阿里技术

错误码如何设计才合理?
错误码如何设计才合理?

对于错误码的设计,不同的开发团队有不同的风格习惯。本文分享阿里文娱技术专家长统对于错误码的看法,希望从错误码使用的不同场景讨论得到一个合理的错误码规约,得到一个面向日志错误码标准和一个面向外部传递的错误码标准。

单机和分布式场景下,有哪些流控方案?
单机和分布式场景下,有哪些流控方案?

不同的场景下所需的流控算法不尽相同,那应该如何选择适用的流控方案呢?本文分享单机及分布式流控场景下,简单窗口、滑动窗口、漏桶、令牌桶、滑动日志等几种流控算法的思路和代码实现,并总结了各自的复杂度和适用场景。较长,同学们可收藏后再看。

7 个建议让 Code Review 高效又高质
7 个建议让 Code Review 高效又高质

Code Review(CR) 的本质是什么?是为了查错?还是为了 KPI?本文分享阿里资深技术专家的看法:CR 是一种关于社会学的长期行为和组织文化,通过 CR,形成一种良性互动的技术氛围,传播和分享知识,提升代码质量,并给出了 7 个提高 CR 效率和质量的实践建议。

Serverless 的初心、现状和未来
Serverless 的初心、现状和未来

Serverless 是如何产生的?当前有哪些落地场景?Serverless 的未来又将如何?本文分享阿里资深技术专家对 Serverless 的看法,回顾其发展历程,并对 Serverless的发展趋势做出预测。

如何画好一张架构图?
如何画好一张架构图?

架构图是什么?为什么要画架构图?如何画?有哪些方法?本文从架构的定义说起,分享阿里文娱高级技术专家箫逸关于画架构图多年的经验总结,并对抽象这一概念进行了深入地讨论。较长,同学们可收藏后再看。

收藏!一张图帮你快速建立大数据知识体系
收藏!一张图帮你快速建立大数据知识体系

对海量数据进行存储、计算、分析、挖掘处理需要依赖一系列的大数据技术,而大数据技术又涉及了分布式计算、高并发处理、高可用处理、集群、实时性计算等,可以说是汇集了当前 IT 领域热门流行的 IT 技术。本文对大数据技术知识体系进行划分,共分为基础技术、数据采集、数据传输、数据组织集成、数据应用、数据治理,进行相关的阐述说明,并列出目前业界主流的相关框架、系统、数据库、工具等。

如何选择分布式事务解决方案?
如何选择分布式事务解决方案?

分布式事务中涉及的参与者分布在异步网络中,参与者通过网络通信来达到分布式一致性,网络通信不可避免出现失败、超时的情况,因此分布式事务的实现比本地事务面临更多的困难。本文归纳总结五种分布式事务解决方案,并剖析其特点。较长,同学们可收藏后再看。

吴翰清​(道哥)眼中的机器智能:计算机的再发展
吴翰清​(道哥)眼中的机器智能:计算机的再发展

人类社会的发展离不开技术的革新。一项新技术的成熟需要经历哪些考验?为什么说对于计算机、AI 的发展而言,算力和数据都是重要的生产资料?如何实现数据的智能化?通过本文,吴翰清(道哥)将从人类社会的发展讲起,梳理总结技术革新的规律和脉络,分享他对当前技术发展及机器智能的看法。

前端性能优化:当页面渲染遇上边缘计算
前端性能优化:当页面渲染遇上边缘计算

当前几种常见的前端性能优化方案仍然不可避免地会存在一些缺点。本文在 ESI (Edge Side Include) 的基础上,提出了一种新的优化思路:边缘流式渲染方案(ESR),即借助 CDN 的边缘计算能力,将静态内容与动态内容以流式的方式,先后返回给用户。

换个角度入门 K8s
换个角度入门 K8s

本文通过一个业务发展的故事,分享 K8s 出现的原因以及它的运作方式。适合所有技术开发人员,尤其是前端开发者。

大数据算法应用的测试发展之路
大数据算法应用的测试发展之路

随着最近几年数据计算力与机器智能算法的兴起,基于大数据 AI 算法的应用愈来愈热,大数据应用在各个行业也不断涌现。测试技术作为工程技术的一部分,也随着时代的不断变化在同步演进,在当下 DT 时代,如何测试和保障一个基于大数据的应用的软件质量,成为测试界的一个难题。 本文通过系统性地介绍阿里巴巴 AI 中台的技术质量体系——搜索推荐广告应用的质量是如何测试的,来尝试回答一下这个问题,希望能给大家带来一些借鉴,欢迎斧正,以便改进。

如何解决分布式系统中的“幽灵复现”?
如何解决分布式系统中的“幽灵复现”?

“幽灵复现”的问题本质属于分布式系统的“第三态”问题,即在网络系统里面,对于一个请求都有三种返回结果:成功,失败,超时未知。对于超时未知,服务端对请求命令的处理结果可以是成功或者失败,但必须是两者中之一,不能出现前后不一致情况。

亿级搜索系统的基石,如何保障实时数据质量?
亿级搜索系统的基石,如何保障实时数据质量?

突然而至的疫情,让线下娱乐几乎停摆。全国人民对于线上娱乐需求激增,在家追剧、在家上课、在家互动,还要时刻关注疫情动态。每时每刻,都有海量用户在优酷搜索自己想看的内容。千万级别的视频量,几十亿级别的信息量,如何能做到将信息及时有效的透出给用户?怎样保障数据准确无误的呈现呢?