本文以一个在centos7.6内核发生的BUGON，描述一下常见BUGON导致panic的解bug流程。目前这个bug在centos7.6最新版本未合入，需要升级到centos7.7的3.10.0-1062.13.1.el7以上版本才能解决。

OkHttp应该是目前Android平台上使用最为广泛的开源网络库了，Android 在6.0之后也将内部的HttpUrlConnection的默认实现替换成了OkHttp。

k8s的成熟度很高，伴随着整个项目的扩增，以及新功能和新流程的不断引入，也伴随这产生了一些问题。虽然自动化测试可以排除掉大部分，但是一些复杂流程以及极端情况却很难做到bug的完全覆盖。因此在实际的工作过程中，需要对运行的集群进行故障定位和解决。

本文以一个在centos7.6内核发生的crash，目前在红帽系列的内核还未见合入，如果线上遇到了可以参考本案例进行规避，同时也描述一下常见hardlock导致panic的解bug流程。

本文来自 OPPO 大数据平台研发负责人张俊在 Flink Forward Asia上的分享。OPPO 基于 Apache Flink 构建实时数仓，在数据规模上单日总数据处理量超 10 万亿，峰值大概超过每秒 3 亿。本文内容分为以下四个方面：

随着OPPO互联网业务快速增长，团队规模的不断扩大，对代码质量的要求也在不断地提高，而现有的代码审查工具GitLab和Gerrit已经无法满足我们的评审需求，主要凸显以下几个问题：

本文来自OPPO互联网技术团队，是《剖析Spark数据分区》系列文章的第三篇，本篇我们将分析Spark streaming，TiSpark中的数据分区。

IPv6推广已久，基础体系建设也日趋完善。加之工信部的响应号召，我们做应用体系的v6地址迁移适配势在必行。但整个迁移过程也不是一蹴而就，期间也面临着不少疑难问题亟待解决。

就互联网广告来说，从本质上讲也是一种特殊资源（流量）的拍卖形式，对拍卖理论的理解将有助于设计和修正实践中的广告竞价机制，获得更为长远的收益。本文将从单物品拍卖视角，从数学角度对拍卖理论进行相关介绍，并给出最优拍卖机制的设计。

OPPO互联网业务每天产生海量的数据，如调用链跟踪系统ESA Trace，每日采样的请求数据超过千亿级别，我们需要对这些数据进行归类，聚合、过滤和存储，同时我们需要对采集到的数据进行多通道并行处理，比如并行进行关键指标告警和写入存储集群。而数据采集系统的性能、通道隔离性、吞吐量等因素对于我们来说是一个挑战。在...

我们知道，JavaScript 语言的一大特点是单线程，这是由它最初的应用场景决定的。它最初作为浏览器的脚本语言，用来与用户进行交互，并且可以用来操作 DOM。如果它是多线程的，可能会带来复杂的冲突，因此 JavaScript 最初被设计时即为单线程的。

本文来自OPPO互联网技术团队，转载请注名作者。同时欢迎关注我们的公众号：OPPO_tech，与你分享OPPO前沿互联网技术及活动。 图像修复又称为图像补绘&图像填充，指的是——重建图像中丢失或损坏部分的过程，是介于图像编辑和图像生成之间的一种技术。 图像补绘：Image Inpainting 图像填充：Region Filling 具体来说：...

本文来自OPPO互联网技术团队，转载请注名作者。同时欢迎关注我们的公众号：OPPO_tech，与你分享OPPO前沿互联网技术及活动。 1. 前言 互联网后台服务的常用经典架构中，整个后台服务框架一般可以分四层： 接入层，一般用于请求的安全校验、频率和流量控制 逻辑层，用于用户数据的请求和返回逻辑控制 缓存层，为了加快访问...

本文来自OPPO互联网技术团队，转载请注名作者。同时欢迎关注OPPO互联网技术团队的公众号：OPPO_tech，与你分享OPPO前沿互联网技术及活动。

G1 is a generational, incremental, parallel, mostly concurrent, stop-the-world, and evacuating garbage collector which monitors pause-time goals in each of the stop-the-world pauses. Similar to other collectors, G1 splits the heap into (virtual) young and old generations. Space-reclamation effort...

为了解决数据的非平衡问题，2002年Chawla提出了SMOTE算法，并受到学术界和工业界的一致认同。本文将对Smote算法，Smote算法的几个变形，以及一个smote算法的主流开源实现的源码进行分析。

“数据量大什么的怕你呀，数据格式什么的， 赶紧放进来就是了；别管了，就就就那个csv吧，快糙猛搞起来呀，大不了读的时候再解析校验啥的，读时校验(schema on read)有木有”

本文来自OPPO互联网技术团队，转载请注名作者。同时欢迎关注OPPO互联网技术团队的公众号：OPPO_tech，与你分享OPPO前沿互联网技术及活动。

在实际广告投放过程中，我们常常会碰到一个问题：媒体流量比较大，广告主预算消耗过快，有些中小广告主甚至在开始投放的几分钟内就把预算消耗完。这会导致广告主早早退出后续流量的竞争，不仅会影响广告主体验（无法触达到更多的优质用户），也导致整个广告不平稳（竞争都集中在早期，而后期又竞争不足）。

人的情况和树相同。它愈想开向高处和明亮处，它的根愈要向下，向泥土，向黑暗处，向深处，向恶——千万不要忘记。我们飞翔得越高，我们在那些不能飞翔的人眼中的形象越是渺小。——尼采《查拉图斯特拉如是说》

本文来自OPPO互联网技术团队，转载请注名作者。同时欢迎关注我们的公众号：OPPO_tech，与你分享OPPO前沿互联网技术及活动。 Presto作为一个大数据场景下的交互式查询引擎，在OPPO线上已经正常提供一年的查询服务了。 从刚开始，仅有国内几台服务器，到现在服务已经覆盖了国内外多个地区的大部分交互式查询，其中仅国内服...

Gradient Boosting（梯度提升）是一种解决机器学习中分类和回归任务的技术。跟其他Boosting家族成员一样，其预测模型也是由一系列弱预测模型组成的。

图数据结构突破传统数据库按记录组织数据的限制，具备更灵活的现实数据建模能力。如何将图数据结构中的信息进行合理表征，方便地应用于下游任务成为一个问题。

通常情况下，我们得到的数据中包含脏数据或者噪声。在模型训练前，需要对这些数据进行预处理，否则再好的模型也只能“garbage in，garbage out”。

尽管大量科研相关人员已经标注了很多标准数据集。但就算著名如ImageNet，在其千万级数据集中也不过分为21841 个类别，现实世界中已经标注的数据仍然只占少数，且有诸多场景如疾病图像的数据难以大量获取。

本文来自OPPO互联网技术团队，是《剖析Spark数据分区》系列文章的第二篇，将重点分析Spark RDD的数据分区。该系列共分3篇文章，欢迎持续关注。

本文来自OPPO互联网技术团队，是《剖析Spark数据分区》系列文章的第一篇，将重点分析Hadoop分片。该系列共三篇文章，敬请关注。 第一篇：主要分析Hadoop中的分片； 第二篇：主要分析Spark RDD的分区； 第三篇：主要分析Spark Streaming，TiSpark中的数据分区； 转载请注名作者，同时欢迎关注OPPO互联网技术团队的公众号...

本文来自OPPO互联网技术团队，转载请注名作者。同时欢迎关注OPPO互联网技术团队的公众号：OPPO_tech，与你分享OPPO前沿互联网技术及活动。

本文整理自OPPO互联网安全团队刘湛卢的分享，他们主要负责OPPO互联网安全团队的研发工作，如果你也关注容器安全问题，希望这篇文章能带来启发。

本文整理自OPPO大数据平台研发负责人张俊的分享。如果读者正在考虑或者正在建设实时计算平台，希望能给大家带来一些参考。同时欢迎关注OPPO互联网技术团队的公众号：OPPO_tech