第18届QCon旧金山会议第二日总结

2024年11月19日，第18届QCon旧金山会议在加利福尼亚州旧金山的凯悦酒店举行。会议的主要内容包括：高绩效工程团队背后的社会驱动因素、重构顽固遗留系统的挑战、Netflix Maestro和Apache Iceberg在增量处理中的应用，以及构建LLM平台的经验教训。

主题演讲：高绩效工程团队背后的（不那么）隐藏社会驱动因素

Quotient联合创始人兼CEO、福布斯技术理事会官方成员Lizzie Matusov发表了题为《高绩效工程团队背后的（不那么）隐藏社会驱动因素》的主题演讲。她分享了自己在红帽公司领导软件团队的经验，强调社会驱动因素对团队成功的重要性。她提出了“TAPPs框架”，包括信任（Trust）、自主性（Autonomy）、目标（Purpose）和心理安全（Psychological Safety）。

• 信任：团队成员相信每个人都会可靠地贡献、公开沟通并支持共同目标。
• 自主性：软件工程师和团队能够独立决策，快速解决问题。
• 目标：明确团队工作的重要性及其与组织目标的契合。
• 心理安全：团队成员能够在不担心负面后果的情况下表达意见、提问或承认错误。

Matusov强调，工程师应参与数据收集和分析，匿名、汇总的问卷调查是衡量社会驱动因素的最佳方式。她建议团队建立一致流程、定期审查数据、推动行动和改进，以创建更快乐、更高绩效的工程文化。

重点演讲

重构顽固的遗留代码库

Stripe的Sorbet技术负责人Jake Zimmerman和Ruby基础设施工程师Getty Ritter探讨了重构顽固代码库的挑战。Zimmerman介绍了Sorbet，一种Ruby类型检查器，强调集中化重构需要杠杆点和逐步推进的方法。Ritter则讨论了模块化的重要性，并介绍了分层原则。

Netflix Maestro与Apache Iceberg的高效增量处理

Netflix高级软件工程师Jun He介绍了Netflix Maestro和Apache Iceberg在增量处理中的应用。他解释了增量处理的优势，并介绍了Apache Iceberg的关键概念，如目录、表、快照和数据文件。他强调了增量处理的效率、简化采用和用户体验改进。

构建LLM系统评估的微指标框架

Voiceflow机器学习负责人Denys Linkov分享了构建LLM平台的经验教训。他提出了五个关键点：单一指标的缺陷、将模型视为系统、构建用户问题警报指标、关注业务指标以及循序渐进的方法。他强调了LLM生成响应的复杂性，并建议不要过度复杂化评估过程。

结论

QCon旧金山是一个为期五天的活动，由C4Media组织，专注于企业开发社区的无偏见内容和信息。会议涵盖了软件架构、人工智能和机器学习等多个领域的主题。