在互联网信息爆炸的今天，推荐系统是我们身边一个无法躲避的存在。在淘宝上浏览商品，在抖音上刷视频，以及无处不在的广告等等。本文探讨闲鱼商品推荐系统的同时，结合所面临的多推荐场景工程维护任务重、算法模型优化难以自动辐射多场景的痛点，介绍如何构建通用的推荐中台。
这是阿里云块存储团队内部的一次新人培训材料，内容源自老同学们的踩坑经验，总结成案例和方法分享公示，实践和方法论不限于分布式系统，希望对读者有启发。本文主要包括以下三个方面： 编码习惯（开发、测试、Review，Bad/Good Case） 研发流程（源码控制、每日构建、缺陷管理） 实践方法（效率工具、新人踩雷、学习推荐）
我们知道计算机的世界只有0和1，如果没有字符编码，我们看到的就是一串"110010100101100111001...."，我们的沟通就好像是在对牛弹琴，我看不懂它，它看不懂我。字符编码就好比人类和机器之间的翻译程序，把我们熟知的字符文字翻译成机器能读懂的二进制，同时把二进制翻译成我们能看懂的字符。
我们一般会把 Sync 理解为 Android Studio 的准备阶段，包括解析工程配置信息、下载远程依赖到本地、更新代码索引等准备工作，当修改 gradle build 文件后，需要重新 Sync 将 Gradle 构建配置信息同步到 IDE，进而使 IDE 的功能及时应用新的构建配置，这些功能包括项目的 Gradle Task 列表展示、依赖信息展示等等。Sync 是 Android Studio 中独有的概念，当通过 Gradle 命令行程序构建 Android 应用时，只会经历 Gradle 定义的 Initialization、Configuration 和 Execution 生命周期，根本没有 Sync 的概念。Android Studio 的 Sync 阶段涉及到 IDE、Gradle、Plugin 等多个角色，梳理清楚这些角色各自的作用和联系，才能清晰理解 Sync 的整体架构，下面分别来介绍这些角色：
本篇文章的作者最近参与了淘宝购物车的工作，认为淘宝购物车和首页在体感上有很大区别，没有高屋建瓴地对整个交易体系和首页体系进行分析，只从一位一线开发的角度，写了写自己对购物车、对首页进行开发的感受和思考，欢迎指教讨论。
字节数据中台DataLeap的Data Catalog系统通过接收MQ中的近实时消息来同步部分元数据。Apache Atlas对于实时消息的消费处理不满足性能要求，内部使用Flink任务的处理方案在ToB场景中也存在诸多限制，所以团队自研了轻量级异步消息处理框架，支持了字节内部和火山引擎上同步元数据的诉求。本文定义了需求场景，并详细介绍框架的设计与实现。
1.地图数据作业平台由大型的WebGIS"综合作业"逐步转换为人机结合，所见即所得的流水化"简单作业"; 2.流水化作业的特点是单一车间交互简单，但每个车间都有定制的业务逻辑（难以配置化实现，适合有扩展能力的低代码方式）； 3.作业平台低代码建设过程中，即使是任何一个简单作业车间也存在数据校验，组件联动，保存结果转换等逻辑（下图标牌场景车间为例）； 4.作业平台低代码的建设目标是让产品，工艺等非研发同学能独立搭建车间，因而要尽可能将逻辑操作可视化，少写或不写逻辑代码； 5.非前端研发同学并不能很好的理解一些前端的基本概念：例如事件驱动，数据不可变 immutable原则， 数据双向绑定，组件（非）受控等；
