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。

本文旨在探讨字节跳动数据平台在处理计算治理过程中所面临的问题及其解决方案，并展示这些解决方案带来的实际收益。主要内容包括：探讨面临的痛点和挑战、提供自动化的解决方案、分析实践效果和收益、提出结论和未来展望。

业务高峰通常还具备一些特殊意义，往往伴随着公司业务目标的达成，如单日订单破峰，如果因为系统故障导致目标未达成，影响也会非常恶劣。当前货拉拉会经历各种业务高峰场景，像新业务开城放量、优惠权益秒杀、节前货运需求激增等等，都要求系统具备高度稳定性和抗风险能力。

本文介绍了打点治理的概念和其对于数据质量保障的重要性，分享了日志中台在打点治理方面的解决方案与实践经验。文章从用户痛点和打点治理的难点出发，介绍了日志中台如何通过质量标准的制定、在线化流程的建设和相应的配套工具来解决这些问题。

滴滴大数据 DKafka 集群，基于社区 2.12-0.10.2.0 版本。在运维过程中，遇到了不少痛点，如磁盘 IO 不均、存储容量不均、CPU 利用率不均等负载不均问题，尤其是在高峰期出现瓶颈或故障发生后，想要快速扩容止损成为了一个棘手的问题。

随着电商业务不断发展和成熟，对数据稳定性、数据质量、数据成本的要求越来越高。为了能可持续地提供质量更高、产出更快、表现力更强的数据资产，数据治理成为数仓日常工作的重要一环。本文将从现状解读、发展阶段、解决方案以及思考与展望四大部分，分享电商数仓治理的发展历程和实践总结。

Gartner近期研究显示，随着云计算技术的成熟和广泛采用，超过60%%的企业已经将云战略调整为其业务运营的核心部分，以适应不断变化的市场需求和技术环境。这种趋势反映了企业对于提高业务敏捷性和运营效率的持续关注。

本文从抖音Android端图片优化历程着笔，主要介绍字节自研BDFresco图片框架及其在抖音的优秀实践、经验沉淀、业务价值。通过分享业务视角遇到的一些问题和我们的解决思路，希望能抛砖引玉，为遇到类似困扰的伙伴们提供有价值的参考。

公有云作为基础架构部核心资源之一，其成本占比逐年上升，企业对于公有云成本实施精细化管理的需求越来越高。相较于私有化部署主要关注服务器、网设、带宽等资源的成本管理方式，使用公有云服务面临多厂家、多产品、多折扣、多套餐、多优惠方案、多账单格式等多个维度的问题。

在直播、电商等业务场景中存在着大量实时数据，这些数据对业务发展至关重要。而在处理实时数据时，我们也遇到了诸多挑战，比如实时数据开发门槛高、运维成本高以及资源浪费等。本文将分享基于存储的实时数仓架构在不同业务场景的实践经验，以及该架构带来的收益。

为了支持业务，Uber 积极利用数据分析和机器学习模型辅助运营。从Uber 乘车的动态定价到外卖软件 Uber Eats 的“餐厅经理（Restaurant Manager）”仪表板，都使用实时数据进行高效操作。在本文中，请跟随笔者一起了解 Uber 如何管理其支持实时应用程序的基础架构。

回收业务发展日益壮大，我们在邮寄、上门、门店三大履约模式下的业务逻辑日益复杂。同样都是在做回收这一个业务，即便履约方式不同，也有很多业务概念是一致的。为了避免各个业务闷头造轮子，同时又能拉齐三端的业务标准，故成立了业务中台。

随着AI技术的不断成熟与广泛应用，大模型已成为驱动业务革新与价值创造的新引擎，其影响力跨越云端至边缘，激发了行业对高性能AI终端解决方案的迫切需求。

随着B站大数据业务的高速发展，各类业务资源需求也随之快速增长。与此同时，大数据集群有效的资源利用率低于预期，究其原因主要有以下两点，业务出于性能、稳定性考量会向平台申请过量的系统资源，导致平台不会调度更多任务上来运行。

近年来，机器学习、深度学习算法在推荐、广告、搜索、风控等业务场景中的占比越来越高，相关业务团队开发及部署算法模型的需求也日益旺盛。纵观整个机器学习的工程化落地过程，其实掺杂着很多与算法本身不是很相关，但是跟基础设施强相关且通用的事情，比如环境搭建、框架版本适配、模型部署、训练任务监控、任务调度、多租户、与大数据体系打通等。

Al现已应用于人力资源管理从招聘到员工体验到员工培训与发展的各个环节中，人工智能在人才招聘上的应用场景主要包括简历 解析与筛选、人岗匹配、招聘客服等。根据艾瑞咨询关于中国网络招聘市场发展研究报告，不难发现，AI在招聘领域的不同环节，重塑了整个流程的职能分工，进一步解放人力资本，将这个市场推向另一个高度。

在近期举办的2024大中华区高管交流大会上，Gartner发布了对基础设施和运营（I&O）的最新研究。ChatGPT自2022年11月问世以来，生成式人工智能（GenAI）引发了一场全球技术革命，超过50%%的企业已经开始测试或大规模应用GenAI技术。GenAI不仅改变了传统的运营模式，还带来了新的挑战和机遇。