测试环境治理一直是各大公司非常重要的一个课题，测试环境稳定性很大程度影响迭代开发&测试效率。 综合来看，测试环境不稳定的原因主要有以下几点： 测试环境的变更非终态变更，经常会有代码发布/配置发布导致服务无法启动或者链路有问题的情况。 变更频繁，开发需要联调、测试需要迭代测试，代码需要变更，配置也需要变更，权限控制就比较难做，增加了测试环境不稳定性。 并行需求，同一时间单个应用需要多个分支同时支持多个需求的测试，测试环境资源的抢占和冲突比较明显。 得物测试环境稳定性治理也经历了几个阶段：
建模对于大家来讲并不陌生，而且建模的方法也有很多，如用例建模、四色建模、事件风暴等，但在日常工作中，大家又觉得建模挺虚的：怎么把建模落到实际开发工作中。个人认为建模是分两部分：第一部分是业务概念建模，对现实业务抽取核心概念构建出模型（知识层）；第二部分是系统建模，系统建模是源于业务概念模型，遵循某些原则最终形成开发可落地的模型（操作层）。在本文中，给出建模的底层逻辑：用图形逻辑地表达现实业务的抽象，通过一些大家通识的技术案例讲述建模的过程。
“Pre-training + Fine-tune”正在重置AI领域的研究范式，预训练大模型已成为备受瞩目的研究方向。本文将着重介绍阿里通义大模型体系中的AliceMind，包括自然语言理解生成、对话问答、机器翻译等一系列预训练语言模型。
『一次开发，多端运行』是研发同学所追求的极致效率，如何用一套代码逻辑解决 Android / iOS 双端的开发向来是客户端工程师们所头疼的问题。而在当前的跨平台开发范式中，由 Google 开源的 Flutter 成为了最受欢迎的方案之一。 在 2022 年 5 月举办的 Google I / O 大会上，Flutter 3.0 版本正式发布，开发者可以通过一个代码库立足 iOS、Android、Web、Windows、macOS、Linux 六大平台，大会数据显示目前全球已经有超过 50 万应用由 Flutter 构建完成。 字节跳动是 Flutter 的深度用户，早在其开源之初便投入了深度的使用、优化与反馈共建。截至 2021 年，字节跳动有超过 70 多款 App 使用 Flutter 开发，累计有超过 600 多位 Flutter 开发者。针对 Flutter 落地过程中出现过的包体积过大、性能收益不明显等问题，字节跳动技术团队均做了大量的优化，并向社区提报大量 PR 并被成功 merge。
OpenAI 近期发布聊天机器人模型 ChatGPT，迅速出圈全网。它以对话方式进行交互。以更贴近人的对话方式与使用者互动，可以回答问题、承认错误、挑战不正确的前提、拒绝不适当的请求。高质量的回答、上瘾式的交互体验，圈内外都纷纷惊呼。 为什么有如此高的评价？理论支撑是什么？背后的技术原理是什么？待解决的问题和方案有哪些？资本怎么看待这件事？本文的目标是将这些问题详细的给大家讲清楚。
AGEIPort 是数字供应链孵化并在阿里巴巴集团内广泛使用的一套性能卓越、稳定可靠、功能丰富、易于扩展、生态完整的数据导入导出方案，致力于帮助开发者在toB复杂业务场景下能够快速交付高性能、体验优、易维护的数据导入导出功能，如用户页面上的Excel/CSV数据文件上传和下载。 目前在阿里巴巴集团内部已有盒马、菜鸟、本地生活、阿里健康、钉钉、淘系等部门有较多使用，并成为多个技术组件的基础底座，经历多次618和双11大促考验，稳定导入导出数据300~400亿条/月。
上周OpenAI发布了对话语言模型 ChatGPT，相关讨论引爆全网。你是否也迫不及待体验一番？本文特邀作者腾讯云开发者社区作者戴传友从开发环境准备、开发过程、服务器接口、腾讯API网关接入到部署，详细教你如何动手开发一个chatGPT微信小程序。
什么是数据倾斜？ 单台机器的硬件配置有上限制约，一般我们会采用分布式架构将多台机器组成一个集群，下图的集群就是由三台Redis单机组成。客户端通过一定的路由策略，将读写请求转发到具体的实例上。 由于业务数据特殊性，按照指定的分片规则，可能导致不同的实例上数据分布不均匀，大量的数据集中到了一台或者几台机器节点上计算，从而导致这些节点负载多大，而其他节点处于空闲等待中，导致最终整体效率低下。
