赞过的人: 技术头条 Yonah潇
要不要再学学下面的文章?
十大编程语言,Java 未能榜首,第一你想不到 (mp.weixin.qq.com)
如果你是软件开发领域的新手,那么你会想到的第一个问题是“如何开始?”编程语言有数百种可供选择,但是你怎么发现哪个最适合你,你的兴趣和职业目标又在哪里呢?选择最佳编程语言以学习的最简单方法之一,是通过市场反响、技术趋势的发展…
by @code小生 2020-02-03 16:42 分享 查看详情
一道面试题引发的对 Java 内存模型的一点疑问​ (mp.weixin.qq.com)
一道面试题引发的对 Java 内存模型的一点疑问​、JVM STW 里的 no vm operation 是怎么发生的、通过GarbageCollectorMXBean获取到的fgc次数耗时与jstat获取到的不一致等实战案例
by @PerfMa社区 2020-01-15 10:27 分享 查看详情
Effective Java in Kotlin:2. 遇到多个构造器参数时,考虑用构建者 (mp.weixin.qq.com)
尽管可伸缩构造器在JVM世界很流行,Effective Java 认为对于较大较复杂的类应该使用构建者模式(Builder pattern)。
by @SELECT-FROMALL 2020-01-13 08:31 分享 查看详情
给 Retrofit 嵌套动态代理,高效处理运营打点难题 (mp.weixin.qq.com)
相信大部分朋友都经历过,运营突然来要求,要给某部分接口带上某个参数(这个参数可能是from,表示当前在哪个页面;或者是duration,表示当前界面停留了多久)。这个时候,最直接的做法就是,直接加呗~ 有些接口还被多个界面调用,要改代码的界面可能是十多个,也可能是大几十个。
by @code小生 2020-01-05 21:31 分享 查看详情
日处理数据量超10亿:友信金服基于Flink构建实时用户画像系统的实践 (yq.aliyun.com)
当今生活节奏日益加快,企业面对不断增加的海量信息,其信息筛选和处理效率低下的困扰与日俱增。由于用户营销不够细化,企业 App 中许多不合时宜或不合偏好的消息推送很大程度上影响了用户体验,甚至引发了用户流失。在此背景下,友信金服公司推行全域的数据体系战略,通过打通和整合集团各个业务线数据,利用大数据、人工智能等技术构建统一的数据资产,如 ID-Mapping、用户标签等。友信金服用户画像项目正是以此为背景成立,旨在实现“数据驱动业务与运营”的集团战略。目前该系统支持日处理数据量超 10 亿,接入上百种合规数据源。
by @可耐芊小仙女 2019-12-30 15:47 分享 查看详情
Effective Java in Kotlin,你的九阳神功要更新了 (mp.weixin.qq.com)
作为Java四大名著的Effective Java,历来赞誉极高。随着近年来Kotlin的攻城略地,身为一名优秀Android开发的你,怎么还能囿于老的招式。很高兴超凶的土拨鼠同学,给我们带来的Effective Java in Kotlin。
by @SELECT-FROMALL 2019-12-26 08:47 分享 查看详情
重塑云上的 Java 语言 (yq.aliyun.com)
云原生亦如此。虽没有限定的编程语言,但应用所使用的编程语言已经决定了应用部署运行的行为。Java 诞生于20年前,拥有大量优秀的企业级框架,践行 OOP 理念,更多体现的是严谨以及在长时间运行条件下的稳定性和高性能。反观如今,在要求快速迭代交付的云场景下,语言的简单性似乎成了首要的要求,而传统的 Java 语言显得有一些过于重量了。
by @可耐芊小仙女 2019-12-16 15:02 分享 查看详情
轻松构建基于 Serverless 架构的弹性高可用音视频处理系统 (yq.aliyun.com)
随着计算机技术和 Internet 的日新月异,视频点播技术因其良好的人机交互性和流媒体传输技术倍受教育、娱乐等行业青睐,而在当前, 云计算平台厂商的产品线不断成熟完善, 如果想要搭建视频点播类应用,告别刀耕火种, 直接上云会扫清硬件采购、 技术等各种障碍,以阿里云为例:
by @可耐芊小仙女 2019-12-13 15:40 分享 查看详情
Java 9 ← 2017,2019 → Java 13 ,来看看Java两年来的变化 (mp.weixin.qq.com)
Java 9 ← 2017,2019 → Java 13 ,来看看Java两年来的变化
by @HollisChuang 2019-11-29 11:48 分享 查看详情
如何分析及处理 Flink 反压? (yq.aliyun.com)
反压(backpressure)是实时计算应用开发中,特别是流式计算中,十分常见的问题。反压意味着数据管道中某个节点成为瓶颈,处理速率跟不上上游发送数据的速率,而需要对上游进行限速。由于实时计算应用通常使用消息队列来进行生产端和消费端的解耦,消费端数据源是 pull-based 的,所以反压通常是从某个节点传导至数据源并降低数据源(比如 Kafka consumer)的摄入速率。
by @可耐芊小仙女 2019-11-28 16:48 分享 查看详情