在 JDK 9 之前，Java 基本上平均每三年出一个版本。但是自从 2017 年 9 月分推出 JDK9 到现在，Java 开始了疯狂更新的模式，基本上保持了每年两个大版本的节奏。从 2017 年至今，已经发布了 十一个版本到了 JDK 19。其中包括了两个 LTS 版本（JDK11 与 JDK17）。除了版本更新节奏明显加快之外，JDK 也围绕着云原生场景的能力，推出并增强了一系列诸如容器内资源动态感知、无停顿 GC（ZGC、Shenandoah）、原生的运维能力等等。这篇文章是 EDAS 团队的同学在服务客户的过程中，从云原生的角度将相关的功能进行整理和提炼而来。希望能和给大家一起认识一个新的 Java 形态。
Java 凭借着自身活跃的开源社区和完善的生态优势，在过去的二十几年一直是最受欢迎的编程语言之一。步入云原生时代，蓬勃发展的云原生技术释放云计算红利，推动业务进行云原生化改造，加速企业数字化转型。 然而 Java 的云原生转型之路面临着巨大的挑战，Java 的运行机制和云原生特性存在着诸多矛盾。企业借助云原生技术进行深层次成本优化，资源成本管理被上升到前所未有的高度。公有云上资源按量收费，用户对资源用量十分敏感。在内存使用方面，基于 Java 虚拟机的执行机制使得任何 Java 程序都会有固定的基础内存开销，相比 C++/Golang 等原生语言，Java 应用占用的内存巨大，被称为“内存吞噬者”，因此 Java 应用上云更加昂贵。并且应用集成到云上之后系统复杂度增加，普通用户对云上 Java 应用内存没有清晰的认识，不知道如何为应用合理配置内存，出现 OOM 问题时也很难排障，遇到了许多问题。 为什么堆内存未超过 Xmx 却发生了 OOM？怎么理解操作系统和JVM的内存关系？为什么程序占用的内存比 Xmx 大不少，内存都用在哪儿了？为什么线上容器内的程序内存需求更大？
OLAP计算引擎是一架机器，而操作这架机器的是编程语言。使用者通过特定语言告诉计算引擎，需要读取哪些数据、以及需要进行什么样的计算。编程语言有很多种，任何人都可以设计出一门编程语言，然后设计对应的编译器做解析。编程语言从分类上来说，可以分为命令式，声明式。 命令式编程语言是我们最常见的编程语言，C/C++/Java等都是命令式编程语言，这类语言明确的告诉机器应该执行什么样的指令，留给编译器优化的空间很小了。 声明式编程描述程序应该获得什么结果，至于如何做到，并不关注细节。SQL就是一种声明式编程语言。例如SQL语句select count(1) from department where kpi =3.25，指明计算kpi=3.25的人数，但不会具体指定如何完成计算。这给后续的优化器留下了很大的操作空间，优化器可以根据SQL的需求和实际的数据做各种各样的探索，寻找到最佳的执行方式。
和众多传统行业一样，跨境贸易产业近年来也经历了数字化的转型创新，而首先参与进模式创新的地方主要集中于信息展示和业务撮合领域。本文将为大家分享阿里国际站在用户增长技术体系建设上的探索与实践。
在日常业务代码开发中，我们经常接触到AOP（面向切面编程），比如熟知的Spring AOP。我们经常用它来实现业务切面逻辑，比如登录校验，日志记录，性能监控，全局过滤器等。但Spring AOP有一个局限性，并不是所有的类都托管在 Spring 容器中，例如很多中间件代码、三方包代码和部分原生代码，都不能被Spring AOP代理到。如此一来，一旦你想实现的切面逻辑并不属于Spring的管辖范围，或者你想实现Spring之外的切面功能，就无从下手。 对于Java后端应用，有没有一种更为通用的AOP方式？答案是有的，Java自身提供了JVM TI，Instrumentation等特性和接口，允许使用者以通过一系列原生API完成对JVM的复杂控制。自此衍生出了很多著名的框架，比如Btrace，Arthas等等，帮助开发者们实现更多更复杂的Java功能。 JVM Sandbox也是其中的一员。当然，不同框架的设计目的和使命是不一样的，JVM-Sandbox的设计目的是实现一种在不重启、不侵入目标JVM应用情况下的AOP解决方案。
目前闲鱼不少业务正在从H5/Weex升级到Kun（基于W3C标准&Flutter打造的混合高性能终端容器），从测试角度来看，我们希望这种升级迭代对于用户体验是正向的，所以用好性能测试这把标准尺就显得格外重要。 早期做性能保障时，我们在一些核心场景要上线或者上线之后遇到问题时，才去跑一些性能测试，这种方式只知道性能变差了，至于差在哪里，就只能反推开发去查问题，效率低且容易出问题。今年我们提出了基于容器分层的性能测试，目的是提前将性能风险点抛的更前置、更明确，特别对于Kun，除了容器本身的影响，Flutter引擎也会影响性能体验。
大家好，我是语雀 QA 会能。 很高兴，有机会跟大家聊一下语雀的质量体系和自动化技术。 下面会分几个部分给大家介绍，让大家可以了解到语雀质量体系的全貌。
表格存储Tablestore上线已有十年，随着业务规模变大，稳定性挑战也随之而来，需要不断优化架构来提升可用性。本文将为大家分享表格存储Tablestore在技术层面近年来的功能演进、技术架构演进以及稳定性优化相关的工作，以及在业务层面我们定义的核心应用场景和一些典型案例。
1月11日，达摩院2023十大科技趋势发布，生成式AI、Chiplet模块化设计封装、全新云计算体系架构等技术入选。达摩院认为，全球科技日趋显现出交叉融合发展的新态势，尤其在信息与通信技术（ICT）领域酝酿的新裂变，将为科技产业革新注入动力。 颠覆性的科技突破也许百年才得一遇，持续性的迭代创新则以日进一寸的累积改变着日常生活。进入2023年，达摩院预测，基于技术迭代与产业应用的融合创新，将驱动AI、云计算、芯片等领域实现阶段跃迁。 AI正在加速奔向通用人工智能。多模态预训练大模型将实现图像、文本、音频等的统一知识表示，成为人工智能基础设施；生成式AI将迎来应用大爆发，极大推动数字化内容的生产与创造。人工智能诞生数十年，人类对“通用AI”的想象从未如此具体。
