本文整理自 Pulsar Summit Asia 2022 腾讯云高级研发工程师冉小龙的演讲《Deep Dive into Apache Pulsar Lifecycle》。Apache Pulsar 中抽象了 Topic 来承载用户发送的消息，一条消息发送到 Topic 中之后会经过 Broker 的计算存储到 Bookie 中。本文将详细阐述消息是如何发送到 Broker 并经过 Broker 的计算以及元数据处理最终存储到 Bookie 中，然后会进一步阐述 Bookie 如何利用垃圾回收机制回收 Topic 中的数据，以及 Broker 中的 TTL 和 Retention 策略如何作用到 Bookie Client 来触发垃圾回收的机制。
次分享是打算从我个人的实践和思考中，提出在某些工作过程中，可以改善甚至避免资源化问题的例子和大家探讨。
Apache SkyWalking[1] 是一个开源应用性能管理系统，帮助用户收集和聚合日志、追踪、指标和事件，并在 UI 上显示。从 OAP 9.4.0 开始，SkyWalking 新增了 AWS Firehose receiver[2]，用来接收，计算 CloudWatch metrics 的数据。本文将以 DynamoDB 为例，展示如何使用 SkyWalking 接收并计算 CloudWatch metrics 数据，以监控 Amazon Web Services。
不论你是职场新人还是35岁的职场“老人”，成长是每个职场人都绕不开的话题，同时也是贯穿每个人职业生涯的痛点。本文主要帮助读者建立起对个人成长的认知，然后在此认知的基础上让大家理解成长的本质，最终通过文章的引导，来帮助读者完成个人成长路线图的确定以及落地实践。
Flutter Dart也支持泛型和泛型的协变与逆变，并且用起来比Java，Kotlin更方便。那么Dart中的泛型协变和逆变，应该如何理解和使用呢？它与Java，Kotlin中的逆变和协变又有什么区别呢？文章将从浅到深跟大家一起来探讨学习。
大规模信息检索一直是搜推广领域的核心问题之一，而基于任意复杂模型的检索方案无疑是业界重要的迭代方向之一。近年来，阿里妈妈展示广告Match团队与预测引擎团队专注于从算法与工程角度推动工业级大规模检索技术的研发，我们在基于任意复杂模型的检索方向上积累了一定经验并取得了不错的业务效果，现整理发布NANN（Neural Approximate Nearest Neighbor，以下简称NANN）并对外开源，希望通过社区的协同创造力，共同推进该领域的发展。 本文介绍的NANN源自阿里妈妈展示广告Match团队研发的二向箔算法体系，该方案在保留复杂模型召回能力的同时，将索引学习和模型训练解耦，提供了轻量化的任意复杂模型召回解决方案。NANN基于Tensorflow，提供了性能benchmarking工具以及完整的由模型训练至在线deployment的demo。 该方案由阿里妈妈技术团队自研，已在阿里巴巴集团内部其他业务进行推广上线，在典型的搜索、推荐、广告场景均取得了显著的业务收益。
在本次会议中，Change Array By Copy 提案、 Intl.NumberFormat V3 提案、Symbol as WeakMap Keys 提案成功进入到 Stage 4，分别耗时 22 个、 34 个、以及 32 个月。另外，由阿里巴巴提出的 Async Context 提案也在本次会议中成功进入到 Stage 1。
