目前全球范围内手语老师严重不足，调研各种情况后我们开发了一款产品希望帮助听障人士解决一些生活中的常见问题，本文将为大家分享虚拟数字人《手语翻译官》的技术实现。
Apache Kafka是一个分布式流平台，作为互联网领域不可或缺的消息组件，在全球获得了广泛的应用。在使用过程中，Kafka一般被作为消息流转的核心枢纽，上下游系统通过Kafka实现异步，削峰填谷。在大数据处理和实时数据处理领域Kafka也是不可替代的组件。 Kafka使用非常广泛，在有些领域使用已经非常成熟，如日志收集，大数据处理，数据库等领域。Kafka跟上下游也有标准化的对接模块，如日志收集有Flume，Filebeat，Logstash，大数据处理有spark，flink等组件。同时在一些小众的领域则没有现成的工具可以直接对接，如对接某个小众的数据库，或者用户自己定制化的系统。这时一般的对接方法是自行开发Kafka生产消费程序对接。
开源大数据平台E-MapReduce（简称“EMR”）是云原生开源大数据平台，向客户提供简单易集成的Hadoop、Hive、Spark、Flink、Presto、ClickHouse、StarRocks、Delta、Hudi等开源大数据计算和存储引擎。本文旨在分享阿里云Prometheus对EMR平台大数据服务的监控实践。
2023 年春节，经历了三年的疫情后，我们终于在春天迎来了曙光。国人的出行热情空前高涨：回家看看父母亲；心心念念的旅行终于可以成行了。按照高德的估计，2023 年春节出行的峰值流量将比 2022 年同期和 2022 年十一都有相当大比例的增长。然而，就在不久前，受疫情的影响，系统的流量还在相对低位运行。 如何在短时间内快速完成春节出行的备战准备工作，保障系统在春节流量高峰下平稳运行，让民众出行所必需的导航等信息服务访问可以丝般顺滑，成为了摆在技术人员眼前的迫切事情。要在流量变化很大的情况下保障系统平稳运行，同时做到降本增效，怎么做到呢？ 过去几年，高德一直在坚定、持续地推进应用的 Serverless 化。经过深入的研究和选型，最终选择阿里云函数计算 FC 作为其应用的 Serverless 计算平台。过去的一年，更是取得了长足的进展。 高德在 Serverless 上的远见帮助他们以更加敏捷、经济的方式应对不确定性以及强劲复苏的春节出行：不用费心考虑流量变化带来的资源变化，无需提前按照峰值流量准备大量的计算资源，不用担心资源是否足够，经济成本大幅下降、研发和运维效率明显提升。
很久之前团队师兄向我推荐了《重构：改善既有代码的设计》这本书，粗略翻阅看到很多重构的细节技巧，但当时还处于未接触过工程代码，只关注代码功能，不太考虑后期维护的阶段，读起来觉得枯燥无味，几乎没有共鸣，一直没有细细阅读。在工作一年后，终于在师兄的督促下，利用一个月左右的早起时光读完了这本书，收获很多，感谢师兄的督促，感谢这本书陪伴我找回了阅读习惯。把这本书推荐给已经接触了工程代码、工作一年左右的新同学，相信有了一定的经验积累，再结合日常项目实践中遇到的问题，对这本书的内容会有很多自己的思考感悟。
在钉钉 Flutter 桌面端落地过程中，我们遇到了很多仅仅依赖 Flutter 官方文档无法解决的问题，例如：桌面端集成模式问题、内存泄露问题、卡顿问题、光标焦点异常问题等。由于无法直接通过官方文档得到答案，我们便尝试通过分析源码实现和设计文档来寻找解决办法。虽然最终大部分问题得以解决，但是在这过程中有两点一直困扰我们： Flutter 生态中桌面端相关资料极少。少部分官方公开资料也仅有比较宽泛的介绍，缺少详细方案设计信息；业界对 FlutterEngine 架构分析和讨论，大多也仅仅设计移动端，桌面端相关内容很少涉及； FlutterEngine 在移动端和桌面端 Embedder 层设计有较大差异，移动端相关资料/方案无法直接应用到桌面端。 因此我们便萌生了整理一份 Flutter 桌面端资料集的想法。一方面来作为 Flutter 桌面端设计的入门资料，降低大家上手学习桌面端引擎设计的门槛、提升效率；另外一方面也可作为工具手册，为后续我们可能逐步落地的桌面端引擎改造提供技术储备。 本文主要从宏观角度来介绍一下 FlutterEngine 桌面端设计，从发展历史、架构概述、与移
在本系列第一篇 《没有银弹，只有取舍 - Serverless Kubernetes 的思考与征程（一）》 中介绍了 Kubernetes 的复杂性以及现有Serverless Kubernetes云产品的解决之道。本文将针对 Serverless Container 技术的特殊性，分享其对 Kubernetes 的架构影响，以及阿里云在Serverless Kubernetes方面架构选择。
