SERVERLESS能够将应用分为研发域和运维域，使两者独立迭代，降低运维成本，提升研发效率。点淘作为试点项目，经历了包括功能回归、压力测试和监控验证在内的质量保障流程，并在实践中遇到了各种问题，如依赖梳理、性能验证和监控建设等。文章还提到了SERVERLESS带来的部署效率提升，例如应用部署时长显著下降，并展望了未来通过基座插件化和分层自动化来进一步优化测试成本和功能保障。最后，文中列举了SERVERLESS升级带来的部署时间减少的具体案例，展示了实施SERVERLESS架构的收益。
bpftrace是一个内核跟踪工具，简单来说就是在函数上挂个钩子，挂上钩子后就可以将函数的入参和返回值取出来再放入程序进行二次编程，最终能让程序按照我们的意图来对函数进行观测。
我们新推出大淘宝技术年度特刊《学如逆水行舟，不进则退——工程师2023年度成长总结专题》，专题收录10余篇工程师2023真诚心路历程与经验思考，覆盖终端、服务端、技术质量等技术领域，这是他们的心得体会，欢迎同行的你一起沟通交流。本文为该系列第二篇—— 第一篇：《聊聊我做测试开发的十年心路历程》
我们对精简代码做了一些创新尝试，在核心发券系统alsc-pc实践落地，取得不错的效果。希望能给大家带来一点参考价值。
如果看明白了上一篇文章对神经网络和深度学习的介绍，再来逐步深入了解AI相关的概念和原理应该就相对容易了。 希望上一篇文章能给大家一点印象：AI并没有想象中复杂。AI能处理海量信息，但是它并没有人类难以理解、异常复杂的机制。因为只有机制相对简单，消耗的能源才能少，计算的速度才能快，处理的信息才能够多。自然界也一样，如果大脑的机制比现在更复杂一些，估计脑子要烧掉。 废话不多说，上一篇文章我们看到了，最基础的神经网络可以用来识别手写数字；同时也发现如果神经网络“学”的不好，对问题的一般规律没有抽象对，就会出现过拟合，过拟合往往跟数据和模型两个因素有关。本篇文章我们会讲图像识别领域有哪些经验来应对过拟合，也会讲神经网络和深度学习如何扩展到自然语言处理等其它领域。
部署时长不仅影响线上问题的解决恢复能力，也严重影响了我们日常的开发效率。本文记录了作者部署时的一些提效手段和最终的效果。
