以前构建应用，需要买 ECS 实例，搭建开源软件体系然后维护它，流量大了扩容，流量小了缩容，整个过程非常复杂繁琐。 用了 Serverless 服务以后，这些问题都简化了，从半托管到全托管，所有服务 API 化，无限容量充分弹性，可以组装使用，生产力大幅改变。同时推动软件研发模式升级，组装式研发将成为主流。 基于阿里云全面 Serverless 化的经历，阿里巴巴研究员、阿里云智能云原生应用平台总经理丁宇（叔同）阐述了企业应用架构的演进历程，以及 Serverless 兴起带来的行业变化。
闲鱼推荐的演进历程和这四个特性密不可分，所以闲鱼推荐大致可以分成四个阶段 • 阶段一：圈品+离线打分。这个阶段推荐主要靠圈品+离线算分为主，无个性化，时效性天级。 • 阶段二：少量算法。阶段二开始在首页核心场景引入算法，以天级的I2I为主，但推荐底池时效性已经到了秒级。 • 阶段三：扩大应用。随着业务拿到算法第一波红利，越来越多的业务开始接入算法。特征和模型时效性也从天级提升至小时级，闲鱼首次引入招选搭投，应用大规模铺开。 • 阶段四：随着业务快速成长，规模快速扩大，底层基建迎来大规模升级。全图化，模型自动压缩，通用推荐等实现从0到1的越跃变。
结构化思维是一种将信息要素从无效转化为有序，提炼核心要点，将信息转化为有结构的知识，更好的帮助大脑理解和记忆，并支持我们清晰表达的通用能力。
近日，阿里巴巴在国际顶级机器学习会议NeurIPS 2022上发表了新的自研训练模式 Gloabl Batch gradients Aggregation（GBA，论文链接：https://arxiv.org/abs/2205.11048），由阿里妈妈事业部搜索广告团队和智能引擎事业部XDL训练引擎团队联合探索和研发。GBA的提出对阿里巴巴搜推广稀疏模型的训练范式带来了架构性的跨越式升级。本文将从GBA的设计思路、收敛性分析及工程实现等方面展开介绍，欢迎阅读交流。 在过去一段时间内，高性能同步训练架构在阿里巴巴稀疏场景的全面落地，解决了稀疏场景无法充分利用GPU，以及缺乏高效的同步训练方案两个“硬骨头”。从资源性能角度，使得不同场景的深度学习任务训练加速比（每天训练样本日期数量）提高5～10倍，并利用GPU带来3～5倍的成本优势，节省训练开销可达每年千万量级；从业务效果角度，同步训练模式优化给部分广告业务带来了CTR指标百分位的提升。在这个时间点，GBA通过对同步和异步训练自由切换的技术突破，使得低配集群的资源也充分利用起来。GBA算法使得高性能资源和普通资源具有通用性
软件交付的终态是提供一个稳定可预期的系统，可预期的系统要确保环境和软件制品的一致性。而在软件研发协作的过程中，无论是制品、环境，还是发布过程，往往都是定义在代码里的。 软件交付体现为发布，而提升交付能力的目标，是要发的容易，发的频繁，增量要多，每次发的时间要少。
在本次会议中，Intl.Enumeration 提案成功进入到 Stage 4，距离它在 2020 年 6 月的会议上进入到 Stage 1 已经过去了两年半的时间，其它备受关注的提案如 Explicit Resource Management[1] 与 Set Methods[2] 也成功取得进展，进入到 Stage 3 阶段。
谈到好代码，我的第一想法就是优雅，那我们如何该写出好的代码，让阅读的人感受到优雅呢？首先简单探讨一下优雅代码的定义。 关于好代码的定义，各路大神都给出了自己的定义和见解 整洁的代码如同优美的散文。—— Grady Booch 任何一个傻瓜都能写出计算机可以理解的代码。唯有写出人类容易理解的代码，才是优秀的程序员。—— Martin Fowler 首先要达成一致，我们写的代码，除了用于机器执行产生我们预期的效果之外，更多的时候是给人读的，可能是后续的维护人员，更多时候是一段时间后的作者本人，因此优雅面向不同的用户有两层含义的解读。 1.对人而言，代码的整洁，清晰的逻辑； 2.对机器而言，准确性、执行性能、异常处理机制等； 这次，我们就来聊一聊，什么代码是优雅的代码，怎样写出优雅的代码。
网络与数据时代不断催生着新的命题，对现代人来讲，如何在技术蓬勃发展的信息爆炸中寻求一席之地，是我们应该不断探索的命题。我们带着这些问题，和各个领域的杰出技术人对话，一期一会，抵掌而谈，走进他们的“技术人生”，和他们一起去寻找答案。 在物理世界里，有一群人在关心着我们，保卫着我们的安全。其实今天在网络世界里，也同样有这样的一群人在保护着大家的信息安全、数据安全。本期《技术人生》我们邀请到了阿里云云安全业务的负责人欧阳欣，一起走进他的云上安全世界。以下为访谈实录：
