博客园
最新
热门
发布
性能优化模式
摘要 性能优化涉及面很广。一般而言,性能优化指降低响应时间和提高系统吞吐量两个方面,但在流量高峰时候,性能问题往往会表现为服务可用性下降,所以
忆往昔
2 浏览
美团O2O排序解决方案——线下篇
背景 针对美团90%的交易发生在移动端的业务特点,我们实现了一套适用于O2O业务的搜索排序技术方案,已在许多产品和子行业中得到应用。在之前的线
忆往昔
美团O2O排序解决方案——线上篇
针对美团的O2O业务特点,我们实现一套搜索排序技术方案,在此基础上又抽象了一套通用的O2O排序解决方案,将分为线上篇和线下篇介绍,本文为线上篇,主要包括在线服务框架、特征加载、在线预估等模块。
忆往昔
细说ReactiveCocoa的冷信号与热信号(三):怎么处理冷信号与热信号
美团iOS客户端中大量使用了ReactiveCocoa框架。使用过程中我们发现,冷信号与热信号的概念很容易混淆并且造成问题。本文是系列文章的最后一篇,主要介绍怎么处理冷信号与热信号。
忆往昔
使用 npm shrinkwrap 来管理项目依赖
管理依赖是一个复杂软件开发过程中必定会遇到的问题。 在Node.js项目开发的时候,我们也经常需要安装和升级对应的依赖。虽然 npm 以及语意化的版本
忆往昔
Mock Server实践
美团EP团队开发的Mock Server,是用来模拟被测系统外部依赖模块行为的通用服务。本文介绍了Mock Server的整体结构及在美团使用的典型案例。
忆往昔
美团Android资源混淆保护实践
Android APK的代码可以通过ProGuard或者DexGuard来保护,那资源文件又该怎么保护呢?
忆往昔
细说ReactiveCocoa的冷信号与热信号(二):为什么要区分冷热信号
美团iOS客户端中大量使用了ReactiveCocoa框架。使用过程中我们发现,冷信号与热信号的概念很容易混淆并且造成问题。本文是系列文章的第二篇,主要介绍为什么要区分冷信号与热信号。
忆往昔
细说ReactiveCocoa的冷信号与热信号(一)
美团iOS客户端中大量使用了ReactiveCocoa框架。使用过程中我们发现,冷信号与热信号的概念很容易混淆并且造成问题。本文将讨论冷信号与热信号的基本概念。
忆往昔
深入理解 Objective-C:方法缓存
摘要 只要用到Objective-C,我们每天都会跟方法调用打交道。我们都知道Objective-C的方法决议是动态的,但是在底层一个方法究竟
忆往昔
前端组件化开发实践
前言 一位计算机前辈曾说过: Controlling complexity is the essence of computer programming. 随着前端开发复杂度的日益提升,组件化开发应运而生,并随着 FIS、React 等优秀框架的出现遍地开花
忆往昔
RACSignal的Subscription深入分析
ReactiveCocoa是一个FRP的思想在Objective-C中的实现框架,目前在美团的项目中被广泛使用。对于ReactiveCoco
忆往昔
美团酒店Node全栈开发实践
前后端分离的背景 “前后端分离”显然已不是什么新鲜的话题,Zakas在2013年10月份就曾发表过一篇博客《Node.js and the new web front-
忆往昔
2 浏览
美团Android DEX自动拆包及动态加载简介
概述 作为一个android开发者,在开发应用时,随着业务规模发展到一定程度,不断地加入新功能、添加新的类库,代码在急剧的膨胀,相应的apk包
忆往昔
Logistic Regression 模型简介
逻辑回归(Logistic Regression)是机器学习中的一种分类模型,由于算法的简单和高效,在实际中应用非常广泛。本文作为美团机器学习InAction系列中的一篇,主要关注逻辑回归算法的数学模型和参数求解方法,最后也会简单讨论下逻辑回归和贝叶斯分类的关系,以及在多分类问题上的推广。
忆往昔
Linux资源管理之cgroups简介
引子 cgroups 是Linux内核提供的一种可以限制单个进程或者多个进程所使用资源的机制,可以对 cpu,内存等资源实现精细化的控制,目前越来越火的轻量级
忆往昔
Docker系列之二:基于容器的自动构建
本文介绍了美团基于Docker的自动构建系统,包括问题的背景,技术方案,以及带来的收益。最后展望了Docker在美团的应用前景。
忆往昔
深入理解Objective-C:Category
摘要 无论一个类设计的多么完美,在未来的需求演进中,都有可能会碰到一些无法预测的情况。那怎么扩展已有的类呢?一般而言,继承和组合是不错的选择。
忆往昔
序列化和反序列化
温馨提醒:本文系2015年文章,相关信息可能会有变化,请参考最新的技术介绍。感谢大家理解。 摘要 序列化和反序列化几乎是工程师们每天都要面对的事
忆往昔
机器学习中的数据清洗与特征处理综述
背景 随着美团交易规模的逐步增大,积累下来的业务数据和交易数据越来越多,这些数据是美团做为一个团购平台最宝贵的财富。通过对这些数据的分析和挖掘
忆往昔
1
38
39
40
41
42
44