12月阿里云开发者社区技术好文推荐

阿里云开发者社区12月技术文章精选,涵盖多个领域,邀您投票选出最爱,赢取精美礼品!

原文标题:12月技术文章集锦:选出你的最爱

原文作者:阿里云开发者

冷月清谈:

阿里云开发者社区12月份发布了众多涵盖不同技术领域的优质文章,主题包括故障排查、代码模块设计、树形结构工具类、软考经验、单点登录、Redis Stream应用、项目管理经验、编译时插桩、快速上手新业务、日志采集性能提升、Class文件加载机制、RAG系统、学习原理、缓存构建、票据信息提取、提示词工程、大规模集群可观测性、CPU开销压降等。现在邀请开发者参与投票,选出自己最喜欢的文章,并分享对技术领域的见解和对公众号的期待。活动截止至1月10日,评论点赞最高的5位用户将获得鼠标奖励。

怜星夜思:

1、文章中提到的OOM问题,除了文中提到的解决方案,还有哪些其他的排查和解决思路?
2、如何评估一个技术PM的工作绩效?除了完成项目之外,还有哪些重要的指标?
3、文章中提到的RAG系统是什么?它有哪些应用场景?

原文内容

12月我们又又又发布了一系列精彩的技术文章,涵盖了多个领域的前沿知识和技术分享。为了更好地了解大家的喜好,提升我们的内容质量,投票活动又来啦!邀请您选出12月份您最喜欢的技术文章。

即日起至1月10日,在下方列出的文章中选择您最喜欢的一篇进行投票,投票结束后,我们将公布最受欢迎的文章,并据此为您提供更加优质和更符合您期待的技术内容!

【 精彩文章回顾 】

1

作者:臻臻

记录并分析一次线上支付系统出现OOM(Out Of Memory)故障的排查与解决过程。

2

作者: 谨寻

摘要:一次项目包含非常多的流程,有需求拆解,业务建模,项目管理,风险识别,代码模块设计等等。这本文旨在建立代码模块设计上的思路,给出了两种非常常用的设计范式,减少未来在这一块的精力开销。

3

作者:舒阳

摘要:本文深入探讨了树形结构在实际应用中的广泛使用及其重要性,并提出了一套通用且高效的工具类TreeUtil来处理与树形数据相关的操作。

4

作者: 松研

摘要:本文记录了作者考取软考的复习过程、备考时间线和一些经验总结。

5

作者:王谷

摘要:作者记录了故障发生时的排查思路,再对问题进行详细描述并分析根本原因,最终找到解决方案。

6

作者:戴靖泽

摘要:单点登录(SSO)可解决用户在多系统间频繁登录的问题,OIDC 因其标准化、简单易用及安全性等优势成为实现 SSO 的优选方案,本文通过具体步骤示例对 Higress 中开源的 OIDC Wasm 插件进行了介绍,帮助用户零代码实现 SSO 单点登录。

7

作者:勉成

摘要:本文记录了一次Java进程CPU占用率过高的问题和排查思路。

8

作者:黎落

摘要:本文将从概念、设计、实现和适用场景等多个维度介绍Redis Stream在交通模块的应用。

9

作者:帆日

摘要:本文作者分享了自己做pm多年的实践经验,从什么是pm到如何做好技术pm做出了详尽的解答。

10

作者:古琦

摘要:本文讲解了阿里云编译器团队和可观测团队为了实现Go应用监控选择编译时插桩的原因,同时还介绍了其他的监控方案以及它们的优缺点。

11

作者:做棵大树

摘要:本文简单讲述作者对于“怎么尽可能快地上手一个新业务/项目?”这个问题的个人理解。

12

作者: 翊韬

摘要:一个有趣的现象引起了作者的注意:当启用行首正则表达式处理多行日志时,采集性能出现下降。究竟是什么因素导致了这种现象?本文将探索Logtail多行日志采集性能提升的秘密。

13

作者:勉成

摘要:本文从双亲委派讲到了Class文件的加载,最后又绕回双亲委派,作者认为只有理解了Class的加载机制,才能更好的理解类似双亲委派这样的机制,否则只死记硬背一些空洞的理论,是无法起到由内而外的理解的。

14

作者: 范志东

摘要:作者遴选了2024年度典型的RAG系统和论文(含AI注解、来源、摘要信息),并于文末附上RAG综述和测试基准材料,希望阅读完本文可以帮助大家速通RAG。

15

作者: 蒙拉

摘要:本书以“人类是如何思考和学习的”为线索,阐述了大脑关于学习的若干项基本运作原理,揭示了故事、情感、记忆、背景知识、练习在构建知识和创造持久学习经验中的重要性。

16

作者:先然

摘要:本文主要叙述如何运用云数据库 Tair 构建缓存,助力应用提速、优化性能。

17

作者:舟谨

摘要:本文主要讲述在处理票据信息结构化提取任务时,如何结合OCR(光学字符识别)技术和多模态大模型Qwen-VL来提高票据信息提取的准确性和效率。

18

作者:佳叙

摘要:在探索人工智能的深海中,提示词(Prompt)是引导大模型输出的灯塔。本文希望通过对自身所学所思进行总结,解析提示词如何塑造AI的响应,揭示其背后的机制。

19

作者:太业

摘要:文章探讨了为什么大规模集群中的可观测性服务会产生大量API请求、API服务器为何对DNS解析至关重要以及故障恢复过程为何缓慢的原因。

20

作者: 泓诚

摘要:本文为《事件CPU开销压降》揭榜报告,旨在解决风控系统间信息传递时事件体持续膨胀导致的序列化/反序列化CPU消耗过高的问题。

请花几分钟时间参与投票,选出您心目中的12月最佳技术文章吧!


评论有奖哦!欢迎在评论区畅所欲言,您可以聊聊感兴趣的技术领域,谈谈关于我们技术文章的评论思考以及对阿里云开发者公众号的期待。截至1月10日24时,评论点赞最高的5位用户,将为每人送出鼠标1个!


感谢各位开发者们一直以来对我们公众号的支持和关注!您的每一票都是对我们最大的支持,也将帮助我们在未来提供更多符合大家需求的内容。

沟通能力和协调能力也很重要!技术PM需要在产品、开发、测试等多个团队之间进行沟通和协调,确保项目顺利进行。这方面的能力很难量化,但可以通过团队成员的反馈来评估。

除了代码和JVM,还可以考虑系统层面的一些因素,比如操作系统本身的内存限制、其他应用的内存占用等等。有时候OOM并不是应用本身的问题,而是系统资源不足导致的。

我理解RAG就像给大模型装了一个外部大脑,让它可以访问更广阔的知识库,从而提升其理解和生成能力。未来,RAG技术可能会成为AI应用的标配。

RAG,Retrieval Augmented Generation,检索增强生成。简单来说,就是先从外部知识库中检索相关信息,然后结合这些信息来生成文本。它的应用场景很广泛,例如问答系统、文本摘要、代码生成等等。

技术PM还需要具备一定的技术前瞻性,能够及时了解和掌握新的技术趋势,并将其应用到项目中。这对于提升团队的技术水平和产品的竞争力至关重要。

RAG可以弥补大模型知识的不足,使其能够处理更加专业和特定领域的问题。例如,可以让大模型根据特定行业的文档来回答用户的问题,或者根据代码库来生成新的代码。

我觉得技术PM的绩效评估应该更注重项目整体的质量和效益,例如项目的ROI、用户满意度、团队协作效率等等。仅仅完成项目并不代表成功,还要看项目是否真正达到了预期目标。

我觉得可以考虑优化JVM参数,例如调整堆内存大小、垃圾回收算法等。不过这需要根据具体应用的负载情况进行调整,不能一概而论,否则可能适得其反。

针对OOM问题,除了文中提到的方案,还可以从代码层面入手,比如检查是否存在内存泄漏,例如长期持有不再使用的对象引用,或者使用不当的数据结构导致内存占用过大。可以使用一些内存分析工具,如MAT、JProfiler等,来辅助排查。