AntV 是由蚂蚁集团产出的开源企业级数据可视化解决方案，包含对统计数据、关系数据、地理数据的前端可视化技术产品和设计标准。AVA 是 AntV 品牌下的智能可视分析框架。本套白皮书基于 AVA 及相关团队在 BI 增强分析领域数年的调研和实践积累，旨在分享经验与思考。 本篇是《增强分析白皮书》的“洞察展现”篇，专门介绍在数据分析类应用中展现数据洞察和分析结论时的注意要点、设计规范和技术方案。
本次主版本更新包含更简洁和专业的可视化语法，更丰富的图表类型和图表特性和易于拓展的全新 API 和架构。在提高 G2 灵活性和易用性的同时，也为 G2 未来的长期稳定迭代和生态的建设奠定了夯实的基础。 5.0 的发布意味着团队和社区两年多的努力，从最初底层模块 @antv/scale 和 @antv/coord 的梳理开始，而后掘金小册《可视化入门：从 0 到 1 开发一个图表库》的推广，到如今正式版本的发布，这算是一次“蓄谋已久”的升级。5.0 在一年前的3月21日绘制出了第一个条形图，经过团队和社区成员反复讨论、设计、实现以及不懈的努力，渐渐有了如今的模样。 G2 为公司业务而生，却也希望服务好社区用户，如今一年之期已到，在这带来福运的“闰二月”之际，希望能给大家展现一份满意的答卷。
Apache Pulsar 是一个多租户、高性能的服务间消息传输解决方案，数据持久化依赖 Apache BookKeeper 实现，支持多租户、低延时、读写分离、跨地域复制、快速扩容、灵活容错等特性。本文将从以下几个方面为大家介绍 Apache Pulsar的设计原理和特性。 1、Apache Pulsar 架构 2、架构设计的优势 3、Pulsar 特性 4、总结
2022 年，从引爆 AI 作画领域的 DALL-E 2、Stable Diffusion 等 AI 模型，到以 ChatGPT 为代表的接近人类水平的对话机器人，AIGC 不断刷爆网络，其强大的内容生成能力给人们带来了巨大的震撼。学术界和产业界也都形成共识：AIGC 绝非昙花一现，其底层技术和产业生态已经形成了新的格局。 就内容生产而言，AIGC 作为新的生产力引擎，让我们从过去的 PGC、UGC，已经不可避免地进入 AIGC 时代。AIGC 代表着 AI 技术从感知、理解世界到生成、创造世界的跃迁，正推动人工智能迎来下一个时代。 经过了 2022 年的预热，2023 年 AIGC 领域将迎来更大发展。AIGC 生成内容的类型不断丰富、质量不断提升，也将有更多的企业积极拥抱 AIGC。在这个背景下，腾讯研究院正式发布《AIGC 发展趋势报告 2023：迎接人工智能的下一个时代》。报告从技术发展和产业生态、应用趋势、治理挑战等维度，对 AIGC 的发展趋势进行了深入思考。
ChatGPT火到大街小巷，但细看落地场景，最先唤起的是浏览器的第二春？手机用户时长被短视频占据，如何看待QQ浏览器的尴尬位置？10亿人可以直接在QQ浏览器/QQ/企业微信丝滑打开文档和PPT，背后是怎样的科技加持？本期十问请来徐羽聊一聊。
每天在世界各地都有海量用户在短视频 App 上分享充满创意的视频或是生活中的精彩故事。 由于使用者所在的环境不可控（高铁、电梯等弱网环境），若直接播放原始画质的视频，可能导致观看影片的过程中出现卡顿甚至无法播放的情形，导致观影感受不佳。为了让不同网络条件的使用者，都能顺畅地观看这些视频，每一条视频的发布，都需要经过转码的过程，生成不同档位的视频，即使用户在网络不好的环境中，也能提供适合档位的视频，让使用者有顺畅的观影体验。 针对视频转码的场景，目前业界通用的解决方案大多为原始视频上传到物件储存后，通过事件触发媒体处理过程，当中可能涉及使用工作流系统做媒体处理任务的调度或是编排，处理完成的视频存档至物件储存后再透过内容分发网络（Content Delivery Network，CDN）分发给观影者。
2022 年，关于微服务发生了几件有趣的事情。其一，正式掌管 Twitter 不久的 Elon Musk 对 Twitter 的开发团队 “批判” 了一番。他表示自己为 Twitter 在许多国家的极慢运行速度感到抱歉。之所以如此慢是因为 App 需要执行 1000 多个 “糟糕” 的批处理 RPC，而这只是为了渲染主页的时间线。Musk 表示 “今天的部分工作将是关闭臃肿的"微服务" 。实际上，只有不到 20% 的微服务是 Twitter 需要的。” 其二，GitHub 前 CTO Jason Warner 在社交媒体上表示：“我确信过去十年中，最大的架构错误之一就是全面使用微服务。” “任何构建过大型分布式系统的人都知道他们并不真的那样工作，但还必须适应它。”那么，微服务架构是否是一个错误，或者微服务是否已经过时了呢？
在前文中，我们拥有了对一个矢量图形的路径描述。在本文中我们会介绍，如何将已有的路径描述 (Path) 转化为，GPU可读取的三角形的顶点数据。整体处理过程如下图所示，路径作为输入，折线化模块首先使用折线近似曲线将其转化为复杂多边形，接着将复杂多边形简单化、简单多边形单调化、单调多边形三角化，最终得到一组三角形作为输出！
