后端

在粗排、精排多目标建模成为行业标配的今天，研发团队面临 “公式难调、迭代太慢、线上易崩” 的挑战。得物加乘树调参框架从 1.0 解释执行升级到 3.0 编译执行，通过全量 + 增量配置、数学公式 DS

围绕 Spark UI 监控模块，解析 Executors、SQL、Stages 等核心入口与关键指标，结合表扫描慢、Shuffle 并行度不足等典型场景，给出基于内存、并行度及 AQE 参数的调优方

从一次HTTP请求切入，拆解Sentinel限流完整源码，涵盖规则加载、过滤器拦截、插槽链运转及滑动窗口实现，深入理解限流底层逻辑，解决仅会使用而不懂原理的问题。

推荐系统重排作为最终决策环节，可解决传统排序的同质化、位置偏差等问题。本文分享生成式重排模型的实践经验，自回归与非自回归两种模型的落地效果，介绍推理性能优化方案，并展望端到端序列生成的下一代重排架。

针对开源 Flink ClickHouse Sink 生产痛点，提供高可靠生产级写入方案。实现本地表直写、节点动态发现、攒批限流与重试机制，依托 Checkpoint 保障数据语义，搭配生产调优，打造

OLAP引擎在得物的客服、风控、供应链、投放、运营、ab实验等大量业务场景发挥重要作用，在报表、日志、实时数仓等应用场景都有广泛的应用。此次迁移达成了预期的成本和性能的收益目标，也拓展了集群未来的成长

Redis热key问题是指单位时间内，某个特定key的访问量特别高，占用大量的CPU资源，影响其他请求并导致整体性能降低。而且，如果访问热key的命令是时间复杂度较高的命令

在软件开发中，性能测试是不可或缺的一环。但是编写基准测试来正确衡量大型应用程序的一小部分的性能却又非常困难。当基准测试单独执行组件时，JVM或底层硬件可能会对您的组件应用许多优化。当组件作为大型应用程

精准测试是一套有效提高软件测试质量和效率的技术体系，可以有效解决传统测试中的盲测、漏测、冗测等现象提升测试效率和准确性，前置暴露风险保障上线质量。本文主要介绍了得物精准测试平台推荐引擎中部分核心功能的

线上问题的定位与优化是程序员进阶的必经之路，常见的问题定位手段有日志排查、分布式链路追踪和性能分析等，其中日志排查主要用来定位业务逻辑问题，分布式链路主要用来定位请求链路中具体是哪个环节出了问题，而如

目前，得物 Redis 管理平台管理着几千台 Redis-server 宿主机，通过每日智能自动化均衡资源迁移，宿主机内存资源平均使用率和内存分配率均达到一个合理且较高的水位，所有宿主机内存使用率都动

Raft算法是一种分布式一致性算法，由Diego Ongaro和John Ousterhout在2013年提出。它主要用于分布式系统中，保证系统中的数据在多个节点间保持一致性。

我们在今年年初安排了针对2.5以下版本升级2.5.13的专项。这里和大家分享下，针对因版本兼容问题而不能原地升级的场景下，进行跨集群升级时迁移数据方面的实践。

本文将简单介绍它们背后的概念和基本原理，侧重分享在DataStream、Flink SQL自定义函数开发中对数据类型和序列的应用，以提升任务的运行效率。

前言 在文章开始前先介绍下导购，导购通常是指帮助消费者在购物过程中做出最佳决策的人或系统。在电商网站中，导购可以引导用户关注热卖商品或促销活动等，帮助用户更好地进行购物。导购的目的是为了提高用户的购物

0 前言 随着得物App的用户流量增长，业务选择的数据库越来越多样化，异构数据源之间的数据同步需求也逐渐增多。为了控制成本并更好地支持业务发展，我们决定自建DTS平台。本文主要从技术选型、能力支持与演

1 背景与挑战 1.1 数据平台业务背景 数据平台利用大数据智能分析、数据可视化等技术，对公司内外部经过采集、建设、管理、分析的多源异构数据进行呈现和应用，实现了数据共享、日常报表自动生成、快速和智能

本文重点从在分布式计算模式下，如何来优化任务，大家耳熟能详的常见优化如：mapjoin skewjoin distribute by 等就不多做赘述，本文主要探索技巧、策略及方法。

不需要通过频繁的引导和交互，我们只需要简单提出一个目标，AI就能自主的完成所有的执行规划和逻辑处理，并不断进行自我论证和优化，最后完成我们提出的目标。

在一次飞行途中，我司客户遭遇到了得物App在飞机上的WiFi网络访问异常的问题。这让我们意识到在特定场景下，用户可能面临无法使用得物App的困扰。