标题中我们提出一个问题：react 代码如何跑在小程序上？目前看来大致两种思路： 1. 把 react 代码编译成小程序代码，这样我们可以开发用 react，然后跑起来还是小程序原生代码，结果很完美，但是把 react 代码编译成各个端的小程序代码是一个力气活，而且如果想用 vue 来开发的话，那么还需要做一遍 vue 代码的编译，这是 taro 1/2 的思路。 2. 我们可以换个问题思考，react 代码是如何跑在浏览器里的？ 站在浏览器的角度来思考：无论开发用的是什么框架，React 也好，Vue 也罢，最终代码经过运行之后都是调用了浏览器的那几个 BOM/DOM 的 API ，如：createElement、appendChild、removeChild 等。 Taro 3 主要通过在小程序端模拟实现 DOM、BOM API 来让前端框架直接运行在小程序环境中。
众所周知，JavaScript 采用的是单线程模型，即所有任务都在一个线程上完成，一次只能做一件事情。但单线程意味着所有的任务都需要排队，前一个任务结束了，才会执行后一个任务。如果一个任务耗费了太长的时间，后一个任务就一直无法执行。体现在浏览器里就是浏览器卡住了，无法操作。 试一下，把下面的代码粘贴到浏览器console里面，会发现浏览器卡住无法操作。
我们小组主要负责四轮场景下的司乘匹配工作，基于开源分布式搜索引擎ElasticSearch实现订单的召回。同时我们使用Flink实时消费kafka消息，将订单数据写入到对应的ES索引中。
随着人工智能的发展和技术进步，越来越多的企业开始使用人工智能技术做效率的提升和业务效果的提升，降低企业成本，增强企业竞争力。本文将基于哈啰AI平台的能力，以接入普惠工单系统自动转派为例，讲述如何通过算法能力赋能后端研发提效。
在一次全链路压测过程中，顺风车匹配ES集群出现了个别节点CPU几乎被打满的情况。第二轮压测，我们关闭了最近上线的H3召回匹配升级AB实验，在同样压力下集群cpu运行平稳，保持在35%左右，开启AB实验后之前异常节点cpu又急速增加，初步定位到节点异常应该和H3召回升级实验相关。
算法模型的研发具有很强的范式，首先是特征数据加工，选取一些数据作为特征。拿到特征之后，选择一个模型并进行相关的训练。第三步是把训练好的模型部署到模型平台上面。最后，决策平台会做业务流程的编排。 如图是整个平台的产品架构图。上面是各类应用场景，包括智能调度、营销&增长、司乘匹配、基础算法等。平台接入层提供内部SOA协议的接入，上面有各种各样的服务，会对接我们的平台。我们的平台分为离/近线系统和近/在线系统，其中离/近线系统包括特征平台和训练平台，近/在线系统包括模型平台和决策平台。
端智能和边缘智能是比较类似的概念，而边缘智能会依赖另一个更广泛的技术，即边缘计算。边缘计算指的是在网络边缘结点来处理、分析数据。边缘结点指的就是在数据产生源头和云中心之间任一具有计算资源和网络资源的结点。比如手机就可以是人与云中心之间的边缘节点，网关是智能家居和云中心之间的边缘结点。 边缘计算把更多的计算进程放到边缘节点，云端运行较少的进程。举个章鱼的例子，章鱼的大脑类似于云计算，具有较强的计算能力，能够解决很多复杂的问题。八个小爪子就是边缘计算，每个爪子就是一个小型的机房，一些简单的计算任务就不需要传输到大脑进行计算。
dora是一个哈啰的开源的taro小程序微前端集成框架，具有把多页业务拆分并集成编译与通讯的能力，解耦了业务与业务，降低了总体的复杂度与多业务线合作难度，有轻量化扩展性强等特点。
最近面试问过很多候选人Java锁有关的知识，可以感受到的是，大家的理解基本都停留在“八股文”的阶段，实质上对Java的锁以及多线程的同步机制这种底层原理，理解的不是很好。网上这类文章已经很多了，但是看了下有好多文章都是相互抄的，而且都是过时的，典型的例如AQS里的addWaiter方法在JDK16里就没见到，或许代码进行了重构了。通过文章也梳理一下我一般看源代码的习惯是怎样的。 AQS全称是AbstractQueuedSynchronizer，首先他是一个抽象类，其次他使用了队列来进行排队，然后作用是用来做线程间的同步的。他是Java里所有锁的基础，包括CountDownLatch以及读写锁，可重入锁等等都是基于AQS实现的。我们从ReentrantLock入手来管中窥豹，大概得看看AQS的源代码。 首先你要了解的是使用方法，一个典型的ReentrantLock使用方法写在了这个类的注释里。
