技术人的成长路线可以分三条，一条转管理，一条走技术专家方向，如果天赋精力溢出可以综合起来走向创业之路。 这次我们想聊聊这些技术人的派别。 有的技术人内心低调坚韧，信仰技术客观，从技术到业务，从架构到团队，从后端到前端，一路上披棘斩荆，十年兢兢业业在技术上挖坑填坑； 有的技术人懂些技术，但更懂管理，身负很多软素质，例如沟通能力、向上汇报向下传达能力、团队管理能力、人员培养能力等等； 有的技术人则天赋树四处波动，信仰自由、潇洒与创新，一言不合可以做出很多匪夷所思的事情，阻碍他们改变世界的理由可能唯有时间与金钱，毕竟不差程序员了。 这次InfoQ即将举办的全球架构师峰会上，我们就邀请了上述各类技术人前往深圳分享，请他们总结自己最骄傲的技术成果或在管理创业路上的心得体会，如果你对他们或他们所做的事情感兴趣，可以点击“阅读原文”报名，直接与他们一同讨论交流。 风控场景的扫描策略一般是采用规则 模型的方式。在DT AI时代，模型作为一种机器学习的代言，在其中扮演越来越重要的角色。由于模型是对数据进行机器学习训练得到的，在这次分享中我们将主要解答下列问题： 如何原始数据加工成为模型所需要的数据？如何简单方便地进行模型训练，并评估模型效果？如何把线下的模型推送上线，并保证线上线下逻辑一致？如何有效地监控模型运行的情况，并在模型衰退之前作出反应？如何做到快速模型的在线更新，实时更新？ 本次分享将主要分享从2006开始，腾讯内部从无存储平台到存储量达EB级别的TFS2.0存储平台这一过程中所经历的技术问题。在社交图片和视频盛行的时代，存储系统的设计和运营如何进行适配，我们将揭秘微信C2C图片和视频如何提升体验、降低成本，以及在云时代腾讯是如何开放内部的存储技术的。 新浪微博基于混合云搭建机器学习平台，用于服务线上信息流、关系流和消息推送流，目前支撑百亿级特征万亿级样本的特征工程。超大维度的特征工程，需要按需快速提供大规模的计算能力和存储资源，在已有一定规模的互联网企业，这样的需求对有限的机架资源也提出了很大挑战。 微博利用 DCP 混合云调度平台，使用高配置的服务器，高密度的构建大规模的机器学习的支撑架构，满足了机器学习平台的业务要求。本次分享介绍微博在使用混合云支持机器学习平台的过程中遇到的技术、业务挑战，探讨对应的解决经验。 携程从2016年开始开发容器云，并且在生产环境上线了基于容器的持续交付系统。容器的带来的标准化，轻量隔离，为应用的快速交付提供了可能，但是也对原有的运维体系带来了挑战。 在容器云的落地过程中，我们引入了新的日志，监控方式，并且通过 StackStorm，chatbot 的方式让 DevOps 的理念很好的落地。 为什么我们在微服务之后还要做 Serverless 架构呢？主要 Serverless 带来的好处正好解决我们最新的痛点：业务快速变化中如何更快地开发。之在这过程中编程者考虑程序以外的事情太多，总结为一句话“一条 SQL 到一个服务的距离到底有多远”，很远，我们要做的是让距离变得更短一些。 另外一点在于互联网流量的变化太大，时大时小，这让大量部署的服务器资源使用率不够高，我们做到的是让应用在被使用的时候才产生资源的占有，不跑不占资源，本次主要分享同程在Serverless架构实践过程中的一些坑与事。 |
|
声明：文章版权归原作者所有 部分文章转自互联网 如有侵权请联系
[邮箱地址] 删除
|
注册
登录
