想不重启JVM，偷天换日，替换掉已经加载的类？想不重启JVM，获知运行时对象的属性？本文将带你了解Java动态追踪技术的来龙去脉，还有依此衍生出的Java诊断神器……

美团团队在刚刚结束的WSDM Cup 2019比赛“真假新闻甄别任务”中获得了第二名的好成绩。本文将详细介绍他们本次获奖的解决方案，里面用到了很多黑科技比如BERT哦。

成本管理控制是技术团队管理过程中普遍面临的一个难题，本文根据美团到餐研发团队对于成本控制的方法论和实践进行了描述，将优化成本的落地方法论以及实际操作细节进行了描述。目前总体技术资源成本每月下降近32%，按节约的成本计算，一年节省开支约几千万。在此过程中，我们还获得技术优化、空间压缩、模型开发等专利7项，并证明了通过采用架构升级、技术优化、管理细化等手段，可以有效地降低研发成本。

本文介绍了大众点评搜索核心排序层模型的演化之路，包括结合知识图谱信息构建适合搜索场景的Listwise深度学习排序模型LambdaDNN以及特征工程实践和相关工具建设。

本文介绍了在美团客户端单周发版快速迭代的背景下，大交通业务线多个仓库的多个发版分支的自动化的管理方法。

酒店搜索跟传统的搜索排序存在很多不一样的地方，酒店搜索业务具备独有的业务特点，本文分享了深度学习在酒店搜索NLP中的应用，并重点介绍了深度学习排序模型在美团酒店搜索的演进路线。

在项目迁移到Spring Boot之后，发生内存使用量过高的问题。本文介绍了整个排查过程以及使用到的工具，也非常适用于其他堆外内存排查。

在过去的一年里，美团技术团队成功举办了19场线下沙龙，16次线上沙龙，包括99位讲师，85个演讲，70+小时分享。现整理所有的PPT和视频，分享与大家。

组件化作为Android客户端技术的一个重要分支，近年来一直是业界积极探索和实践的方向。美团内部各个Android开发团队也在尝试和实践不同的组件化方案，并且在组件化通信框架上也有很多高质量的产出。本文介绍了美团行业收银研发组Android团队的组件化实践，以及业界首创强约束组件消息总线modular-event的原理和使用。

LruCache(Least Recently Used Cache)是一种带有清退机制的缓存结构。用于DSP系统中的广告数据存储来提高广告投放引擎的性能。

文章从算法、架构两方面阐述排序学习。算法部分采用理论结合类比的方式进行讲解，希望帮助读者更容易地掌握排序学习核心概念。架构部分阐述如何设计一个良好的在线排序学习预测框架，包括特征治理、召回治理和分层模型三块。重点剖析了在线排序分层模型的组成、各模块的功能以及部分实现。

本文主要介绍了美团智能支付业务在稳定性方向所面临的挑战、踩过的坑，并重点介绍QA在稳定性测试中的一些总结和实践，供大家参考。

本文分享了美团配送在即时配送领域中机器学习技术的最新进展，其主题是如何通过大数据和机器学习手段，建立对线下真实世界的各种场景的感知能力，还原和预测配送过程各个细节，提升整体配送系统的整体精度。

从饭否到美团，潘魏增用十年的技术生涯，诠释了“长期有耐心”这句话的含义。在他看来，长期有耐心，其实也是延迟满足感。

在美团做AI，有一个非常大的优势，就是数据和应用场景丰富，可以把各种各样的前沿技术用到实际产品中，改善亿万人的生活。要把几亿消费者与数百万生活服务商家高效地连接起来，AI有很多用武之地，因此比较大的业务部门中的技术团队，都有从事AI的同学。

Java提供了种类丰富的锁，每种锁因其特性的不同，在适当的场景下能够展现出非常高的效率。本文旨在对锁相关源码、使用场景进行举例，为读者介绍主流锁的知识点，以及不同的锁的适用场景。

本文主要介绍如何通过 Category 特性来实现优雅的组件间通信方案，并分享美团平台对于 Category 用法的管控与实践。

入侵检测是每一个大型互联网企业都要面对的难题。价值越高的公司，面临入侵的威胁越大，一旦发生在数据化的互联网公司身上，其后果也不堪设想。

深度学习作为AI时代的核心技术，已经被广泛应用于多种场景。本文将介绍美团在实际工程中，如何设计和实践深度学习相关的NLU线上系统和语音识别训练系统。

本文整理了常见实时数据组件的性能特点和适用场景，介绍了美团如何通过 Flink 引擎构建实时数据仓库，从而提供高效、稳健的实时数据服务。