Opal 是爱奇艺大数据团队研发的一站式机器学习平台，旨在提升特征迭代、模型训练效率，帮助业务提高收益。整个平台覆盖了机器学习生命周期中特征生产、样本构建、模型探索、模型训练、模型部署等在内的多个关键环节。其中特征作为模型训练的基石，其重要性不言而喻，如何让用户借助平台的能力。

ChatGPT 掀起了大语言模型的热潮，AIGC与大数据研发治理能碰撞出什么火花？本文来源于大数据研发治理DataLeap基于AIGC的应用实践，将从数据研发和资产的角度介绍，如何运用AIGC能力提升效率，降低使用门槛。

游戏业务自 2017 年启航，至今已近乎走过七个春秋，历经漫长岁月的发展，不知不觉间背负起沉重的历史包袱。犹如一棵大树，既有繁茂精壮的枝桠，亦有诸多枯败凋零的枝叶。此文主要聚焦于商品更新 MQ 消费这一细微模块，详述游戏业务如何对原有代码予以重构，令游戏这棵大树重焕蓬勃生机。

货运行业正处于迅猛发展的快车道上，其业务扩张之迅速与市场环境之多变令人瞩目。以货拉拉2023年的招股说明书为例，其年收入增长率达到了28.8%%[6]，凸显了持续加速的增长态势。另一方面由于市场价格波动大，用车需求非标，很难动态定准价格，议价是市场主流模式。

会员购是B站2017年推出的IP消费体验服务平台，在售商品以手办、漫画、JK制服等贴合平台生态的商品为主。随着业务发展，会员购从最开始的预售、现货拓展到全款预售、盲盒、众筹等多种售卖方式，销售渠道也遍布QQ小程序、每年几次大促活动的爆发式流量，对于会员购交易系统来说，无疑是一个巨大的挑战。

最近一段时间研发大佬们在积极的治理告警，经过一段时间的治理，现在告警情况已经有了很大的改观，但难免还有漏网之鱼；具体我们可以以下边一个例子来看：这是一个生产的UMP告警，通过这个告警我们发现XXX这个应用的堆内存使用率为90.18%%，超过了设置的告警阈值85%%，所以产生了这样的一个告警；那什么是堆内存呢？

随着货拉拉业务的高速发展，大数据在用户行为分析、广告定向投放、风险控制、用户画像、为公司管理层和运营团队提供决策帮助等方面，得到了越来越广泛的应用。大数据的源数据来源于业务数据、埋点数据等，每天有百亿级的数据交互，业务数据的复杂性和快速增长的数据量级，也对质量保障有了更高的要求。

滴滴 ES 发展至今，承接了公司绝大部分端上文本检索、少部分日志场景和向量检索场景，包括地图 POI 检索、订单检索、客服、内搜及把脉日志 ELK 场景等。滴滴 ES 在2020年由2.X升级到7.6.0，近几年围绕保稳定、控成本、提效能和优生态这几个方向持续探索和改进，本文会围绕这几个方向展开介绍。

作为一个AI小白，把我自己学习大模型的学习路径还原出来，包括理解的逻辑、看到的比较好的学习材料，通过一篇文章给串起来，对大模型建立起一个相对体系化的认知，才能够在扑面而来的大模型时代，看出点门道。

伴随着大众井喷的出游住宿需求，去哪儿旅行酒店订单激增。watcher作为公司级的监控系统，承载着越来越重要的故障预警能力。但watcher当前给业务流量提供的数据精度都是分钟级的，以分钟级为精度的数据虽然也可以反映业务流量的情况，但对订单报警来说，其精度是有限的，带来的必然是分钟级的故障预警。

国际的系统不仅仅是语言多、词条多，而且基本涵盖了供应链体系的所有核心系统，在这些系统的词条翻译也缺少统一的国际专业术语，相同的业务释义在不同的业务条线就存在各种名字，内部沟通不仅费时费力，在客户使用京东系统时也会造成一些困惑。

随着业务的快速发展，数据不断膨胀。数据量增大，但数据产生的实际价值在哪里？数据血缘则可以帮助我们更好评估数据价值，并在满足业务需求的同时，控制存储计算资源的膨胀速度。与此同时，数据血缘还能够衡量数仓建设的优劣，并且做好数仓体系化建设。

容灾能力的建设目标是非常明确的，就是要能够应对和处理这种机房级和地域级的大规模故障，从而来保障业务的连续性。近几年，业界也发生了多次数据中心级别的故障，对相关公司的业务和品牌产生了非常大的负面影响。当前容灾能力已经成为众多IT企业建设信息化系统的必选项。

随着传输技术、显示技术与算力的持续提升，用户对于音视频体验的需求在提高，各家设备厂商也在探索和推出对应的技术与产品。打造空间感的空间视频与空间音频是其中最为关键的2项技术，bilibili视频云在这两项技术领域也进行了相关代探索与建设。

目前，携程大部分业务已经完成了微服务改造，基本架构如图。每一个微服务的实例都需要和注册中心进行通讯：服务端实例向注册中心注册自己的服务地址，客户端实例通过向注册中心查询得知服务端地址，从而完成远程调用。

微信考虑到小程序的体验和性能问题限制主包不能超过2M。哈啰微信小程序也随着业务线在主包中由简到复杂，体积越来越大，前期业务野蛮增长阶段npm库缺乏统一管理，第三方组件库本身工程复杂等问题导致包体积长期处于2M临界卡点，目前存在以下痛点：

本文阐述了百度&YY互动团队在设计稿转代码方面的实践与沉淀，自研的YYF2C是Figma & AI相结合生成开发代码的一站式解决方案。文章将从遇到的痛点以及对应的方案成果来阐述，并介绍相对应的YYF2C功能点。

2023 年，微信及 WeChat 的 DAU（月活用户）达到 13.4 亿，微信已经是很多人工作、生活中不可或缺的一个环节。从 2011 年 1 月 21 日上线至今，微信已经走过了 13 个年头，其背后的技术基座与架构也发生了巨大的变化。

日志中台承载了百度千亿量级PV的埋点流量，如何对这些流量进行准确监控，并支持个性化字段的抽取、下钻，是日志中台的一大难题。本文简单介绍了日志中台的基本概念及实时流架构，并基于此深入讲解了低成本实现可扩展、高准确度的埋点监控的技术方案。

本文将分享 Shopee 在电商知识图谱构建，以及与大模型结合方面的探索。主要内容包括以下五大部分：1. 电商知识图谱概览；2. 电商知识图谱构建；3. 电商知识图谱应用；4. 知识图谱与大模型探索。