实战结合构建端到端的处理程序
原文地址： https://my.oschina.net/u/992559/blog/1819948 作者： moyiguke 前言 在消息处理过程中，除了Flink程序本身的逻辑（operator），我们还需要和外部系统进行交互，例如本地磁盘文件，HDFS，Kafka，Mysql等。虽然Flink本身支持Exactly-Once语义，但是对于完整的数据处理系统来说，最终呈现出来的语义和……
详解之深度学习在搜索业务的探索
文章作者：杨镒铭 滴滴出行 高级算法工程师 内容来源：记录广告、推荐等方面的模型积累@知乎专栏 今年KDD上Airbnb发表的关于embedding的论文拿到best paper，技术实力可见一斑。今天要说的这篇要更新一些，是Airbnb将深度学习应用在搜索业务中的经验汇总，链接是 [1810.09591] Applying Deep Learning……
蘑菇街增量学习番外篇一动态正则之中转设计含代码实现
作者：美丽联合集团 算法工程师 琦琦 ， 公众号关注：诗品算法 0、引言 大家还记得那篇增量学习实践相关的文章吗？很多小伙伴私信我，想要进一步了解流程和设计细节等。感谢大家的信任，我愿将这些干货无私分享。从这篇文章开始，我会将增量学习的设计细节陆续拆分成几篇技术文章分享给大家。美名其曰——增……
苏宁苏宁大数据离线任务开发调度平台实践
桑强 2018 年 11 月 5 日 目录 背景 2 设计目标 2 2.1 用户交互的产品功能 2 2.2 后台调度功能 3 2.3 任务执行器功能 4 2.4 任务运维功能 5 2.5 平台对外功能 6 平台价值 7 平台建设 7 4.1 用户功能实现说明 8 4.2 调度周期设计说明 12 4.3 调度策略设计说明 13 4.4 调度流控设计说明 15 4.5 系统高可用设计说明 16 4.6 任务失败策略 17 4.7 任务运行分析设计……
腾讯技术用万字长文聊一聊技术
作者： qfan，腾讯 WXG 应用研究员 随着深度学习在工业届不断火热，Embedding 技术便作为“基本操作”广泛应用于推荐、广告、搜索等互联网核心领域中。Embedding 作为深度学习的热门研究方向，经历了从序列样本、图样本、再到异构的多特征样本的发展过程。本文主要系统总结了现在主流的……
百亿级实时计算系统性能优化篇
腾讯 刘敏 导语 | 随着业务的发展，系统日益复杂，功能愈发强大，用户数量级不断增多，设备cpu、io、带宽、成本逐渐增加，当发展到某个量级时，这些因素会导致系统变得臃肿不堪，服务质量难以保障，系统稳定性变差，耗费相当的人力成本和服务器资源。这就要求我们：要有勇气和自信重构服务，提供更先……
滴滴数据驱动利器之实践
桔妹导读：在各大互联网公司都提倡数据驱动的今天，AB 实验是我们进行决策分析的一个重要利器。一次实验过程会包含多个环节，今天主要给大家分享滴滴实验平台在分组环节推出的一种提升分组均匀性的新方法。本文首先会介绍一下滴滴 AB 实验的相关情况，以及在实验分组环节中遇到的问题。然后介绍目前在实……
深度语义匹配模型实践篇语义匹配在贝壳找房智能客服中的应用
贝壳找房【深度语义匹配模型】原理篇二：交互篇 贝壳找房【深度语义匹配模型 】原理篇一：表示型 深度语义匹配模型系列文章的终结篇，带大家走进贝壳找房智能客服的匹配。 一、背景 贝壳找房作为房产领域领先的服务平台，业务场景中包含大量自然语言处理的任务。经纪人与用户的交互过程会产生大量的文本语料……
深入剖析公平锁与非公平锁源码实现
原文地址： https://blog.csdn.net/lsgqjh/article/details/63685058 ReentrantLock是JUC包中重要的并发工具之一，支持中断和超时、还支持尝试机制获取锁， 并且是一种通过编程控制的可重入锁，尽可能减少死锁问题。本文以公平与非公平锁的加锁释放锁过程成为主线，分析ReentrantLock的重要内容。有问题可以加我微信。 目标 掌握A……
淘系技术单元测试实践篇框架
淘系的技术发展已经有相当一段历史了，在历史的长河中总能沉淀出很多复杂的巨型项目，包罗多个业务，而且往往服务依赖比较复杂；再加上一些特殊环境变量的设置，想要在本地运行、debug 自测这种大型应用的难度越来越高；尤其是对环境不太熟悉的新人而言成本会更高。 这类应用的单元测试不能像微服务……
