BestBlogs.dev 精选文章 第 6 期

本文详细介绍了 Netflix 如何通过多层次的技术手段，构建高可靠的在线有状态系统。文章首先强调了可靠性不仅仅是故障率的降低，还包括故障影响范围和恢复时间的优化。Netflix 通过在多个区域和可用区复制数据，确保微服务的高可靠性和强一致性。此外，Netflix 在有状态服务上投入大量资源，以应对区域故障和快速恢复，确保系统的稳定性和弹性。文章进一步讨论了 Netflix 如何通过使用缓存、有状态客户端和服务器信号等技术，提高系统的可靠性和性能。通过重试和负载均衡技术，应对系统故障和负载削减，进一步提高系统可靠性。Netflix 还利用加权 n 选 1 算法、并发性控制、幂等性令牌等技术，构建了一个高可靠的在线有状态系统，能够在高负载下自动缓解影响并快速恢复，无需人工干预。最后，Netflix 通过结合服务器、客户端和 API 的设计，构建了大规模可扩展且符合 SLO 的有状态服务，确保高可靠性和高利用率。通过“即发即弃”模式处理高频写入，确保系统接近 100% 的正常运行时间。

本文阐述了从首次输入延迟 (FID) 到交互到下一次绘制 (INP) 的转变，作为核心网页关键指标。详细说明了 FID 如何测量用户首次交互与浏览器响应之间的延迟，而 INP 则扩展到包括处理和呈现延迟，专注于页面寿命中表现最差的交互。优化 INP 的策略包括高效的事件处理，减少处理和呈现延迟，以及使用 Web 工作者处理非紧急任务。

本文探讨了构建前端可观测性系统的重要性，以监控和优化前端应用的性能。内容涵盖了背景、设计实现以及实施该系统的成果。该系统专注于统一数据上报、自动化看板搭建，并提供关键性能指标的实时监控，以增强用户体验和业务决策。

文章首先阐述了微服务架构中服务间频繁通信导致的性能和稳定性问题，并提出了将频繁通信的服务 Pod 部署在同一台机器上以及采用本地通信方式（IPC）替代网络通信的解决方案。接着，介绍了一个考虑服务亲和性的 Pod 调度数学模型 RASA，以及实施的多阶段服务流量图分割技术，用于管理大规模集群。为了优化调度算法选择，文章还介绍了利用机器学习来选择最适合的调度算法，包括列生成算法（CG）和混合整数规划求解算法（MIP）。通过这些技术，可以显著优化端到端延迟和请求失败率，提升服务性能和可靠性。实验评估表明，RASA 算法在求解效率和解的质量上均表现出色，显著优于现有的调度算法。自 2023 年在字节跳动上线以来，该算法已实现了 10%-70% 的时延降低。

文章从技术 PM 的角色出发，详细介绍了其在复杂项目中的职责与挑战，并结合实际经验提出了具体的实践方法。首先，明确了技术 PM 的核心职责包括需求管理、技术方案设计、资源协调和风险管理等。接着，分析了技术 PM 面临的四大挑战，如风险识别与管理、跨团队协作、需求变更处理和质量进度平衡，其中特别强调了需求变更管理的重要性。文章重点探讨了风险识别与管理的实践方法，包括‘先紧后松’和‘化整为零’等策略，并通过案例说明这些方法如何有效降低项目延期风险。最后，提供了项目各阶段的参考指引和总结建议，强调技术 PM 需要不断提升综合能力以应对日益复杂的项目需求。此外，文章还提到技术 PM 的绩效收益和个人影响力提升，激励读者积极承担这一角色。整体内容对技术从业者具有较强的指导意义。

谷歌云的新云存储分层命名空间（HNS）是一个针对数据密集型和文件导向型应用程序优化的存储桶选项。HNS 通过提供类似文件系统的 “树状” 结构和新的文件夹操作 API，改善了性能和一致性。

与传统的扁平命名空间相比，HNS 支持快速和原子性的文件夹操作，如重命名和删除，这对于需要频繁移动大量文件的工作负载至关重要。HNS 还提供了更高的初始存储桶查询每秒数（QPS），支持新的 API，如 CreateFolder、DeleteFolder、GetFolder、RenameFolder 和 ListFolders，以及与 Hadoop/Spark 和 Cloud Storage FUSE 的集成。

然而，HNS 也有一些限制，例如不支持对象版本控制、存储桶锁定、对象保留锁定和对象 ACL。在公共预览期间，HNS 不支持软删除和自动分类功能，并且在正式发布（GA）后将收取额外费用。

Canyon 是为了解决端到端测试覆盖率收集问题而开发的，它在 Istanbuljs 基础上扩展，适用于前端应用的全面覆盖率分析，尤其适用于 UI 自动化测试。

文章首先介绍了作者从初级全栈开发工程师到技术经理的职业发展，包括在外包公司和初创企业的工作经验，以及团队如何通过项目驱动学习和自我技能提升来应对复杂项目的挑战。

接着，文章详细描述了 Webpack 打包方案的优化过程，包括使用 webpack-bundle-analyzer 插件进行可视化分析、Gzip 压缩的实施以及 Nginx 和 Webpack 前端的 Gzip 压缩配置。

此外，文章还探讨了如何通过引入 WebP 图片格式和 HTTP/2 技术，结合 OSS 云存储和 CDN 加速，来优化图片加载性能和提高网站访问速度。

最后，文章强调了 OSS 缩略图的重要性，并通过实际案例展示了使用 OSS 缩略图功能如何显著减少图片加载时间和空间占用。

在阿姆斯特丹举行的 JS Nation 2024 大会上，揭晓了本年度备受期待的 JavaScript 年度项目奖项。年度突破奖由 Rspack 获得，这是一个基于 Rust 开发的高性能 Web 构建工具，旨在解决大型项目构建性能问题。

最令人兴奋应用技术奖得主是 Effect-TS，一个 TypeScript 库，帮助开发者创建复杂、同步和异步程序。

卓越生产力奖得主是 Biome，一个提供快速代码格式化和丰富 Linting 功能的前端工具链。

AI 助力卓越编程奖得主是 screenshot-to-code，一个基于截图生成前端代码的项目。

其他候选项目包括 solid-start、WinterJS、Mitosis、PartyKit、elysia、hono.js、Javy、Nitro、Typescript Eslint、Vanilla Extract、Node.js Test Runner、Draw-a-ui、Web LLM、LangChain.js 和 Ollama.js，它们都在推动 JavaScript 生态系统的进步和提升开发效率。

GitHub 博客发布了一篇关于如何利用检索增强生成（RAG）技术从非结构化数据中提取见解的文章。文章首先介绍了软件开发中非结构化数据的重要性和挑战，如代码库、组织最佳实践和客户反馈等信息通常以非结构化形式存在，这些数据难以组织和解释。接着，文章详细解释了 RAG 技术和大型语言模型（LLMs）如何帮助识别模式和提取见解，特别是在处理文本数据时。

GitHub 数据科学家 Pam Moriarty 和 Jessica Guo 强调了非结构化数据在软件开发中的独特价值，并讨论了如何使用 RAG 技术来提高开发过程的效率和质量。文章还展示了 RAG 技术在实际应用中如何帮助开发人员加速对现有代码库的理解，包括其惯例、功能、常见问题和错误。此外，文章还探讨了如何利用 RAG 技术来改善产品决策，通过揭示用户的痛点来提升服务和产品。最后，文章介绍了 RAG 技术如何通过使用向量数据库、通用文本搜索和外部或内部搜索引擎来从非结构化数据中提取价值，并提到了 GitHub Copilot Enterprise 如何利用 RAG 技术来帮助开发者和领导者。

QQ 客户端的 Hodor 系统，以预防性能衰退为主要目标的技术方案。系统经历三年建设，达到业界先进水准，通过"门禁"理念，提前发现并防止主路径性能问题。系统覆盖了代码提交前的性能检查、自动工单提交、数据看板实时监测，及性能维度警报机制，利用自动化技术，包括动态追踪和静态扫描，降低问题排查的难度，提高软件开发的效率与质量。从系统设计到数据采集、任务调度、数据分析处理，每一步骤都透露着对细节的极致追求与创新思维。

本文探讨了软件设计中的抽象思维重要性，强调了通过分离变化与不变的部分，提炼关键领域概念和知识的重要性。文章讲述了从识别变化到创造新知识的演变过程，并通过一个简单的例子说明了数据、类型和行为的抽象过程。

本文主要介绍了 Web AI 的概念、如何在浏览器中运行大型语言模型（LLM）、使用 Visual Blocks 加速原型设计，以及如何通过 JavaScript API 在 Chrome 中大规模实现 Web AI 的方法。

freeCodeCamp.org 发布的文章 '软件架构中的自动扩展和负载均衡' 深入探讨了现代软件架构中的两个关键组件：自动扩展和负载均衡。这些技术通常一起实施，以管理需求的不确定波动，确保系统既具有弹性又具有成本效益。文章首先解释了自动扩展的概念，即根据预定义的指标（如 CPU 利用率或传入请求）自动调整计算实例的数量。它区分了适用于不可预测需求波动的动态扩展和用于已知需求模式的计划扩展。文章使用餐厅类比来说明动态扩展如何类似于根据订单的突然激增而临时增加厨师。通过在高需求期间自动增加实例并在低需求期间减少实例，自动扩展的重要性通过其提高弹性的能力得到强调，从而防止过载并确保高可用性。此外，自动扩展通过避免过度配置资源来帮助降低成本。

接下来，文章解释了负载均衡，即将传入的网络流量分布到多个实例，以防止任何单个实例成为瓶颈。它讨论了 OSI 模型以及负载均衡器如何在第 7 层（应用层）或第 4 层（传输层）上运行。文章强调了负载均衡的好处，包括负载分配、高可用性和弱耦合，这允许在多层架构中独立扩展不同的层。文章最后将自动扩展和负载均衡的概念整合到一个三层 Web 应用架构中，展示了这些技术如何协同工作以确保弹性、成本控制和有效的负载分配。

谷歌云提供了六种部署原型，帮助满足云工作负载对可用性、延迟、性能和成本的需求。这包括区域、多区域、全球、混合云和多云部署模型，每种模型都针对特定的应用程序需求进行了定制。

Cloud SQL for MySQL 最近获得了向量嵌入搜索和由 Gemini 提供支持的 AI 辅助工具的支持。新功能包括向量嵌入搜索的集成支持，使生成性 AI 应用程序的构建成为可能，以及像 Index Advisor 这样的 AI 辅助工具来优化数据库性能。主要内容包括：1. 用于生成性 AI 应用程序的向量搜索；2. 用于生成向量嵌入的 LangChain 集成；3. 用于优化和管理 MySQL 数据库的 Gemini；4. 用于查询效率的 Index Advisor；5. 用于实时性能分析的 Active Queries。

Uber 开发了一个先进的系统来解决应用外通信（如电子邮件、推送通知和短信）的个性化推荐挑战。该系统通过候选检索、混合和排名三个关键步骤，利用本地图、用户历史和受欢迎程度来提供相关的个性化推荐。系统设计重点在于实现高效的特征存储、在线预测和高吞吐量，以确保可扩展性和成本效益。

文章讨论了 A/B 测试在 AI 场景中的应用，强调其在让每个决策更加正确方面的作用，以及在 AI 大模型时代的放大效应。文章介绍了火山引擎数智平台 VeDI 旗下的核心产品 DataTester，该产品已经服务了数百家企业，在业务增长、用户转化、产品迭代、策略优化以及运营提效等环节提供科学决策支持。文章突出了 A/B 测试在 AI 相关产品的快速迭代和优化中的重要性，使公司能够迅速响应市场变化和用户需求。它展示了更快的上线、用户体验改进和遇到问题时快速回滚的具体场景，展示了 A/B 测试如何加速产品迭代周期并确保持续的质量和体验优化。

多邻国在与社交媒体和短视频应用的竞争中，如何策略性地吸引了用户注意力。文章深入探讨了这款语言学习应用如何通过产品迭代和实验，利用连胜和个性化的推送通知，实现了 DAU 增长 6 倍和股价增长 3 倍。

在 WWDC 2024 上，苹果推出了革命性的 AI 操作系统 ——Apple Intelligence，它不仅仅是将大型语言模型（LLMs）整合到设备中。 Apple Intelligence 的核心在于提供个性化、直观且安全的 AI 体验，包括文本处理、图像生成和 Siri 的升级，以及强化的隐私保护。

苹果通过自研的本地模型和私有云计算，同时支持第三方 LLMs（如 GPT-4），展现了其在 AI 领域的独特创新之路。这一系统的推出，标志着苹果再次重新定义了 AI 的使用方式，强调了 AI 产品应当以人为本，提升生活效率的同时，确保数据安全。

通过 App Intents 框架，苹果还鼓励开发者将 AI 功能融入到应用中，推动了 AI 技术在生态系统中的深度整合和广泛应用。这篇文章深入探讨了 Apple Intelligence 的功能和背后的设计理念，为我们展示了 AI OS 未来的可能性，以及苹果在 AI 领域的领导地位。

文章首先介绍了 B 端弹窗设计的常见分类，包括模态弹窗和非模态弹窗、提示类、操作类、展示类弹窗，以及小尺寸、中尺寸、大尺寸弹窗。随后，文章通过一个实际案例，展示了如何根据用户需求和信息量的不同，来确定最合适的弹窗尺寸。作者通过与审核员的沟通，确定了目前客户自定义配置原因的数量量级，并在此基础上考察了不同宽度（600px、800px、1200px）的弹窗对操作效率和适配性的影响。通过分析，作者认为 800px 的弹窗在操作效率和适配性方面表现最优，并提出了弹窗的高度规范，建议高度自适应，最高不超过 700px，并在必要时支持内滚动条。此外，作者还提出了浏览器适配规范，以确保在不同分辨率的显示器上都能提供良好的用户体验。

Devv AI 是一款专为程序员设计的人工智能搜索引擎，旨在为编程相关查询提供快速、准确的结果。创始人 Forrest Zhang 分享了从零开始打造这款产品的经验，强调了创业成功的关键在于解决真实存在的问题。文章详细介绍了从想法到 MVP 版本诞生的过程，包括深入用户调研、构建解决方案、打造差异化以获取市场竞争的胜利，以及商业化与盈利的策略。此外，文章还分享了创业过程中的关键洞察和经验，强调了快速验证、产品差异化、口碑传播和面对挑战的重要性。

在这个不断演进的设计界，AI 的兴起正彻底改变设计师的工作方式。本文深入探讨了设计与 AI 协同的三种模式：Embedding、Copilot 和 Agents。首先，Embedding 模式通过将 AI 功能融入现有设计软件，提升了工具的智能化，但仍受限于传统架构。接着，Copilot 模式展现了 AI 如何在整个设计流程中提供支持，从需求分析到方案生成，AI 成为设计师的得力助手。最终，Agents 模式下，AI 不仅参与创意构思，还能自主完成复杂任务，设计师则转型为审美和决策的导师。

文章指出，随着 Agent 技术的成熟，设计师的角色将从执行者转变为思考者和决策者，设计工作将进入一个新的智能化时代。AI 不再仅是提升效率的工具，而是成为了创意的源泉和执行的主体。这无疑为设计师的职业发展和设计行业的未来提出了新的思考，我们需要重新审视设计师的价值和设计工作的本质。面对 AI 的崛起，设计师应该如何适应这一变化，如何在创意和技术之间找到平衡，将是未来设计界需要深思的问题。

本文讨论了在职场中进行复盘的重要性和方法，以加速个人成长。作者分享了她的经验，并提供了实用的复盘模板。主要内容包括：1. 保持工作日志的重要性。2. 不同的复盘模型，如 KISS、PDCA 和 4Fs。3. 复盘的逐步指南。4. 保持一致复盘习惯的建议。5. 推荐的复盘工具。

当下的商业世界，会员经济已经渗透到生活的每一个角落，成为品牌与用户建立深厚联系的利器。与此同时，会员的「价格体系」则成为了成败的关键变量，甚至是致命要素。合适合理的会员价格体系，能够稳定巩固品牌与会员之间的关系。本文从四个维度探讨了如何制定一个合理的会员「价格体系」：潜在收入来源、提价或降价的最佳时机、免费增值和免费赠送的区别、常见的错误定价方式。

文章首先从信息有用性模型出发，阐述了信息内容质量和信息源可靠性对用户评价有用性的影响。接着，详细分析了亚马逊评价系统的相关功能，包括评价规则政策、C 端链路功能和 B 端邀评工具。在评价规则政策方面，亚马逊通过严格的政策和处罚措施，防止了商家刷评和骚扰用户，保证了评价的真实性。C 端链路功能则提供了多种工具和方式，帮助用户高效获取有用、全面、可信赖的评价信息，同时提升了写评用户的真实性感知。B 端邀评工具包括请求评论功能、Vine voice 功能和 Transparency 留评卡片，这些工具不仅为商家提供了合法的积累评价方式，也为用户提供了更多的信息获取途径。最终，文章总结认为亚马逊评价系统通过其平台规则和配套系统功能，有效地满足了用户对评价真实性和有用性的需求。

本文详细介绍了 KOS（关键意见销售）的概念及其在从公域到私域营销转型中的重要性。文章探讨了 KOS 如何不同于 KOL 和 KOC，提供了一种更个性化和专业的销售方法，利用小红书等平台增强消费者参与度和销售转化。同时，文章还讨论了在不同行业中实施 KOS 的战略以及将 KOS 整合到品牌整体营销策略中的好处。