ToB业务没有太多高并发的挑战，但同一套流程往往可能需要承载各种差异化的复杂业务需求，所以如何让系统具备良好的扩展性成为ToB业务系统最大的挑战。本文将详细讲述如何用一套流程接入所有业务线？

上云必须推到重来，原有IT资产必须舍弃吗？多品牌多架构容灾常常束手无策吗？上云必须委曲求全，IaaS和PaaS必须一体化吗？针对上述问题，浪潮云海“可演进的私有云”给您的上云多了一种选择。

爱奇艺APP拥有庞大的用户基群，其中低端机型用户也占据了相当一部分。低端机优化能给这部分用户带来稳定、流畅、高效的使用体验。下面将从冷启动、流畅性、加载速度三个维度介绍爱奇艺APP对低端机的优化策略。

到家搜索业务具有数据量大、过滤比高等特点，为了在保证高召回率的同时进一步提高检索性能，到家搜索技术团队与美团基础研发机器学习平台团队基于GPU实现了支持向量+标量混合检索的通用检索系统，召回率与检索性能均有较大提升。本文将介绍我们在GPU向量检索系统建设中遇到的挑战及解决思路，希望对大家有所帮助或启发。

这些感悟并非来自于具体的技术实现，而是关于我在架构设计和实施过程中所体会到的一些软性经验和领悟。我希望通过这些分享，能够激发大家对于架构设计和技术实践的思考，帮助大家更好地理解和应用架构原则和方法。

本文主要介绍了商业智能(BI)以及Turing Data Analysis(TDA)的概念和应用。BI通过收集、整理、分析和呈现数据，帮助企业做出更好的决策和战略规划。然而，传统的BI建设思路存在问题，如业务变更数据需求时需要重新开发，以及分析底层数据的效率低等。

在刚刚落下帷幕的全国两会中，“新质生产力”、“科技创新”、“人工智能”和“数据安全”成为重点讨论议题，这不仅彰显了国家层面对AI和数据技术发展的重视，也反映了全社会对未来科技趋势的期待和探索。

最近科技圈的两个热点，一个是微软的AI搞崩了电网，让大家担心未来电不够用；另一个是小米发布了纯电SU7，再一次掀起了人们对电动汽车的兴趣。这两件事的共同点是，都与人工智能和电密切相关，而从更深层次去探讨，后者可能还真是前者的解药。

本文将从零开始，详细介绍如何使用FreeSwitch搭建一个简单的云呼叫中心。将一步步探讨FreeSwitch的安装、配置、以及如何利用其提供的丰富特性来实现一个云呼叫中心的核心功能。

Flink SQL在业务使用中有较多的双流join场景，当左右流的流量都较大，Join的等待时间即使为1小时，Flink Keyed State（Flink State分Operator State和Keyed State，后文所有State均代表后者）的存储大小也很容易达到TB级（内部默认使用的是RocksDBStateBackend）。

离业务决策越近，高时效性数据带来的业务价值越大。实时计算过去面临最大的瓶颈是易用性问题，业务常常迫于迭代运维复杂度放弃实时化。我们基于多年深耕商业实时化场景的思考，提出RTS-场景化端到端全托管，彻底释放实时化的潜能。

本文介绍了基于模式挖掘的可靠性治理探索，为通过技术手段解决该领域代表性问题开启了新的思路。文章第一部分介绍可靠性治理的痛点；第二部分引入模式的概念；第三部分讨论新基建下的新尝试；第四部分分享三个典型的实践案例。

桌面应用的前端场景不同于传统前端，具有使用者停留时间长，功能复杂且高度聚集在单一页面等特征，因此带来了不同的技术挑战，其中很重要的一点是内存泄漏问题。

随着直播业务和用户规模日益壮大，如何丰富直播间内容、增强直播间内用户互动效果，提升营收数据变得更加关键。为此，直播互动玩法应运而生。通过弹幕、礼物、点赞、大航海等方式，用户可以参与主播的直播内容。

AI应用赋能在公司内目前百花齐放，但是采取哪家基座模型进行业务赋能缺乏评测数据支撑。在没有平台之前，评测需要花费大量精力进行评测集输出，通过线下流程进行随机出题测评，数据回收效果评估，测评效率低。

“大模型日抛”的说法虽然是个玩笑，但是在这样一个群雄争霸的时代，AI算力系统及服务成为了整个IT行业关注的焦点。为了有效解决大模型产业落地的全周期问题，近日，宁畅正式发布了“全局智算”战略，并揭幕了包括“AI算力栈”在内的一系列战略性新品与系统解决方案。

得物 App 作为互联网行业的后起之秀，在快速的业务发展过程中基础设施规模不断增长，继而对效率和成本的关注度也越来越高。我们在云原生技术上的推进历程如图所示，整体上节奏还是比较快的。

本文探讨登录认证技术的演进历程，并介绍在终端设备上实现便捷登录的设计与实现方法，以供各位同学参考。我们希望通过这篇分享，能够帮助读者深入了解和应用新型的登录认证技术。

我们之所以写这篇文章，一是觉得国外传到中国来的PMO守则、指导方针等，存在水土不服的问题，我们现在遇到的问题甚至可能都比国外还要复杂。二是，我们在得物飞速发展的过程中结合理论与实战积累了一些经验，希望可以跟相关从业者探讨和交流。

本文通过搜索推荐项目进行外卖搜索广告弱供给填充，提高流量变现效率。我们提出外卖多场景异构大图、异构大图在线建模技术演进路线，解决外卖搜索推荐业务多渠道、即时化的挑战。联合机器学习平台搭建大规模图训练、在线推理引擎GraphET，满足近百亿边规模、复杂图结构的多个业务落地。