这篇文章阐述了笔者对于特征平台这一领域的了解与设想。通过本文，希望能够为将要从事特征平台工作的同学提供一些框架与思路，同时也希望能够激起从事相关工作同学的讨论。

这个博客登上了 Golang subreddit 的顶部，并且在 Hacker News 的 trending 上排在前十位。 一定要在那里参与讨论，并通过给我们一个 star，表达对我们的喜欢。

这篇文章与笔者之前所写几篇不同，是一篇综述型的文章，将从 GC 理论、在 Golang 中的应用、以及如何去做优化，这三个角度逐次进行阐述，文章中对于一些技术点会引用到多篇文章，希望读者也都能进行阅读，这有助于更全面的了解 Golang GC。

Feature 服务作为特征服务，产出特征数据供上游业务使用。服务压力：高峰期 API 模块 10wQPS，计算模块 20wQPS。服务本地缓存机制：

worker 服务消费上游数据（工作日高峰期产出速度达近 200 MB/s，节假日高峰期可达 300MB/s 以上），进行中间处理后，写入多个下游。在实践中结合业务场景，基于快慢隔离的思想，以三个不同的 consumer group 消费同一 Topic，隔离三种数据处理链路。

是否支持 Unmarshal 到 map 或 struct，未涉及灵活性与扩展性方面，下面报告中只考虑最简单的反序列化，不会提及每个库的灵活性，如提供的一些定制化抽取的 API；

如上述可知，去哪儿网采用了 Spring 生态下提供的运行时插件设计，是基于 java 语言的实现，以下给出几种基于 Go 语言的实现方案；

通过访问线上服务 pprof 暴露出来的 HTTP 接口，拿到当前所有协程的堆栈信息；curl http://「ip:port」/debug/pprof/goroutine?debug\=2