在线应用的诊断一直是日常维护中的难点和痛点，2018年下半年，Alibaba 开源了 java 应用诊断工具 arthas ，让 java 应用的诊断能力上了一个台阶。作为基础架构团队，我们自然也对它非常感兴趣。研究后发现，arthas 确实是一个非常优秀的 java 诊断工具，但是也存在一些不足。 一是 arthas 更像是一个工具，而不像一个产品。如果要使用它，首先要登录相关机器，然后在机器上下载 arthas，再执行一些命令来运行。这整个流程里，下载可能出现问题，运行 arthas 也需要具有目标进程相应的权限，还需要先看看对应进程id等等...这些确实只是一些小问题，但也可以选择让这些问题不存在，让整个使用过程更加流畅。 二是 arthas 缺少 web 界面。命令行界面用起来确实很酷，但不可否认在相当一部分情况下 web 界面更直观更友好，很多需要查文档的情况在 web 界面下都可以直接操作，降低了使用门槛。 三是 arthas 所有功能都针对单台机器，实际上很多时候我们需要考虑和观察整个应用的运行情况，需要一个应用级的视角。 四是 arthas 是一个独立的工具。
基于ClickHouse的Billions2.0日志方案上线后（B站基于Clickhouse的下一代日志体系建设实践），虽然能够降低60%的存储成本，但仍然存在几个比较明显的问题，需要进一步的优化和解决。
也许你经历过这种情况：产品和设计同学用一句话就把需求说完了，你抓破脑袋做出来的版本又达不到他们的要求。不如尝试让 AI 承担痛苦，让它理解、拆解并实现一句话需求？本篇作者尝试提出一个自动配置可视化系统，通过自动生成表单解决上述痛点。欢迎阅读～
云计算发展至今已经有十余年，已从理论演变为企业数字化的必经之路。与其他技术相比，云计算在行业中的应用是有增无减。当前，业务上云已成为国家战略，各地政府纷纷发布上云政策，各行各业掀起了上云热潮。 在数字经济时代，业务上云成为企业践行数字化转型的第一步。所谓“上云”，是指企业通过网络（专线或互联网），将系统和平台从原来的IDC迁移到云端，利用云厂商的计算、存储、网络等资源提供基础服务能力。根据上云策略的不同，可以选择IaaS、PaaS、SaaS等不同的资源。 当企业明确上云战略后，随即会面临两个根本问题： 业务上云到底能够为企业带来什么价值？ 企业又该如何上云？ 本文将围绕以上两个问题，通过一个真实项目的实践给大家提供参考。
大多数的敏捷团队是由10位以内不同角色的人员组建。其中包括但不仅限于BA、QA、UX、PM、DEV等关键角色。我们通过成熟的方法论以及每日站立会议（Stand-up Meeting）、迭代计划会议（Iteration Plan Meeting）、迭代启动会议（Iteration Kickoff Meeting，IKM）、开卡（Kickoff）、结卡（Desk Check，DC）和回顾会议（Retrospective）等各种逐渐“标准化”的敏捷活动，能够顺利地运行一个小规模的项目。 然而，当项目规模逐渐增大、项目成员人数逐渐增加时，为了有效协作，我们需要将整个大规模团队拆分为多个小规模的敏捷小组。但组与组之间的业务交互频繁，组内以及组间的各种沟通交流，会让原本快捷有效的敏捷活动变得繁琐。 尤其对于测试来说，小规模的项目中一般配有一到两名QA，负责所有功能模块的测试工作。但大规模的项目中，QA不仅要关注本组内的功能，同时还要考虑组与组间存在关联功能的测试。那么如何在高节奏的迭代中，进行大规模敏捷测试呢？
在当今的云原生世界中，管理权限和访问控制已经成为许多组织面临的重要挑战。随着应用程序和微服务变得更加分布式，必须确保只有合适的人和系统可以访问合适的资源。 然而，管理这种复杂性可能很困难，特别是随着团队和组织的增长。这就是为什么来自亚马逊网络服务（AWS）的新开源项目 Cedar 是身份和资源管理（IAM）领域的一次地震性变革，这表明应用程序权限问题已经变得太大而无法忽略。 传统上，组织依赖于访问控制列表（ACL）和基于角色的访问控制（RBAC）来管理权限。然而，随着资源和用户数量的增加，管理和扩展这些策略变得困难。这就是策略即代码出现的原因。它使开发人员能够编写像任何其他代码一样可以进行版本控制、测试和部署的代码策略。这种方法比传统方法更具可扩展性、灵活性和可审计性。
Apache Airflow 与 ByteHouse 相结合，为管理和执行数据流程提供了强大而高效的解决方案。本文突出了使用 Apache Airflow 与 ByteHouse 的主要优势和特点，展示如何简化数据工作流程并推动业务成功。
本专题共10篇内容，包含淘宝APP基础链路过去一年在用户体验数据科学领域（包括商详、物流、性能、消息、客服、旅程等）一些探索和实践经验，本文为该专题第一篇。 在商详页基于用户动线和VOC挖掘用户决策因子带来浏览体验提升；在物流侧洞察用户求助时间与实际物流停滞时长的关系制订表达策略带来物流产品满意度提升；在性能优化域构建主客观关联模型找到启动时长与负向反馈指标的魔法数字以明确优化目标；构建多源VOC标签体系综合运用用户行为和用户VOC洞察、落地体验优化策略，并总结出一套用户体验分析方法论。
