分类浏览
从余弦定理到 TikTok:一个用户的推荐流是怎么被算出来的
上一篇拆了推荐 Feed 的架构,这篇换个讲法:造一个用户,给他一晚上的真实行为数据,从《数学之美》的余弦定理出发,经过 Netflix 的三层分工和 TikTok 的工程极致,跟着他走完召回、粗排、精排、重排四层漏斗——每一步输入什么、输出什么、分数怎么变。
C 端 IPTV 产品的 Java 高并发架构设计:高可用、高性能、零信任与缓存一致性
我在一个海外 C 端 IPTV 产品上做 Java 架构的实战总结:高并发、高可用、高性能、零信任安全、攻击防御与缓存一致性,其间落地了 Hystrix、EVCache 等 Netflix 开源组件与工程实践。
Spark 与 Flink 入门:批与流的两种血统,视频公司里各干什么活
Spark 是批处理血统的分布式计算引擎,Flink 是流处理血统的——血统决定了延迟模型、状态管理和生态主场。本文讲清两者的基础概念并附 Java API 示例(Spark ETL/ALS 训练、Flink 事件时间窗口/状态 TTL),以一家类 Netflix 的视频公司为背景给出具体用例,以及算力规格估算、监控指标、故障恢复剧本和两家的避坑清单。
最新文章
千人千面 + 无限瀑布流:推荐 Feed 的完整实现架构
拆解微博、X 式推荐流背后的完整架构:用户偏好如何用交互矩阵和 embedding 算出来,召回/粗排/精排/重排四层漏斗各自的技术路径与离线在线分工(主力是十年前的深度学习栈,不是大模型),无限下拉靠游标分页、已曝光去重和候选池分层兜底。
三万个 Flink 作业怎么自动扩缩容:Netflix 两代 Autoscaler 的教训
Netflix 同时跑着两个 Flink 自动扩缩容器:2019 年自研的’外部观察者’和社区开源的’内部推理者’。读 Netflix 技术博客《A Tale of Two Flink Autoscalers》的学习笔记:为什么看容器指标的扩缩容有天花板,True Processing Rate 怎么逐顶点算并行度,以及把开源算法落到三万个作业上时补的三个工程缺口。
十年前泡论坛啃书,现在问 AI:软件知识的分层与获取地图
Spring Boot 和 Netty 根本不在一个知识层面上,用同一个渠道学四种层次的知识,效率必然低。本文用一个’秒杀系统’的例子贯穿始终,把软件知识分成原理、组件、版本、方案四层,逐层对比:十年前这些知识在哪获取,现在(AI 时代)去哪获取,以及 AI 真正改变的三件事。
Ruby on Rails 高级篇:接入 Redis、Elasticsearch、消息队列与大数据组件的工程实践
入门篇解决「把功能写出来」,高级篇解决「把系统接出去」:Rails 应用如何正确接入 Redis(缓存/队列/数据结构)、Elasticsearch(搜索与索引同步策略)、RabbitMQ/Kafka(事件驱动与幂等消费)、以及 Spark/Flink/ClickHouse 这类大数据组件(Rails 的角色定位)。最后收束到一套接入任何外部组件都适用的工程纪律:超时、重试、熔断、幂等与降级。
Ruby on Rails 从零基础到精通:环境搭建、MVC、Active Record、Hotwire 与生产部署全指南
一条由浅入深的 Rails 成长路线:先把环境一次装对,用最快的速度理解 Ruby 语言里那些「别的语言没有」的东西,然后沿着 MVC → Active Record → Hotwire 前端 → 后台任务与缓存 → 安全与 API → 测试 → Kamal/Docker 生产部署的顺序,一路走到能独立交付生产级应用。附带二十年老框架在 AI 时代还值不值得学的冷静判断。
见几而作,知时而动
闭环管’怎么做对’,地图管’力气往哪投’,这篇管’往哪走’。方向选择不是找正确答案,而是一个认识论问题:先用可逆性分流,再锚定、调查、判断、下注,最后用验证把选择接回闭环——骨架挂在《实践论》上,易经只作注脚。写给正在迷茫的人:迷茫往往不是想得不够,是调查得不够。
HN 招聘帖 9 月观察:帖子少了四分之一,但有几样东西在逆势变厚
9 月的 HN Who is hiring 只有 242 条帖子,比 8 月再缩 27%。总量在退潮,但 Agent 治理、政府客户、能源层、模型评测这四个方向在逆势变厚;量子公司一夜消失;薪资呈现哑铃型分化——前沿实验室隔壁的岗位 junior 开到 30 万美元,而普通开发岗的时薪已经跌进 30 美元区间。
CI/CD 端到端落地实录:从 Git Push 到 K8s 发布的完整流水线
以我主导的真实项目 videocloud 的生产流水线为骨架,拆解 CI/CD 五个阶段:Jenkins 拉取编译、镜像与配置推送、changelog 变更单驱动的数据库与 Nacos 变更、ConfigMap 同步、部署与验证回滚。附凭证权限划分、配置文档化、HPA 伸缩规范、避坑清单与行业动态。
本体数据(Ontology Data)核心概念与组成要素:从本体构建到智能体落地的实施路径
梳理本体数据(Ontology Data)的核心概念与组成要素——类、实例、属性、关系、公理与动作,对比本体、知识图谱与语义层的边界,并给出一套从业务域盘点、本体建模、数据实例化到语义服务化、Agent 接入与治理迭代的完整实施路径,附 Mermaid 图例、制造业实战案例与 2026 年最新行业动态(Palantir AIP、Microsoft Fabric IQ、信通院本体智能报告等)。