联系我们：有道技术团队助手：ydtech01 / 邮箱：ydtech@rd.netease.com 欢迎应届生同学们
来到2022年校招运动会
现在迎面向你们走来的
是网易有道代表队！
（传送门：http://hr.youdao.com/ ）
他们食堂好吃
他们从不内卷
今天，他们还带来了
10道笔试编程题
据说全做对的同学
都顺利地拿到了 offer！
同学们，请开始你们的 ~~bug~~
啊不
表演吧！
微信
新浪微博
有道云笔记
联系我们: 有道技术团队助手：ydtech01 / 邮箱：ydtech@rd.netease.com
本文的重点在于如何定量的排查冷启动过程中的耗时操作，并提供对应的优化思路和实践方法总结。同时本文涉及到的冷启动优化主要涵盖两个方面：Application 的性能优化和 Launcher Activity 的性能优化。
一、背景
中国大学 MOOC 是网易与高教社携手推出的在线教育平台，目前，经过长期的产品打磨和专研，在课程数量、质量以及影响力，中国大学 MOOC 已成为全球领先的中文慕课平台。同时经过此次优化，冷启动速度整体提升27%。
在我们日常开发中，随着 app 整体迭代次数增多，由于长久以来的迭代需求，android app 本身也集成了较多的第三方组件和 SDK，同时在日常迭代中，也是以业务迭代需求实现为主要目的，导致现在 app 本身，或多或少存在一些性能可优化空间。所以有必要进行性能优化，提升用户体验
此次优化，主要侧重于两个方面：
- Application 的性能优化
- app 启动页性能优化
该文档重点不在于代码规范和业务代码逻辑导致的性能问题，而是在假设代码无明显、严重性能漏洞，并且不改变原有业务逻辑，量化性能监测数据和问题，并针对其进行优化修改。
1.概述
本系列文章共2篇。在上一篇《原理篇》中，我们看到了异步非阻塞模型，它能够有效降低线程IO状态的耗时，提升资源利用率和系统吞吐量。异步API可以表现为listener或Promise形式；其中Promise API提供了更强的灵活性，支持同步返回和异步回调，也允许注册任意数目的回调。
在本文《应用篇》中，我们将进一步探索异步模式和Promise的应用：
第2章：Promise与线程池。 在异步执行耗时请求时，ExecutorService+Future是一个备选方案；但是相比于Future，Promise支持纯异步获取响应数据，能够消除更多阻塞。
第3章：异常处理。 Java程序并不总能成功执行请求，有时会遇到网络问题等不可抗力。对于无法避免的异常情况，异步API必须提供异常处理机制，以提升程序的容错性。
第4章：请求调度。 Java程序有时需要提交多条请求，这些请求之间可能存在一定的关联关系，包括顺序执行、并行执行、批量执行。异步API需要对这些约束提供支持。
本文不限定Promise的具体实现，读者在生产环境可以选择一个Promise工具类（如netty DefaultPromise[A]、jdk CompletableFuture[B]等）；此外，由于Promise的原理并不复杂，读者也可以自行实现所需功能。
本文主要描述了怎么样提高一个客户端开发排查和定位的效率，并且动手写了一个小工具的实践和思考，以及团队中其他合作者能够提高了定位问题效率，验证功能是否准确的效率。
作者/马杰 中国大学 MOCC 团队
编辑/刘振宇
一、前言
中国大学 MOOC 是由网易与高教社携手推出的在线教育平台，承接教育部国家精品开放课程任务，向大众提供中国知名高校的 MOOC 课程。目前，无论是课程数量、质量还是社会影响力，中国大学 MOOC 都已成为全球领先的中文慕课平台。
在日常的 Android 开发中，我们经常会遇到以下的一些问题：测试、运营、产品同学跑过来说这个页面出了问题，赶紧看下。这时候客户端开发同学就需要赶紧定位到具体的某个页面。
据观察，大部分的情况下对于一个突发页面的问题定位，或者业务方想让开发者确认这个页面的业务逻辑的时候，客户端开发者，往往需要花费比较长的时间去给业务方答复。如果近期业务可能还能记得，但是客户端的页面比较多，想要快速定位到具体业务页面，那么就需要花更多的时间去找相关的页面。
所以本文的想法是怎么快速找到对应的页面，帮助开发快速的进入业务代码，快速的回复业务方提出的问题。
前言
seata是阿里巴巴研发的一套开源分布式事务框架，提供了AT、TCC、SAGA 和 XA 几种事务模式。本文以精品课项目组的物流后台服务为例，介绍seata框架落地的过程，遇到的问题以及解决方案。
作者/ 邓新伟
编辑/ 网易有道
有道精品课教务系统是基于springcloud的分布式集群服务。在实际业务中，存在许多分布式事务场景。然而传统的事务框架是无法实现全局事务的。长期以来，我们的分布式场景的一致性，往往指的是放弃强一致性，保证最终一致性。
我们从调研中发现，seata框架既可以满足业务需求，灵活兼容多种事务模式，又可以实现数据强一致性。
本文以物流业务为例，记录了在实际业务中落地seata框架落地的过程中遇到的一些问题以及解决方案，供大家学习讨论~欢迎大家在留言区讨论交流
简介
在人工智能技术不断深入发展的今天，我们对于计算的性能要求越来越高。传统的计算处理多数是基于云侧的，把所有图像、音频等数据通过网络传输到云中心进行处理后将结果反馈。但是随着数据的指数式增长，依靠云侧的计算已经显现了诸多不足，例如数据处理的实时性、网络条件制约、数据安全等，因此端侧的推理则愈发重要。
在这样的背景下，网易有道AI团队自主设计研发了高性能端侧机器学习计算库——EMLL(Edge ML Library)，并已在近日开源。
EMLL 为加速端侧 AI 推理而设计，提供基于端侧处理器的高性能机器学习计算库，支持fp32、fp16、int8等数据类型，已在网易有道词典笔、翻译王和超级词典等智能硬件产品的 NMT、ASR、OCR 引擎中应用，大幅提高计算性能，提升用户体验。
开源地址：https://github.com/netease-youdao/EMLL
作者/ 韩虹莹
编辑/ Ein
从人和信息的博弈谈推荐系统缘起
首先谈谈我理解的推荐系统。
如果说推荐系统的定义是什么，每本书每篇文章说的都不太一样，协同过滤1992年就已经有了，三十年里无数大佬分析了个性化推荐的缘起和意义，世界已经不需要多一个人的见解。但是，当所有人都说一件事情是正确的时候，我们也要想清楚它为什么是正确的。
如果你问我推荐系统是什么，我会告诉你，是信息到人的精准分发。那么为什么在这个时代推荐系统才应运而生？古人不会需要信息精准分发，车马信息都很慢，古人学富五车不过现在一个书包的信息量；唯有现在人才需要信息精准分发，信息太多时间太少，乱花渐欲迷人眼，所以我们需要一个智能的系统，帮助你过来过滤信息，所以推荐系统是人和信息的桥梁。
当然，正如罗马不是一天建成的一样，在互联网上搭个桥也是要演进的，最开始是个小木桥——门户网站，用分类导航分发了信息；后来演化到了石板桥——搜索引擎，人可以更精准的找信息；逐步的信息太多了，要变成信息找人，在这个过程中，无论是信息的消费者，还是信息的生产者，都遇到了不曾预见的困难，信息消费者找不到信息了，信息生产者无法让自己的信息展现在消费者眼前，有痛点就有需求，有需求就有产品，于是推荐系统作为一个产品，恰到好处又必然的到来。凯文凯利在《必然》里，把这个趋势称为“过滤”：
进行过滤是必然的，因为我们在不停地制造新东西。而在我们将要制造的新东西中，首要的一点就是创造新的方式来过滤信息和个性化定制，以突显我们之间的差异。
人如何和信息相处，推荐系统既不是起点，恐怕也不会是终局，但它已经是当前人们对于处理信息所能做的最好的实践了。
上一页