POI是“Point of interest”的缩写，中文可以翻译为“兴趣点”。在地图上，一个POI可以是一栋房子、一个商铺、一个公交站、一个湖泊、一条道路等。在地图搜索场景，POI是检索对象，等同于网页搜索中的网页。在地图客户端上，用户选中一个POI，会有一个悬浮的气球指向这个POI。

宜搭平台的命名取适宜搭建、容易搭建之意。平台集合了页面设计、业务规则定义、数据收集与分析三大核心能力，用户通过简单的拖拽、配置，即可完成业务应用的搭建。同时，平台还具备一次搭建双端适配、权限独立设置、定制消息提醒推送及海量信息存储等特性。旨在为广大中小企业提供一套低成本的企业应用搭建解决方案。

Timestream模型是针对时序场景设计的特有模型，可以让用户快速完成业务代码的开发，实现相关业务需求。但是，如果业务系统不仅想实现基础的相关业务功能，还要达到最佳的性能，并且兼顾到未来的扩展性的话，就不是一件特别容易的事情。

监控一直是服务端掌握应用运行状态的重要手段，经过近几年的发展，阿里虾米服务端目前已经有 100 多个 Java 应用，承担核心业务的应用也有将近 50 个，对于应用的监控配置也是因人而异。有的人配置的监控比较细，有的应用在经历了多人开发阶段以后，监控就逐渐疏于管理，有些应用的监控项最后修改时间只停留到 2 年以前...

8月26日，阿里云透露，正投入自研数据存储“超级高速”，核心存储产品ESSD已率先采用这一最新的自研存储网络协议，并实现大规模商用，数据传输效率提高50%。

阿里妹导读：消息类场景是表格存储（Tablestore）主推的方向之一，因其数据存储结构在消息类数据存储上具有天然优势。为了方便用户基于Tablestore为消息类场景建模，Tablestore封装Timeline模型，旨在让用户更快捷的实现消息类场景需求。在推出Timeline（v1、v2两个版本）模型以来，受到了大量用户关注。但依然会有用户...

随着移动互联网的发展，行业内衍生了基于移动平台的各类解决方案。其中，设备规模化管理的云控能力是各互联网公司在设备集群控制背景下的诉求。因此涌现了大批提供类似解决方案的平台。如：阿里系的阿里云MQC、阿里无线和菜鸟Nimitz等，阿里之外的有Testin、百度MTC、腾讯WeTest、华为、三星等等。

Redis 混合存储实例是阿里云自主研发的兼容Redis协议和特性的云数据库产品，混合存储实例突破 Redis 数据必须全部存储到内存的限制，使用磁盘存储全量数据，并将热数据缓存到内存，实现访问性能与存储成本的完美平衡。

过去两年做了不少大型的中台项目，什么是中台？这篇文章就不多说了，自行百度一下，总而言之最后我得出了一个结论——企业什么样的人员组织架构就会什么样的系统技术架构。我们先以下一幅图：

我基本上同意这种观点。然而问题在于，这种说法忽视了AI在快速应用过程中面临的巨大障碍。毕竟AI不会在一夜之间随处可见。就电力而言，它的发展经历了四十多年才成为一种无处不在的技术。到1882年，世界已经发现了现代电力的关键元素。然而，昂贵的基础设施、人才的缺乏、监管不透明等许多挑战阻碍了电力即时的大规模采...

MongoDB的同步原理，官方文档介绍的比较少，网上资料也不是太多，下面是结合官方文档、网上资料和测试时候的日志，整理出来的一点东西。因为MongoDB的每个分片也是副本集，所以只需要搞副本集的同步原理即可。

你印象中的程序员是怎样的群体？随着全民互联网的发展，程序员这个群体快速走进大众视野，在新闻和影视剧中，他们被贴上各种标签：双肩包、格子衫、拖鞋、秃顶、刻板、木讷、单身……热搜新闻“996.ICU”更是道出了万千程序员的苦恼，编程和年龄像一张急剧收缩的大网，不仅带走了程序员的生活，还带走了程序员曾经浓密茂盛的...

阿里妹导读：互联网进入移动互联网时代，最具代表性的产品就是各种信息流，像是朋友圈、微博、头条等。这些移动化联网时代的新产品在过去几年间借着智能手机的风高速成长。这些产品都是Feed流类型产品，由于Feed流一般是按照时间“从上往下流动”，非常适合在移动设备端浏览，最终这一类应用就脱颖而出，迅速抢占了上一代...

本文内容主要分为以下三个部分： 移动互联网背景下的高可用性能挑战 主要给大家介绍支付宝 APP 在这几年移动互联网快速发展的阶段，其自身的一个变化与遇到的性能挑战。 支付宝 Hybrid 方案建设与演进 （H5 容器 & 小程序） 为了应对前面提到的这些挑战，支付宝逐步沉淀出 2 套 Hybri 方案，分别是 H5 容器与小程序...

很早之前，现代管理之父德鲁克提出过一个影响深远的观点，“21世纪的组织，最有价值的资产是组织内的知识工作者和他们的生产力。”现代企业的各位管理者，遇到最大的两类问题就是战略和组织，看不到、想不到、做不到，这“三不到”的问题归根结底都是人的问题。能够看到、想到、做到“重视人才”的企业，成功的概率总是会大那...

本文是《Performance Test Together》（简称PTT）系列专题分享的第5期，该专题将从性能压测的设计、实现、执行、监控、问题定位和分析、应用场景等多个纬度对性能压测的全过程进行拆解，以帮助大家构建完整的性能压测的理论体系，并提供有例可依的实战。

随着软件项目代码的日积月累，系统维护成本变得越来越高，是所有软件团队面临的共同问题。持续地优化代码，提高代码的质量，是提升系统生命力的有效手段之一。软件系统思维有句话“Less coding, more thinking（少编码、多思考）”，也有这么一句俚语“Think more, code less（思考越多，编码越少）”。所以，我们在编码中多...

如果有A、B、C三位同学，他们各自手上有10、15、20块钱，这时需要在相互不知道对方有多少钱的情况下，不借助力第三方来计算三个人一共有多少钱。请问这时候，我们如何实现呢？——这，就是最经典的秘密共享场景。在看完这篇文章后，答案就出来了~

日前，由蚂蚁金服算法工程师胡斌斌撰写的论文《Adversarial Learning on Heterogeneous Information Networks》入选全球数据挖掘顶级会议KDD 2019，本文为该论文的详细解读。论文地址：[链接]

高可用是构建分布式系统的基石。一方面，出于成本考虑， 分布式系统往往采取比较廉价的硬件，其可靠性相对于小型机、专有硬件有很大的不足， 而分布式系统的规模一般比较大，假如硬件的可靠性只有三个9(99.9%)， 一个1000台机器规模的集群每天将面临1台机器宕机的风险，在如此大规模的情况下，存储介质，比如硬盘可能会...

Knative 默认会为每一个 Service 生成一个域名，并且 Istio Gateway 要根据域名判断当前的请求应该转发给哪个 Knative Service。Knative 默认使用的主域名是 example.com，这个域名是不能作为线上服务的。本文我首先介绍一下如何修改 默认主域名，然后再深入一层介绍如何添加自定义域名以及如何根据 path 关联到不同的 K...

A站去年与阿里云达成此项合作。在迁移过程中，阿里云提供专业技术解决方案团队，为A站建立就近迁移方案，定制专门的迁移工具，同时加以自动和人工双重校验环节，在确保数据安全的情况下完成高效迁移。整个迁移上云的工作历时半年多，完整迁移了A站建成十多年以来，累计数百万份的视频稿件。

阿里妹导读：为什么聊天机器人越来越普及？聊天机器人不仅可以节省时间，提升效率，还能一天24小时提供服务，更是可以减少误差。聊天机器人背后的问题原理是什么？效率如何提升？就是今天我们要了解的内容。本篇内容已被收录于ACL2019，希望对你有所帮助。

2019阿里云峰会·上海开发者大会于7月24日盛大开幕，本次峰会与未来世界的开发者们分享开源大数据、IT基础设施云化、数据库、云原生、物联网等领域的技术干货，共同探讨前沿科技趋势。本文整理自数据库专场中阿里云智能技术专家王天振 (为知)的精彩演讲，传统数据库研发模式不仅困难重重，并且效率低下，而基于DMS的企业...

2019阿里云峰会·上海开发者大会于7月24日盛大开幕，本次峰会与未来世界的开发者们分享开源大数据、IT基础设施云化、数据库、云原生、物联网等领域的技术干货，共同探讨前沿科技趋势。本文整理自数据库专场中阿里云智能高级技术专家南仙的精彩演讲，本文为分享了阿里云PB级云数据仓库AnalyticDB for MySQL的核心技术以及...

阿里时序时空数据库TSDB最新推出TSQL，支持标准SQL的语法和函数。用户使用熟悉的SQL，不仅仅查询更简单易用，用户还可以利用SQL强大的功能，实现更加复杂的计算分析。

按照现在流行的互联网分层架构模型，最简单的架构当属Web响应层+DB存储层的架构。从最开始的单机混合部署Web和DB，到后来将二者拆分到不同物理机以避免共享机器硬件带来的性能瓶颈，再随着流量的增长，Web应用变为集群部署模式，而DB则衍生出主从机来保证高可用，同时便于实现读写分离。这一连串系统架构的升级，本质上...

编码也是如此，当多次编写类似的代码时，我们需要考虑是否有一种方法能够提高编码速度。作者多年来致力于敏捷开发，总结了一套编码的方法论，有助于程序员"快速、优质、高效"地进行编码。

cassandra不仅吸收了dynamo论文中的如何做分布式，如何做副本复制，故障容错等方面成功的经验，又吸取了google bigtable中的LSM单机引擎层面精华。理论扎实，工程实现靠谱，所以面世以来，不断受到人们的追捧。

阿里妹导读：针对业务场景中标注数据不足、大量的无标注数据又难以有效利用的问题，我们提出了一种面向行为序列数据的深度学习风控算法 Auto Risk，提出通过代理任务从无标注数据中学习通用的特征表示。这种思想与目前 NLP 领域前沿的 Bert 等预训练模型不谋而合，但是由于行为序列数据和业务的特点显著区别于 NLP，模型...