作为阿里巴巴核心大数据底座，伏羲调度和分布式执行系统，支撑着阿里集团内部以及阿里云上大数据平台绝大部分的大数据计算需求，在其上运行的MaxCompute(ODPS) 以及PAI等多种计算引擎，每天为用户进行海量的数据运算。
从一个实践者的角度来看，我经常看到计算更加可用和分布的必要性。当我开始将物联网与OT和IT系统集成时，我面临的第一个问题是设备发送到我们服务器的数据量太大。我在一个工厂自动化场景中工作，我们集成了400个传感器，这些传感器每1秒发送3组数据。
最近工作中有一些同学在做一些效能工具的时候遇到需要写一门领域相关语言（DSL）及其解析器的场景，笔者恰好有相关的经验向大家指一下北。
本文将系统分享 Git 底层知识：对象生命周期变化，底层数据结构，数据包文件结构，数据包文件索引，以及详细分析对象查询流程和算法。
多年来，Netflix 一直是全球最出色的在线订阅制视频流媒体服务，其流量占全球互联网带宽容量的 15％以上。截至 2019 年，Netflix 已拥有 1.67 亿订阅用户，每个季度新增 500 万订户，服务覆盖全球 200 多个国家 / 地区。
北京时间 5 月 12 日 3 时 23 分左右，比特币在区块高度 630000 处完成诞生以来第三次减半，比特币区块奖励由 12.5 枚 BTC 减至 6.25 枚 BTC，剩余待开采比特币数量仅剩约 262 万。那么，什么是比特币减半，该事件背后的代码工作原理是什么呢？
工作流是一种非常常见的场景，比如企业内部审批、采购订单、ETL等日常企业事务，或者大数据处理流水线，常规或定制化自动化运维等。此外，音视频行业的多媒体文件分片转码、格式转换、审核校验和人脸识别等长时任务，电商旅游行业的客户线上订单，AI 行业的机器学习流水线， 生信行业的基因测序也会有工作流。
Java 代码精简写法汇总，利用三元表达式，利用for-each语句。
实施工业物联网（IIoT）战略对制造机器的公司越来越重要。原因之一是他们的客户，机器所有者和用户都意识到IoT可以为他们带来巨大的收益和节省。他们知道，基于机器数据的自动化分析应用程序将减少停机时间，提高产量，提高质量并节省能源。
定义计算机视觉的可解释性是一项挑战：解释像图像这样的高维输入的分类意味着什么?正如下面讨论的，两种流行的定义都涉及到显著图和决策树，但是这两种定义都有缺点。
微信收款机具在慢速网络中快速收款的技术揭秘，小绿盒在2G网络环境下收款速度较慢，影响商户体验，我们通过网络连接优化、数据传输优化和后台逻辑优化等一系列措施，将收款耗时降低近一半，达到了业界领先水平，改善了商户体验。
众所周知，在互联网中是用IP来标识一台服务器的。IP地址虽然能够代表一台设备，但是由于记忆起来比较困难，所以将其替换成一个能够理解和识别的名字，这个名字我们称作为域名。例如：https://nowjava.com 就是一个域名，在域名后面会定义一个IP地址用来指向网站服务器。那么问题来了，谁来做这个从域名到IP地址的对应呢？答案是通过DNS来实现。
Kraken 是由淘系技术部前端架构团队开发的一个基于 Flutter 的动态化框架，本文将带大家了解和认识 Kraken，分享 Kraken 的一些设计思想以及 Flutter 和 Web 技术对接的实践。
Kakfa 广泛应用于国内外大厂，例如 BAT、字节跳动、美团、Netflix、Airbnb、Twitter 等等。今天我们通过这篇文章深入了解 Kafka 的
首先我们来看一个典型的实时业务场景，这个场景也是绝大部分实时计算用户的业务场景，整个链路也是一个典型的流计算架构：把用户的行为数据或者数据库同步的Binlog，写入至kafka，再通过Flink做同步任务，订阅kafka消费的实时数据。
Elasticsearch诞生的本意是为了解决文本搜索太慢的问题，ES会默认将所有的输入内容当作字符串来理解，对于字段类型是keyword或者text的数据比较友好。但是如果输入的类型是数字，ES还会把数字当作字符串吗？排序问题还有范围查询问题怎么解决呢？这篇文章就简单介绍了ES对于数字类型（numeric）数据的处理，能让你大涨姿势
随着互联网的发展进入下半场，数据的时效性对企业的精细化运营越来越重要， 商场如战场，在每天产生的海量数据中，如何能实时有效的挖掘出有价值的信息， 对企业的决策运营策略调整有很大帮助。此外，随着 5G 技术的成熟、广泛应用， 对于工业互联网、物联网等数据时效性要求非常高的行业，企业就更需要一套完整成熟的实时数据体系来提高自身的行业竞争力。
在许多软件工程学科中，生产用例是相当标准化的。以 Web 开发为例：要在 Web 应用中实现身份验证，你无需发明数据库，编写自己的哈希函数，或者设计一个新的身份验证策略。你可以使用某个定义好的方法，并利用标准工具就能在 Web 应用中实现身份验证。然而，在机器学习中，这种标准化并不存在。为了构建从模型训练到部署的管道，团队不得不构建自己的解决方案，主要的问题是从头开始开始构建解决方案。
以共享快递柜业务场景为例，讲讲构建高性能共享服务。当我们的设备和物联网平台建立mqtt连接通道后，会根据业务需求传输不同的数据。本次以共享快递柜业务场景讲解topic和payload的设计。
在 2019 年 11 月份，NLP 大神 Manning 联合谷歌做的 ELECTRA 一经发布，迅速火爆整个 NLP 圈，其中 ELECTRA-small 模型参数量仅为 BERT-base 模型的 1/10，性能却依然能与 BERT、RoBERTa 等模型相媲美，得益于 ELECTRA 模型的巧妙构思 LOSS,在 2020 年 3 月份 Google 对代码做了开源，下面针对 Google 放出的 ELECTRA 做代码做解读，希望通过此文章大家能在自己文本数据、行为序列数据训练一个较好的预训练模型，在业务上提升价值。
关注时代Java
