如果你看过《星际穿越》，应该对这一幕印象深刻，女儿墨菲所处的房间，按照时间分为了无数个三维空间实体。三维空间加时间组合成四维空间，即时空。 时间轴对于人事核心系统，就像四维时空中的时间，是类似生命周期的概念。了解HR工作的同事应该知道，员工在企业的生命周期，从招聘、offer、实习、入职、转正、晋升、调动、离职、重复雇佣，有一套复杂的生命周期，并且组织本身也是在随时间发展的。 员工、部门、职位等组织结构的发展和变化情况，均需要按照时间顺序准确记录，需要追溯到任意历史一天或未来一天展示当时的数据，并在某个时间做对应的调整。这个被人事系统高度依赖的时间维度，就是时间轴。
随着云数据中心应用程序对内存的需求持续增长，TencentOS“悟净”——服务器内存多级卸载方案应运而生。“悟净”利用OS内核侧进行内存优化的天然优势，保障业务内存使用性能前提下，将较冷的内存换出至较便宜的设备上，从而降低整机的内存消耗，提高内存资源利用率，通过平滑降配、负载调压、内存超卖等手段实现降本增效，助力业务和客户商业增值。下面跟着本篇文章，来了解一下TencentOS“悟净”的强大之处吧！
微信的多维指标监控平台，具备自定义维度、指标的监控能力，主要服务于用户自定义监控。作为框架级监控的补充，它承载着聚合前 45亿/min、4万亿/天的数据量。当前，针对数据层的查询请求也达到了峰值 40万/min，3亿/天。较大的查询请求使得数据查询遇到了性能瓶颈：查询平均耗时 > 1000ms，失败率居高不下。针对这些问题，微信团队对数据层查询接口进行了针对性的优化来满足上述场景，将平均查询速度从1000ms+优化到了100ms级别。本文为各位分享优化过程，希望对你有用！
通过抽象和组合，我们可以编写出更加简洁、易于理解和稳定的代码。类似于金字塔的建筑过程，我们总是可以在一层抽象之上再叠加一层，从而达到自己的目的。但是在日常的开发工作中，我们如何进行实践呢？本文将以笔者在Akka项目中的一段社区贡献作为引子分享笔者的一点心得。
分库分表是大型互联网应用经常采用的一种数据层优化方案，常见的分库分表中间件如 sharding-jdbc、mycat 都已经比较成熟，基本上可以应对我们一般的分库分表需求。做过分库分表的同学应该知道，在给业务系统做分库分表改造过程中，难的不是如何使用这些组件进行分库分表，而是如何将非分库分表的系统平滑的升级成一个分库分表的系统，升级期间业务不可暂停，升级过程及升级后风险可控，这个过程就像是给飞行中的飞机更换引擎，处理不好会产生重大的业务事故。去哪儿网机票辅营业务就经历过从主从读写分离系统升级到分库分表系统的过程，并在多次迭代过程中形成了一种与业务轻相关的平滑的分库分表方案，后续业务升级分库分表只需通过配置切换就可以将单库单表系统瞬切至分库分表系统。
直播互动玩法，早在2014年就曾有人在Twitch平台进行尝试，在这一类玩法中，直播间观众可以通过弹幕指令共同操纵主播的游戏内容，在国内被称为“弹幕互动玩法”。 2021年H2，随着修勾夜店在B站的爆火，直播弹幕互动玩法如雨后春笋般出现，直播技术团队也开始了对互动开放技术体系的探索。 2021年底，直播开放平台立项，旨在基于B站的内容生态和直播技术，面向行业开发者开放核心直播技术能力，打造用户、创作者和平台多方共赢的开放生态。 2022年H1，围绕直播间互动玩法和游戏化互动场景，直播开放平台迅速落地，提供了直播间数据开放、API支持、SDK支持、定制化支持等技术服务，为直播互动内容生态建立了坚实的基础。 本文主要介绍直播技术团队在互动开放生态演进道路上的经验与思考。
在本文中，作者将借鉴《实现领域驱动设计》的做法，介绍领域驱动设计的基本概念的同时，用一个虚拟的公司和一个虚拟的项目，把领域驱动设计进行落地实践。
Spark 是一个开源的数据处理框架，能快速处理大量数据的转换。其高性能来自Spark的分布式框架，通常一个任务会被平均分配，跨机器集群工作。但Spark本身并不管理这些计算机，他需要一个集群的管理器来管理集群。Spark定义了需要执行的任务，而管理器决定了任务将如何被分配被执行，由此可见其重要性。这个管理器需要负责任务的接收、资源的调度和分配、任务的启动、TaskTrack监控等。 传统上，我们会选择Hadoop YARN来作为资源调度管理器，并且使用spark-submit提交任务。但随着云计算的推广与容器的流行，因其需要依赖于HDFS的本地环境，YARN的部署方式显得捉襟见肘。在技术的递进下，从Spark3.3.1开始正式推出了Kubernetes的资源管理方式，其设计框架与云计算紧密结合，将Spark应用从本地HDFS集群中解耦合，赋予其更多的灵活性。
