现实系统往往有着较高的复杂度，我们借助 Trace、Log、Metric 三驾马车使我们的系统具备了一定的可观测性，但观测位置和信息往往是固定的，而我们所遇到的问题常常是意料之外的，这就导致我们能够定位问题的范围，但是难以更进一步，这时候我们就需要在我们想要的位置采集信息来帮助我们，在通常的实践中这就意味着我们需要添加日志逻辑并重启应用，这种做法成本较高而且会丢失现场。而借助日志治理，只需要通过在控制台配置规则便可以在不重启应用的前提下，动态采集任意点位信息。接下来通过一个假想的排查流程来简单介绍下日志治理的实践。
Notebook 是一种支持 REPL 模式的开发环境。所谓「REPL」，即「读取-求值-输出」循环：输入一段代码，立刻得到相应的结果，并继续等待下一次输入。它通常使得探索性的开发和调试更加便捷。在 Notebook 环境，你可以交互式地在其中编写你的代码、运行代码、查看输出、可视化数据并查看结果，使用起来非常灵活。 在数据开发领域，Notebook 广泛应用于数据清理和转换、数值模拟、统计建模、数据可视化、构建和训练机器学习模型等方面。 但是显然，做数据开发，只有 Notebook 是不够的。在火山引擎 DataLeap 数据研发平台，我们提供了任务开发、发布调度、监控运维等一系列能力。我们将 Notebook 作为一种任务类型，加入了数据研发平台，使用户既能拥有 Notebook 交互式的开发体验，又能享受一站式大数据研发治理套件提供的便利。
近几年，低代码技术发展的如火如荼，在商业领域也是目前市场关注的重点.作为商业低代码产品通常是用来助力企业信息化转型的利器，其中的核心逻辑是通过将软件开发普民化，让传统企业中更熟悉企业运作流程的业务人员可以亲自动手开发适合自己业务的系统或平台。这个领域内在市场上已经有国内外很多有竞争力的产品，钉钉宜搭作为阿里巴巴的商业低代码产品也是其中的一员。 今天重点讲的是另外一个领域，低代码技术在产研团队应用落地的相关话题。商业低代码产品可以赋能业务团队具备研发能力，但对于已经具备不错研发能力的互联网厂商的产研团队来说，商业低代码产品可以解决很大长尾应用场景的快速开发，但对于产研团队的服务的主要业务上，并不是完全适用。对于阿里巴巴来说，集团里各BU因地制宜建设了众多适合本业务的低代码平台/产品，其实也都是用于解决通用型商业低代码产品不适用部分的问题。
• 如何描述、存储和计算优惠并提供较好的业务可扩展性 • 如何保障大流量下优惠实时计算的性能 • 为优惠查询加速做的数据同步如何实现一致性
根据不同的应用场景与意图，设计模式主要分为创建型模式、结构型模式和行为型模式三类。本文主要探索行为型模式中的策略模式如何更好地应用于实践中。
随着分布式系统的快速发展与广泛应用，针对共享资源的互斥访问也成为了很多业务必须要面对的需求，人们通常会引入分布式锁来解决问题。本文将从分布式锁的性质出发，探讨分布式锁的模型设计，分享分布式锁在存储的设计实践。
泛日志（Log/Trace/Metric）是大数据的重要组成，伴随着每一年业务峰值的新脉冲，日志数据量在快速增长。同时，业务数字化运营、软件可观测性等浪潮又在对日志的存储、计算提出更高的要求。 从时效性角度看日志计算引擎：数仓覆盖 T + 1 日志处理，准实时系统（搜索引擎、OLAP） 瞄准交互式场景，实时需求则加速了 Flink 等流引擎的发展。 再回到用户场景角度，各式各样的数据呼唤多种计算模式，例如本文要讨论的日志搜索场景： 业务日志搜索、高频词查询：使用全文索引技术，期望低延时。 低频日志搜索、schema 不固定场景：通过 Scan（硬扫描）方式实现不依赖 schema（索引结构）的搜索，灵活但延时有所上升。
2022 年 10 月 25 日（美国时间）支持 HEVC 硬解功能的 Chrome 107 已正式开始全量推送给所有用户。10 月 21 日 Chrome 官方在更新日志中做了正式说明。 这个事件的背后离不开一位来自字节的开源贡献者的努力，ByteTech 了解到了相关背景，特意邀请了斯杰同学对整件事的来龙去脉作了梳理，以飨读者。
