腾讯工程师许扬从 QQ 提醒实际业务场景出发，阐述一个订阅推送系统的技术要点和实现思路。如何通过推拉结合、异构存储、多重触发、可控调度、打散执行、可靠推送等技术，实现推送可靠性、推送可控性和推送高效性？本篇为你详细解答。
在广告系统实践中，精排服务基于 gRPC 协议调用 TF-Serving 在线推理服务。相信很多业务已经使用过 gRPC 相关语言的框架进行服务调用，尤其是基于谷歌云的出海业务的服务调用更绕不开 gRPC，所以很有必要理解 gRPC 的原理。本文通过简要介绍抓包分析一次 gRPC 的调用过程，逐步认识 gRPC。
除夕夜，是全国人民阖家团圆的日子，也是鹅厂这帮技术人最紧张的时刻——一年一度的春节重保。 在这辞旧迎新的重要节点，全球十多亿用户通过微信和QQ拜年、发红包，在朋友圈、QQ空间分享心情，通过微信视频号、腾讯视频等观看春晚直播。 这些“新年俗”带来的是秒级内增长几十倍甚至数百倍的流量洪峰，就像传说中每年如约而至的“年兽”，稍有不慎，鹅厂系统就有被流量打崩的风险。 今年是腾讯自研业务全面上云之后的首个春保，相比往年，不仅顺利完成了护航任务，而且效率更高、质量更好、成本更低。 究其原因，这与腾讯自研业务全面上云、云原生技术的大规模应用，以及多部门的统一协调密不可分。
Claude 是 Anthropic[1] 新推出的一款类似于 ChatGPT[2] 的 AI 助手，后者是从 OpenAI 出走的前员工们集体创建的 AI 初创公司。虽然目前尚未开放公测，但从曝光的内测对比结果来看，Claude 已经可以和 ChatGPT 掰掰手腕：在逻辑和计算方面，Claude 表现出了旗鼓相当的实力，尽管在代码生成和推理问题上存在差距，但在无害性方面表现突出，具体表现为能够更清晰的拒绝不恰当的请求，当面对超出能力范围的问题，能够主动坦白，而不是像 ChatGPT 那样逃避回答[3][4][5]。 同时 Anthropic 也发布出了 Claude 对应的论文《Constitutional AI: Harmlessness from AI Feedback》[6]。论文作者列表中包含较多的 OpenAI 工作背景的核心成员。在所有现有公开材料中，这篇 22 年 12 月 15 日发布的论文，成为从技术背景和时鲜性两方面最贴近 ChatGPT 的文章。
故障无处不在，而且无法避免。（分布式计算谬误） 在分布式系统建设的过程中，我们思考的重点不是避免故障，而是拥抱故障，通过构建高可用架构体系来获得优雅应对故障的能力。QQ音乐高可用架构体系包含三个子系统：架构、工具链和可观测性。
OOM是实例使用内存超过实例规格内存上限导致进程被kill，实例存在秒级的不可用。MySQL的内存管理比较复杂，内存监控需要开启performance schema查询(默认关闭)，会带来额外的内存消耗和性能损失，在不开启performance schema情况下排查内存使用情况又比较困难。本文将基于TDSQL-C（基于MySQL5.7）总结一下在线上经常出现的一些OOM的场景、排查手段及相应的优化方案。
星辰算力平台基于深入优化云原生统一接入和多云调度，加固容器运行态隔离，挖掘技术增量价值，平台承载了腾讯内部的CPU和异构算力服务，是腾讯内部大规模离线作业、资源统一调度平台。
trpc-go 是目前公司里非常火热的一个开发框架，集成了很多开箱即用的功能，非常方便。trpc-go 代码量不算太多，但是写得还是有点绕，直接阅读可能会比较晕。因此本文主要对 trpc-go 的模块设计进行一个分享，帮助大家构建一个整体视图，后续有需要再针对性的去阅读各模块源码即可。 做后端开发的同学肯定接触过不少的框架，就拿 Go 来说，比较常见的框架比如：gin beego echo iris martini 等等。除了 Go，Python 也有著名的 Django Tornado，PHP 中的 Laravel 以及 nodejs 的 express。这些耳熟能详的框架都有个共同的名字，叫“Web 框架”。Web 框架主要是面向 web 开发，业务处理的默认都是 HTTP 请求。而 trpc-go 则有些不同，它是一个 rpc 框架。由于客观历史原因，客户端和服务器的直接交互大多还是 http 请求，但是系统内部大量的微服务之间的交互则并不局限于 http 协议。从性能和可读性的角度来说，thrift dubbo 等协议显然是比 http 更好的选择。trpc-go 作为一个全
微信作为月活过10亿的国民级应用，经常面临特殊节点消息量暴增的问题，服务很容易出现过载。但微信的服务一直比较稳定，是如何做到的呢？本文邀请到了腾讯WXG后开开发工程师alexccdong以微信 2018 年发表于Socc会议上的文章《Overload Control for Scaling Wechat Microservices》 为基础，介绍微信大规模微服务的过载保护策略，其中很多方法很有借鉴意义。欢迎继续阅读。
