程序员最大的幸福是看到自己的代码跑在千万人的设备上，程序员最大的不幸是去维护千万人设备背后的老代码。腾讯新闻，是一个有着十多年历史、海量用户规模的经典业务，其背后的系统走过了门户时代，走到了推荐算法时代。 随着时间的推演，老旧架构面临着那些经典的问题：可用性差，服务不稳定；扩展性差，开发周期长，迭代效率低；200 多个代码仓库，300 多万行代码，编程语言、协议混用…… 叠加上推荐算法的时代命题，如何对腾讯新闻的推荐架构做升级成了业务进一步发展的内在要求。本文从业务场景介绍入手，详细介绍了腾讯新闻推荐架构升级过程中的目标设定，架构设计和实践过程，值得仔细品阅，转发点赞收藏一键三连。
哈啰作为一家出行互联网公司，定位这种基础能力是深度融入在各业务的核心链路中的，笔者所在的地图团队经常会收到定位相关的badcase，但苦于定位的复杂与较难回收出价值，一直没有针对性去解决此类问题，那在各大互联网厂商都在做下沉市场注重用户体验的今天，我们重新捡起了这个话题。
随着现代软件架构的不断发展，越来越多的企业对系统架构进行了微服务化与容器化改造，从而更好地满足海量并发、高可用、弹性伸缩、快速迭代等需求。然而，微服务化与容器化的引入也让分布式系统的复杂度随之增加，使得系统的监控和管理变得更加困难。 因此，应用性能监控（Application Performance Management，简称 APM）工具的重要性就体现出来了，特别是 APM 提供的分布式链路追踪能力，可以帮助开发者快速发现并定位性能问题，是分布式系统稳定运行的重要保障。将分布式应用接入 APM 工具，还能提高系统性能以及稳定性。
本文旨在介绍精准测试模型原理与多维表格工程的应用，部分代码细节和算法释义不在正文中推导&聚焦，相关同学有兴趣可以阅读原文评论区交流。
Master-Worker 架构是成熟的分布式系统设计模式，具有集中控制、资源利用率高、容错简单等优点。我们数据中心内的几乎所有分布式系统都采用了这样的架构。 我们曾经发生过级联故障，造成了整个集群范围的服务中断。这让我们反思到 Master-Worker 架构难以有效的分批灰度发布的问题。本文试图分析其中原因，并尝试提出几种解决方案。
过去的一年多，大模型风起云涌，不断迭代，作为一个多年 NLP 产品方向的从业者，可以说是享受其中，惊喜连连。记得22年底，那时疫情放开，身边的人全部病倒，在身体冷热交加中看到了 ChatGPT 的发布，马上在病榻上完成了注册，那时的感觉就仿佛黑暗中看到了曙光。当时我在一家物联网公司的 AI 研究院工作，基于 ChatGPT 开始设计很多 demo 取代之前的 NLP 任务 bert 方案，后面一年多不断地实验各种大模型的应用方法，颇为有趣。 腾讯日前也正式发布了大模型应用平台元器和混元 C 端产品元宝，也希望大家一起在上面多做一些有意思的智能体，故分享一下之前的探索经验，供大家参考。
JavaScript 的生态系统一直以它的变化速度飞快而著称。在今天快速变化的 JavaScript 框架生态中，稍不留神你就可能错过许多新东西。每当你觉得自己对最新的工具和技术驾轻就熟时，新的创新浪潮又会带来一切改变。 去一年，JavaScript 框架生态又发生了不小的变化，在今年的 Google I/O 开发者大会中，《Navigating the JavaScript framework ecosystem》 主题向我们整理和介绍了我们应该关注的重点内容。
在直播、电商等业务场景中存在着大量实时数据，这些数据对业务发展至关重要。而在处理实时数据时，我们也遇到了诸多挑战，比如实时数据开发门槛高、运维成本高以及资源浪费等。 此外，实时数据处理比离线数据更复杂，需要应对多流JOIN、维度表变化等技术难题，并确保系统的稳定性和数据的准确性。本文将分享基于存储的实时数仓架构在不同业务场景的实践经验，以及该架构带来的收益。
