We 分析是微信小程序官方推出的、面向小程序服务商的数据分析平台，其中画像洞察是一个非常重要的功能模块。微信开发工程师钟文波将描述 We 分析画像系统各模块是如何设计，在介绍基础标签模块之后，重点讲解用户分群模块设计。希望相关的技术实现思路，能够对你有所启发。
去年12月，阿里开源了自研的大规模分布式搜索引擎 Havenask（内部代号 HA3）。 Havenask 是阿里巴巴内部广泛使用的大规模分布式检索系统，支持了淘宝、天猫、菜鸟、优酷、高德、饿了么等在内整个阿里的搜索业务，是过去十多年阿里在电商领域积累下来的核心竞争力产品。 大数据时代，数据检索是必备的基础能力。Havenask 支持千亿级别数据实时检索、百万 QPS 查询，百万 TPS 高时效性写入保障，毫秒级查询延迟和数据更新。并具有良好的分布式架构、极致的性能优化，能够实现比现有技术方案更低的成本，帮助企业降本提效。
如果你还没有接触过复合组件，那么阅读完本文就会对它有初步认识。 复合组件是 React 的一个高级模式，通常是由两个或两个以上的组件共同来实现某项功能。其中一个组件作为父组件，其余组件作为它的子组件，利用这种显式父子关系来共享隐式状态。 复合组件支持组件中的状态和逻辑的共享，可以帮助开发人员构建更直观和灵活性的 API，避免了在子组件间使用 props 进行通信。
本文是一个业务前端对如何支撑好业务，以及在这过程中如何获得个人成长的总结。一些心路历程的变化可能不是在某个瞬间，而是在实践过程中潜移默化形成的。
在开发或使用低代码产品时，我们总会想到一个功能，就是预览，用来确认编辑的内容是否符合预期。 市面上的编辑器在预览方面有多种实现方式： 打开一个新的窗口，进行预览 直接在编辑区所见即所得 如果是用户，当然是选择第2种，最直观，最符合预期。 如果是开发者就会知道，之所以有这样多的可能性，是因为所见即所得非常依赖实际生产的运行环境，第1种单独打开窗口的实现成本比较低。 而有的编辑器虽然声称是所见即所得，但实际操作上，只是有相似度的所见即所得，因为实际运行环境和生产有较大的差距，仍然比较容易产生预期外的问题。 在我们团队的珊瑚海项目中，就实现了一个可以做到完全所见即所得的低代码编辑器，如果想了解该项目概况，可以访问下我们过往的两篇基本介绍文章。 《设计无侵入性的低代码编辑器》 《珊瑚海跨端解决方案及在移动端的布局动态化实践》 下面我就来介绍下，我们是如何实现的所见即所得低代码编辑画布。
我在年前给掘金平台分享了《2022 年热点技术盘点》的前端热点，算是系统性的梳理了一下我自己对前端一整年的总结。年后，在知乎上看到《前端的就业行情怎么样？》，下面都是各种唱衰前端的论调，什么裁员，外包化，没前途，薪资不过 20k 之类的，我非常不认同他们的观点，于是我也回复了这个提问，基于前端情况、趋势和我个人的理解，给出了一些就业行情分享，大家还是比较认可的，收藏的比点赞的还多。既然都喜欢看，那我就把这些人写的稍微详细一下，希望有理有据的分析能够对更多前端的朋友们在寒冷的冬天，感受到更多温暖，更加坚定。 本文主要讲了前端 2022 的主流趋势，年度大戏低码和 2023 就业行情分析，对未来的 2 个可能放大的点 AI 和 Cropto 和前端相关的部分也有一点点覆盖。2022 年是黑天鹅满天飞的一年，整个互联网局势都很差，从人才济济到“人才挤挤”，2023 年前端就业形势会怎样呢？下面一起来尝试分析一下。
自动语音识别（Automatic Speech Recognition，ASR）技术目前已大规模落地于B站相关业务场景，例如音视频内容安全审核，AI字幕（C端，必剪，S12直播等），视频理解（全文检索）等。
在已落幕的 QCon 全球软件开发大会·北京站《云原生微服务架构新趋势》专场，业界大佬们针对以基础设施和业务分离为核心目标，多运行时 /Dapr 等概念/项目被提出已有 2 年有余，它们是否真正解决了我们面临的问题？业务的反馈如何？是一个明确的新趋势吗？另一边，微服务治理标准化是否可行？Proxyless 是正确的路线吗? Java 如何适配云原生微服务架构？等问题进行了热烈讨论。腾讯云中间件团队技术专家单家骏针对以上问题也带来了精彩分享，议题是《面向异构技术栈和基础设施的服务治理标准化》。 本次分享主要从以下5个小节进行，首先从企业级服务架构入手，介绍异构技术设施和技术栈在现代企业架构所存在的必要性及对服务治理所带来的挑战，接下来介绍针对这些挑战的解决方案--服务治理标准化建设，最后分享标准化方案的生态建议。
腾讯自研搭建了业界一流的太极机器学习平台，致力于让用户更加聚焦业务 AI 问题解决和应用，一站式的解决算法工程师在 AI 应用过程中特征处理，模型训练，模型服务等工程问题。结合对用户的习惯理解和功能沉淀，太极在产品层提供数据/特征工程，模型训练，模型服务三块。闭环了用户离线训练到在线服务的应用，包含了不同场景下的数据访问诉求，不同训练模型的诉求，在线服务可靠性的诉求。算法框架&组件层提供了机器学习、深度学习核心组件。可支持 10TB 级模型训练、TB 级模型推理和分钟级模型发布上线，扩展集群规模则可支持更大的模型训练和推理，为实际业务提供大模型的情况下，同时具有很高的性能，达到行业领先水平。 太极机器学习平台采用了分布式参数服务器架构，这是业界第一梯队企业们公认的最佳选择。这种架构的特点是，存储模型参数和执行模型计算，这两种任务在分别的服务器上运行，增加更多服务器就可以支持更大、计算需求更高的模型。太极机器学习平台中的参数服务器系统 AngelPS 也是腾讯自研的成果，现在不仅可以承载 10TB 级模型的训练，对多维特征融合、复杂模型结构等更高级、更前瞻性的功能也有优秀支持。
分布式事务允许多个独立的事务资源参与到一个全局的事务中，全局事务要求所有参与的事务要么都提交，要么都不提交。XA是一套分布式事务规范，本文所说的XA事务是指基于XA协议的分布式事务。XA协议下，分布式事务通常由一个全局事务管理器，一个或多个局部资源管理器，以及一个应用程序组成： 应用程序（AP）：定义事务边界，并指定构成事务的操作 资源管理器（RM）：提供对共享资源的访问 事务管理器（TM）：为事务分配唯一标识符，监视其进度，并负责事务的提交，回滚和故障恢复 MySQL的XA事务中，MySQL是资源管理器，事务管理器是连接MySQL的客户端。XA的协议主要描述了事务管理器与资源管理器之间的接口
