自 2013 年提出以来，Serverless（无服务器）作为屏蔽服务器、按调用计费、事件驱动、弹性自动伸缩的计算服务，深受开发者喜爱，被称为云原生未来发展的方向。 最新的调查报告显示：在核心业务中使用 Serverless 的用户达到 18.11%；已经开始和计划使用 Serverless 技术的用户超过了 70%。根据 Datadog 数据，有超过 50% 的使用云服务的企业或组织使用了 Serverless 技术。 但是，当开发者从创业阶段过渡到大型企业阶段，原来的 Serverless 模式逐渐给企业的管理、运维以及财务等带来一系列的挑战，这也是当期Serverless很难在大型企业全面应用的根本原因，为了破解这样的难题，腾讯云工程师从深度分析症结，推出了顺应企业发展需求的技术，打造真正服务于企业的 serverless 平台。
今天是4月23日了，是联合国教科文组织规定的“世界读书日”。 大淘宝技术的工程师们精心挑选出7本技术类书籍, 有机器学习方面的、推荐系统方面的，分布式领域的，等等。每一位工程师都根据自己真实的阅读心得写了推荐语，希望能帮大家更快挑选到对自己有用的书籍。
用好中间件是每一个开发人员的基本功，一个专业的开发人员，追求的不仅是中间件的日常使用，还要探究这背后的设计初衷和底层逻辑，进而保证我们的系统运行更加稳定，让开发工作更加高效。 结合这一主题，本文从一次线上告警问题出发，通过第一时间定位问题的根本原因，进而引出yu（美团内部自研）这类分布式链路追踪系统的设计思想和实现途径，再回到问题本质深入@Async的源码分析底层的异步逻辑和实现特点，并给出MTrace跨线程传递失效的原因和解决方案，最后梳理目前主流的分布式跟踪系统的现状，并结合开发人员日常使用中间件的场景提出一些思考和总结。
58营销平台从58主战网站或其他来源收集到的联系过58的企业，可能联系58的服务付费的企业用户，对于这样的企业信息在营销平台中称为商机。一个商机通过一系列过滤补充及数仓计算后入到营销的数仓中。其中商机包含很多对应属性，类似于：商机名称、企业所在行业、企业规模、企业地址、商机最后联系时间、商机近7天/30天/60天/90天联系次数。 平台相关运营依据自定义配置规则，条件组合选出所需商机，对所选出的商机完成所需操作。类似于：商机打标签(商机增加标签标识，销售人员依据标签选出商机做对应跟进)、商机入沉寂(业务系统中数据状态转为沉寂，减少跟进)、商机回流(将沉寂库商机转入公共库使销售人员持续跟进)......等等类似操作。 针对以上需求及场景，开发数据应用平台基于数仓的商机表输出的es索引，配置自定义数据圈选规则，并对圈选出的指定商机创建数据应用任务。数据应用任务根据场景配置调用时间窗口等规则定时调用，处理后的数据应用至各个业务场景。
在 Redis 的实际使用过程中，我们经常会面对以下的场景： 在 Redis 上执行同样的命令，为什么有时响应很快，有时却很慢； 为什么 Redis 执行 GET、SET、DEL 命令耗时也很久； 为什么我的 Redis 突然慢了一波，之后又恢复正常了； 为什么我的 Redis 稳定运行了很久，突然从某个时间点开始变慢了。 这时我们还是需要一个全面的排障流程，不能无厘头地进行优化；全面的排障流程可以帮助我们找到真正的根因和性能瓶颈，以及实施正确高效的优化方案。 这篇文章我们就从可能导致 Redis 延迟的方方面面开始，逐步深入排障深水区，以提供一个「全面」的 Redis 延迟问题排查思路。
近段时间，一直在参与国内金融行业的分布式数据库选型测试工作，围绕银行内部的实际业务场景进行验证。遇到了一个比较有意思的案例。 前期在联机业务场景测试中，各大数据库厂商在事务测试上都比较顺利，在功能和性能角度都很好的满足了业务要求。但在跑批业务场景的测试中，个别数据库厂商就遇到了分布式事务的一致性问题(会读到分布式事务中间状态的数据)，而该厂商通过了行业的各项事务测评认证，因此展开了如何有效评测国产数据库事务一致性的话题，需要大家辩证的思考下。 本文是系列文章的第一篇，介绍第一个重要话题：“数据库的分布式事务”，这也是目前普通用户面对分布式数据库产品介绍问的最多的一个内容，如何有效评测分布式事务也是一个非常重要的能力。致敬同行，我们将PolarDB-X事务架构设计上的一些思考和测试方式，做了整理和梳理，期望能对大家更好的理解分布式事务的测试有所帮助。 这些所谓观点并无谁对谁错之分，仅仅代表我们的思考。如果你有任何想说的，也欢迎在评论区与我讨论。
