在此前的两篇文章《研发深恶痛绝，业界持续热捧，DDD 到底是啥？》《从4万行代码降到1.8万，腾讯视频竟然用DDD做架构重构？》中，我们详细拆解了 DDD 的理论发展和实际落地过程中的量化评估方案，为大家深入浅出地揭开了 DDD 的神秘面纱。在本篇文章中，我们将重点阐述 DDD 的核心概念与关键方法。
去哪儿网的原有监控系统在指标数量上展现出了强大实力——上亿指标量和百万级的告警量，但在故障数据方面却稍显不足——订单类故障平均发现时间长达4分钟，仅有20%的订单类故障能在1分钟内被发现，近半数的故障处理时长超过30分钟。为了解决这些问题，去哪儿网决定从优化故障指标出发，对故障发现、故障根因定位、故障修复等各个环节展开全面优化。 本文将深入探讨这一系列优化改革的详细过程，剖析各个阶段所采用的监控方法和工具，以及在实践过程中遇到的关键问题。
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。
在刚刚过去的第15个天猫双11里，我们看到，在生成式AI等科技变革和消费行为习惯变迁的时代大背景下，淘宝正在变为新的“AI淘宝”。科技媒体《量子位》专访淘天集团相关的AI技术负责人，一起聊聊大模型和AIGC文生图两大技术路线在淘宝的融合创新，看看AI如何跨越从技术到应用的鸿沟，带来更好的消费体验。
在互联网行业里，业务迭代很快，系统变更频繁，尤其长青业务随着时间会积累越来越多历史包袱。阿拉丁作为百度搜索垂直化的产品，业务历经多年更迭，历史包袱很多，在应对大事件比如高考、东京奥运会、北京冬奥会的大流量时业务集群面临很大挑战。以高考来说，从2013年开始百度做高考，经过11年的坚持和沉淀，如今高考阿拉丁直接承接用户搜索高考相关内容的数十亿pv的流量，积累多年的系统因其复杂度而面临巨大的稳定性风险。为了应对高考等大事件的巨大流量，联合多方快速建立了保障机制，本文结合实践做了归纳和总结。
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。
为什么我们要做列表创新提效？ 列表是百度商业B端平台最典型的模块之一，据百度商业B端平台埋点数据统计显示，列表PV占平台总PV的40%，列表操作时长占平台47%。列表承载了客户浏览数据、查找数据、管理数据的重要功能，是客户重点使用和关注的区域。 然而据百度商业平台体验监测报告显示，平台列表模块满意度53.9%，低于平台平均满意度分值（55.6%），不满意归因主要集中在性能卡顿、交互操作效率低两方面。
得物效率前端所在的效率工程为提升企业协作效率而生，面临大量的 PC 侧的中后台应用场景。 在之前的微信公众号《得物效率前端微应用推进过程与思考》中详细介绍了效率前端推进微应用落地的思路和部分效果。 这篇文章将着重介绍得物效率前端微应用推进中，微前端的研发效率遇到的挑战和解决方案。
对于业务同学，不管是从0到1完成一个项目，还是从1到2迭代或者维护老系统，多多少少会因为客观或非客观因素，产生一些当时可控的“负债”，随着时间的积累，那些当时以为可控的“负债”，慢慢“长大”，使得在项目随后发展的过程中，复杂度越来越高、潜在的风险越来越大。本文将阐述我对于业务负债以及身体负债的一些思考。
