?型研發(fā)團隊敏捷實踐落地?- 基于 SAFe 的?規(guī)模敏捷協(xié)作

近年來，各類敏捷管理?法已被業(yè)界充分實踐。但在百?、千?研發(fā)團隊協(xié)同?作時，仍然會出現(xiàn)「版本及進度管理混亂」、「?標?法對?」、「跨團隊信息不透明」等?型團隊敏捷落地難題。常規(guī)的敏捷更適?于中?型項?團隊，我們需要?種既能發(fā)揮敏捷的優(yōu)勢，同時?能系統(tǒng)?效地?范圍協(xié)作的?作?法。SAFe重新定義了可擴展的敏捷框架模型，降低?型團隊管理的復雜性，?持?型研發(fā)團隊將敏捷成功落地。

愛奇藝客服的智能化演進

愛奇藝：一家以科技創(chuàng)新為驅(qū)動的偉大娛樂公司。隨著愛奇藝業(yè)務(wù)的快速發(fā)展，傳統(tǒng)客服的不足日益顯現(xiàn)，影響到用戶對公司產(chǎn)品的體驗。該案例基于現(xiàn)狀，將AI技術(shù)逐步落地到客服系統(tǒng)的具體環(huán)節(jié)中，通過知識結(jié)構(gòu)化、對話機器人、輿情挖掘等方案，快速準確地答復用戶疑問。并能夠復用到其他相關(guān)業(yè)務(wù)，從而提升用戶體驗、促進業(yè)務(wù)快速發(fā)展。?

Ridesharing - Accounting for uncertainty in dispatch decisions to optimize marketplace balance

Dispatch is one of the most powerful levers to optimize a two-sided marketplace of physical goods, as it is able to use rider payments to reallocate supply within a network. However, uncertainty of user behavior, such as riders canceling or drivers rejecting dispatches, makes achieving perfect op...

高效團隊的三個習慣

2015年初產(chǎn)品中心承接了工作室FPS戰(zhàn)略項目，團隊規(guī)模擴張至100+，高強度開發(fā)10個月上線，后未達預期，借調(diào)人員歸還、本項目人員流失，團隊規(guī)?？s小一半。

制作人抓住IP改編風口，迅速立項端游轉(zhuǎn)手游MMORPG，抽調(diào)29人核心開發(fā)團隊，計劃復用端游資源和玩法，快速開發(fā)，目標1年上線。而同期業(yè)界MMO團隊規(guī)模在60-150，研發(fā)周期1.5-2年。

最終項目20個月上線，數(shù)據(jù)超出立項目標，獲得成功，目前各項數(shù)據(jù)穩(wěn)定，成為產(chǎn)品中心的現(xiàn)金牛。

結(jié)合失敗和成功的經(jīng)驗，我們沉淀出一套團隊高效研發(fā)的方法。

...

從持續(xù)的需求交付到價值交付

許多的PMO組織是匯報在研發(fā)線的，在發(fā)揮作用時雖不被局限，但在協(xié)同業(yè)務(wù)團隊的同時，往往落腳于研發(fā)效能的提升（更高效的交付需求），并持續(xù)的卓越的為止奮斗著。但，如果業(yè)務(wù)不能獲得成功，即使效能做到極致，可拿到的結(jié)果也是零。因此，本案例嘗試解決了重業(yè)務(wù)型PMO如何在業(yè)務(wù)上發(fā)力，為業(yè)務(wù)的成功保駕護航（更高效的、持續(xù)的業(yè)務(wù)價值交付）。通過一系列的主題活動，形成一張圖、一場仗、一顆心，把敏捷思想在業(yè)務(wù)層面上做了進一步的實踐和解讀。

...

面向交互規(guī)范的UI組件庫建設(shè)實踐

互聯(lián)網(wǎng)產(chǎn)品研發(fā)流程普遍存在以下共性問題：前端開發(fā)人員UI組件重復雷同建設(shè)，通用型組件和業(yè)務(wù)型組件混用，組件文檔缺失查找不便導致研發(fā)效能低，和交互設(shè)計師溝通不充分交互設(shè)計規(guī)范沒有充分實施落地導致用戶體驗差。企業(yè)級UI組件庫往往跟隨業(yè)務(wù)發(fā)展需要長期維護，我們搭建了一整套完善的工具鏈、面向交互規(guī)范的研發(fā)流程體系有效支撐了網(wǎng)易智慧企業(yè)部組件庫建設(shè)。

...

使用即時通信平臺構(gòu)建企業(yè)“數(shù)據(jù)鏈”

企業(yè)在數(shù)字化轉(zhuǎn)型的道路上面臨的一個重要問題就是缺乏信息和數(shù)據(jù)流通的管道；不同階段，不同背景條件下建設(shè)的信息系統(tǒng)相互獨立，功能和職能重疊，使用低效，逐步形成了“信息孤島”的現(xiàn)狀；員工信息不對稱，QQ、微信和釘釘?shù)雀鞣N協(xié)作溝通工具交叉使用使得溝通低效，企業(yè)知識無法沉淀

微博社區(qū)化運營創(chuàng)新與實踐

在微博話題熱點內(nèi)容運營已較為成熟的情況下，考慮沉淀深度用戶與內(nèi)容、提供更加定制化的互動場景，是未來微博增加增強自身業(yè)務(wù)線的方向之一。

...

微保在互聯(lián)網(wǎng)保險中的敏捷研發(fā)管理實踐

微保從零開始，從團伙到團隊，逐步完善敏捷研發(fā)管理，通過不斷的優(yōu)化和論證，讓敏捷研發(fā)流程更好的服務(wù)與業(yè)務(wù)。

...

How to build a large-scale pub-sub distributed system supporting more than 2 billion concurrent connections per min

Messenger Delivery Platform team is part of Messenger org, dedicated to power all the mobile clients including messenger, Instagram, whatsapp, facebook main app, etc.This contains the typical distributed pub-sub scenarios which can support different development and business needs.

...

阿里UC研發(fā)效能提升實踐 - 聚焦用戶體驗, 重塑移動端監(jiān)控體系

從移動互聯(lián)網(wǎng)誕生到現(xiàn)在，穩(wěn)定性、性能一直是開發(fā)者面臨的主要線上問題。阿里UC有多款APP，億級的用戶量, 打造極致的用戶體驗需要解決很多復雜而棘手的問題。APP崩潰、卡頓、信息流滑動慢、視頻卡等等, 都可能影響用戶體驗導致用戶流失. 本案例將為大家分享阿里UC的移動應(yīng)用線上監(jiān)控體系建設(shè), 介紹如何通過 建立核心的體驗監(jiān)控、線上監(jiān)控與全鏈路的定位工具、大數(shù)據(jù)分析的方式, 打造端到端閉環(huán)監(jiān)控, 提升用戶體驗, 以及研發(fā)效率的提效.

容器云平臺在小米的落地和實踐

1. 搭建小米容器云平臺過程中遇到的問題

2. 從Mesos轉(zhuǎn)向Kubernetes調(diào)度引擎過程中遇到的問題

3. 容器網(wǎng)絡(luò)方案演進

4. 如何構(gòu)建一致體驗的多云網(wǎng)絡(luò)方案（LB和容器網(wǎng)絡(luò)）

...

強化學習在網(wǎng)易游戲中的應(yīng)用與落地

本篇報告主要介紹強化學習技術(shù)在網(wǎng)易游戲中的一些落地嘗試，主要包含游戲AI開發(fā)和智能測試兩部分內(nèi)容。其中游戲AI開發(fā)部分將介紹我們提出的強化編程框架：Reinforced Programming（RP）。RP包含前端流程圖工具flowchart和后端強化學習算法框架RLEase，其目標是更方便地連接游戲開發(fā)者和人工智能研究員，降低強化學習接入門檻，提升游戲AI制作效率。另外，我們會以兩個實際落地項目為例，介紹在多智能體，風格多樣化，難度控制，self-play等方面的成果。在智能測試部分，我們會介紹AI技術(shù)(強化學習， 進化算法等)在任務(wù)回歸測試，多人戰(zhàn)場測試，平衡性測試以及游戲bug檢測等場景的方案設(shè)計和在逆水寒游戲中的初步應(yīng)用效果。

The secrete of empowering and scaling the team

Why do people follow you? What team culture and process can benefit the team? How to empow the team? How to scale yourself and your team? In the meanwhile, there are many challenges in our engineering daily life: lack of support from product/UX designer, unclear scope/requirement, negotiation amo...

聯(lián)邦學習AI隱私保護技術(shù)在視覺領(lǐng)域的應(yīng)用創(chuàng)新

本案例是全球首個基于聯(lián)邦學習實現(xiàn)的產(chǎn)品落地項目，本案例是聯(lián)邦學習在視覺、物聯(lián)網(wǎng)、安防領(lǐng)域的實際應(yīng)用，解決 AI 模型在訓練過程與迭代優(yōu)化中遇到的數(shù)據(jù)隱私和數(shù)據(jù)孤島問題。通過部署聯(lián)邦學習架構(gòu)，在本地進行數(shù)據(jù)標注和訓練，多個客戶端協(xié)同訓練AI模型的模式，一方面確保用戶的隱私數(shù)據(jù)不會泄漏，另一方面充分利用各參與方的訓練數(shù)據(jù)，提升機器視覺模型的識別效果。

形式即自由-平臺實現(xiàn)企業(yè)級微服務(wù)落地

傳統(tǒng)企業(yè)有相對明確但數(shù)量、種類較多的業(yè)務(wù)場景，在微服務(wù)化的過程中涉及了復雜實施環(huán)境（業(yè)務(wù)、人、開發(fā)、運行維護、擴展等），要想實現(xiàn)高效的落地實施難度非常大。

分享的內(nèi)容描述了南天在為客戶提供數(shù)字化轉(zhuǎn)型服務(wù)過程中的解決思路。通過分享幾個階段的逐步演進，闡述了如何通過企業(yè)級應(yīng)用微服務(wù)平臺構(gòu)建服務(wù)共享體系，并將微服務(wù)化的簡易化支持、統(tǒng)一的就緒標準、整體性的服務(wù)考量、標準化的質(zhì)量要求、整體性的設(shè)計要求集成到平臺中，以保障實施的成功率和實施質(zhì)量。

...

企業(yè)級產(chǎn)品的目標導向設(shè)計探索

隨著Kubernetes(K8S)逐漸成為面向企業(yè)的開源容器編排工具的事實標準，越來越多的企業(yè)開始擁抱容器擁抱K8S。對于K8S 可以簡單的理解為是一個分布式操作系統(tǒng)的內(nèi)核，僅提供命令行的操作方式，對于終端用戶的使用和學習成本都是巨大的。因此如何幫助研發(fā)工程師及運維工程師輕松應(yīng)對應(yīng)用管理、服務(wù)治理、DevOps、大數(shù)據(jù)以及人工智能場景下的資源編排問題就促成了KubeSphere誕生。

K8S定義了一組構(gòu)建塊，它們可以共同提供部署、維護和擴展應(yīng)用程序的機制。組成K8S的組件設(shè)計為松耦合和可擴展的，以滿足多種不同的工作負載編排需求。對于軟件產(chǎn)品的實現(xiàn)，松耦合以及面向?qū)ο蟮某绦蛟O(shè)計...

愛奇藝研發(fā)工具鏈實踐

伴隨著近年來基礎(chǔ)設(shè)施的不斷進步和微服務(wù)理念的普及，產(chǎn)品“短平快”迭代逐漸成為一個普遍的需求。如何兼顧質(zhì)量和速度始終困擾著很多業(yè)務(wù)團隊。為此，愛奇藝基礎(chǔ)架構(gòu)團隊與項目管理團隊合作，將 DevOps 與項目管理流程相結(jié)合，基于 Jira、Gitlab、Jenkins、JFrog Artifactory 及私有 PaaS 搭建了一套通用的工具鏈，包括研發(fā)項目管理、代碼管理、持續(xù)集成、運行環(huán)境管理、發(fā)布流水線編排以及研發(fā)效率分析等工具。本次分享內(nèi)容包括我們對項目研發(fā)運維管理、項目成員角色與職責、工具鏈各環(huán)節(jié)關(guān)系等方面的思考，以及在設(shè)計、研發(fā)、推廣過程中遇到的一些技術(shù)或非技術(shù)方面的實際問題和處理方案。

引入用戶畫像開展微服務(wù)場景測試

電信運營業(yè)務(wù)支撐系統(tǒng)的集成測試在明確測試目的和測試內(nèi)容時，需要分析用戶應(yīng)用場景，以幫助制定測試策略、實施測試和質(zhì)量評估。

...

如何更快、更準發(fā)現(xiàn)內(nèi)網(wǎng)故障

百度內(nèi)網(wǎng)包含了數(shù)以萬計的網(wǎng)絡(luò)設(shè)備，網(wǎng)絡(luò)故障幾乎是常態(tài)。由于鏈路收斂需要時間，收斂過程中數(shù)據(jù)傳輸依然會受到影響，設(shè)備冗余無法避免網(wǎng)絡(luò)故障的發(fā)生。另外，即使設(shè)備正常，當遇到突發(fā)流量時也可能出現(xiàn)鏈路出現(xiàn)擁塞。

本案例提出的內(nèi)網(wǎng)質(zhì)量監(jiān)控系統(tǒng)采用端到端的探測方式，并基于多維度數(shù)據(jù)算法對采集數(shù)據(jù)進行分析，可以有效地發(fā)現(xiàn)服務(wù)有感的網(wǎng)絡(luò)故障，并準確的判斷出網(wǎng)絡(luò)故障的范圍，以便運維工程師可以根據(jù)故障的范圍確定止損預案。

...

從0到1，馬蜂窩大交通團隊如何構(gòu)建高效研發(fā)流程體系？

本案例分四個階段講述大交通研發(fā)團隊如何基于騰訊TAPD提升研發(fā)的效能，保證服務(wù)的質(zhì)量和降低線上故障。 一 、團隊成立初期 – 目標：填補業(yè)務(wù)空白 二、快速發(fā)展期 – 目標：保證交付效率和服務(wù)質(zhì)量 三、業(yè)務(wù)擴張期 – 目標：精細化、場景化 四、未來展望 – 目標：探索敏捷+DevOps的整合

騰訊TDSQL分布式數(shù)據(jù)庫的質(zhì)量護城之道

分布式數(shù)據(jù)庫（Tencent Distributed SQL，TDSQL）是騰訊打造的一款國產(chǎn)分布式金融數(shù)據(jù)庫數(shù)據(jù)庫，對質(zhì)量的要求尤其高，本文講述了如何構(gòu)建國產(chǎn)分布式數(shù)據(jù)庫的質(zhì)量護城之道。

Introducing DesignOps - Design Operations That Can Supercharge Your Design Workforce

With design teams growing bigger and more international, it is getting harder for designer to collaborate. Sharing design files over slack and going back and forth with different styles and naming tradition creates friction and extra work. If there is a method that makes collaborative design seam...

Exploring the frontier of data science and machine learning with Windows Experimentation

We first set the context by describing WExp and the unique challenges of building a system for running randomized controlled trials in the operating system. (Based on Li et al., Experimentation in the Operating System: The Windows Experimentation Platform. In Proceedings of the International Conf...

快手機器學習平臺GPU優(yōu)化加速實踐

該案例介紹了快手機器學習平臺概況及深度學習場景下GPU優(yōu)化加速的最佳實踐，快手主APP日活已超2億，業(yè)務(wù)線常面臨超大規(guī)模數(shù)據(jù)集及復雜模型的高效快速訓練場景；如何利用公司GPU計算資源來加速機器學習模型的大規(guī)模訓練，滿足算法模型的快速和高質(zhì)量的業(yè)務(wù)迭代需求，平臺從多個維度進行技術(shù)調(diào)研和探索，目標是大規(guī)模GPU集群分布式訓練時獲得近線性擴展比和較高的GPU資源利用率。

...

設(shè)計管理體系，用機制驅(qū)動體驗

滴滴早期在營銷驅(qū)動的模式下，短期獲取了大量市場份額，但逐漸發(fā)現(xiàn)這種模式不可持續(xù)，需要用體驗驅(qū)動的模式創(chuàng)造真正的用戶價值。但體驗如何驅(qū)動業(yè)務(wù)增長？怎樣設(shè)計管理體系才是最有效的？

預期目標是探索出體驗驅(qū)動業(yè)務(wù)增長的良性模式，取得nps和市場份額同時增長的效果。

...

O2O行業(yè)的智能創(chuàng)意與智能設(shè)計

面對O2O各垂直行業(yè)商家的個性化訴求、面對廣告海量投放需要挑戰(zhàn)， 設(shè)計團隊基于行業(yè)特性、商戶及業(yè)務(wù)訴求、設(shè)計成本等多角度思考，與產(chǎn)品技術(shù)團隊一同孵化并創(chuàng)建智能解決方案——萬花筒智能設(shè)計系統(tǒng)，不僅提供了“一鍵設(shè)計”的能力，降低商戶的參與門檻及運營成本，同時結(jié)合商戶、平臺、用戶三方利益，提高素材管理、質(zhì)量辨識及應(yīng)用的能力，打造出符合行業(yè)特性的閉環(huán)產(chǎn)品流程。 在萬花筒系統(tǒng)搭建的基礎(chǔ)上，設(shè)計團隊主推建立了一套基于設(shè)計結(jié)論在不同投放場景閉環(huán)測試的機制， 能夠基于業(yè)務(wù)的訴求，設(shè)計實驗，并持續(xù)不斷構(gòu)建和發(fā)現(xiàn)設(shè)計中的規(guī)律。從廣告海量投放的業(yè)務(wù)特性及智能設(shè)計的能力出發(fā),通過對比實驗及統(tǒng)計分析的方式，測試不同設(shè)計元素、設(shè)計風格對banner、H5頁面體驗的影響程度，從而為各個垂直行業(yè)及其用戶提供更有針對性和嚴謹度的設(shè)計結(jié)論。

客戶智能分析為客戶服務(wù)賦能

在當今激烈競爭的商業(yè)環(huán)境中，競爭對手的增加、業(yè)務(wù)的多樣化和全球化已使企業(yè)間的競爭急劇增強。企業(yè)只有不斷地通過各種渠道同客戶進行有效的互動交流，并且從這種互動中獲取知識，了解客戶，提高客戶滿意度來獲得利潤，才能在競爭中立于不敗之地。

傳統(tǒng)CRM客戶關(guān)系管理是一種通過系統(tǒng)和技術(shù)手段實現(xiàn)的服務(wù)和商業(yè)策略，目的是提高客戶在與企業(yè)交互時的體驗。那么，隨著社會化媒體的誕生、發(fā)展，越來越多的消費者聚集在社會化媒體中，企業(yè)品牌的客戶管理也隨之發(fā)生了改變。

首先是模式的變換：傳統(tǒng)的企業(yè)與客戶是一對一的交互關(guān)系，而隨著社交媒體的產(chǎn)生，客戶之間、客戶與企業(yè)之間的關(guān)系錯綜復雜。傳...

容器運行時從docker到containerd的遷移

Docker作為我們曾用的容器運行時，由于其過于復雜，維護性成本過高。當線上出現(xiàn)問題，我們解決的方法最多是重啟docker。為了讓容器運行時更加可控，我們重新選擇了containerd。當線上出現(xiàn)問題，我們都能快速解決。

...

騰訊新聞數(shù)據(jù)驅(qū)動產(chǎn)品變革案例

通過數(shù)據(jù)在驅(qū)動產(chǎn)品增長在各個環(huán)節(jié)的在落地實踐，我們從一定程度上解決了： 1）如何進行有效的數(shù)據(jù)治理、以及全流程保證數(shù)據(jù)生產(chǎn)質(zhì)量的實踐 2）如何從增長評估視角構(gòu)建起高效、科學的實驗體系 3）如何通過數(shù)據(jù)分析出產(chǎn)品的增長關(guān)鍵指標和實現(xiàn)路徑 4）如何從產(chǎn)品視角實現(xiàn)實驗數(shù)據(jù)解讀。

Data-Driven Customer Growth for SAAS Business

This case is to show how SaaS (software as a service) company can use data-driven methods to generate customer growth. There are menthods borrowed from consumer product, and there are also unique tactics to handle the challenge in SaaS field.

...

新一代Serverless平臺Knative的應(yīng)用實踐

無服務(wù)架構(gòu)是面向未來的新興架構(gòu)，Knative代表著新一代無服務(wù)架構(gòu)的發(fā)展方向。本案例全面介紹了Knative的整體架構(gòu)在微服務(wù)研發(fā)實踐中的應(yīng)用。

特別是K8S+Istio已經(jīng)成為云原生微服務(wù)架構(gòu)的主流解決方案，但由于缺乏統(tǒng)一的編排標準，導致微服務(wù)的配置和管理復雜度增加，開發(fā)者需要一種通用微服務(wù)架構(gòu)部署標準來解決這個問題。

...

Data analytics in Game Development

How data plays a role in modern live-service game development

...

冥想與團隊創(chuàng)新

有媒體報道，F(xiàn)acebook 和 Twitter 都在辦公室里組織冥想活動。Facebook 聯(lián)合創(chuàng)始人 Dustin Moskovitz 還表示，正念幫助他在生活各個方面都取得成功。他通過覺察自己的精神狀態(tài)，可以保持行為和思想的聯(lián)結(jié)。
可能和大家想的不太一樣，美國互聯(lián)網(wǎng)公司會組織一些冥想的活動，谷歌、蘋果、寶潔、英特爾等著名企業(yè)均為員工們提供了與“正念減壓”相關(guān)的個體能力提升課程，包括集體冥想、減壓訓練等，幫助他們更加有效地應(yīng)對工作壓力。他能使面臨巨大壓力的技術(shù)人感到內(nèi)心更加平靜，頭腦更加清晰，思維更加集中。研究顯示，冥想和其他使內(nèi)心獲得寧靜的做法還有可能推動創(chuàng)新。我將通過我在f...

基于機器學習模型的流失預警和召回策略

KYI（Know Your Intention）模型體系，即覆蓋用戶全理財生命周期“意圖預測模型系統(tǒng)”是繼陸金所率先在業(yè)內(nèi)提出“投資者適當性管理”理念后，再次對平臺整體智能化管理的全面升級。 KYI的核心功能是“動態(tài)意圖預測”的能力?；陉懡鹚延械腒YC、KYP體系，KYI創(chuàng)新性地融入了基于經(jīng)濟行為學理論而設(shè)計的投資性格測評體系，幫助平臺更深層的理解用戶正處在全生命周期哪個階段、哪個時點、有什么獨特的金融需求，目標是以此獲取高質(zhì)量的新客，挖掘高價值客戶，提高用戶留存，助力精準營銷的開展。 本次分享主要介紹KYI體系中的用戶流失預警和召回策略模塊，探討如何利用機器學習技術(shù)，結(jié)合自動化運營技術(shù)，為企業(yè)用戶留存保駕護航。

來自嗶哩嗶哩的設(shè)計經(jīng)驗

這個時代，人們可以根據(jù)自己的興趣愛好，選擇吸收知識或釋放情緒，好奇心讓每個人變得與眾不同，跟隨指引進入屬于自己的空間，在某個時間膠囊里和某些人一起聊著關(guān)心的話題，流露善意收獲樂趣，潛移默化的構(gòu)建著某個文化圈層。

當一群人看著Vtuber，聊著MikuMikuDance，有些人或許還沒聽過MEMES這個詞。

微博視頻中臺化演進

1. 介紹微博視頻中臺整體架構(gòu)以及設(shè)計思路。 2. 闡述在中臺化過程中遇到的一些問題及解決方案。 3. 說明最終微博視頻中臺化帶來的收益。 4. 說明哪些場景需要并且適合去搞中臺。

機器學習在云計算環(huán)境下容量管理應(yīng)用

隨著云計算的逐步普及，越來越多的公司將自己的服務(wù)和計算環(huán)境轉(zhuǎn)移到了云平臺（如Azure, AWS, 和 阿里云等），如何有效得管理資源容量 （capacity management），如容量預測，異常檢測和容量優(yōu)化等，是非常重要和急需解決的問題。本案例提出使用機器學習的方法來進行云計算環(huán)境下容量管理，在實際應(yīng)用中，取得了顯著的效果。

Search and recommendation in cloud file system

The purpose of this case study is to show how machine learning can improve the user experience in the (enterprise) cloud file system. The expected audience will be those companies/organizations that hold the cloud-based contents (for example, Microaoft One Drive and Sharpoints, Google Drive and D...

實時干預在閑魚業(yè)務(wù)場景下的探索

閑魚的用戶主要分為兩類：買家和賣家。我們從在用戶增長對買賣家的留存分析中發(fā)現(xiàn)：如果買家瀏覽了一定個數(shù)的寶貝后，那么ta的月留存將會有明顯提高；而如果賣家如果發(fā)布了一定個數(shù)的寶貝后，那么ta的月留存也會有顯著的提升。在用戶增長中，我們稱之為魔法數(shù)字。于是我們就在用戶正常操作閑魚APP時，當用戶的操作滿足一定條件后，就會立刻觸發(fā)一個帶有權(quán)益的應(yīng)用內(nèi)PUSH，吸引用戶去點擊領(lǐng)取權(quán)益。我們選擇在用戶的行為滿足一定條件后給予用戶一定的激勵，刺激買家去瀏覽更多的寶貝后下單，也刺激賣家去上架更多商品和更努力的推銷商品。讓買賣家的行為滿足魔法數(shù)字要求，從而帶來次留量的增長。除用戶增長這個場景以外，還在安全、玩法、行業(yè)、社區(qū)等業(yè)務(wù)也有落地和實踐。

戰(zhàn)略轉(zhuǎn)型中，產(chǎn)品團隊如何快速變革？

通過一個實戰(zhàn)案例，深度解讀（變革地圖）的應(yīng)用，通過實際的場景，講解變革地圖的變革實踐7步走 1. 確認公司所處階段； 2. 確認公司戰(zhàn)略（業(yè)務(wù)）目標； 3完成戰(zhàn)略（業(yè)務(wù)）目標拆解； 4；分析匹配的組織能力； 5，人才結(jié)構(gòu)的調(diào)整； 6.團隊融合共創(chuàng)的融合； 7.實干與創(chuàng)新共贏

建信金科公司的敏捷轉(zhuǎn)型之路初探

2018年末2019年初，公司決定進行敏捷轉(zhuǎn)型，在敏捷試點過程中，CI/CD、電子看板等需要有工具支撐。這時恰好了解到北京事業(yè)群整在做敏捷研發(fā)管理工具，于是公司總部考慮在敏捷試點過程中建議項目組使用該工具。但是在推廣過程中發(fā)現(xiàn)該工具存在一些問題，例如它的電子看板操作不夠便捷，一些度量指標的呈現(xiàn)并不準確，同時由于公司對網(wǎng)絡(luò)環(huán)境的安全要求，使得該工具的CI/CD功能在部分項目中并不適用。深度了解團隊狀況后發(fā)現(xiàn)，雖然該團隊已經(jīng)開發(fā)敏捷管理工具近半年，但是團隊對敏捷研發(fā)的理念仍存在一些偏差，同時團隊的士氣和工作氛圍需要提升。于是在團隊負責人的邀請下，外部敏捷教練進入團隊，首要目標是讓團隊切身體會...

敏捷產(chǎn)品管理方法與實踐

敏捷產(chǎn)品管理涉及的內(nèi)容豐富，帶來的實踐包括：敏捷產(chǎn)品流程管理、需求管理、產(chǎn)品團隊任務(wù)管理、需求分析、方案設(shè)計、需求拆分、需求驗證、需求洞察等，通過流程與實踐推動敏捷產(chǎn)品管理的落地。

當質(zhì)量保障遇上人工智能：金融風控產(chǎn)品的質(zhì)量體系

本案例主要圍繞金融風控業(yè)務(wù)的算法模型的質(zhì)量保障手段與工程效率實踐來展開，共分四個大章節(jié)。 1.AI在金融科技的的應(yīng)用： 介紹AI業(yè)務(wù)應(yīng)用場景，如：大數(shù)據(jù)風控、廣告推薦、語音識別、無人駕駛等。列舉AI金融科技應(yīng)用，如：營銷、風控、運營、支付等。分析金融風控的分層架構(gòu)。白話AI基礎(chǔ)概念，對比機器學習的主要分類。講解金融信貸風控體系，評分卡及常用模型。鋪墊引出質(zhì)量問題與挑戰(zhàn)； 2.數(shù)據(jù)質(zhì)量保障的實踐： 講解大數(shù)據(jù)ETL過程與測試要點。分析 Data Profiling & Auditing & Correcting。舉例說明數(shù)據(jù)質(zhì)量分析方法，如：血緣基數(shù)、值域分布等。闡述數(shù)據(jù)測試設(shè)計要點。介紹數(shù)據(jù)質(zhì)量平臺設(shè)計與應(yīng)用； 3.特征模型的測試思路： 對"模型、訓練、擬合"等名詞做通俗解釋。對比數(shù)據(jù)和特征的區(qū)別。介紹從特征挖掘到模型建立的過程，類比建模與馴獸的相似點，加強對建模過程的理解。舉例特征測試要點與自動化，特征計算、特征調(diào)度、特征上線等過程。講解模型的測試方法，如：數(shù)據(jù)測試、核心邏輯、蛻變測試、效果評估等。說明不同類別模型的效果指標，如：分類、回歸等，重要講解金融風控 模型的效果指標，如：KS、卡方、PSI、IV等。強調(diào)模型監(jiān)控的重要性與常見監(jiān)控手段。講解模型評估平臺的設(shè)計與應(yīng)用效果。 4.AI時代QA技能升級： 剖析AI模型的測試痛點，總結(jié)AI產(chǎn)品質(zhì)量保障體系，分享AI學習進階路線。

Site Reliability at PayPal : The Future is Now

Conceived and embarked on in 2009, PayPal's SRE has been the A-team that has been a significant factor in PayPal's ability to serve millions of users, day in and day out. It has aided PayPal in becoming and remaining one the most trusted payment solutions the industry has ever seen. This talk will attempt to build a narrative around the transformation that PayPal SRE has gone through with milestones that are truly remarkable and ahead of the curve. This gives a unique insight into how PayPal has evolved in the SRE/DevOps space and would be a cookbook for any Organisation wanting to go the DevOps route

得與失：工程師到技術(shù)經(jīng)理的轉(zhuǎn)型

分享者結(jié)合自己本身的經(jīng)歷與諸多硅谷華人一線經(jīng)理的故事，為大家娓娓道來在美國如何完成一個高級工程師/技術(shù)責任人到技術(shù)經(jīng)理的轉(zhuǎn)型：需要做哪些準備？如果扮演技術(shù)經(jīng)理的角色？如何繼續(xù)提升自己的技術(shù)與管理能力？如何帶領(lǐng)團隊高效的完成項目？如何處理績效考核？有哪些所得與所失？對比中美不同的工程師與管理文化，重新審視一下自己的職業(yè)規(guī)劃，找好方向從而繼續(xù)大步前進。

AI-Driven Email Campaigns With Natural Language Generation and Personalization Models

The goal of the project is to improve email campaigns’ open rate. Many companies promote their products by sending users emails and so does Microsoft. As the users’ engagement funnel goes, they will start by opening the email, then click on the links in the email, then take the desired action in ...

螞蟻金服 Service Mesh 雙十一實戰(zhàn)

Service Mesh 是螞蟻金服下一代架構(gòu)的核心，本主題主要分享在螞蟻金服當前的體量下，我們?nèi)绾巫龅皆诒寂艿幕疖嚿蠐Q輪子，將現(xiàn)有的 SOA 體系快速演進至 Service Mesh 架構(gòu)。RPC、消息、DB、安全、運維等每一個環(huán)節(jié)均充滿挑戰(zhàn)。本次實戰(zhàn)分享螞蟻金服雙十一核心應(yīng)用如何大規(guī)模落地 Service Mesh 架構(gòu)并降低大促成本。

用戶標簽在零售行業(yè)中的分析及應(yīng)用

標簽管理： 基于統(tǒng)一的標簽全生命周期管理流程將流程管理規(guī)范化。通過各環(huán)節(jié)審批處理流程及相關(guān)功能實現(xiàn)與使用期間問題的發(fā)現(xiàn)和處理達到閉環(huán)管理、規(guī)范化管理提升數(shù)據(jù)質(zhì)量。 標簽生產(chǎn)： 會員基礎(chǔ)信息采集，邏輯，規(guī)則，算法挖掘及聚類五大生產(chǎn)方法，實現(xiàn)各類標簽生產(chǎn)。 標簽服務(wù)： 提供統(tǒng)一標簽服務(wù)，包括離線人群包服務(wù)，實時人群包服務(wù)及畫像服務(wù)。 標簽畫像： 實現(xiàn)營銷全鏈路閉環(huán)分析，方便業(yè)務(wù)從營銷事前的客群分析，多維自主分析到營銷后的客群跟蹤分析，多維度全渠道滿足業(yè)務(wù)日常畫像分析的需求，加深對用戶的理解和深入分析。

激戰(zhàn)「去IOE」：亞信科技幫助傳統(tǒng)企業(yè)升級分布式數(shù)據(jù)庫的產(chǎn)品變革之路

95%的應(yīng)用都離不開數(shù)據(jù)庫，大部分還都被國外商業(yè)數(shù)據(jù)庫壟斷。為了能幫助客戶掌握核心技術(shù)，賦能數(shù)字化轉(zhuǎn)型，實現(xiàn)真正的自主發(fā)展，我們用了5年時間，我們的技術(shù)和產(chǎn)品在所有的客戶現(xiàn)場和案例中至今保持著0故障的記錄。以超高的穩(wěn)定性贏得客戶的認可。 1.5G、物聯(lián)網(wǎng)來了，未來需要什么樣的數(shù)據(jù)庫 2.如何緊貼客戶的訴求，構(gòu)建產(chǎn)品的核心競爭力 3.如何保證產(chǎn)品的高質(zhì)量輸出 4.如何打造團隊，平衡好技術(shù)和成本之間的關(guān)系 5.下一步我們會走向哪里？

設(shè)計百億級大規(guī)模時序存儲平臺的挑戰(zhàn)與實踐

在快速成長的互聯(lián)網(wǎng)公司，一個穩(wěn)定可靠的實時監(jiān)控系統(tǒng)是保證公司運維健康的關(guān)鍵。伴隨著數(shù)據(jù)量的極速增長和使用場景的不斷豐富，作為監(jiān)控系統(tǒng)核心的分布式時序數(shù)據(jù)存儲平臺面臨了三個挑戰(zhàn)：數(shù)據(jù)存儲效率，高吞吐量和高穩(wěn)定性。本案例通過深入介紹Facebook和微軟時序數(shù)據(jù)平臺的設(shè)計和架構(gòu)，向聽眾分享兩個百億級時序存儲解決方案在面臨50%年增長的需求下如何采取不同的方式來應(yīng)對這些挑戰(zhàn)。

快狗打車微服務(wù)最佳實踐

快狗打車成立于2014年，隨著公司業(yè)務(wù)的不斷發(fā)展壯大，運營越來越精細化，隨之而來的就是業(yè)務(wù)規(guī)則越來越多，也越來越復雜，在這個過程中，原有的應(yīng)用架構(gòu)已不足以支撐業(yè)務(wù)的運行，需要增加和改造相應(yīng)的系統(tǒng)和應(yīng)用來保證業(yè)務(wù)的發(fā)展及壯大，一般的做法是進行系統(tǒng)和應(yīng)用的服務(wù)化，那服務(wù)化究竟解決了什么問題，如何進行服務(wù)化，如何在服務(wù)化的同時保證系統(tǒng)穩(wěn)定運行、應(yīng)用的穩(wěn)定發(fā)布，同時又能保證研發(fā)效率呢，這也是快狗打車在服務(wù)化路上需要解決的難題

除敏捷實踐外，項目管理還能做點什么？

對于研發(fā)效能的提效，大家第一想到的肯定是耳熟能詳?shù)腟crum、看板等敏捷實踐，但局限于團隊、能力等因素并不一定能得到很好的推廣，這種情況下我們還能做點什么呢？ 今天的分享給大家?guī)淼木褪俏覀內(nèi)绾瓮ㄟ^“流程與工具搭配，制度與獎勵結(jié)合”，在未引入敏捷實踐的情況下，如何做到將人效提升60%，需求周期縮短50%的。 希望通過今天的分享能給目前在項目管理和效能改進方面處于迷茫和瓶頸期的朋友，能有一個可參考、借鑒的方向，從而挖掘出一條更適合自己團隊的研發(fā)效能改進之路。

螞蟻金服大規(guī)模分布式架構(gòu)下數(shù)據(jù)一致性實踐

分布式架構(gòu)是大型金融科技企業(yè)的必然選擇，在螞蟻金服向分布式架構(gòu)轉(zhuǎn)型過程中，數(shù)據(jù)庫被水平拆分，服務(wù)按照功能進行解耦和拆分，這導致一個業(yè)務(wù)活動通常要跨多個數(shù)據(jù)庫和微服務(wù)，而網(wǎng)絡(luò)、機器等資源的不可靠性，使得數(shù)據(jù)一致性問題成為大型金融科技企業(yè)向分布式架構(gòu)轉(zhuǎn)型的重要挑戰(zhàn)之一。 為了保障分布式架構(gòu)下業(yè)務(wù)數(shù)據(jù)的一致性，螞蟻金服自主研發(fā)了分布式事務(wù)中間件，解決跨數(shù)據(jù)庫、跨服務(wù)的事務(wù)問題。螞蟻金服的分布式事務(wù)產(chǎn)品伴隨著螞蟻金融業(yè)務(wù)的發(fā)展，經(jīng)過多年演進已經(jīng)具備了多種解決方案：螞蟻金服內(nèi)部大量使用了TCC解決跨服務(wù)事務(wù)問題，TCC是一種高性能靈活的事務(wù)解決方案，支持了螞蟻金服雙十一的高性能需求，支持了異地多活的高可用需求；為了讓分布式事務(wù)使用更加便捷，我們推出FMT、XA 兩種無侵入的事務(wù)解決方案；為了滿足用戶的長事務(wù)需求，我們又推出了SAGA 模式。當前螞蟻金服的分布式事務(wù)解決方案主要有TCC、FMT、XA和 SAGA 四種模式，豐富的模式覆蓋了各類使用場景。 同時，我們也在逐步開源螞蟻金服的分布式事務(wù)，與社區(qū)一起分享螞蟻的科技成果，開源產(chǎn)品Seata由螞蟻和阿里共同建設(shè)，希望與社區(qū)共同打造分布式事務(wù)標桿。

美團點評海量數(shù)據(jù)實時入倉實踐

本案例會介紹到 美團點評數(shù)據(jù)平臺團隊是如何針對公司海量業(yè)務(wù)數(shù)據(jù)來構(gòu)建可靠、高效、可擴展的入倉生產(chǎn)流程；如何結(jié)合大數(shù)據(jù)平臺生產(chǎn)的發(fā)展趨勢，進行數(shù)據(jù)端到端的可靠傳輸設(shè)計；如何從Camus、SparkStreaming、Flink等底層架構(gòu)的演進實踐中積累經(jīng)驗，實現(xiàn)標準化規(guī)?；姆桨竿懂a(chǎn)；

超越求職，領(lǐng)英在職場社交的探索和實踐

This talk give an insider’s perspective on how LinkedIn has transformed from a job search platform to a professional networking and content platform.

The Long and Winding Road: User Migration after M&A

People are afraid to move, and this is human nature. To make a migration successful, it not only needs a frictionless migration flow, but also, and more importantly, it requires a long run way to educate users.

大企業(yè)信息管理平臺技術(shù)架構(gòu)選型

傳統(tǒng)超大型、大型企業(yè)由于企業(yè)業(yè)務(wù)的飛速發(fā)展，對企業(yè)IT能力建設(shè)提出了更高、更快、更遠的要求，并且企業(yè)經(jīng)過上10年的建設(shè)，企業(yè)內(nèi)部IT系統(tǒng)但當前大部分企業(yè)IT能力水平相對較低，甚至還有一部分大企業(yè)還未能充分完成信息化建設(shè)，從而很難給企業(yè)提供業(yè)務(wù)決策支撐。平安智慧企業(yè)云平臺采用微服務(wù)技術(shù)架構(gòu)，幫助企業(yè)技術(shù)架構(gòu)的選型，提高IT資源使用率，降低運維人員的維護成本，極大提高了信息系統(tǒng)抗風險，數(shù)字化能力。

知乎移動端質(zhì)量保障體系建設(shè)

1） 單周發(fā)版的迭代速度下，知乎如何保證移動端發(fā)版質(zhì)量？ 2）知乎移動端的質(zhì)量架構(gòu)，如何完成提測前質(zhì)量評估，發(fā)版后質(zhì)量監(jiān)控，版本質(zhì)量度量。 3）知乎移動端的 Pipeline 工具鏈介紹，工具鏈建設(shè)思路總結(jié)。 4）測試工具如何為產(chǎn)研團隊賦能。

從零件組裝到產(chǎn)出生產(chǎn)線——美團收單前端優(yōu)化歷程

本案例為美團收單前端的性能優(yōu)化，為解決收單性能在弱網(wǎng)下的瓶頸，對舊的技術(shù)棧進行革新，為團隊總結(jié)了優(yōu)化經(jīng)驗以及部分項目的標準化開發(fā)、設(shè)計、流程、依賴和方法等。并通過優(yōu)化為切入點，試闡述標準化前端開發(fā)流程帶來的收益與效率提升。標準化開發(fā)規(guī)范、組件、庫、統(tǒng)計監(jiān)控等是基本的準備。如果能提取出某類型的工程創(chuàng)建模板，則能大大提升開發(fā)效率。

智能對話、目標檢測、圖像生成技術(shù)在風控場景中的應(yīng)用

在網(wǎng)頁巡檢過程中為了獲取網(wǎng)頁背后的充值賬號，大多數(shù)情況下需要進行登錄或注冊才能到達充值頁面，而在登錄和注冊環(huán)節(jié)，接近過半網(wǎng)站都需要驗證碼進行驗證。從而對驗證碼進行自動識別成為大規(guī)模自動化巡檢網(wǎng)頁的必須手段，但是由于驗證碼的復雜性，對驗證碼進行識別需要大量的有標簽訓練樣本，而不同網(wǎng)站的驗證碼形式不一樣，爬取大量數(shù)據(jù)進行打標會導致以下兩種情況： 大規(guī)模人工打標，在實效性和金錢上都有不小損耗。 在大規(guī)模爬取網(wǎng)頁的驗證碼圖像數(shù)據(jù)時，一些反爬比較厲害的網(wǎng)站會提前識別到進而更換驗證碼，更進一步導致對后面的巡檢的障礙。 這激發(fā)了我們對少量數(shù)據(jù)進行驗證碼破解的探索，利用算法學習少量真實標簽驗證碼的信息，進而生成和真驗證碼十分接近的驗證碼，能幫我們快速獲得學習樣本，這種思想類似于數(shù)據(jù)增強，但是是一種更加復雜的增強方式。

京東數(shù)據(jù)湖演化之路

京東的數(shù)據(jù)量越來越大, 京東大數(shù)據(jù)存儲平臺作為底層的支撐平臺, 集群規(guī)模一步步由數(shù)百到數(shù)萬規(guī)模的演化, 經(jīng)歷了單集群破萬、多集群融合、跨機房集群融合、跨部門數(shù)據(jù)分享等等技術(shù)挑戰(zhàn)。此次分享主要涵蓋面對業(yè)務(wù)多元化發(fā)展, 京東大數(shù)據(jù)存儲平臺持續(xù)進化過程中遇到的問題與我們的解決方案

超萬臺集群規(guī)模AIOPS實踐

本例是從多維角度對京東萬臺規(guī)模集群進行實時分析，預警，干預。主要包括以下幾個模塊， 1、實時監(jiān)控集群的yarn隊列資源，hdfs存儲性能，并進行多天對比，進行及時預警，并且根據(jù)設(shè)定的策略進行實時干預，例如yarn隊列資源調(diào)整、存儲優(yōu)先級調(diào)整。 2、監(jiān)控集群job的全生命周期，根據(jù)設(shè)定的策略，可以對job進行調(diào)整，例如，查殺異常job、調(diào)整job的參數(shù)、調(diào)整job所在隊列。 3、集群異常節(jié)點監(jiān)控，可以對集群節(jié)點，從物理、服務(wù)等多角度分析，及時發(fā)現(xiàn)異常節(jié)點，排除隱患。 4、可以配合計算引擎，在job執(zhí)行前優(yōu)化job的執(zhí)行參數(shù)。

淘寶直播及電商媒體質(zhì)量保障實踐

本次演講以淘寶直播為例介紹淘寶的多媒體質(zhì)量保障方案，探討電商多媒體業(yè)務(wù)的特點和帶來的穩(wěn)定性的挑戰(zhàn)，從業(yè)務(wù)工具建設(shè)、鏈路排查能力、實時/離線數(shù)據(jù)分析以及媒體專項這四點全面介紹多媒體質(zhì)量保障思路和平臺建設(shè)方法

Adobe Adoption of API Gateway Pattern

While microservice architecture is gaining traction across the industry, managing such a complex system is a common challenge. API Gateway pattern provides many answers to the problem. Yet choosing the right implementation, either be an existing solution or home-grown we shall analyze the unique requirements and constraints of given situation then come up with a solution that best fits the needs of the business.

嚴選模式下的數(shù)據(jù)驅(qū)動引擎

解決嚴選這種復雜業(yè)務(wù)下，如何全鏈路用數(shù)據(jù)度量業(yè)務(wù)、分析業(yè)務(wù)、提升業(yè)務(wù)決策質(zhì)量的問題。

以場景化數(shù)據(jù)產(chǎn)品為龍頭，緊貼業(yè)務(wù)解決不同業(yè)務(wù)場景下數(shù)據(jù)需求，以數(shù)據(jù)中臺為引擎，解決大規(guī)模數(shù)據(jù)應(yīng)用的效率和質(zhì)量問題。

目標是全業(yè)務(wù)過程都能得到基本的數(shù)據(jù)應(yīng)用支撐，重點業(yè)務(wù)場景提供數(shù)據(jù)決策。

...

DDD改善企業(yè)應(yīng)用架構(gòu)：CQRS和EventSourcing在微服務(wù)項目中的實踐與探索

本案例將從客戶面臨的業(yè)務(wù)需求談起，介紹近幾年新興的CQRS/EventSourcing模式結(jié)合DDD在微服務(wù)架構(gòu)設(shè)計和實現(xiàn)中的優(yōu)勢，并分享在應(yīng)用此模式進行領(lǐng)域建模，開發(fā)實現(xiàn)，系統(tǒng)演進的過程中獲得的經(jīng)驗教訓。

架構(gòu)場次

68

Efficient and Effortless Resource Management at Google

Ensuring that users in a computation cluster can receive strong guarantees about immediate resource availability is surprisingly hard to do without wasting significant amounts of resources. The Google Flex system gives administrators a way to define resource pools that provide a range of strong, statistically-backed guarantees based on user and job behavior, while also reducing human effort by automation tied into the Borg cluster manager, Colossus distributed file system, and many other services. Flex has been widely adopted at Google, and has produced significant resource savings.

提升工程效能的利器 – “測試即服務(wù)架構(gòu)”的設(shè)計與實踐

目前，包括Google、Facebook和eBay等國際互聯(lián)網(wǎng)巨頭的研發(fā)團隊都在推行開發(fā)人員自己做測試，也就是說不會再有專職測試團隊，原本的測試團隊正逐漸向工程效率團隊轉(zhuǎn)型，也就是所謂的“去QE化”。在此過程中，工程效率團隊應(yīng)該如何設(shè)計和構(gòu)建高效的測試基礎(chǔ)架構(gòu)和支持工具鏈生態(tài)體系來確保全局工程效能的提升就變得尤其重要，在大量實踐的基礎(chǔ)上，我們提出了“測試即服務(wù)（Test as a Service）“的測試基礎(chǔ)架構(gòu)，提倡所有測試相關(guān)的活動都以Web Service的形式對外提供統(tǒng)一接口，一方面可以方便開發(fā)人員的直接使用，而不需要知道里面具體的細節(jié)，讓開發(fā)人員可以把有限的精力放在業(yè)務(wù)測試的邏輯實現(xiàn)上，另一方面可以規(guī)范化測試與CI/CD的接口。為此，我們設(shè)計并成功落地了以下測試服務(wù)： ? 測試執(zhí)行服務(wù) （Test Execution Service） ? 測試數(shù)據(jù)服務(wù) （Test Data Service） ? 測試執(zhí)行環(huán)境服務(wù) （Test Bed Service） ? 全局測試配置服務(wù) （Global Registry Service） ? 工程效率工具鏈服務(wù)（Engineering Productivity Tool Store） 最后，我還會講解如何基于這些測試服務(wù)來構(gòu)建”大型全球電商網(wǎng)站的全局測試架構(gòu)“。

Qunar移動端持續(xù)交付之路

之前移動研發(fā)過程中的工具只實現(xiàn)了各階段功能點的自動化，但是缺少平臺化和系統(tǒng)化，導致各工具系統(tǒng)間形成許多信息孤島，無法實現(xiàn)流程間的快速流轉(zhuǎn)，阻礙快速迭代和持續(xù)交付，學習成本高，效率低下。為了解決這些問題，我們將原有工具系統(tǒng)進行重構(gòu)整合，進行平臺化和系統(tǒng)化處理，加速從開發(fā)、運維到交付客戶的流程，并對流程中的狀態(tài)及問題進行即時反饋，構(gòu)建安全可靠的工作體系。

...

Steel Thread approach to building large scale architectures

This talk describes the journey of building a brand new, platform-first, microservices architecture at Box. Building a new architectural stack presents a bunch of challenges with design choices, technology selection, and balancing simplicity with richness of feature offerings. A ‘steel thread’ to designing architectures helps identify the critical components of the stack and then gradually roll out incremental features - all while the engine is still running. The challenges really snowball when you on-board live traffic with high scale, high throughput and low latency requirements. The talk aims to share a structure on how to approach building large scale microservices architectures, challenges faced while on-boarding live traffic and finally lessons learnt while doing it.

科技向善-普惠金融設(shè)計探索

互聯(lián)網(wǎng)金融融合線下生活場景越來越普及，隨著移動通訊網(wǎng)絡(luò)提升至5G，也為傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)向數(shù)字化升級帶來了機遇。在這個過程中釋放出來的商業(yè)價值，不但可推動企業(yè)增長，也能幫助到老弱群體解決痛點，回饋社會。 在這樣一個科技生產(chǎn)的時代，對于大多數(shù)互聯(lián)網(wǎng)金融產(chǎn)品團隊來說，大部分的精力和目標都聚焦在如何提升用戶數(shù)量、增加用戶活躍度、完成產(chǎn)品營收和KPI上。對于金融產(chǎn)品的人文關(guān)懷、社會屬性，以及因此衍生的種種問題，或許并沒有做出恰當?shù)挠^察和思考以及洞察。 好的互聯(lián)網(wǎng)金融產(chǎn)品，并不只是數(shù)據(jù)表現(xiàn)亮眼，商業(yè)價值明顯，而更應(yīng)該強調(diào)產(chǎn)品所解決的社會問題以及承擔的社會責任。 案例中，通過闡述騰訊金融科技跨境匯款項目，如何讓更多人享受到科技帶來的便利，以及普惠金融所帶來的人文關(guān)懷，推行科技向善理念。

抵御5000萬筆交易背后的欺詐：基于Apache Pulsar構(gòu)建新一代金融風控系統(tǒng)的探索與實踐

Lambda架構(gòu)目前廣泛用于主流的大數(shù)據(jù)風控系統(tǒng)實現(xiàn)中，但維護離線與實時兩套不同的系統(tǒng)帶來的系統(tǒng)復雜性給企業(yè)在實踐中對存儲、運維及開發(fā)能力帶來了較高的要求。 Kappa架構(gòu)通過維護一套代碼應(yīng)對批/流計算以降低系統(tǒng)復雜度，但在我們實踐當中仍存在諸多問題。在金融風控領(lǐng)域，有大量需要頻繁追溯歷史數(shù)據(jù)，或在全量數(shù)據(jù)上進行關(guān)聯(lián)查詢，或維護時序操作等等的任務(wù)，而相比于用流計算處理，這些需求往往更適合離線批量計算解決。 此時分享中，我們將聚焦金融風控領(lǐng)域的實際案例，分析常用實時風控架構(gòu)的問題，以及Apache Pulsar如何幫助我們降低傳統(tǒng)實時風控系統(tǒng)的復雜度與資源成本并提升開發(fā)效率。

裹裹寄件的數(shù)智化演進

報告將展示城市及末端在攬收與配送包裹場景上智能化的近期研究工作, 涉及快遞員&車輛運力調(diào)度、訂單分配、網(wǎng)絡(luò)規(guī)劃等核心問題, 重點介紹如何基于沉淀的大量時空軌跡及位置數(shù)據(jù), 利用機器學習/深度學習、運籌優(yōu)化等技術(shù)解決這些問題, 并提升物流的攬收與配送效率。

科大訊飛百億級交互業(yè)務(wù)-測試驅(qū)動模式下高效交付能力提升之路

本次分享主要介紹科大訊飛百億級交互業(yè)務(wù)（A.I.營銷業(yè)務(wù)）的測試工作，如何一路披荊斬棘，以測試賦能業(yè)務(wù)、重視過程質(zhì)量改進、高效協(xié)同上游團隊，將研測團隊效能、版本質(zhì)量和交付能力不斷推向新高！2018 年業(yè)務(wù)測試團隊累計處理版本數(shù)同比翻番至 1000+，而嚴重缺陷占比降幅達 70%！通過解讀在測試團隊的驅(qū)動下，解密測試團隊的豐富實踐如何促使業(yè)務(wù)更好的實現(xiàn)出色的交付能力，更好地助力業(yè)務(wù)的發(fā)展；

抖音質(zhì)量保障體系建設(shè)

抖音作為一個億級DAU的應(yīng)用，版本質(zhì)量和用戶體驗神秘嘉賓重要。在產(chǎn)品快速迭代的前提下，如何兼顧質(zhì)量和效率是一個嚴峻的課題。 本議題會向大家介紹抖音的質(zhì)量保障體系，分享在質(zhì)量保障體系建設(shè)過程中遇到的問題和解決方案，如何通過測試技術(shù)手段提升質(zhì)量和效率。

億級大數(shù)據(jù)驅(qū)動的智能游戲研發(fā)運營案例

現(xiàn)在網(wǎng)絡(luò)游戲市場規(guī)模已經(jīng)達到數(shù)百億美元的量級，在大數(shù)據(jù)和人工智能技術(shù)的浪潮中，如何通過數(shù)據(jù)挖掘來優(yōu)化游戲運營? 游戲玩家感受到的新功能新體驗哪些是數(shù)據(jù)技術(shù)的驅(qū)動？騰訊游戲數(shù)據(jù)挖掘與應(yīng)用中心負責騰訊數(shù)百款游戲、三億多玩家大數(shù)據(jù)的深度挖掘，經(jīng)過6年發(fā)展，為游戲領(lǐng)域的問題開發(fā)了許多效果顯著的數(shù)據(jù)建模解決方案。本次案例分享包括騰訊游戲在大數(shù)據(jù)、機器學習和AI領(lǐng)域積累的技術(shù)和經(jīng)驗，探討如何用人工智能優(yōu)化運營效率，提升決策水平，開拓全新商業(yè)模式，全面實現(xiàn)AI時代的游戲業(yè)務(wù)轉(zhuǎn)型。

手淘Native治理

crash是衡量一個APP穩(wěn)定性的重要指標，手淘穩(wěn)定性提升面臨的突破、挑戰(zhàn)及難點，其中很重要的就是Native問題的治理，native問題的核心是內(nèi)存和fd文件句柄，本次將帶來手淘native問題治理的經(jīng)驗，方案通過ELF hook的方式，設(shè)備無需root，通過自研的計算規(guī)則和算法，覆蓋了90%以上的內(nèi)存問題例如OOM、堆破壞等，100%的fd文件句柄問題，通過采集線程信息、棧回溯等信息，使問題可以快速定位，最終產(chǎn)出native檢測報告，做到問題可視化；線下結(jié)合monkey，線上結(jié)合灰度，形成線下到線上的閉環(huán)聯(lián)動。解決方案案例屬于業(yè)界首創(chuàng)，全面解決了業(yè)界Native相關(guān)內(nèi)存和fd等的難題，在手淘取得了非常顯著的效果，案例可移植并可應(yīng)用與其他應(yīng)用，解決方案和思路具有重要的借鑒意義。本次將從native問題線下發(fā)現(xiàn)和快速定位、新so集成標準、線上歷史native問題治理等幾個方面做詳細分享和介紹。

高性能語音關(guān)鍵詞檢測——語音內(nèi)容安全的瑞士軍刀

互聯(lián)網(wǎng)語音作為一種特殊的信息載體，具有可視性差、內(nèi)容相對隱蔽的特點，為互聯(lián)網(wǎng)音視頻內(nèi)容安全帶來了極大的威脅和挑戰(zhàn)。如何用AI手段實現(xiàn)海量音視頻高精度高覆蓋的有害語音檢測，日益成為各大互聯(lián)網(wǎng)公司不得不重視的重要難題。誰都不愿生活在一個充斥著虛假、詐騙、攻擊、謾罵、恐怖、色情、暴力的空間。騰訊作為一家有社會責任感的科技公司，一直秉承科技向善的理念，不斷用科技為打造“天朗氣清、生態(tài)良好”的互聯(lián)網(wǎng)環(huán)境貢獻自己的力量。如何用AI的技術(shù)手段，打造一個「干凈」的互聯(lián)網(wǎng)環(huán)境呢？

想要開發(fā)又快又好，頻繁小批開卡驗卡

對于我所輔導的企業(yè)軟件開發(fā)團隊的測試人員來說，他們經(jīng)常碰到一個問題：開發(fā)人員所提交測試的軟件，經(jīng)常都不是需求人員所需要的，無法通過測試，需要返工，造成進度延期。此時可以嘗試具有ThoughtWorks特色的頻繁小批的實踐——開卡和驗卡，并結(jié)合其他質(zhì)量內(nèi)建的實踐，來逐漸減少返工，持續(xù)償還技術(shù)債，讓軟件開發(fā)實現(xiàn)又快又好。

平安普惠自動化測試平臺建設(shè)之路

隨著新興技術(shù)和互聯(lián)網(wǎng)金融的發(fā)展，對傳金融行業(yè)的軟件研發(fā)和測試都帶來了較大的沖擊，如何在新的形勢下提升自動化測試效率及質(zhì)量，縮短交付周期，是各大公司軟件測試面臨的主要挑戰(zhàn)?！镀桨财栈葑詣踊瘻y試平臺建設(shè)之路》案例，從傳統(tǒng)自動化測試的挑戰(zhàn)及痛點出發(fā)，對自動化測試工具進行改進升級，降低自動化測試投入成本，實現(xiàn)產(chǎn)出/投入最大化，從而提升測試效率，更好的保障產(chǎn)品質(zhì)量。

PB級數(shù)據(jù)檢索平臺 | ElasticSearch在滴滴的實踐

滴滴數(shù)據(jù)檢索平臺是基于 ElasticSearch 構(gòu)建的一站式搜索中臺，服務(wù)了公司一千多個平臺方，涵蓋了搜索與推薦、MySQL實時數(shù)倉、安全分析、日志檢索四大應(yīng)用場景。本次會分享面對數(shù)千萬TPS寫入、數(shù)萬 QPS 查詢，PB 級的數(shù)據(jù)存儲，如何打造存儲成本低、系統(tǒng)穩(wěn)定性好，易用的搜索平臺。

千人規(guī)模團隊DevOps改進

本案例基于一個大型微服務(wù)化的產(chǎn)品，在業(yè)務(wù)部門，IT部門和研發(fā)外包團隊共同協(xié)作的情況下，如何采用 DevOps 的實踐端到端的提升需求的交付效率和質(zhì)量。 為大家?guī)硪韵聨讉€最佳實踐 1. DevOps 旅程 2. DevOps 改進模式 3. DevOps 試點團隊和推廣團隊 4. DevOps 排名 5. BAU 團隊和特性團隊 6. 提升交付質(zhì)量從需求開始 7. 不要采用前后端分離團隊 8. 塑造 DevOps 的改進文化 9. 三種不同的 TDD 共同提升質(zhì)量和效率 10. 管理集市和技術(shù)集市

團隊在高速擴張中的能力構(gòu)建與質(zhì)量保證

海外某航空公司，希望新財年在中國的ODC(Offshore Delivery Center, 離岸交付中心)業(yè)務(wù)，從原來的不到20人的規(guī)模，在未來3個月內(nèi)擴張到60多人，希望更快速的交付更多的新功能、希望構(gòu)建完善的人才梯隊，避免因為新人快速擴張而產(chǎn)生質(zhì)量問題、線上事故。從新手到qualified團隊成員最快需要多長時間，如何縮短新人onboard的時間、如何在快速擴，加快交付速率的同時保證質(zhì)量、避免線上事故、構(gòu)建健康的人才梯隊? 本案例將系統(tǒng)化的介紹整個過程中的實踐經(jīng)驗，Lesson and Learn 等，幫助您順利的完成團隊的快速擴張。

貝殼找房房源中臺建設(shè)實踐

本次分享將帶來貝殼B端房源系統(tǒng)如何從原鏈家直營系統(tǒng)的單體應(yīng)用，逐步演進為支撐98個城市，涵蓋二手、租賃、托管、商業(yè)地產(chǎn)等多種業(yè)務(wù)品類的房源中臺系統(tǒng) 其中面對復雜業(yè)務(wù)系統(tǒng)的服務(wù)化拆分，架構(gòu)演進及如何以中臺化為目標進行擴展點建設(shè)，都包含大量實踐案例，相信可以在業(yè)務(wù)系統(tǒng)治理，中臺建設(shè)等方面給予大家一些啟發(fā)

5G+AI：智能互聯(lián)在垂直行業(yè)創(chuàng)新應(yīng)用的探索與思考

2019年6月6日，工信部向中國電信、中國移動、中國聯(lián)通、中國廣電發(fā)放了5G商用牌照，標志著我國正式進入5G商用元年。在2019年6月底的上海MWC通信展上，5G技術(shù)在全球范圍內(nèi)的前沿應(yīng)用也成為此次大會的焦點。如果僅僅基于從各種媒體上獲知5G消息進行判斷，那么5G當仁不讓是當下最熱的話題；然而，如果深入業(yè)界，卻又是另外一番景象——大家都在努力尋找5G最早能夠落地的行業(yè)與場景，并跑通商業(yè)模式。 在這個背景之下，中國移動（成都）5G產(chǎn)業(yè)研究院作為中國移動投資20億元，在西部地區(qū)成立的唯一一家面向5G、AI，引領(lǐng)教育、醫(yī)療、農(nóng)業(yè)等領(lǐng)域的創(chuàng)新5G 應(yīng)用，構(gòu)建AI生態(tài)的研究機構(gòu)，從2018年9月成立，我院就在大力推進5G相關(guān)科研成果轉(zhuǎn)化特別是在垂直行業(yè)領(lǐng)域的商業(yè)化拓展。 因此，在本次案例分享中，我們將為聽眾帶來的最佳實踐包括： - 基于對5G網(wǎng)絡(luò)和架構(gòu)的深刻理解，分享如何通過邊緣云和邊緣計算賦能AI教育和醫(yī)療垂直領(lǐng)域，如何利用5G所帶來的全新網(wǎng)絡(luò)架構(gòu)，軟件架構(gòu)和業(yè)務(wù)創(chuàng)新 - 分享一系列5G+AI在教育和醫(yī)療垂直領(lǐng)域的成功創(chuàng)新應(yīng)用，包括5G未來課堂，5G智慧幼教，以及5G醫(yī)療車等 - 分享我們對于5G+AI時代教育和醫(yī)療垂直行業(yè)的創(chuàng)新趨勢和前沿探索與思考

智能小程序平臺的架構(gòu)思考與實踐

本次分享主要為大家揭曉百度小程序的系統(tǒng)架構(gòu)、多種運行態(tài)、性能優(yōu)化方案等，也會涵蓋百度小程序開發(fā)的最佳實踐，百度小程序的開源方案設(shè)計思路等等。希望其中的設(shè)計思想和實踐方案能給你的 App 如虎添翼。

Starting the chaos engineering practice at your organization

In the current software application ecosystem, there is an increasing dependency on the cloud providers as more companies move from on-prem data center solutions to the cloud. This adds some risk of downtime, latency and glitches that impact revenue. Chaos engineering is an emerging discipline that all companies must practice to ensure that end-users of their products do not get affected due to cloud issues. Using case studies from Netflix and Walmart, we will share how you can set up a chaos engineering practice in your own organization and how you can begin running chaos tests. We will also share templates of the simplest tests that can be run to start on your chaos journey.

Kafka 精準一次處理的實現(xiàn)與挑戰(zhàn)

關(guān)于Kafka精準一次處理的相關(guān)文檔和博客很豐富，但以其內(nèi)容的復雜度之高，涉及模塊之廣而讓開發(fā)者望而卻步。能通過這次分享，希望帶給大家一個更為直觀的架構(gòu)解讀，分步化解每一個設(shè)計背后的邏輯關(guān)系，為后續(xù)的學習研發(fā)打下良好的基礎(chǔ)。