在服务器运维过程中，我们时常会遇到这样的情况，收到服务器磁盘空间告警，登录服务器，通过 df -Hl 查看，和告警信息一致，接着我们就是要找到导致磁盘空间满的目录或文件。

在高并发、大流量的互联网时代，如何在大型活动期间保障系统的稳定性和用户的流畅体验，是每个技术团队都面临的挑战。本文以B站直播团队在英雄联盟2024赛季全球总决赛（S14）期间的保障实践为例，详细解析了他们如何通过创新的方法和工具，实现了高效、低成本的赛事保障。

随着货拉拉业务的快速增长，Kafka集群流量和负载也呈现出明显的增长趋势。作为货拉拉业务核心的消息中间件，Kafka架构也做了相应架构演进。本篇文章将会重点介绍过去、现在kafka架构的演进历程。

本文按照数据湖存储加速方案的不同发展阶段铺开，比较了各类方案之间的异同，并深度剖析了这类方案的技术本质。我们期望本文能够帮助读者对大数据和 AI 场景下的「数据湖存储加速」这个主题建立一个整体把握，为选出适合自己业务的方案提供参考。

一年一更的彩虹桥系列又来了，在前面两期我们分享了在稳定性和性能2个层面的一些演进&优化思路。近期我们针对彩虹桥 Proxy 负载均衡层面的架构做了一次升级，目前新架构已经部署完成，生产环境正在逐步升级中，借此机会更新一下彩虹桥架构演进之路系列的第三篇。

Sentinel是从阿里技术体系内诞生并由相关社区从微服务到云原生阶段持续孵化的流量治理组件，在服务熔断限流以及秒级/分钟级监控方面提供了开箱即用的解决方案，此外作为支持云原生的重要探索，还提供了GO语言实现。

伴随着云计算和数字化浪潮的推进，越来越多行业数据实时性的权重正在被加速提升，对企业而言，如果想要保证业务的持续发展，其底层数据库必须要能满足数据的实时性和高并发要求。

近年来，随着人工智能和大模型技术的发展，设计稿（UI视图）自动生成代码的技术也在不断进步。本文将探讨几家知名企业在这一领域的探索和实践，包括美团、京东、微软等，以及一些常见的工具和方法，最后尝试大模型生成flutter代码在项目中的实践。

随着业务发展，货拉拉资金交易规模日渐增长，日单量峰值超百万级，在线系统超过500个。这样的交易量采用传统的对账方式，很难在短时间内完成对账操作。并且在复杂的系统交互中由于微服务间数据不一致或者业务逻辑问题导致的资损问题频发。

赛事直播的自动化和智能化成为了提升B站赛事观看体验和热度的关键。其中，游戏识别技术是我们赛事智能化的核心之一，它涉及到图像处理、模式识别、深度学习等多个领域，旨在实时准确地从游戏画面中提取关键事件信息，如英雄选择、击杀、局内数据等，进而为赛事直播、数据分析和观众互动提供支持。

APP运营系统是一个复杂但至关重要的体系，旨在确保 APP 能够有效地吸引用户、留存用户并实现商业目标。通常运营系统分为投放引擎和分发引擎两个核心模块，投放引擎的难点在于复杂的业务逻辑，分发引擎则需要承受巨大的流量压力。本文主要分享我们在建设高效的运营平台过程中积累的一些经验以及面临的挑战和思考。

今天的文章撰写自陈政羽老师在 Apache Asia Community Over Code 2024 上的分享《货拉拉在 Flink CDC 生产实践落地》，系统地介绍货拉拉的业务背景，技术选型，整体能力构建与收益，最后分享了开源参与以及开展的未来工作和期望。

影视剧剧本涵盖了整部剧的文本描述，包括台词及其说话人信息，对了解剧情有关键作用。然而，长视频平台上线的视频历经各种改版和剪辑处理，相应的剧本信息已缺失，台词说话人识别技术由此产生。

随着 AI 时代的快速发展，对存储技术提出了更高的要求，尤其是在大规模、高性能和低成本方面。为了应对这些挑战，百度沧海·存储打造了一个高度可复用的统一技术底座。我们在这个统一的技术底座中解决了云存储的共性问题，让上层存储系统的迭代更高效。

本文详细阐述了如何通过二级缓存架构设计提升高并发下的系统性能。随着k8s成为用云新界面，容器成为众多用户“弹性”的利器，因此容器的创建天生具备高并发特性。

在数据驱动的时代，数据科学成为了各行业创新和增长的关键。数据科学的核心在于从数据中提取知识，不单单是一种科学方法，更是一种赋能企业的工作模式。它通过分析各种数据类型，借助机器学习和大模型等算法，构建可以模拟人类智能的人工智能系统。

角色扮演作为热门领域，这一场景中的技术发展和创新备受关注。各大企业纷纷上线了角色对话的相关产品，可以说这个领域正在成为各企业AIGC综合能力的竞技场。对于B站来说，角色扮演模型在娱乐、教育、视频创作等方面都拥有着丰富的应用场景。

数据湖这个概念，从 2012 年产生到现在已经有十余年的时间，每家公司对它内涵的解读都不太一样。但是数据湖的主要存储底座有从传统的 HDFS 向对象存储演进的趋势。

本文探讨了对象存储的多中心多活架构设计，旨在确保数据安全性和业务连续性。首先介绍了增量异步复制和同步复制两种数据同步方式，并分析了同城多活和异地多活两种容灾模式。其中，同城多活是基于同步复制，对网络质量和运维能力都有较高的要求。

随着数据量的爆炸性增长，现代企业在数据存储、处理与分析上面临巨大挑战。在 IT 架构中，数据仓库承担着企业中关键的数据存储和分析任务，如果不能高效运作，必将导致成本飙升和决策效率低下。因此数据仓库的降本增效是企业IT部门持续的命题。