相比用户停留时间短、用完即走的 Web 页面，桌面 QQ 用户在一次登录后，可能会挂机一周以上，这段期间，如果没有严格控制好 QQ 内存占用，那么结果可能是用户交互响应变慢、甚至 Crash。在系统监控工具里，高内存占用也会被直观地反映出来，带来不好的口碑。MAC QQ 灰度期间，也听到了一些用户关于内存占用偏高的声音。即然不能置若罔闻，那么必须得痛下决心系统地来一波内存占用分析与优化。在这个过程中，团队前前后后挖出来了不少优化项，最终，可以让桌面 QQ 在内存占用上达到一个相对较低且稳定的状态。本文内容是探索桌面 QQ 内存优化上的一个阶段性小结，肯定还有更多内存优化 trick，欢迎各位多多提意见。
本文将从“样本处理”，“模型开发”，“实验管理”，“工具链及可视化“ 几个角度介绍基于 tranformers 库做的重新设计，并简单聊聊个人对“软件2.0”的看法。
随着得物业务规模的不断增加，推荐业务也越来越复杂，对推荐系统也提出了更高的要求。我们于2022年下半年启动了DGraph的研发，DGraph是一个C++项目，目标是打造一个高效易用的推荐引擎。推荐场景的特点是表多、数据更新频繁、单次查询会涉及多张表。了解这些特点，对于推荐引擎的设计非常重要。通过阅读本文，希望能对大家了解推荐引擎有一定帮助。为什么叫DGraph？因为推荐场景主要是用x2i(KVV)表推荐为主，而x2i数据是图(Graph)的边，所以我们给得物的推荐引擎取名DGraph。
你会如何总结你的工作内容？ “CURD”，这是不少业务开发者对自己工作内容，做出的“哲学级别”总结，不乏调侃和乏味之意。实际上，过来人都清楚，这和业务开发面临的复杂性和挑战不在一个层次。 一般情况下，互联网核心业务可以大体分为两类，其一是基础功能性业务，其二是围绕基础功能，刺激增长类业务。以直播为例，可以分为： 核心功能类：如送礼打赏、PK连麦等互动消费业务。 增长类：通过精细化运营等方式，以刺激核心业务增长(消费)为核心目的，如营收活动。 业务开发的第一挑战在于决策与实施的割裂，决策端和实施端是完全不同的两拨人，在关注点、信息量、职业技能、工作方式等方面差异较大，在软件旺盛的迭代协作之下，保障边际生产力是个难点。 在此基础上，核心功能类业务很考验“第一个程序员”，业务迭代就像为飞行中的火箭更换零件，更难的在于下次要怎么换，目前还不一定清楚。
