与 OTel Java Instrumentation 演进与社区活动，贡献、Review 各类 PR（pull request）合计超过 100 余个，参与 Issues 讨论 58 个，在 OpenTelemetry 项目的贡献榜亚太地区排名第一。 在 2024 OpenTelemetry Community Day[1]会议中，阿里云可观测工程师张乎兴（望陶）和饶子昊（铖朴）为大家带来了《GraalVM 静态编译下 OTel Java Agent 的自动增强方案与实现》[2]的演讲分享，介绍阿里云在相关领域的探索方案，本文是相关分享对应的中文整理。
从数据库领域的发展历程来看，分析型数据库已有40多年的发展历史，与数据库基本同时代。从OLTP和OLAP的分支来看，分析型数据库支持了海量数据规模下的聚合性分析。随着移动互联网甚至AI等领域的发展，用户画像行为分析的重要性日益凸显，而这些都离不开分析型数据库的支撑。
GPU 的通信性能对于大模型的训练有着至关重要的影响。在 HPN 网络工程实践中，我们的核心关注点是如何充分利用网络硬件资源的能力，将通信性能最大化，从而提升大模型端到端的训练性能。
随着项目的逐步迭代，代码量和依赖的逐渐增长，应用的构建速度逐步进入缓慢期。以目前所在团队的业务应用来看（使用webpack构建），应用整体构建耗时已经普遍偏高，影响日常开发测试的使用效率，其中编译耗时大约占50%。 实际上随着近些年前端的技术发展以及业务对前端交互体验的要求提高，前端整个代码量复杂度和代码量增长飞快。随着这一趋势的变化，服务于前端工程构建方案多年的webpack，在构建效率上已经逐渐成为瓶颈。
字节跳动大模型团队成果 Depth Anything V2 现已被苹果官方收入 Core ML 模型库。本文介绍了 Depth Anything 系列成果的研发历程、技术挑战与解决方法，分享了团队对于 Scaling Laws 在单一视觉任务方面的思考。值得一提的是，Depth Anything V1 与 V2 两个版本论文一作是团队实习生。
HBase是一款开源高可靠性、扩展性、高性能和灵活性的分布式非关系型数据库，本文围绕数据库选型以及使用HBase的痛点展开，从四个方面对HBase的使用进行优化，取得了一些不错效果。
本文深入分析了RDMA技术在数据中心高性能网络环境下的工作原理及软硬件交互机制，通过对比传统Kernel TCP，突出了RDMA在减少延迟、提高系统性能方面的优势，同时讨论了其在内存管理、软硬交互方面的关键技术和挑战，为读者提供了全面理解RDMA技术及其应用场景的视角。
计算机领域有众多经典丛书，《软件方法》是其中一本。在软件开发领域工作，深入业务分析，学会系统设计是保持竞争力的关键。本文作者深入拆解了这本书的核心内容，并根据自己的理解加以引申，是一篇非常优秀的读书笔记。推荐大家阅读完本文以后，进一步去阅读原作，结合自己的日常工作，相信会有更深的体会。
Apache Pulsar 是一个多租户、高性能的服务间消息传输解决方案，支持多租户、低延时、读写分离、跨地域复制（GEO replication）、快速扩容、灵活容错等特性。Pulsar 存储层依托于 BookKeeper 组件，所以本文简单探讨一下 BookKeeper(下文简称 BK) 的一致性协议是如何实现的。
