网易云音乐技术团队

随着云音乐业务的不断发展拓宽，算法侧对特征开发的效率、特征数据的准确性、特征读写的性能、使用资源的大小等都有了更高的要求，我们以此为契机沉淀了一整套特征工程解决方案来应对以上的问题。

如何将做好的业务模块代码更加灵活的组装是一个比较有趣的问题，面对这样的问题，笔者的团队开发了一个命名为「信鸽」的系统，那么本篇将重点介绍直播信鸽系统的整体设计思路和应用场景

本文讲述了 systrace 的原理以及如何摆脱 PC 在端上开启 systrace 进行方法耗时统计的实现。

云音乐低代码：基于 CodeSandbox 的沙箱性能优化，本文主要介绍将 CodeSandbox 的应用构建速度从 2 分钟优化到 1 秒的过程

在线服务中，稳定性是非常重要的一部分，也是基石。本文通过对发布时抖动的现象的分析。阐述的问题的分析过程及解决过程，以及分享了在解决问题的同时建议注意的事项。

预估系统在推荐业务中无疑最复杂、最具挑战性的一块，针对于NUMA架构的访存不一致性特点，本文对比了在Intel两款不同配置的机器上通过双节点绑核带来的性能差异

本文从构造组件库的角度，分析了 React 生态下各类 CSS 样式方案，并基于不同场景，给出选择合适方案的推荐。

我们的线上特征数据服务DataService，为了解决使用线程池模型导致机器cpu利用率不高，长尾请求延迟不线性（p99、p999出现J型曲线）的问题。在利用Disruptor替换线程池之后取得不错的

当你用网页在视频网站刷视频的时候，有没有碰到过一个 BGM 激起你内心的波澜，而你却不知道它的名字。此时只能打开手机进行听歌识曲，而通过一个浏览器的插件却更容易解决这个问题