在前面文章里面，我们介绍了单链路的筛选与轨迹回溯，是从单次请求的视角来分析问题，类似查询某个快递订单的物流轨迹。但单次请求无法直观反映应用或接口整体服务状态，经常会由于网络抖动、宿主机 GC 等原因出现偶发性、不可控的随机离群点。当一个问题发生时，应用负责人或稳定性负责人需要首先判断问题的实际影响面，从而决定下一步应急处理动作。因此，我们需要综合一段时间内所有链路进行统计分析，这就好比我们评估某个物流中转站点效率是否合理，不能只看某一个订单，而要看一段时间内所有订单平均中转时间与出错率。 统计分析是我们观察、应用分布式链路追踪技术的重要手段。我们既可以根据不同场景要求进行实时的后聚合分析，也可以将常用的分析语句固化成规则生成预聚合指标，实现常态化监控与告警。相对于链路多维筛选，统计分析需要明确分析对象与聚合维度。其中，分析对象决定了我们对哪些指标进行聚合操作，比如请求量、耗时或错误率。而聚合维度决定了我们对哪些特征进行统计对比，比如不同应用、接口、IP、用户类型的统计量对比。接下来，我们先了解下分析对象和聚合维度的具体概念，再介绍实时分析与监控告警的具体用法。
ChatGPT 的 Debug 功能，有人应用化了。 ChatGPT 这几天可谓是风头无两。作为一个问答语言模型，它最大的优点就是可以回答与编程相关的问题，甚至回复一段代码。
在 Sentry，我们采用了持续交付实践，也就是说，代码一旦被合并到主分支就可以立即发布。我们因此能够快速地迭代产品，尽可能频繁地在生产环境中提供新功能、进行错误修复、配置变更和实验。我们每月合并超过 700 个 PR。自动化测试——特别是我们大型的 React 代码库自动化测试——是我们 CI/CD 流程的重要组成部分，确保我们的产品可以按照预期运行。 在这篇文章中，我们将讨论如何将我们的组件测试从 Enzyme 迁移到 React Testing Library（RTL）。这项工作花费了一年零四个月的时间，有 17 名工程师参与，涉及 803 个测试套件和 4937 个测试，其中每一个测试都需要做出修改。
对于 Android 客户端开发者来说，Activity 是我们再熟悉不过的一个组件了。它是 Android 四大组件之一，是一个直接与用户交互的展示型 UI 组件。在开发过程中，启动并创建一个 Activity 流程非常简单，而在系统底层实际上做了大量的工作，之所以使用这么简单，得益于系统底层对于 Activity 的良好封装。本篇内容我们着重来分析一下 Framework 层 Activity 的启动与创建的过程。
在用户体验越发重要的今天，关注页面性能、提升页面展现速度及交互体验对前端开发越来越重要。 为了监测页面性能，chrome 开发团队就提出过监测网页性能的一些指标，比如 FP、FCP等，还有我们公司自己的北斗网站的秒开率、快开比等。但是这些指标具体怎样获取呢，今天我们就来仔细了解下这个性能监控有关的 API：PerformanceObserver。
Kubernetes 作为一项核心技术已成为现代应用程序架构的基础，越来越多的企业使用 Kubernetes 作为容器编排系统。 下面的数据来自 2020 CNCF Survey 的原始数据，可以看到使用 Kubernete 的企业占比达到了 80%。
